AI 복지행정의 해외 사례 - 에스토이나·영국은 무엇을 자동화했나

같은 기술이 정반대의 결과를 낳을 수 있다는 사실을, 복지행정만큼 극명하게 보여주는 영역도 드뭅니다. 에스토니아는 AI와 데이터 연동을 활용해 "신청서 없는 복지"를 만들었고, 영국은 같은 기술을 부정수급 적발과 위험 판정에 투입했다가 알고리즘 편향 소송에 휘말렸습니다. 두 나라 모두 "AI로 복지행정을 자동화했다"고 말하지만, 정작 무엇을 자동화했는지를 뜯어보면 전혀 다른 이야기가 펼쳐집니다. 이번 글에서는 두 나라의 사례를 비교하며, AI 복지행정 자동화가 성패를 가르는 지점이 기술 수준이 아니라 "무엇을 자동화 대상으로 삼았는가"에 있다는 점을 살펴보겠습니다.

 

1. 자동화에도 두 가지 결이 있다 - "부여의 자동화"와 "판단의 자동화"

복지행정에서 AI가 개입할 수 있는 지점은 크게 두 가지로 나눌 수 있습니다. 하나는 이미 자격이 있는 사람에게 급여를 부여하는 과정을 자동화하는 것이고, 다른 하나는 신청자나 수급자가 부정을 저지르고 있는지 판단하는 과정을 자동화하는 것입니다. 언뜻 보면 둘 다 "행정 효율화"라는 같은 목표를 향한 것 같지만, 두 자동화는 전제하는 신뢰의 방향이 정반대입니다. 부여의 자동화는 "이 사람은 자격이 있을 것"이라는 전제에서 출발해 국가가 먼저 다가가는 방식이고, 판단의 자동화는 "이 사람이 거짓을 말하고 있을 수 있다"는 전제에서 출발해 국가가 개인을 의심하는 방식입니다. 에스토니아와 영국의 사례는 바로 이 지점에서 갈라집니다.

 

2. 에스토니아 - 국가가 먼저 손을 내미는 자동화

2-1. X-Road, 데이터를 한 번만 묻는 나라

에스토니아 디지털 정부의 근간은 X-Road라는 데이터 교환 계층입니다. 국세청, 인구등록부, 건강보험 등록부 등 각 기관의 시스템이 X-Road를 통해 서로 연결되어 있어, 한 기관이 필요한 정보를 다른 기관에 요청하면 시민이 직접 서류를 떼어 제출할 필요 없이 실시간으로 데이터가 오갑니다. 이른바 '원스톱 원칙'으로, 국가가 이미 보유한 정보를 시민에게 다시 요구하지 않는다는 설계 철학이 시스템 전체를 관통하고 있습니다.

2-2. 프로액티브 가족급여 - 신청서가 없는 복지

이 원칙이 가장 극적으로 구현된 사례가 바로 가족급여의 프로액티브 서비스입니다. 2019년부터 에스토니아는 출생신고가 인구등록부에 접수되는 순간, 사회보험청 시스템이 야간에 자동으로 신규 출생 정보를 조회하고, 국세관세청에서 부모의 소득·근로 상태를 확인한 뒤, 수급 자격이 있는지 판단해 미리 채워진 급여 제안서를 이메일로 발송합니다. 부모는 이 제안을 확인하고 선택지를 고르기만 하면 됩니다. 신청서를 작성할 필요도, 자격을 증명할 서류를 낼 필요도 없습니다. 서비스 시행 첫해에만 약 3만 건의 제안이 발송되었고, 이 중 84%가 실제로 자가 서비스를 통해 확인 절차를 거쳤습니다. 국가가 자격 있는 시민을 '찾아 나서는' 구조인 셈입니다.

2-3. 실업보험기금의 조기식별과 챗봇 비유크라트

고용 영역에서도 유사한 접근이 나타납니다. 에스토니아 실업보험기금은 AI를 활용해 장기 실업으로 이어질 위험이 큰 구직자를 조기에 식별하고, 이들에게 우선적으로 정책 지원을 연계합니다. 여기서 AI의 역할은 '누구를 처벌할 것인가'가 아니라 '누구를 먼저 도울 것인가'를 가려내는 데 있습니다. 여러 부처의 서비스를 하나로 묶어 안내하는 정부 챗봇 '비유크라트' 역시 시민이 여러 기관을 헤매지 않도록 안내하는 창구 역할을 합니다. 공공 부문 전반에서 보고되는 130건 이상의 AI 활용 사례 대부분이 대규모 프로젝트가 아니라 이런 식의 소규모 행정 효율화 도구라는 점도 눈여겨볼 대목입니다.

 

3. 영국 - 의심을 자동화한 나라

3-1. 유니버설 크레딧과 위험 스코어링 모델

영국 노동연금부(DWP)가 운영하는 통합급여 체계에서 AI는 전혀 다른 목적으로 쓰이고 있습니다. 대표적인 것이 'UC 어드밴스 모델'로, 이는 지도학습 기반의 이진 분류 알고리즘으로 선지급금 신청 건마다 부정 위험도를 점수화합니다. 위험도가 높게 산출된 건에 대해서만 심사 인력을 집중 투입하겠다는 취지지만, 이는 곧 신청자 개개인이 알지 못하는 사이에 과거의 대규모 데이터로 학습된 모델에 의해 '위험군'으로 분류될 수 있다는 뜻이기도 합니다.

3-2. 화이트메일, 그리고 멈춰선 프로젝트들

DWP는 이 밖에도 다양한 AI 도구를 시범 운영해 왔습니다. 장애급여(PIP) 결정문에 들어갈 증거를 요약해주는 '에이전트', 구직 상담사에게 조언을 제공하는 'A-큐브드' 등이 대표적이었으나, 이 두 프로젝트를 포함해 최소 예닐곱 개의 AI 시범 사업이 최근 중단된 것으로 확인되었습니다. 반면 문서를 스캔해 '취약 고객'을 자동으로 골라내는 '화이트메일'은 계속 운영 중인데, 문제는 이 도구가 의료기록과 재정 정보 등 민감한 개인정보를 분석하면서도 정작 해당 수급자에게는 스캔 대상이 되었다는 사실 자체를 알리지 않는다는 점입니다. 복지 관련 시민단체들은 당사자 동의 없는 민감정보 처리에 깊은 우려를 표하고 있습니다.

3-3. 편향 논란과 68만 명의 청구서

더 근본적인 문제는 이 위험 스코어링 알고리즘의 공정성입니다. 정보공개 청구를 통해 드러난 DWP 내부 평가 문서에는 부정수사 대상을 추천하는 자동화 시스템에서 '통계적으로 유의미한 결과 격차'가 발견되었다는 내용이 담겨 있었고, 연령·장애·국적 등에 따라 특정 집단이 불균형하게 표적이 되었다는 지적이 이어졌습니다. 한 장애인권 단체는 이 알고리즘이 캐어워커나 상담사와의 상호작용에서 수집된 파악 불가능한 데이터를 근거로 개인을 프로파일링한다며 법적 대응에 나서기도 했습니다. 여기에 더해 2023~2024 회계연도 한 해 동안 DWP 자신의 행정 오류로 발생한 통합급여 과다지급이 68만 건을 넘었는데, 이 경우조차 잘못을 되갚아야 하는 쪽은 부처가 아니라 수급자였습니다. 자동화가 효율을 높인 것은 분명하지만, 그 효율이 누구의 편에서 작동하는지에 대한 질문은 여전히 해소되지 않은 상태입니다.

 

4. 왜 같은 기술이 다른 결과를 낳았는가 - 세 가지 구조적 차이

에스토니아와 영국의 격차는 AI 기술력의 차이가 아니라 설계 철학의 차이에서 비롯됩니다. 세 가지 축으로 정리해 보겠습니다.

• 첫째, 자동화의 목적이 다릅니다. 에스토니아의 자동화는 '수급 범위의 확장'을 향하고, 영국의 자동화는 '부정의 적발'을 향합니다. 무엇을 최적화 목표로 설정하느냐에 따라 알고리즘이 만들어내는 오류의 방향도 달라집니다. 확장을 목표로 한 시스템의 오류는 '과다 지급'으로 나타나 재정 부담으로 귀결되지만, 적발을 목표로 한 시스템의 오류는 '부당한 자격 박탈'로 나타나 즉시 개인의 생계를 위협합니다.
• 둘째, 데이터 아키텍처의 성격이 다릅니다. 에스토니아의 원스톱 원칙은 애초에 여러 등록부를 표준화된 방식으로 실시간 연동하도록 설계되었지만, 영국의 통합급여 시스템은 오랜 기간 축적된 레거시 데이터와 파편화된 시스템 위에 AI를 얹은 형태에 가깝습니다. 과거의 편향된 데이터를 그대로 학습한 모델이 새로운 판단마저 과거의 패턴대로 반복하는 구조적 위험이 여기서 발생합니다.
• 셋째, 투명성 거버넌스의 수준이 다릅니다. 에스토니아는 서비스의 작동 방식 자체를 공개하고 시민·현장 공무원과의 인터뷰를 거쳐 설계했다고 알려진 반면, 영국은 정보공개 청구에도 자동화 시스템의 세부 내용을 오랫동안 공개하지 않았고, 이는 결국 신뢰 부족과 소송으로 이어졌습니다. 알고리즘이 어떤 기준으로 사람을 분류하는지 검증할 수 없다면, 그 알고리즘이 얼마나 정교한지는 부차적인 문제가 됩니다.

 

5. 한국 복지행정에 주는 시사점

한국도 2025년 말 범부처 위기가구 발굴·지원 협의체가 출범하고, 2026년 4월 사회보장 AX(AI Transformation) 심포지엄에서 급여 신청·조사·결정 과정 전반에 AI 에이전트를 도입하는 방안이 논의되는 등 AI 복지행정으로의 전환이 본격화되고 있습니다. 이 시점에서 에스토니아·영국 사례가 던지는 메시지는 분명합니다. 사각지대를 찾아내는 '발굴' 단계의 자동화(에스토니아형)와, 부정 여부를 가리는 '심사' 단계의 자동화(영국형)는 요구되는 투명성과 이의제기 장치의 수준이 근본적으로 다르다는 것입니다. 전자의 실패는 지원의 누락으로 끝나지만, 후자의 실패는 이미 받고 있던 급여의 부당한 박탈로 이어질 수 있습니다. 한국이 도입을 서두르는 AI 에이전트가 어느 단계에 배치되느냐에 따라, 설계에 담아야 할 안전장치의 무게 중심도 달라져야 할 것입니다.

---

 

AI 복지행정의 성패는 알고리즘의 정교함이 아니라 그 알고리즘이 누구를 향해 작동하도록 설계되었는가에 달려 있습니다. 에스토니아는 국가가 시민에게 먼저 다가가는 방향으로, 영국은 시민을 먼저 의심하는 방향으로 같은 기술을 사용했고, 그 결과 하나는 신청 없는 복지의 모범 사례로, 다른 하나는 알고리즘 편향 소송의 당사자로 남았습니다. 한국의 복지행정이 AI 전환의 초입에 서 있는 지금, 두 나라의 갈림길은 유용한 참고점이 될 수 있습니다.

 

[참고자료]

• 유럽연합 집행위원회 디지털 빌딩블록(Digital Building Blocks), "Estonian Parental Benefit" 사례 자료
• 에스토니아 정보시스템청(TEHIK), "Family benefit e-service" 소개 자료
• OECD 공공부문 혁신 관측소(OPSI), "Pro-active Family Benefits" 혁신 사례
• 조선비즈, "[AI 활용 선두주자 에스토니아] ③ 탈세 탐지부터 의회 회의록 작성까지 AI 활용" (2026.1)
• 한국IT산업뉴스, "AI와 복지의 새로운 결합" - 2026 사회보장 AX 미래전략 심포지엄 보도 (2026.5)
• Public Law Project, "Machine learning used to stop Universal Credit payments" 보도자료
• Privacy International, UK CESCR 제출 의견서 - DWP 머신러닝 부정수급 탐지 프로그램 편향 관련
• The Guardian 관련 보도 인용(Privacy International 자료 재인용) - DWP 알고리즘의 연령·장애·국적별 결과 격차
• Yahoo News/PA Media, "The DWP forced over 680,000 people to pay for its own mistakes" (통합급여 행정오류 과다지급 통계)

 

AI 복지 행정 - AI생성 이미지