책임 있는 공급망은 더 이상 “하면 좋은 일”이 아닙니다. 점점 더 준법(컴플라이언스) 요건이 되고 있습니다. EU의 **기업 지속가능성 실사 지침(CSDDD)**과 미국의 **위구르 강제노동 방지법(UFLPA)**은 아시아·태평양(APAC)의 많은 공급업체와 브랜드에게 공급망이 강제노동과 무관하다는 점을 입증하라고 압박하고 있습니다.
이런 압박 속에서 AI가 해답처럼 팔리고 있습니다.
많은 플랫폼은 방대한 공급업체 네트워크를 몇 분 만에 스캔해, 문제가 수면 위로 떠오르기 전에 강제노동 위험을 표시할 수 있다고 말합니다. 끝없는 스프레드시트와 보고에 지친 컴플라이언스 팀에게는 솔깃한 제안입니다. 하지만 질문은 남습니다. 기계가 현대 노예제의 복잡하고 숨겨진 현실을 정말 감지할 수 있을까요?
약속: 속도와 규모
AI는 대량의 데이터를 처리하는 데 강합니다. 예컨대 싱가포르에서 베트남, 방글라데시, 인도네시아의 공급업체를 관리한다면 정보의 양은 어느 팀에나 부담이 됩니다.
현재의 도구는 대체로 두 영역에서 가장 성능이 잘 드러납니다.
첫째, 공급망 맵핑에 도움이 됩니다. 선하증권(B/L) 데이터, 기업 등기, 무역 기록을 끌어와 브랜드가 몰랐던 2차·3차 협력사(Tier 2·Tier 3)를 드러낼 수 있습니다.
둘째, 공개 신호를 빠르게 훑는 데 유용합니다. 이른바 ‘소셜 리스닝’ 도구는 여러 언어의 현지 뉴스, 소셜미디어, NGO 보고서를 수집해 파업, 의혹 제기, 부정적 보도를 신속히 표시합니다.
정보를 정리하는 목적이라면 AI는 분명 업그레이드가 될 수 있습니다. 그러나 인권침해를 “탐지”하려고 하면 그림이 훨씬 불편해집니다.
현실: 강제노동은 흔적을 남기지 않는다
AI는 데이터 속 패턴에 의존합니다. 그런데 강제노동은 데이터가 없거나 왜곡된 곳에서 더 자주 발생합니다.
1) ‘깔끔한 데이터’라는 착각
APAC의 심각한 위험 중 일부는 비공식 노동, 무허가 하도급, 장부 밖에서 움직이는 인력 브로커에 숨어 있습니다. 이런 주체는 보고서를 내지 않습니다. 정제된 데이터셋에도 잘 잡히지 않습니다. 무역 기록에 등장하더라도 노동조건을 보여주는 방식으로 나타나지 않는 경우가 많습니다.
공장이 이주노동자의 여권을 압수해도, 그 강요는 공개 기록에 남지 않을 수 있습니다. 무역 흐름과 기업 서류만 읽는 모델은 현장을 ‘안정적’으로 볼 수 있습니다. 학대가 데이터로 남지 않기 때문에 놓칠 수 있습니다.
2) 맥락의 공백
노동 리스크는 단순한 키워드 문제가 아닙니다. AI는 미묘한 뉘앙스를 자주 놓칩니다.
도구는 인도의 ‘노동 분쟁’을 위험 신호로 표시할 수 있습니다. 반면 사람 전문가라면 같은 신호를 노동자가 조직하고 발언하며 교섭할 수 있다는 증거로 읽을 수 있습니다. 반대로 언론이 조용하다는 사실은 문제가 없다는 뜻이 아니라, 협박·검열·공포의 결과일 수도 있습니다.
오탐(false positive)도 현실적 부담을 만듭니다. 애매한 표현에 반응한 경보가 쏟아지면 사람들은 소음을 걷어내는 데 시간을 쓰고, 실제 피해를 확인하는 데 시간을 쓰지 못합니다.
3) ‘블랙박스’가 만드는 법적 위험
새로운 실사 규범은 판단의 근거를 설명하라고 요구합니다. 독일의 공급망 실사법(LkSG) 같은 제도에서는 기업이 위험을 어떻게 평가했고 왜 그렇게 대응했는지 제시해야 할 수 있습니다.
‘알고리즘이 표시했으니 거래를 끊었다’는 이유만으로는 그 결정을 정당화하기 어려울 수 있습니다. 반대로 시스템이 ‘저위험’으로 점수화해 거래를 유지했는데 이후 중대한 침해가 드러나면, ‘모델이 괜찮다고 했다’는 말은 방어가 되지 않습니다.
아이러니: AI에도 공급망이 있다
불편한 층이 하나 더 있습니다. 많은 AI 시스템은 데이터 라벨링, 콘텐츠 모더레이션 같은 ‘보이지 않는 노동(고스트 워크)’에 의존합니다. 이 일은 종종 글로벌 사우스의 저임금 노동으로 외주화됩니다. 고용 조건이 불안정한 경우도 있습니다. 윤리적 집행을 내세우는 도구가 정작 자기 기반에서 노동 문제를 안고 있을 수 있습니다.
더 나은 길: ‘증강지능’
AI는 도움이 됩니다. 다만 조종석에 앉히면 안 됩니다. 가장 적절한 역할은 ‘부조종사’입니다.
하이브리드 접근이 대체로 더 강한 결과를 냅니다.
AI는 초기 분류(트리아지)에 유용합니다. 공급업체 맵핑을 하고, 업종·지역별로 위험을 묶고, 팀이 봐야 할 핫스팟을 제시할 수 있습니다.
검증은 사람이 해야 합니다. 현장 밖 노동자 인터뷰, 불시 방문, 신뢰할 수 있는 현지 파트너는 채무노동(빚을 통한 구속), 성희롱, 협박, 심리적 강요를 찾아내는 데 여전히 핵심입니다. 이런 현실은 대개 대시보드에 나타나지 않습니다.
기술은 추적성을 높일 수 있습니다. 그러나 책임을 대체할 수는 없습니다.
서류 작업은 자동화할 수 있습니다. 신뢰는 자동화할 수 없습니다.
This article is also available in:
Leave a reply
