By TOM SIMONITE, WIRED US

올해 3월, 토고에 신종 코로나바이러스가 발병했을 때, 토고가 택한 대응책은 다른 여러 국가와 마찬가지로 바이러스 전염을 억제하기 위해 집에만 머무르도록 명령을 내리는 것과 소득 손실을 대체하기 위한 경기 지원 정책이었다. 그러나 토고는 코로나19 지원 대상을 찾고, 이를 전달하기 위해 영토가 크고, 부유한 다른 국가보다 더 기술 중심적인 방법을 택했다. 토고 국민 중, 우편으로 수표를 받은 사람은 없었다.

대신, 토고 정부는 모바일 현금 결제 시스템으로 빈곤 계층을 지원하고자 신속하게 시스템을 모았다. 토고 정부가 사용한 모바일 현금 결제는 모바일 기술을 선도하는 듯한 부유한 국가보다 아프리카에 더 많이 설치됐다. 동아프리카 비영리단체 기브다이렉틀리(GiveDirectly)가 자금 지원을 한 가장 최근의 결제는 인공 위성 사진과 휴대폰 데이터로 빈곤의 징조를 찾은 머신러닝 알고리즘의 도움으로 지원 대상자를 선정했다.

토고의 지원 계획은 코로나19 때문에 오래 지속되는 변화로 이끌 수 있는 시급한 실험을 어쩔 수 없이 진행하도록 만든 사례이다. 위성과 휴대폰 데이터를 켤 수밖에 없었던 부분적인 이유는 국민과 국민에게 필요한 사항과 관련, 신뢰할 수 있는 데이터가 부족한 현실이다. 토고 대통령 보좌관 셰군 바카리(Shegun Bakari)는 정부 계획이 훌륭한 성과를 거두어, 데이터 중심적인 접근 방식을 더 넓은 범위에서 사용할 수 있다고 밝혔다. 그는 “이번 정부의 지원 계획은 미래의 사회 보호 체계 수립 방식을 확인할 수 있다는 측면에서 정부에게 기초적인 일이 된다”라고 발표했다.

토고 정부의 새로운 지원 체제는 토고 에웨족의 언어로 ‘연대’라는 뜻을 지닌 ‘노비시(Novissi)’라는 이름으로 불린다. 노비시는 3월 말부터 10일간 집중 작업 기간에 구성됐다. 토고 우편 및 디지털 경제부 장관 시나 로손(Cina Lawson)은 코로나19 봉쇄 조치의 역효과 우려가 이번 지원 체제 시행을 견인했다고 말한다. 토고 국민 800만 명 중, 절반 이상이 하루 1.9달러(약 2,088원) 미만의 금액으로 생활한다. 국민 대부분이 단순 노동직, 제봉 등 비공식 경제 부문에 종사하며, 코로나19 제한 조치 때문에 비공식 경제 활동을 하는 인구 대부분의 소득이 심각한 수준으로 감소했다. 로손 장관은 “정부는 코로나19 때문에 소득이 대폭 감소한 국들을 지원해야 한다고 생각했다. 국민 대부분이 코로나19 때문에 사망하지 않았다면, 기근에 시달리다가 사망했을 것이다”라고 말했다.
노비시는 4월 8일에 시행됐으며, 시행일에 바로 토고 수도 로메 일대의 비공식 근로자를 지원했다. 라디오 광고에서는 국민들에게 SMS로 간단한 질문에 응할 수 있도록 하는 특별 번호를 문자로 보낼 것을 요청했다. 전 국민 93%의 정보를 다루는 토고 유권자 ID 데이터베이스가 과거, 비공식 경제 부문 일자리를 갖고 있다고 밝힌 수급 자격 대상 지역 거주자라는 사실과 일치한 것으로 확인되면, 순식간에 지원 금액이 이체됐다. 이러한 제도는 토고 제2의 도시 소코데(Sokodé)로 시행 범위가 빠르게 확장됐다.

남성은 매달 1만 500 CFA 프랑(약 20달러)을, 여성은 1만 2,250 CFA 프랑(약 23달러)을 격주로 분할 입금 받는다. 지원 금액의 차이는 가정을 더 원활하게 부양할 수 있도록 고안됐다. 총 지원 금액은 토고의 최저 임금 1/3 수준을 대처할 수 있는 금액이다. 지금까지 정부는 노비시를 통해 약 60만 명에게 2,200만 달러(241억 6,480만 원)를 지원했다.

로손 장관은 정부가 빠르게 지원금을 전달한 점을 자랑스럽게 생각했다. 그러나 코로나19 확산과 함께 가장 취약한 계층을 대상으로 노비스를 시행할 수 없다는 점도 동시에 우려했다. 그 부분적인 이유는 가장 취약한 계층을 어디서 찾아야 할지 몰랐기 때문이다. 로손 장관은 캘리포니아대학교 버클리 캠퍼스의 효과적인 글로벌 행동 센터(Center for Effective Global Action)의 조슈아 블루멘스톡(Joshua Blumenstock)에게 연락했다. 블루멘스톡은 과거, 빅데이터가 토고와 같은 국가가 직면한 정보 격차를 해결할 방법을 연구했다. 블루멘스톡 박사의 연구실은 휴대폰 기록이 르완다 국민 개인의 부와 대면 조사 결과를 예측했다. 또한, 위성 이미지가 사하라 사막 이남 최빈국가의 빈곤 지역을 추적할 수 있다는 사실도 확인했다.
 
블루멘스톡 박사는 자신이 연구한 기술을 적용하도록 제안했으며, 캘리포니아대학교 버클리 캠퍼스 졸업생과 노스웨스턴 교수진 두 명, 비영리단체 빈곤 행동 혁신(Innovations for Poverty Action) 관계자로 구성된 팀을 영입했다. 또한, 로손 장관을 빈곤국가의 현금 결제 시스템을 분배하는 비영리 단체 기븐다이렉틀리와 연결시켜주었다. 기븐다이렉틀리는 블루멘스톡 박사와 먼저 빅데이터 작업을 지원 제도에 활용하는 것을 이야기하고, 실제로 적용할 기회를 확인했다.

기븐다이렉틀리의 결제 시스템은 빈곤 지역사회를 방문하고, 가구 조사를 시행한 직원이 수집한 정보를 반영한다. 그러나 코로나19가 발병하는 동안에는 위험성을 지닌 방식이다. 기븐다이렉틀리의 특별 프로젝트 총괄인 한 셩 치아(Han Sheng Chia)는 위성 및 그와 비슷한 데이터가 더 빠르고 광범위한 지원금 분배에 도움이 될지 궁금증을 갖게 되었다. 그는 “올해 우리가 필요한 지원 범위가 매우 크다”라고 말했다. 10월, 세계은행은 올해 극심한 빈곤에 시달리는 인구가 1억 명가량 증가할 것으로 추산했다. 세계 빈곤 인구가 20년 만에 처음 증가한 것이다.

블루멘스톡 박사팀은 이미지 분석 알고리즘을 훈련했다. 토고 전체 인구 중 일부만을 대상으로 한 2018년 가구 조사를 이용해 위성 이미지로 토고의 선명한 지도를 생성하려는 목적이었다. 알고리즘은 지붕 재료와 도로 표면 상태 등의 차이를 통해 부유함과 빈곤함을 나타내는 징조를 찾아냈다. 블루멘스톡 박사팀은 토고의 주요 휴대폰 네트워크 두 곳의 사용자의 부를 계산하는 두 번째 시스템을 구축했다. 이 과정에서 통화 패턴과 요금 선불 충전 등 여러 상세 정보를 활용했다. 이 과정은 9월, 위성 분석 결과에서 분류된 가장 빈곤한 지역 주민 1만여 명을 대상으로 실시한 전화 설문 조사를 기반으로 진행됐다. 기븐다이렉틀리는 토고에 소수로 구성된 팀을 파견해, 빈곤 지역사회의 추가 정보를 수집했다.

11월, 기븐다이렉틀리의 자금으로 자동화가 강화된 신규 시스템이 구축됐다. 가장 빈곤한 것으로 확인된 지역에서 알고리즘상 하루 1.25달러(약 1,375원) 미만으로 생활할 가능성이 높은 것으로 분류된 지역 주민은 지원 신청 안내 메시지를 받았다. 신청 과정에 소요되는 시간은 3분 미만이었다. 남성은 주 5회에 걸쳐 약 13달러(약 1만 4,299원)를, 여성은 약 15달러(약 1만 6,499원)를 지원받았다. 신청자는 토고 유권자 ID 데이터베이스와 기븐다이렉틀리의 요청사항을 통해 검증받는다.

치아 총괄의 설명에 따르면, 이번 제도로 주로 시골에 거주하는 토고의 빈곤층 3만 명에게 지원금을 지급했다. 그는 “기븐다이렉틀리가 토고에서 지원한 지리적 범위를 다루려면 200명이 넘는 대규모 현장 팀이 필요했을 것이다”라고 말했다. 또한, 기븐다이렉틀리의 시스템을 이용한 방식을 다른 지역에서도 똑같이 적용할 수 있다고 전했다.

블루멘스톡 박사는 단순한 지원 결정 안내 이외에도 빈곤층을 위해 직접적인 현금 전달을 위해 대리 권한을 이용한 사례는 이번이 처음이라고 말한다. 그는 “토고 정부의 지원 메커니즘 전부 비대면으로 이루어졌다”라고 언급했다. 그러나 블루멘스톡 박사팀은 전화 설문조사로 지원 제도를 회고적으로 감사하고, 내년에 토고에서 대면 조사를 할 예정이다. 기븐다이렉틀리는 지금까지 11만 5,000명에게 지급하기로 계획한 예산 1,000만 달러(109억 9,300만 원) 중 약 80만 달러(8억 7,928만 원)를 지급했다.

토고의 지원 제도는 빈곤국가에서 국민 지원을 위해 알고리즘을 사용한 첫 번째 사례가 아니다. 페이스북 머신러닝 전문가가 제작한 인구 밀도 지도는 지난해, 사이클론 때문에 피해와 홍수가 극심해졌을 당시 모잠비크에서 콜로라 백신 접종 대상을 안내하는 데 도움이 됐다. 또, 지난해, 록펠러재단(Rockefeller Foundation)은 아틀라스 AI(Atlas AI)라는 스타트업을 설립해, 스탠퍼드대학교의 위성 이미지 및 머신러닝을 이용한 빈곤, 농작물 수확량 측정 연구를 상업화했다.

록펠러재단의 혁신 부문 상무 지아 칸(Zia Khan)은 기술이 농업 개발 연구나 전기 접근성 개선을 위한 시골 지역의 태양열 미니 그리드 건축 지원 장소 결정 등을 도와야 한다고 말한다. 인공 사진으로 전기 인프라스트럭처를 측정하는 일은 시간이 단축되며, 지역사회의 빈곤을 정확히 파악하는 데 지장을 주는 지상의 민감한 요소를 피할 수 있다. 칸 상무는 “간혹 정부 부처가 시골 지역의 빈곤을 정확히 설명하고자 하는 부분에 정치적 문제가 존재한다”라고 설명했다.

그러나 위성과 알고리즘을 사용한다고 해서 정확도나 실제 경험적 진실을 보장하는 것은 아니다. 머신러닝 모델은 신뢰도를 위해 반드시 적용될 범위의 상황을 나타내는 데이터를 훈련받아야 한다. 칸 상무는 “선입견을 지닌 데이터를 사용한다면, 선입견을 지닌 결과를 얻는다”라고 언급했다.

올해 초, 록펠러 재단은 라쿠나 펀드(Lacuna Fund)라는 제도를 지원했다. 저소득국가의 머신러닝 사용을 지원할 데이터 세트를 생성하기 위한 제도이다. 초기에는 서양 부유 국가의 AI 연구소 관계자 대부분에게 익숙하지 않은 사하라 사막 이남 최빈곤 지역에 집중했다. 이 과정에서 해당 지역에서 발견된 농작물과 병충해를 더 확실히 확인할 방법도 포함됐다.

머신러닝이 인도주의적 제도에 도움을 주거나 혹은 실패하게 되는 과정은 각국 정부와 기부 단체가 머신러닝을 더 많이 활용하면서 분명하게 드러날 것이다. 토고는 머신러닝 사용에 앞장서서 실험했다. 바카리 보좌관은 노비시 덕분에 다른 지원 제도와 정부 재정 지원에도 기술을 활용하는 데 관심을 두게 됐다고 밝혔다. 바카리 보좌관은 “빅데이터를 이용해 빈곤층을 찾아낼 수 있다면, 똑같은 기술을 이용해 더 많은 세금을 납부해야 할 대상도 찾을 수 있다. 그리고 이를 이용해 가장 빈곤한 계층을 지원할 수 있다”라고 말했다.

** 위 기사는 와이어드US(WIRED.com)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
A Clever Strategy to Distribute Covid Aid—With Satellite Data