과학기술의 발전은 범죄의 원인이나 촉진제로서 범죄와 관련이 크지만, 동시에 범죄의 대책으로서도 적지 않은 기여를 한다.

빠르게 진화하는 과학기술은 하루가 멀다 하고 새로운 유형의 신종 범죄와 새로운 범행 수법을 보이고 있지만, 예전 같아서는 어쩔 수 없이 미제 사건으로 남을 법한 범죄도 흔히 말하는 과학 수사로 어렵지 않게 해결되곤 하는 것을 보면 과학기술은 범죄와의 관계에서는 원인과 해결책, 병도 주고 약도 주는 양날의 칼이다.

범죄의 해결책으로 활용되는 고등기술(High-tech)은 다양하지만, 그중에서도 비교적 최근의 고등 기술적 도구라면 재범, 특히 청소년이나 단기 수형자의 잠재적 재범 가능성이나 개연성을 평가하고 예측하기 위한 분석 정보 또는 예측 정보라고 할 수 있을 것이다.

예측 정보는 사실 데이터 수집과 기계학습(Machine Learning)의 발전에 힘입어 소비자 행동(Customer Behavior)을 예측하려는 목적으로 주로 경영 분야서 활용됐다. 예측 정보는 미래의 사건이나 행위를 예측하고, 그 형태를 분석하기 위해서 데이터, 알고리즘, 기계학습을 활용하는 것이다.

이를 위해서는 미래 결과, 행위, 행태를 예측하는 데 활용될 수 있는 추세, 유형, 관계를 파악해 다양한 근원으로부터 다량의 데이터를 수집해 분석해야 한다. 

형사사법, 특히 경찰의 법 집행 분야서도 잠재적 위협의 파악과 확인, 특정화, 모형화, 예측에 있어서 극히 효과적인 접근임이 입증되고 있다. 이 같은 분석 정보, 예측 정보가 궁극적으로 효율적인 방식과 방법으로 범죄와 보안 문제를 예견하고, 예방하고, 억제하고, 대응할 수 있게 한다는 것이다.

잠재적 위협에 대한 조기 파악과 특정은 예방과 억제를 위한 더 많은 기회와 대안을 제공한다. 예측 정보는 미래 추세와 행동을 통찰할 수 있게 해줌으로써 현명한 의사결정을 가능하게 해주고, 대규모 정보의 분석을 자동화함으로써 정확성은 높이고 시간과 자원을 절약해 효율성을 증대시키며, 문제가 발생하기 전에 개입할 수 있게 함으로써 위험과 피해를 줄일 수 있게도 해준다.

물론 장점이 가능하기 위해서는 먼저 예측 정보가 의존하게 되는 데이터의 양과 질의 문제로서 정확하고 완전한 데이터를 전제로 모든 것이 가능하며, 외국에서는 인종차별(Racial Profiling)과 같은 편견과 사생활 침해라는 윤리적 우려도 없지 않다. 또 지나치게 기술에만 의존해 인간의 직관이나 판단과 같은 다른 중요한 요소를 놓칠 수 있다는 지적도 있다.

표적화된 예방 전략은 자원의 효과적인 활용을 가능하게 한다. 언제, 어디에 경찰 자원이 필요할지를 미리, 사전적으로 알 수 있다면 불필요한 중복과 낭비 요소를 최소화할 수 있어서 효율성을 증대시킬 수 있다. 

특히 일만 터지면 인력 부족을 외치는 우리 경찰에게는 어쩌면 가장 시급한 전략일 수도 있다. 더불어 범죄는 사후 대응보다는 사전 예방이 훨씬 바람직하고, 또 저비용이라는 점에서도 매력적이지 않을 수 없다. 

사후 대응은 상당한 시간과 비용을 요구함에도 때로는 그 해결이 불가능하고, 사건은 해결돼도 피해자의 피해는 살인 피해자의 경우처럼 아예 회복될 수 없거나 회복되더라도 고통과 비용이 따르기 마련이기 때문이다. 

이런 측면서 범죄에 가담하게 될 위험과 우려가 있는, 마치 소년법상의 우범소년과 같은 잠재적 범죄자를 이런 예측 정보, 분석 정보를 활용해 조기에 파악할 수 있다면, 더 작은 비용으로 더 많은 범죄를 예방할 수 있을 것이다. 

예측 정보는 자원의 한계를 경험할 수밖에 없는 현실서 자원의 효율적 활용은 피할 수 없으며, 그 해결 방안의 하나가 될 수 있다는 희망적인 기대를 하지 않을 수 없다. 무엇보다 완전하고 정확한 정보와 자료의 수집이 우선돼야 한다. 그렇지 않다면 잘못된 정보에 의한 오판이 초래할 부정적 폐해가 부각될 수 있다. 
 

[이윤호는?]
동국대 경찰행정학과 명예교수
고려사이버대 경찰학과 석좌교수