* 목차
* 내용
본 보고서는 총 6장으로 구성되며, 각 장의 주요 내용은 다음과 같음.
제2장에서는 사회정책 분석 패러다임의 전환을 살펴보고 한국의 행정빅데이터 사례를 예시로 고찰함. 첫째, 전통적 데이터(서베이)의 기여와 한계(응답률 하락, 무응답 편향, 측정 오차 등)를 분석하고, 이에 대한 대안으로서 행정 빅데이터의 부상 배경을 고찰함. 둘째, 2020년 이후 국제 학술지(SSCI/SCI)에 게재된 87건의 학술문헌을 조사하고, 행정 데이터를 활용한 ▲과소대표 변수·대상 연구 ▲정책 인과효과 분석 ▲정책 간 교호작용 분석 등 최신 연구 동향을 유형화함. 셋째, 한국의 ‘사회보장행정데이터’와 ‘가계금융복지조사’를 비교한 연구결과 등을 정리하여, 데이터 원천에 따른 빈곤율 및 불평등 지표의 차이와 그 원인(가구 단위 등)을 실증적으로 살펴봄.
제3장에서는 각국의 AI 기반 사회정책 혁신 사례를 살펴봄. 첫째, OECD 국가 사례로 핀란드(Kela의 자동화), 영국(HMRC의 데이터 연계), 미국(SSA의 자동화), 독일(BG BAU의 예측) 등 주요 국가의 사회정책 분야 AI 도입 사례를 ▲민원 지원 및 프론트오피스 ▲백오피스 자동화 ▲부정수급 탐지 ▲예측 기반 선제적 개입 등 기능별로 분류하여 분석함. 둘째, 아시아 국가 사례로 일본(데이터 건강계획, EBPM), 파키스탄(BISP, 위성 데이터 활용 빈곤지도), 태국(데이터 레이크, 기술 매핑), 몽골(가축조사 AI 활용, 게르 빈곤지도) 등의 사례를 통해 발전 단계별 AI 도입 전략을 비교함. 셋째, 정책 단계별 AI 활용 가능성을 살펴보며, 아젠다 설정(공공 담론 분석), 정책 결정(대상자 선정), 집행(업무 자동화), 평가(인과적 머신러닝), 적응형 사회보호 등 사회정책 전주기(Policy Cycle)에 걸친 AI·빅데이터의 구체적 활용 모델을 제시함.
제4장에서는 AI·행정데이터 기반 사회정책의 잠재적 위험성을 살펴봄. 첫째, AI 도입에 따른 새로운 위험 요인을 ▲투명성 및 설명가능성 부족 ▲알고리즘 편향과 차별 ▲데이터 품질 및 대표성 문제 ▲자동화 의존(Automation Bias) ▲프라이버시 침해 ▲책임성 결여 ▲민주주의 위협 등으로 유형화하여 분석함. 둘째, 각 국가별 실패 사례로 네덜란드 아동수당 스캔들(Toeslagenaffaire), 호주 자동부채환수시스템(Robodebt), 영국의 유니버설 크레딧 데이터 불일치 등 대표적인 정책 실패 사례를 심층 분석하여, 시스템 오류의 구조적 원인과 사회적 파급효과를 살펴봄.
제5장에서는 사회정책 발전을 위한 향후 제언을 4가지 유형으로 간략히 제시함. 첫째, 거버넌스 및 법·제도 측면에서는 데이터 연계·통합을 위한 특별법 제정, 범정부 데이터 거버넌스(CDO) 강화, 안전한 데이터 활용 환경(TRE) 구축 방안을 살펴봄. 둘째, 행정데이터 관리 측면에서는 데이터 품질 평가 프레임워크 도입, 행정 데이터와 서베이 데이터의 상호보완적 활용 전략을 제시함. 셋째, 신뢰할 수 있는 AI 측면에서는 알고리즘 영향평가(AIA) 도입, 참여적 설계 프로세스, 위험 기반 관리 체계 구축 방안을 살펴봄. 넷째, 민관 협력 측면에서는 시민 참여형 데이터 플랫폼 구축, 민간 데이터의 공익적 활용(Data Philanthropy) 활성화 및 테스트베드 조성 등을 살펴봄.
AI 기반 OECD 사회정책 동향 분석.pdf