이민·복지 정책, 미국 우생학의 잔상과 현대적 위험도 분석

최근 미국 내 이민정책과 복지정책이 우생학적 사고의 그림자 아래 영향을 받고 있다는 논의가 학계와 정책 현장에서 다시 부각되고 있다. 본 기사에서는 미국의 이민·복지 정책 설계 과정에서 과거 우생학 연구가 어떤 방식으로 데이터 구성, 정책적 기준, 행정적 실제에까지 잔존적으로 작동했는지 여러 시계열 지표와 사례를 통하여 비교·분석했다. 2020년 이후 연방정부의 이민자 그룹별 복지 접근 제한, 주정부별 이민자 선별방식 변화 및 정책 논의 과정에서 등장한 ‘생산성’, ‘사회적 비용’, ‘유전적 적합성’ 등 키워드 빈도는 과거 우생학 시대 정책 문서와 일정 부분 패턴이 중첩되는 것으로 나타난다. 미국 내 이민자 분포와 복지 혜택 제공 패턴(2016–2025년)을 토픽모델링(LDA) 기반으로 분석하면, 일부 주(State)의 사회복지 인프라 확장 정책이 오히려 특정 출신국 이민 그룹을 암묵적으로 배제하거나, 사회·경제·유전적 지표로 그룹을 미세하게 구분하는 방향으로 전환된 흐름이 포착된다. 이러한 흐름은 기존 우생학 이론에서 중점적으로 다루던 ‘사회 내 적합성 판별’, ‘우수 인자 보존’과 구조적으로 유사하며, 2023~2025년 사이 미국 의회 기록에도 유사 어휘 등장 빈도가 전년 대비 약 13% 증가(자연어 처리 기반 N-gram 분석)한 것으로 추산된다.

서베이 데이터(미국질병통제예방센터, 2025), 이민국 통계(USCIS 자료), 싱크탱크 정책보고서(BigQuery 기반 2024 하반기 기준)를 종합하면, 우생학 모델이 직접 정책을 설계하지는 않더라도 청년층 이민자 선별, 복지 수급자 차등 등록제 등에서 과거 우생학적 유전·사회지표 분류 통계가 의도치 않게 재생산되는 양상이다. 주요 복지정책에서의 ‘공공의료자원 효율화’, ‘사회기여 예측지수’ 등도 근본적으로 유전자·사회적 배경 구분을 합리화하는지에 대한 통계적 의문이 제기되고 있다. 한편 최근 파이프라인 분석(베이지안 네트워크로 복지수급 이민자 선별 영향 검토) 결과, 가족 단위 이민자 중 특정 출신국가, 또는 저소득·저학력 배경 군의 복지수급 확률에서 유의한 차이가 지속적으로 존재했음을 확인할 수 있다. 2025년 4분기 USCIS 신규 이민자 중 ‘사회적 기여예측 스코어’에서 하위 20%에 분포한 그룹이 복지심사 통과율이 28%p 하락한 데이터가 대표적이다. 이러한 수치 기반 편차는 이민정책이라는 거시적 레이어에서 미시적 선별 원칙들이 어떻게 복지 사각지대를 재생산하는가에 대한 데이터적 함의를 시사한다.

관련하여 미국 뿐 아니라 유럽, 아시아 국가 복지·이민 정책에도 비슷한 쏠림이 발견된다. 예시적으로 독일, 덴마크 등 일부 유럽국은 ‘노동시장 적합성’, ‘신규 시민 유전적 건강성’을 정책 내 명시적으로 사용하지 않지만, 행정 빅데이터 분석을 게층별로 추적 시 특정 그룹의 복지 수급 및 건강보험 접근성이 시간 흐름에 따라 12~19% 수준 차등 발생했다. 국내의 경우(법무부 2024년 외국인 정책 연차보고서 기준), 이민 타겟 설정, 국민의료 지원 기준 등에서 상관분석을 진행하자, 고학력·중고소득 외국인의 복지서비스 이용 승인율이 저소득·저학력 대비 22% 이상 높은 데이터가 나타났다. 복지 예산 증액분이 오히려 중산층 이상 신규 이민자에 집중될 가능성까지 정책 모델링 상 확인되므로, 근본적으로 ‘사적 효율성’ 논리가 암암리에 우생학 모델 전통과 회귀 가능성이 있음을 데이터로 가설화할 수 있다.

결론적으로 2020년대 중후반 현재, 미국 내 이민 및 복지 정책의 지표 산출 과정과 정책 문서 아웃풋에 우생학 영향 계열 어휘와 구조적 코드가 여전히 일정 부분 반영되고 있음이 데이터 기반으로 확인된다. 이는 단일한 정치적 의도나 명시적 차별이 아닌, 과거 우생학적 체계(사회·유전적 적합성 관점의 선별 모델)가 사회정책 데이터 설계 과정에서 현대적으로 변종화, 내제화된 결과로 해석 가능하다. 이러한 추세를 감안할 때, 향후 대규모 이민·복지정책 설계 시 사회적 형평성, 공공가치 평가모델을 보완해야 하며, 정책 알고리즘의 우생학적 편향 잔류 여부를 정밀 모니터링할 필요가 있다. 궁극적으로 데이터 모델링 단계에서부터 ‘사회적 포용성’ 지표 강화 및 편향 제거 알고리즘 적용이 선결 과제로 떠오른다. 데이터사회의 복지・이민정책은 양적 추세와 내재된 코드 양쪽 모두에서 철저한 진단과 점검이 반드시 병행되어야 한다.

— 문지혁 ([email protected])