범죄자에 30만원 줬더니 감옥 다시 안 온다? - 경제학이 사법제도를 만났을 때
📺 원본 영상: 범죄자에 30만원 줬더니 감옥 다시 안 온다? (연세대 김현철 교수)
🎙️ 채널: 언더스탠딩 : 세상의 모든 지식
📅 정리 일자: 2026-01-20
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
연세대학교 의과대학 및 경제학부 김현철 교수가 사법연수원에서 법관들에게 강의하는 내용을 대중에게 공개한 이 강연은, 경제학의 인과관계 분석 방법론을 사법제도에 적용했을 때 어떤 통찰을 얻을 수 있는지를 보여준다. 판사도 인간이기에 실수하고 감정에 흔들릴 수 있다는 전제 아래, 범죄 처벌의 강도, 재활 프로그램의 효과, 형사 성년 연령 조정의 영향 등을 데이터 기반으로 분석한 연구 사례들을 소개한다.
경제학과 사법제도의 만남 - 왜 경제학자가 법을 연구하는가
경제학은 본질적으로 인과관계(causality)를 규명하는 학문이다. “A가 정말로 B의 원인인가?”를 밝히는 방법론이 경제학에서 고도로 발전했기 때문에, 이 도구는 경제 현상을 넘어 정치, 사회, 법학, 의학 등 다양한 분야로 수출되고 있다. 김현철 교수는 사법연수원에서 약 100명의 강사 중 유일한 비법조인으로서 법관 임용 교육을 담당하며, 경제학적 분석 기법이 사법 판단의 질을 어떻게 높일 수 있는지를 보여주고 있다.
법학이 “법이 사회에 어떤 영향을 미치는가”를 연구하는 학문이라면, 경제학은 그 영향을 측정하고 인과관계를 밝히는 도구를 제공한다. 미국의 주요 법대에는 경제학 박사 출신 교수들이 다수 재직하며 이러한 학제간 연구를 선도하고 있다. 강연자는 한국의 법원행정처와 대법원이 판결문 데이터를 공개하고 연구자들과 협력한다면, 우리 사회에 최적화된 사법 정책을 설계할 수 있다고 강조한다.
경제학의 3대 인과관계 분석 방법론
경제학에서 데이터를 활용한 인과관계 분석의 핵심 방법론은 크게 세 가지로 나뉜다.
**첫째, 무작위 배정 실험(Randomized Controlled Trial, RCT)**이다. 연구 대상을 무작위로 두 그룹으로 나누어 한 그룹에만 정책을 적용하고, 다른 그룹은 아무것도 하지 않은 채 결과를 비교하는 방식이다. 가장 확실한 인과관계 증명 방법이지만, 윤리적 문제나 현실적 제약으로 항상 가능한 것은 아니다.
**둘째, 이중차분법(Difference-in-Differences, DID)**이다. 정책이 시행된 집단과 시행되지 않은 집단의 차이를 시간에 따라 두 번 비교하는 방법이다. 예를 들어 A 지역에만 새로운 법이 적용되고 B 지역은 그대로일 때, 두 지역이 과거에는 비슷한 추세를 보이다가 법 시행 이후 차이가 벌어졌다면 그 차이를 정책의 효과로 볼 수 있다.
**셋째, 회귀불연속 기법(Regression Discontinuity Design, RDD)**이다. 어떤 기준점(예: 시험 점수, 나이)을 경계로 정책 적용 여부가 갈리는 상황에서, 그 경계선 바로 위와 아래에 있는 사람들은 본질적으로 비슷하지만 정책 적용 여부만 다르므로, 이들을 비교하여 정책 효과를 측정하는 방법이다.
이 세 가지 방법론은 모두 “다른 조건은 동일한데 정책(또는 처치) 유무만 다른 상황”을 만들거나 찾아내어, 순수한 인과관계를 밝히는 것을 목표로 한다.
사례 1: 재활치료 연구 - 현금과 행동치료의 결합 효과
라이베리아의 무작위 배정 실험
크리스 블래트먼(Chris Blattman)을 비롯한 미국 학자들이 아프리카 라이베리아에서 수행한 연구는, 출소자의 재범을 줄이기 위해 무엇이 효과적인지를 실험적으로 검증했다. 연구진은 약 1,000명의 젊은 남성 범죄자를 대상으로, 출소 시점에 다음과 같이 무작위로 네 그룹으로 나누었다.
- 아무것도 하지 않는 그룹(대조군)
- 현금만 지급하는 그룹 - 200달러(약 3개월 치 월급)
- 인지행동치료(Cognitive Behavioral Therapy)만 제공하는 그룹 - 자제력과 충동 통제를 훈련하는 프로그램
- 현금 + 인지행동치료를 모두 제공하는 그룹
연구 결과는 명확했다. 현금만 지급했을 때는 경제적 자립도, 반사회성 감소, 자제력, 비범죄적 정체성 등 모든 지표에서 통계적으로 유의미한 효과가 나타나지 않았다. 치료만 제공했을 때는 단기적으로(1개월 후) 일부 지표가 개선되었으나, 4개월 후에는 다시 원래 수준으로 돌아갔다.
💡 [영상 참조] 강연자는 이 시점에서 각 그룹별 효과 크기를 보여주는 그래프를 제시합니다. 상세 내용은 원본 영상을 확인하세요.
그러나 현금 지급과 인지행동치료를 함께 제공했을 때는 모든 지표에서 효과가 크게 나타났고, 그 효과가 최소 4~5개월 동안 지속되었다. 강연자는 “사람이 갱생되려면 멀티로 들어가야 한다”고 강조한다. 도박중독자에게 돈만 주거나, 마약중독자에게 교육만 시킨다고 해서 문제가 해결되지 않는다. 경제적 지원과 심리적·행동적 치료가 결합될 때 비로소 지속 가능한 변화가 일어난다.
한국의 경우 마약사범과 도박사범에 대한 갱생 프로그램이 매우 미흡한 실정이다. 강연자는 법무부가 이러한 재활 프로그램에 더 많은 자원을 투입해야 하며, 범죄를 단순히 처벌의 대상이 아니라 질병으로 이해하고 치료해야 한다고 주장한다.
사례 2: 주류 판매 규제 완화와 범죄율 변화
버지니아주 일요일 주류 판매 허용 실험
2004년 미국 버지니아주는 134개 도시 중 11개 도시에서만 일요일 주류 판매를 허용하는 정책을 시행했다. 나머지 123개 도시는 여전히 일요일 주류 판매가 금지되어 있었다. 이는 의도하지 않은 자연실험(natural experiment)이 되었고, 연구자들은 이중차분법을 활용하여 주류 판매 허용이 범죄율에 미치는 영향을 분석했다.
범죄는 두 가지 유형으로 분류되었다. 그룹 A 범죄는 폭행, 사기, 약물, 무기소지증 등 중범죄를 포함하며, 그룹 B 범죄는 음주운전, 공공장소에서의 소란, 무단 침입 등 음주와 직접 관련된 경범죄를 포함한다.
분석 결과, 일요일 주류 판매를 허용한 도시에서는 전체 범죄율이 약 6% 증가했다. 그러나 이 증가는 주로 그룹 B 범죄, 특히 공공장소에서의 소란과 관련된 범죄에서 나타났다. 그룹 A의 중범죄는 통계적으로 유의미한 변화가 없었다.
흥미롭게도 경제학자들은 여기서 멈추지 않았다. 증가한 범죄로 인한 사회적 비용(의료비, 치안 비용, 생산성 손실 등)을 계산하고, 이를 주류 판매로 인한 세수 증가와 비교했다. 결론은 두 값이 거의 비슷하다는 것이었다. 즉, 규제 완화로 인한 경제적 이득과 사회적 비용이 거의 상쇄된다는 의미다.
이 연구는 정책 결정자들에게 중요한 시사점을 준다. 규제 완화가 무조건 좋거나 나쁜 것이 아니라, 그로 인한 다양한 효과를 종합적으로 고려해야 한다는 것이다.
사례 3: 형사 성년 연령과 재범률 - 엄벌이 능사가 아니다
미시간주 17세 기준선 분석
한국 사회에서는 촉법소년 연령(현재 만 14세 미만)을 낮춰야 한다는 여론이 강하다. “중학생들이 처벌을 두려워하지 않고 범죄를 저지른다”는 인식 때문이다. 그러나 강연자는 엄벌이 반드시 사회적으로 최선의 결과를 가져오는 것은 아니라고 강조한다.
미시간주의 연구 사례가 이를 잘 보여준다. 미시간주는 형사 성년 기준을 만 17세로 정하고 있다. 범죄를 저지른 시점에서 만 17세 생일을 하루라도 넘기면 성인 법정에서 재판을 받고, 하루라도 모자라면 소년 법정에서 재판을 받는다. 연구자들은 생일 하루 차이로 인해 인생이 어떻게 달라지는지를 추적했다.
회귀불연속 기법을 활용한 이 연구는 초범 당시 15~18세였던 청소년들을 대상으로, 재범 기록과 인구주택총조사 데이터를 결합하여 향후 5년간의 범죄율, 소득, 복지 수급 여부를 분석했다. 결과는 놀라웠다.
성인 법정에서 더 엄격한 처벌을 받은 청소년들은 중범죄 건수가 단기적으로는 감소했다. 그러나 이는 주로 “가둬놓았기 때문”이었다. 물리적으로 감옥에 있는 동안에는 범죄를 저지를 수 없으니 당연한 결과다. 문제는 출소 이후였다. 엄격한 처벌을 받았던 청소년들은 연간 소득이 21% 감소했고, 복지 수급 대상자가 될 확률이 크게 증가했다.
강연자는 이를 “트레이드오프”로 설명한다. 범죄자를 오래 가두면 그 기간 동안 범죄는 줄어들지만, 출소 후 사회 복귀는 더 어려워진다. 취업이 어렵고, 경력이 짧으며, 복지 의존도가 높아진다. 결국 사회 전체가 더 많은 복지 비용을 부담해야 한다. 특히 청소년의 경우, 교육과 직업 훈련의 기회를 놓치면 평생 불이익을 받을 가능성이 크다.
따라서 형사 성년 연령을 낮추는 것이 “국민 법감정”에는 부합할 수 있지만, 장기적인 사회적 비용을 고려하면 반드시 최선의 선택은 아니다. 강연자는 한국의 법원행정처가 판결문 데이터를 공개하여, 이러한 분석을 한국 상황에 맞게 수행할 수 있도록 협력해야 한다고 강조한다.
판사도 인간이다 - 감정과 무작위성이 판결에 미치는 영향
사건 배정의 무작위성과 판사 성향
한국을 포함한 많은 나라에서 판사에게 사건을 배정하는 방식은 무작위(random)다. 강연자가 법원에서 직접 확인한 바에 따르면, 이는 공정성을 보장하기 위한 제도적 장치다. 그러나 무작위 배정이 공정한 결과를 보장하지는 않는다. 왜냐하면 판사마다 성향이 다르기 때문이다.
예를 들어 어떤 판사는 구속영장을 쉽게 발부하는 반면, 다른 판사는 웬만해서는 구속영장을 발부하지 않는다. 비슷한 사건이라도 어느 판사에게 배정되느냐에 따라 피고인의 운명이 달라질 수 있다. 미국의 연구에 따르면, 구속영장을 더 자주 발부하는 판사에게 배정된 피고인은 유죄 판결을 받을 확률이 높고, 형량도 더 무거우며, 출소 후 소득과 취업률도 낮았다.
이는 구속 자체가 재판 준비를 어렵게 만들고, 변호인과의 소통을 제한하며, 심리적으로도 불리한 상태를 만들기 때문이다. 결국 구속 여부가 판결에 영향을 미치고, 판결이 다시 그 사람의 인생 전체에 영향을 미치는 연쇄 효과가 발생한다.
응원하는 대학 풋볼팀의 승패와 양형
더욱 놀라운 연구는 루이지애나주립대학교(Louisiana State University, LSU)의 사례다. LSU는 풋볼에 열광적인 학교로 유명하다. 연구자들은 LSU 졸업생 판사들이, 전날 LSU 풋볼팀이 경기에서 졌을 때 다음 날 내리는 판결이 어떻게 달라지는지를 분석했다.
결과는 충격적이었다. LSU 출신 판사는 LSU가 경기에서 졌을 때 평균적으로 72일 더 긴 형량을 선고했다. 반면 LSU 출신이 아닌 판사는 11일 더 긴 형량을 선고했지만, 이는 통계적으로 유의미하지 않았다. 더욱이 예상치 못한 패배일수록 판사의 감정적 반응이 더 컸다. “이길 줄 알았는데 졌다”는 실망감이 판결에 직접적으로 영향을 미친 것이다.
강연자는 이를 통해 “판사가 전날 밤 부부싸움을 하지 않았기를, 그날 아침 배고프지 않았기를 기도해야 하는가?”라는 질문을 던진다. 판사도 인간이기에 감정에 흔들리고, 그 감정이 판결에 영향을 미칠 수 있다는 것이다.
💡 핵심 제안: AI를 활용한 판결 가이드라인 시스템
판사를 대체하는 것이 아니라, 보조하는 AI
강연자는 AI가 판사를 완전히 대체해야 한다고 주장하지 않는다. 대신 AI가 판사에게 가이드라인을 제공하는 시스템을 제안한다. 구체적으로 다음과 같은 방식이다.
- 과거 판결문 데이터베이스 학습: 수십만 건의 판결문을 AI가 학습하여, 유사한 사건의 양형 분포를 파악한다.
- 실시간 가이드라인 제공: 판사가 판결을 내리려 할 때, AI는 “이 사건과 유사한 과거 사례에서 평균 형량은 X년이며, 표준편차는 Y입니다”라는 정보를 제공한다.
- 예외적 판단의 명시화: 만약 판사가 평균에서 크게 벗어난 판결(예: 평균 + 2 표준편차 이상)을 내리려 한다면, AI는 “이 판결은 통계적으로 매우 드문 수준입니다. 특별한 이유가 있습니까?”라고 알림을 준다.
이 시스템의 핵심은 판사의 자율성을 침해하지 않으면서도, 자신의 판단이 통계적으로 어디에 위치하는지 인식하게 만드는 것이다. 강연자는 이를 통해 판결의 분산(variance)을 줄이고, 보다 일관되고 공정한 사법 체계를 만들 수 있다고 믿는다.
또한 AI는 감정에 흔들리지 않는다. 응원하는 풋볼팀도 없고, 부부싸움도 하지 않으며, 배고픔도 느끼지 않는다. 이러한 특성은 판사의 감정적 편향을 보완하는 데 유용할 수 있다.
판결문 공개와 데이터 기반 정책의 필요성
한국의 판결문 비공개 문제
강연자는 한국의 가장 큰 문제 중 하나로 판결문의 비공개를 지적한다. 중국은 판결문을 공개하여 연구자들이 접근할 수 있지만, 한국은 주요 판결만 선별적으로 공개한다. “주요”의 기준이 무엇인지, 누가 정하는지도 불명확하다.
판결문이 공개되지 않는 이유로는 몇 가지 추측이 있다. 첫째, 개인정보 보호. 그러나 이는 비식별화(de-identification)를 통해 해결할 수 있다. 둘째, 판사들의 업무 부담. 판결문 작성 시 복사-붙여넣기(copy-paste)가 많이 이루어지는데, 이것이 공개되면 당사자들이 불만을 가질 수 있다는 우려다.
강연자는 오히려 AI가 판결문을 자동으로 작성해주면 판사의 업무 부담을 줄일 수 있다고 제안한다. 유사 사례의 판결문을 기반으로 AI가 초안을 작성하고, 판사는 사건의 특수성을 반영하여 수정만 하면 된다. 이는 판사의 시간을 절약하고, 판결문의 품질을 높이며, 데이터 공개의 기반을 마련할 수 있다.
행정 데이터 결합의 중요성
판결문만으로는 충분하지 않다. 판결이 개인의 인생에 미치는 장기적 영향을 보려면, 판결 데이터를 세금 데이터, 건강보험 데이터, 고용 데이터 등과 결합해야 한다. 미국의 연구들이 이러한 데이터 결합을 통해 가능했던 것처럼, 한국도 정부 부처 간 협력을 통해 이를 실현해야 한다.
강연자는 법원행정처장과 대법원장에게 직접 호소한다. “데이터를 공개해 주세요. 제가 분석해드리겠습니다.” 데이터가 있다면 한국의 촉법소년 연령이 적정한지, 양육권 배분이 자녀에게 최선인지, 어떤 재활 프로그램이 효과적인지 등을 과학적으로 분석할 수 있다.
기타 연구 가능성들 - 양육권, 배심원제, 동종범죄자 수감
양육권 배분의 최적화
이혼 소송에서 자녀를 엄마에게 보낼 것인가, 아빠에게 보낼 것인가는 매우 어려운 결정이다. 명백한 경우도 있지만, 많은 경우 애매하다. 판사마다 성향이 있어서 어떤 판사는 “자녀는 엄마가 키워야 한다”고 생각하고, 다른 판사는 “이런 상황에서는 아빠가 낫다”고 판단한다.
강연자는 판사 성향의 무작위 배정을 활용하면, 엄마에게 보낸 경우와 아빠에게 보낸 경우 자녀의 장기적 결과(학업 성취, 정신 건강, 소득 등)를 비교할 수 있다고 제안한다. 만약 데이터 분석 결과 특정 상황에서는 한쪽이 일관되게 더 좋은 결과를 보인다면, 그 방향으로 판결 기준을 조정할 수 있다.
현재는 판사들이 “뭐가 최선인지 모르는 채로” 판결하고 있다. 경제학적 분석을 통해 이 불확실성을 줄일 수 있다면, 자녀의 복지에 더 부합하는 결정을 내릴 수 있을 것이다.
동종범죄자를 함께 수감하면 재범률이 높아진다
강연자는 과거 언더스탠딩에서 소개한 연구를 다시 언급한다. 마약사범끼리, 성범죄자끼리 같은 감방에 수감하면 재범률이 높아진다는 것이다. 이는 감옥이 “범죄 학습의 장”으로 작용하기 때문이다. 같은 범죄를 저지른 사람들끼리 모여 노하우를 공유하고, “이 정도는 보편적인 범죄”라는 착각을 하게 되며, 서로 용기를 주고받는다.
따라서 법무부는 수감자를 배치할 때 동종범죄자를 의도적으로 분리해야 한다. 한국의 경우 수용 인원이 많아 혼재되어 있다고 하지만, 강연자는 병동 분리나 정기적인 교도소 이전 등을 통해 이를 개선할 수 있다고 제안한다.
의료사고 형사처벌의 부작용 - 방어진료와 사회적 비용
중국 데이터를 활용한 연구
강연자는 의사에 대한 형사처벌이 오히려 사회적 비용을 증가시킨다는 연구를 소개했다. 한국의 판결문 데이터를 구할 수 없어 중국 데이터를 사용했다고 한다. 연구 결과, 의사가 환자 진단 누락으로 형사처벌을 받은 후, 그 지역의 다른 의사들은 불필요한 CT, MRI 등의 검사를 훨씬 더 많이 시행했다.
이를 “방어진료(defensive medicine)“라고 한다. 의사는 0.1%의 가능성이라도 있으면 모든 검사를 시행하여 자신을 보호하려 한다. 이는 의료비 증가, 대기 시간 증가, 의료 시스템 비효율로 이어진다. 개인적으로는 합리적인 선택이지만, 사회적으로는 낭비다.
강연자는 의사의 형사처벌은 최소화하고, 대신 민사 책임을 강화하며, 의무 가입 보험을 통해 피해자 보상을 충실히 해야 한다고 주장한다. 특히 산부인과나 심장외과처럼 위험도가 높은 분야는 국가가 보험료를 지원하거나 보상 한도를 무제한으로 설정하는 등 제도적 보호가 필요하다.
마무리 / 핵심 정리
이 강연은 경제학의 인과관계 분석 방법론이 사법제도에 적용될 때 얼마나 강력한 통찰을 제공하는지를 보여준다. 판사는 인간이기에 실수하고 감정에 흔들린다. 범죄 처벌의 강도를 높이는 것이 반드시 최선의 결과를 가져오지 않으며, 때로는 사회적 비용을 증가시킨다. 재활 프로그램은 경제적 지원과 심리적 치료가 결합될 때 효과적이며, 동종범죄자를 분리 수감하는 것만으로도 재범률을 낮출 수 있다.
가장 중요한 메시지는 데이터 기반 정책 결정의 필요성이다. 한국의 법원행정처와 대법원이 판결문을 공개하고, 행정 데이터를 결합하여 연구자들과 협력한다면, 우리 사회에 최적화된 사법 정책을 설계할 수 있다. AI는 판사를 대체하는 것이 아니라, 가이드라인을 제공하여 판결의 일관성과 공정성을 높이는 도구로 활용될 수 있다.
강연자는 마지막으로 이렇게 강조한다. “국민 법감정만으로 판단하지 말고, 데이터를 보고 종합적으로 결정하자. 엄벌을 선택하면 복지 비용도 함께 각오해야 한다. 결국 모든 비용은 세금으로, 우리 사회가 짊어져야 할 몫이다.”
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 범죄자에 30만원 줬더니 감옥 다시 안 온다? (연세대 김현철 교수) |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 강연자 | 김현철 교수 (연세대학교 의과대학 및 경제학부, 전 홍콩과기대 교수) |
| 강연 장소 | 언더스탠딩 스튜디오 |
| 리포트 작성 | 2026-01-20 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.