행정 데이터와 AI가 만나면 - 사회보장 사각지대 발굴의 새로운 시도

복지 사각지대는 제도가 없어서 생기는 문제가 아닙니다. 오히려 대한민국의 사회보장제도는 양적으로 촘촘하게 설계되어 있는 편에 속합니다. 그럼에도 도움이 필요한 사람이 제때 발견되지 못하는 일이 반복되는 이유는, '누가 위기에 처해 있는지'를 알아내는 일 자체가 여전히 어렵기 때문입니다. 최근 정부가 인공지능(AI)을 활용한 위기가구 발굴체계 고도화에 나서면서, 행정 데이터와 AI의 결합이 이 오래된 문제를 풀어낼 실마리로 주목받고 있습니다. 이번 글에서는 현재 발굴시스템이 어떻게 작동하는지, AI 도입이 무엇을 바꾸고 있는지, 그리고 기술이 아무리 정교해져도 여전히 남는 구조적 한계는 무엇인지를 짚어보겠습니다.

 

1. 사각지대 발굴이 왜 어려운 문제인가 - 2014년 송파 세 모녀 사건

복지 사각지대 발굴시스템의 출발점은 2014년 '송파 세 모녀 사건'입니다. 생활고에 시달리던 세 모녀가 기초생활보장 등 어떤 공적 지원도 받지 못한 채 세상을 떠난 이 사건은, 신청주의에 기반한 복지제도의 근본적 한계를 드러냈습니다. 본인이 신청하지 않으면 아무리 위급해도 제도 안으로 들어올 수 없는 구조였던 것입니다. 이를 계기로 정부는 정보통신기술과 빅데이터 분석을 활용해 도움이 필요한 사람을 국가가 먼저 찾아나서는 '발굴형' 복지로 전환을 시도했고, 그 결과물이 지금의 복지 사각지대 발굴시스템입니다.

 

10년이 지난 지금도 이 문제의식은 유효합니다. 2025년 12월 보건복지부가 교육부·행정안전부·고용노동부·금융위원회 등 12개 기관이 참여하는 '범부처 위기가구 발굴·지원 협의체'를 처음으로 구성하고 '그늘진 곳 없는 복지안전매트 구축 방안'을 발표한 것도, 여전히 부처별로 흩어진 정보와 사후 대응 중심의 체계로는 위기를 놓칠 수밖에 없다는 문제의식에서 출발합니다.

 

2. 지금의 발굴시스템은 어떻게 작동하는가 - 39종 위기정보와 20만 명의 '명단'

현재 운영되는 복지 사각지대 발굴관리시스템은 한국전력공사, 지역 상수도사업본부, 도시가스 사업자, 건강보험공단, 고용노동부 등 십수 개 기관으로부터 단전·단수·단가스, 건강보험료 체납, 국민연금 체납 등 39종에 달하는 '위기정보'를 넘겨받습니다. 이 데이터를 빅데이터 분석으로 걸러내 위기 가능성이 높다고 판단되는 약 18만 명의 '중앙 발굴대상자'를 추려 지방자치단체에 통보하고, 여기에 지자체가 자체적으로 파악한 대상자를 더하면 연간 약 20만 명 안팎의 명단이 만들어집니다. 읍면동 '찾아가는 보건복지팀' 공무원은 이 명단을 들고 직접 방문하거나 전화를 걸어 실제 위기 여부를 확인하는 방식으로 마무리됩니다.

 

2025년 2월에는 사회보장급여법 시행령이 개정되어 서민금융 거절 정보 등이 연계 항목에 새로 추가되는 등, 정보 연계 범위는 지속적으로 넓어져 왔습니다. 그럼에도 현장에서는 주민등록상 주소지와 실거주지가 달라 방문조사 자체가 무산되는 경우, 위기정보가 실제 위기와 일치하지 않아 헛걸음을 하는 경우가 꾸준히 보고되어 왔습니다.

 

3. AI는 무엇을 바꾸고 있는가 - 규칙 기반 선별에서 예측모형으로

기존 방식이 '이 항목에 해당하면 위기로 본다'는 규칙 기반 필터링에 가까웠다면, 최근의 변화는 이를 확률 기반 예측모형으로 고도화하는 방향입니다. 범부처 위기가구 발굴·지원 협의체가 내놓은 방안의 핵심도 AI 예측모형 고도화와 위기정보 연계 확대 두 가지입니다. 금융 연체·채무, 의료비 과다 지출, 고독사·사회적 고립처럼 기존에는 체계적으로 포착되지 않던 위험 신호까지 데이터로 끌어들여, 여러 변수를 종합적으로 학습한 모형이 위기 확률을 계산하는 방식으로 전환하겠다는 것입니다.

 

2026년 4월 29일 보건복지부와 한국사회보장정보원이 공동 주최한 '사회보장 AX(AI Transformation) 미래전략 심포지엄'에서는 이러한 방향성이 한층 구체화되었습니다. 수급자에게 신청 가능한 프로그램을 안내하는 대화형 챗봇, 담당 공무원에게 관련 법령과 선례를 실시간으로 찾아주는 AI 에이전트 시연이 이루어졌고, 동시에 알고리즘의 편향과 오류로 정당한 수급자가 오히려 배제될 수 있다는 우려, 개인정보 유출·오용 위험에 대한 지적도 함께 제기되었습니다. 지방자치단체 차원에서도 변화는 감지됩니다. 서울 동대문구는 2026년 하반기 정기조사에서 복지사각지대 발굴시스템을 활용해 단전·단수·공공요금 체납 등 빅데이터상 위기 징후가 포착된 1,822명을 사전에 추려낸 뒤 집중조사에 나선 바 있습니다.

 

4. '예측-개입 격차' - 정확도가 높아져도 사각지대가 남는 이유

여기서 짚고 넘어가야 할 지점이 있습니다. AI가 위기가구를 더 정확하게 골라내는 것과, 그렇게 발견된 사람이 실제로 도움을 받는 것은 전혀 다른 문제라는 점입니다. 이를 '예측-개입 격차(prediction-intervention gap)'라 부를 수 있을 텐데, 이 격차는 최소 세 층위에서 발생합니다.

1. 데이터 연계의 공백 - 39종의 위기정보는 각기 다른 법적 근거와 목적으로 수집된 행정 데이터를 사후적으로 짜맞춘 결과물입니다. 기관마다 데이터 갱신 주기가 다르고, 개인정보보호 법제 안에서 연계 가능한 항목과 시점이 제한되어 있어, AI 모형이 아무리 정교해져도 입력값 자체가 실시간성을 갖추지 못하면 예측의 정확도는 구조적 한계에 부딪힙니다.
2. 알고리즘의 블랙박스와 편향 문제 - 예측모형이 학습하는 과거 데이터에는 이미 '누가 발굴되어 왔는가'라는 과거의 편향이 새겨져 있습니다. 특정 지역이나 특정 유형의 가구가 그동안 더 많이 발굴·조사되어 왔다면, 모형은 그 패턴을 그대로 학습해 재생산할 가능성이 있습니다. 심포지엄에서 제기된 '알고리즘 편향으로 정당한 수급자가 배제될 수 있다'는 우려는 바로 이 지점을 가리킵니다.
3. 발굴 이후 개입 역량의 병목 - 이 부분이 가장 근본적입니다. AI가 위기가구를 지금보다 두 배, 세 배 정확하게 찾아낸다 해도, 그 명단을 받아 실제로 방문하고 상담하고 서비스를 연계할 읍면동 복지공무원의 수가 그대로라면 병목은 해소되지 않습니다. 결국 '발굴의 정확도'는 기술의 문제이지만, '발굴 이후의 대응력'은 재정과 인력 배치의 문제입니다. 이는 본 블로그가 반복해서 다루어 온 삼축 프레임(세입·사회보험료·재정지출) 가운데 재정지출 축의 문제이기도 합니다. 재원을 아무리 정교한 예측 시스템 구축에 투입해도, 발굴 이후 개입에 배정되는 재정과 인력이 병행 확충되지 않으면 사각지대는 '더 정확하게 발견되었지만 여전히 방치되는' 역설적 상태에 놓이게 됩니다.

 

5. 해외 사례가 주는 시사점 - 예측 모형의 명암

이러한 우려가 기우가 아니라는 점은 해외 사례에서도 확인됩니다. 미국 펜실베이니아주 알러게니 카운티는 아동학대 위험을 예측하는 알고리즘을 아동복지 신고 심사에 도입한 대표적 사례로 꼽힙니다. 이 모형은 공공서비스 이용 이력이 많은 저소득 가구일수록 데이터가 상대적으로 풍부하다는 이유만으로 위험도가 높게 산출되는 경향이 있다는 비판을 받아왔습니다. 즉 실제 위험도가 아니라 '행정 시스템과 얼마나 많이 접촉했는가'가 예측 점수에 반영되는 왜곡이 발생할 수 있다는 것인데, 이는 한국의 위기가구 예측모형 설계에도 동일하게 적용될 수 있는 경고입니다. 기초생활보장이나 차상위 지원을 이미 받고 있어 행정 데이터에 자주 등장하는 가구와, 어떤 공적 지원도 받아본 적 없어 데이터 자체가 희박한 '진짜 사각지대' 가구 중 어느 쪽이 모형에 더 잘 포착될지는 자명합니다.

6. 기술이 아니라 체계의 문제

행정 데이터와 AI의 결합은 분명 사각지대 발굴의 정확도를 끌어올릴 잠재력을 지니고 있습니다. 그러나 이번 검토에서 확인했듯, 문제의 본질은 예측 알고리즘의 성능이 아니라 그 예측을 실제 지원으로 연결하는 체계 전체에 있습니다. 향후 개선이 필요한 방향은 세 가지로 정리할 수 있습니다. 우선 기관 간 데이터 연계의 법적·기술적 실시간성을 높이는 일, 다음으로 예측모형의 설계 단계에서부터 데이터가 희박한 집단이 체계적으로 누락되지 않도록 검증 절차를 두는 일, 마지막으로 발굴 이후 상담·방문·사례관리를 담당할 읍면동 인력과 예산을 예측 시스템 고도화 속도에 맞추어 함께 늘리는 일입니다. AI는 사각지대를 찾아내는 눈을 밝게 해줄 수는 있지만, 그 눈이 본 것을 실제로 손으로 붙잡는 일은 결국 사람과 예산의 몫으로 남습니다.

 

[참고자료]

• 보건복지부, '범부처 위기가구 발굴·지원 협의체' 1차 회의 및 'AI 기반 위기가구 선제 발굴' 방안 (2025.12.23)
• 보건복지부·한국사회보장정보원, '2026 사회보장 AX(AI Transformation) 미래전략 심포지엄' (2026.4.29)
• 보건복지부, 복지 사각지대 발굴시스템 연계 정보 확대 관련 사회보장급여법 시행령 개정 보도자료 (2025.2.18)
• 한국보건사회연구원, 보건복지포럼 – 복지 사각지대 발굴시스템 관련 이달의 초점
• KDI 경제교육·정보센터, 나라경제 – 복지 사각지대 발굴체계 및 위기정보 연계 현황 관련 기사
• 서울포커스신문, 동대문구 복지사각지대 발굴시스템 2026년 정기조사 관련 보도
• 한국사회보장정보원(SSIS), 복지 사각지대 발굴관리 시스템 운영 안내

 

복지 사각지대의 발견 (AI 생성 이미지)