1주차 · 1단계

문제 환경 탐색

Explore the Problem Landscape

Explore the Problem Landscape워크시트 · Problem Segmentation

이 단계에서 수행할 내용

현재 세계가 직면한 기후·에너지 과제를 기초적인 수준에서 이해한다.
기후·에너지 문제에 더 깊이 파고들기 위한 도구 상자를 마련한다.
궁극적으로 이 과제를 기업가정신을 통해 구체적으로 해결할 수 있는 문제로 좁혀 나간다.

이 단계를 왜, 지금 해야 할까?

문제 세분화 — 공공에서 사적으로

기후 TAM — 얼마나 큰가

III

이 단계의 산출물

이 단계의 워크시트

Problem Segmentation

워크시트 · 문제 세분화

사례

🇰🇷 한국 기후테크 사례 ─ 누비랩

누비랩은 김대훈 대표가 2018년 세운 인공지능(AI) 푸드테크 기업으로, 창업의 출발점은 기술이 아니라 문제의 발견이었다. 현대자동차에서 자율주행과 관련해 물체를 빠르게 감지하는 AI 기술을 연구하던 그는 사내 급식소에서 매일 쏟아져 나오는 잔반을 보고 문제를 파고들기 시작했다. 조사해 보니 전국 급식소 4만여 곳에서 하루 6,000여 톤의 음식물 쓰레기가 버려지고 있었다. 게다가 유엔환경계획(UNEP)에 따르면 버려지는 음식은 전 세계 온실가스 배출의 8~10%와 맞물려 있었다. 그는 이 거대한 공공 문제를 이해관계자별로 쪼갰다. 영양사는 얼마나 조리해야 할지 몰라 과잉 생산하고, 급식 이용자는 무엇을 얼마나 남기는지 스스로 모르며, 운영사는 식자재비와 처리 비용을 떠안는다. 문제의 근원은 무엇이 얼마나 배식되고 남는지 아무도 측정하지 못한다는 계측의 공백이었다. 하지만 누비랩은 자율주행 연구에서 갈고닦은 물체 감지 기술로 바로 이 공백을 메울 수 있었다. 누비랩의 AI 푸드 스캐너는 배식 전후의 식판을 스캔해 음식 종류와 양을 기록하는데, 1억 건이 넘는 푸드 데이터를 학습해 0.3초 만에 98% 정확도로 식습관 데이터를 분석한다. 전국 30여 개 초·중·고등학교 캠페인에서는 평균 잔반량을 13% 이상 줄여 약 7,165kg CO2-eq의 탄소 감축 효과를 확인했다. 이를 발판으로 2022년 스마일게이트인베스트먼트가 이끈 시리즈A에서 100억 원을 유치해 누적 약 120억 원의 사업 자금을 확보했고, CES 2025 디지털 헬스 부문 혁신상을 받았으며, 2025년 말 기준 누적 고객사 1,000곳과 사용자 10만 명에 이르렀다. 같은 데이터 역량은 환자 식단 관리라는 새 문제로 이어졌다. 그 결과 누비랩의 솔루션은 세계 최대 케이터링 그룹과의 독점 계약으로 미국 병원에 공급되고 있고, 2026년 3월에는 네이버 D2SF가 시리즈A 브릿지 라운드에 후속 투자했다. 이 사례는 Step 1 · 문제 환경 탐색이 강조하는 여정을 압축해 보여준다. 익숙한 일상 뒤에 숨은 문제를 발견하고, 공공 문제를 이해관계자별 하위 문제로 세분화해 ‘왜’라는 질문을 파고들며, 하루 6,000톤이라는 기후 기술 부문 총 유효시장(Climate TAM)의 크기를 먼저 가늠한 뒤에야 자신의 기술을 솔루션으로 전환하는 과정이다.

출처: 네이버(NAVER) 보도자료·전자신문·매거진한경 등, 2021~2026 (아주대학교 최규선 교수)