사회서비스의 디지털 전환 019. AI 기반 복지서비스 사례

AI 상담 챗봇은 복지상담 영역에서 단순한 정보 제공이나 질의응답 기능을 넘어, 이용자의 정서 상태를 분석하고 이에 따라 상담 반응을 조정하는 방향으로 발전하고 있다. 이는 복지서비스의 초기 접점에서 이용자의 심리적 상태와 위기 가능성을 보다 정밀하게 파악하고, 필요한 경우 신속한 개입으로 연결하기 위한 정책적 시도라는 점에서 의미를 갖는다. 특히 상담 대화에 포함된 언어 표현, 문장 구조, 부정적 정서의 반복 여부 등을 종합적으로 분석함으로써, 이용자의 우울·불안·분노와 같은 감정 신호를 실시간으로 탐지하는 구조가 점차 확산되고 있다.

이러한 감정분석 기반 상담 구조는 과거 상담 기록과 감정 분류 데이터를 학습한 인공지능 모델을 토대로, 이용자의 상태가 비교적 안정적인지 혹은 추가적인 정서적 지원이 필요한 상황인지를 판단하고 상담 흐름을 조정한다. 예를 들어 부정적 표현이 반복적으로 감지될 경우에는 공감과 정서적 지지를 중심으로 한 응답을 제공하고, 위기 징후가 확인될 경우에는 전문 상담이나 사례관리 서비스로 연계되도록 설계된다. 이를 통해 상담 인력의 반복적 초기 업무 부담을 완화하는 동시에, 지원이 시 급한 이용자를 조기에 식별하는 효과를 기대할 수 있다.

공공부문에서는 이러한 AI 상담 기술을 행정 시스템과 연계해 복지서비스 접근성을 실질적으로 개선하려는 시도가 이루어지고 있다. 대표적으로 AI 보이스봇은 복지사각지대 발굴관리시스템과 연동되어 전화 기반 초기 상담을 자동으로 수행하고, 대상자의 생활 상황과 복지 욕구를 구조화된 데이터로 기록·관리하는 방식으로 운영되고 있다. 이 과정에서 상담 절차가 표준화되면서 초기 접촉 업무의 효율성이 제고되었고, 상담 인력은 고위험 사례나 추가 개입이 필요한 대상자에 보다 집중할 수 있는 여건을 확보한 것으로 평가된다(한국사회보장정보원, 2023c).

지방자치단체 차원에서도 AI 상담 챗봇은 디지털 포용 복지를 구현하는 수단으로 활용되고 있다. 24시간 운영되는 복지 AI 챗봇은 주거·돌봄·의료·장애 지원 등 다양한 복지 정보를 통합 제공하고, 음성 기반 상담 기능을 통해 고령층과 디지털 취약계층의 이용 장벽을 완화하는 역할을 수행하고 있다. 특히 야간과 공휴일 시간대의 이용 비중이 높게 나타나 시민의 생활 리듬에 부합하는 상담 접근성을 제공한 점은 공공서비스의 연속성과 접근성을 동시에 강화한 사례로 평가된다(서울시복지재단, 2024).

해외에서도 AI 상담봇은 복지행정과 심리 지원의 핵심 인프라로 빠르게 확산되고 있다. 캐나다에서는 복지급여 신청과 자격 확인 과정에 가상 상담 시스템을 도입하고, 상담 중 감정 분석을 통해 위기 신호가 감지될 경우 전문 상담으로 즉시 연계하는 구조를 구축하였다. 이를 통해 상담 처리 시간이 단축되고 행정 효율성과 이용자 만족도가 동시에 개선된 것으로 보고되고 있다(Zaber et al., 2024). 영국은 정신건강 상담 챗봇을 활용해 이용자의 언어 사용 방식과 응답 속도 변화를 분석하고, 의료진이 이를 참고해 후속 개입 여부를 결정하는 방식으로 진료의 효율성과 적절성을 제고하고 있다. 호주 역시 국가 디지털 복지 포털을 중심으로 AI 상담봇을 운영하며, 다양한 사회서비스 정보를 개인 상황에 맞게 제공함으로써 행정 신뢰와 서비스 포용성을 강화하고 있다(Services Australia, 2024b).

다만 AI 상담봇은 복지서비스의 접근성과 행정 효율성을 높이는 데 기여하는 동시에, 인간 상담을 완전히 대체하기에는 구조적 한계를 지닌다. 감정의 미묘한 변화나 개인의 삶의 맥락, 비언어적 신호를 종합적으로 이해하는 데에는 기술적 제약이 존재하며, 이에 따라 상담 결과의 공정성과 신뢰성을 확보하기 위한 제도적 장치가 요구된다. 감정 분석의 기준과 절차를 명확히 하고, 상담 결과가 도출되는 과정에 대한 설명 가능성과 투명성을 강화하는 것은 이용자 수용성과 신뢰 확보를 위한 필수 조건으로 제시된다.

이러한 한계를 고려할 때, AI 상담봇은 인간 상담을 대체하는 수단이 아니라 상담사의 전문성과 대응 역량을 보조·확장하는 도구로 활용되는 것이 바람직하다. 정서적 공감과 복합적 판단이 요구되는 영역은 사람이 담당하고, 반복적인 초기 상담과 데이터 기반 분석은 AI가 지원하는 하이브리드 상담 모델을 통해 서비스의 질과 효율성을 동시에 제고할 수 있다. 세계보건기구 역시 복지상담 시스템에 투명성, 공정성, 개인정보 보호, 책임성을 핵심 원칙으로 하는 책임 있는 인공지능 적용을 권고하고 있으며, 이는 AI 상담 서비스가 지속가능한 복지 인프라로 자리 잡기 위한 전제 조건으로 제시되고 있다(WHO, 2024a).

종합하면 AI 상담 챗봇은 복지상담의 초기 접점에서 조기 개입과 연계를 강화하고, 복지서비스 접근성을 확대하는 중요한 정책 수단으로 기능하고 있다. 향후에는 텍스트 분석을 넘어 음성, 행동 맥락 등을 종합적으로 고려하는 방향으로 기술이 고도화되면서, 사람 중심의 복지행정을 보완하는 지능형 서비스 플랫폼으로 발전할 가능성이 크다.

사례관리 자동화 시스템은 빅데이터와 인공지능 기술을 활용해 복지대상자의 상태를 지속적으로 파악하고, 위험 징후를 조기에 감지하여 맞춤형 지원으로 연결하는 데이터 기반 복지행정의 핵심 인프라로 자리 잡고 있다. 전통적인 사례관리는 개별 담당자의 경험과 판단에 크게 의존하는 구조였으나, 최근에는 상담 기록과 서비스 이용 이력, 소득·건강 정보 등 다양한 행정 데이터를 체계적으로 축적·분석함으로써 보다 정밀하고 일관된 사례관리 체계로 전환되고 있다.

이러한 변화의 출발점은 사례관리 과정에서 생성되는 상담 기록과 행정 정보를 자동으로 기록·정제하고, 분석 가능한 형태로 구조화하는 데이 터화 체계의 구축이다. 사례관리 자동화 시스템을 통해 상담 내용과 서비스 이용 패턴이 지속적으로 축적·관리되면서, 개별 사례에 분절적으로 존재하던 정보들이 상호 연계되고 활용 가능성이 크게 확대되었다. 특히 비식별화된 복지 데이터를 인공지능 학습에 활용하기 위한 데이터 정제 기준과 관리 절차가 구체화되면서, 개인정보 보호를 전제로 하면서도 분석과 정책 활용이 가능한 복지 데이터 환경이 조성되고 있다. 이러한 기반은 사례관리 자동화가 일회적 기술 도입에 그치지 않고, 데이터 기반 복지행정으로 확장되는 토대로 기능한다.

사례관리 자동화의 핵심 기능 중 하나는 위험 징후를 조기에 탐지하고, 개인의 상황에 적합한 서비스를 선제적으로 추천하는 예측·경보 체계에 있다. 이를 위해 사회서비스 바우처 부정수급 탐지 시스템이 고도화 되었으며, 결제 내역, 서비스 이용 시간과 지역, 소득 수준 등 다양한 데이터를 종합 분석해 정상적인 이용 패턴과 이상 징후를 구분하는 인공지능 분석 구조가 구축되고 있다. 이러한 시스템은 부정수급이나 서비스 오남용 가능성이 감지될 경우 사전에 경보를 제공함으로써, 복지행정이 사후 점검 중심의 관리 방식에서 예방과 조기 대응 중심의 체계로 전환되는 데 기여하고 있다.

더 나아가 인공지능은 단순한 이상 탐지를 넘어, 사례관리자의 판단을 보조하는 예측 도구로 활용되고 있다. 소득 변화, 의료 이용 현황, 가족 구성의 변동과 같은 다양한 요인을 종합적으로 분석해 긴급 지원이 필요한 고위험 대상자를 신속하게 식별함으로써, 행정 처리에 소요되는 시간을 단축하고 사례관리자가 심층 상담과 자원 연계 등 핵심적인 대면 서비스에 집중할 수 있도록 지원한다(Zaber et al., 2024). 이러한 예측 중심 사례관리는 행정 효율성 제고와 함께 복지 개입의 적시성과 정확성을 동시에 높이는 효과를 나타내고 있다.

해외에서도 인공지능 기반 추천 및 위기경보 시스템은 복지행정의 효율성과 이용자 만족도를 동시에 제고하는 방향으로 활용되고 있다. 유럽 일부 국가에서는 개인의 고용 이력과 생활 패턴 데이터를 분석해 재취업 지원 프로그램이나 소득 보전 제도를 자동으로 추천하는 시스템을 운영하고 있으며, 이는 부정수급 적발을 넘어 복지 대상자의 삶의 질 향상에 기여하는 수단으로 평가되고 있다(Verhagen, 2024). 이러한 사례는 인공지능이 공공 자원의 낭비를 줄이는 동시에 맞춤형 복지서비스 제공을 가능하게 하는 지능형 행정 도구로 기능할 수 있음을 보여준다.

사례관리 자동화 시스템의 효과는 광역자치단체와 기초자치단체 간 협력 구조가 뒷받침될 때 더욱 강화된다. 지역별 인구 구조와 복지 수요, 행정 역량이 상이한 상황에서 사례관리 데이터가 표준화되지 않을 경우 정책 효과의 편차가 확대될 수 있기 때문이다. 이에 따라 정부는 인공지능 기반 행정체계의 기초가 되는 공공데이터 표준화를 추진하고, 지역간 데이터 품질을 균형 있게 관리할 수 있는 통합 데이터 거버넌스 구축의 필요성을 지속적으로 강조해 왔다.

이러한 정책 방향에 따라 사회보장정보시스템이 전면 개편되면서, 전국 기초자치단체의 사례관리 데이터가 중앙 서버와 실시간으로 연동되는 구조가 마련되었다. 그 결과 지자체별로 분산 관리되던 사례 정보가 표준화된 형식으로 통합·공유되었고, 광역–기초 행정기관 간 정보 단절 문제가 상당 부분 해소되었다. 이는 사례관리자의 행정 부담을 완화하는 동시에, 복지 사각지대 발굴과 위기 대응의 속도를 높이는 성과로 이어지고 있다.

데이터 통합 이후에는 지역 간 사례 유형을 비교·분석할 수 있는 기반도구축되었다. 수도권 지역에서는 1인 가구 증가와 정신건강 위기 사례의 비중이 상대적으로 높게 나타나는 반면, 농촌 지역에서는 고령층 돌봄과 주거 취약 문제가 주요 과제로 부각되는 등 지역별 복지 특성이 보다 명확하게 드러나고 있다. 이러한 분석 결과를 토대로 중앙정부는 지역별 위기 집단의 특성을 고려한 정책 설계를 추진하고, 재정과 인력을보다 합리적으로 배분할 수 있게 되었다.

종합하면 사례관리 자동화 시스템은 기록의 디지털화, 예측·경보 기능의 고도화, 그리고 광역–기초 지자체 간 데이터 협력을 기반으로 사례관리의 표준화와 지역 맞춤형 정책 설계를 동시에 가능하게 하는 핵심 장치라 할 수 있다. 중앙정부는 통합 데이터를 통해 복지서비스의 형평성과 일관성을 관리하고, 지방정부는 지역 실정에 부합하는 복지모델을 설 계함으로써, 데이터 기반 복지행정의 협력적 거버넌스가 점진적으로 정착되고 있다고 평가할 수 있다.