意思決定に必要な気候インテリジェンス情報を提供するDi-Lab明光民代表

2007年、北朝鮮山落雷事故当日、明光民代表は北朝鮮山一帯にどれだけ強い落雷が接近中か知っていた。しかし、その情報を必要な時点で、周辺にいる人に伝える方法がなかった。気象庁は全国に700以上の観測所を運営する。平均5～15km間隔である。そのため、局地性大雨のように短い時間・狭い地域に集中する現象を捉えにくい。

ダイアラップは顧客支店に直接観測網を構築し、5～10分間隔のAI予報でリスクを素早く捉える。そして顧客社別操業中断基準に合わせて「工場稼働可能」または「稼働中止」意思決定情報を24時間提供する。

明光民ディアイラップ代表は大韓民国1号気象予報社だ。空軍と民間企業を経て様々なデータを扱った。空軍気象将校として服務していた2007年、北朝鮮産落雷事故は彼の人生を変えた。

「過去に気象予報業務を行い、既存システムが民間の危険気象対応にどれくらい隙間が多いか経験しました。当時、私は北朝鮮山一帯にどれだけ強い落雷が接近しているのかを把握し、警報を管轄部隊に伝播しました。

その時、頭の中に残った質問がある。 「予報は当たったが、なぜ事故は妨げられないのか」。ディアイラップの「データインテリジェンス」哲学はこの質問から出発した。

明代表は「問題は予測の精度ではなく、予報が実際の意思決定と行動につながらない仕組みにあると見た」とし、「実際の産業現場を見るとその隙間は明らかになる。ある企業は1mmの肥満とも工程を止めなければならないが、ある現場は20mmまでの差をつけているが、これにもかかわらず、既存の現場は20mmまでも問題ない。伝えてきた」と指摘した。

ディアイラップは最初から「よりよく合う予報」ではなく、意思決定を変えるデータを目指した。したがって、各産業と現場が実際に危険になる閾値が何であるかを定義し、それをめくる直前の特定の時間と地点に予測リソースを集中する。

現在、気象庁は平均5～15km間隔で全国の天気情報を提供する。台風や梅雨のように広い範囲の現象には効果的である。しかし、局地性大雨をつかむには限界がある。

「大きなネットで小さな魚を捕まえようとすること」に例えた人代表は「このようなデータ限界のため、江南駅の浸水のようにすでに最後の後ろに分かる事故が繰り返される」と指摘した。

観測点をより広く見ると、自治体や公共機関まで含めて約3,400箇所の降水観測データが存在する。理論的にはるかに細かい観測が可能だ。明代表は「問題はデータの信頼度」とし、「これらの観測所の正常なデータ比率は平均８６％水準で、エラーと欠測が頻繁に実戦活用に限界がある」と話した。これは担当人員が循環保職に頻繁に変わり、機器管理とデータチェックに十分な専門性と時間が投入されにくい行政構造のためだ。

費用も切ない。気象庁の2026年度装備購買事業を見ると、防災用気象観測装置24台の購入予算が10億8,000万ウォンだ。 1台あたり約4,500万ウォンがかかる。維持管理用役資料を見ると、全国709の観測所を管理するのに2年間で約39億9,000万ウォンが策定された。支店当たり年間約281万ウォンだ。

「この観測網を民間技術で大規模・標準化して再構成すれば、設置費は５分の１水準、維持管理費は半分水準に下げることができると考えます。」

同じ予算ではるかに多くの観測所を設置し、より細かく管理できるという自信だ。

「そこに私たちの異常感知技術が加わると、細かい観測網から収集される資料を高品質のデータで確保できます。」

明代表はこれを「気候MRI」と呼ぶ。病気もMRIで正確に診断しなければきちんと治療できるように、最近の異常気候もMRIのような細かい観測網で精密診断しなければきちんと備えられる。

実際、局地性豪雨で「短い時間に、どれだけ強く雨が降っているのか」を正確に知らず、被害が大きくなった事例が多い。

「ソウル市が江南駅一帯３３の浸水脆弱地域の水防施設拡充に投入した予算は約１兆４０００億ウォンに達する。この金額の１％だけでも事前に細かい観測データ確保に投資したならば、被害の相当部分を妨げなかったでしょうか。

ダイアラップはまず顧客地点に直接観測網を構築し、局地性豪雨を正確に測定する。顧客の太陽光発電所や物流センターがある地点と観測所が遠い場合、局地性豪雨の観測値差は50～100%、ひどいと500%以上飛ぶことができる。そして人工知能とプラットフォーム技術で迅速に収集・分析し、予測して情報の遅延時間を最小化する。天気は予測時間が長いほどボラティリティが大きくなり、精度が低下する。つまり、遅延時間を最小限に抑えることは予測精度を高めることです。

以下は、5～10分間隔で素早くAI予報を生産してアップデートすること。
「10分の間に大雨が新たに発達する場所があるか、強い降水域がどこに移動するかを予測し、リスクを素早く捉えます」。

最後に、このように分析・予測された気象情報が顧客会社に与える影響を精密に分析し、意思決定情報を与える。例えば、3時間で85mmの雨が予想されると、「A顧客会社」は操業中断基準である100mm/3hourより小さく、「工場可動」情報を与える。また「B顧客会社」は、操業中断基準である60mm/3hourより大きく「工場稼働中止」情報を伝達する。

。

「ダイアラップの戦略は、現場でしか得られない「意思決定データ」を収集し、これを気象データと組み合わせて産業別しきい値とコスト関数で再構成することです。ドメイン融合にとって最も重要なのは、顧客ドメインの理解です。」

結局、Dialabのドメイン融合とは、産業の意思決定構造をデータで学習させ、気象予測が直ちに行動指針になるようにする過程である。これがディアイラップが「予報モデル」ではなく、意思決定エンジンとして動作できる理由だ。

グローバル市場でのDi Labの優位性は明確です。
「大きな投資は大きな収益を生み出す必要があるため、西欧圏のソリューションは高い価格で大きな市場に集中するしかありません。そういえば主に先進国市場中心の汎用的なサービスで作られています。」

一方、ディアイラップは韓国及びアジア・開発途上国の特性を反映する。明代表は「IoTセンシングと異常感知技術でデータが不完全な開発途上国環境でも動作可能なモデルを持っている」とし、「開発途上国のデータインフラ不足、技術人材不足問題に対応する力量強化サービスを同時提供中」と説明した。

同社は現在、慶熙大文龍才教授研究チームとともに、静止軌道衛星データに生成型AI技術を適用し、従来比2倍以上正確な降水情報を作っている。彼は「この技術は太平洋図書国家や中央アジア、アフリカなど観測データが足りない地域で早期警報や水管理、農業などに活用中」と付け加えた。

ディアイラブが気候リスク管理企業を志向する理由は明らかだ。 「気候危機時代に企業が直面した大きな問題は、天候自体ではなく、私の資産がいつ・どこで・どのように損失を被るのか分からないという不確実性です」

ディアイラップの「気候MRI」は医療に例えれば理解しやすい。一般気象情報がX線であれば、「気候MRI」は資産の気候脆弱点を精密診断するMRIである。工場は1時間あたり数mmから浸水が始まるか、この施設はどの時点で最も危険になるかを資産単位で分析します。

最後に彼のビジョンを尋ねた。明代表は「私たちのソリューションが日常となった世界」とし、「初個人化された気候インテリジェンス情報を受け、リスク気象対策や業務活用だけでなく、個人の病気管理や睡眠、コーディネート、レジャーなどすべての領域で活用される未来」を夢見ると明らかにした。