프라이버시는 비용이 아니라 결정권의 문제다

효율 쪽으로 기우는 힘은 윤리의 결함이 아니라 측정의 결함이다. 조직 안에서 효율은 즉시 평가되고 보상된다. 데이터 처리 속도, 광고 클릭률, 수사 적중률 — 모두 분기 단위로 떨어진다. 프라이버시 침해는 그 자리에서 누구도 비명을 지르지 않는다.

비명이 늦게 도착하는 까닭은 침해의 속성에 있다. 한 번의 동의 클릭은 작아 보인다. 그러나 동의들이 누적되면 정보 비대칭이 굳고, 차별이 자동화되며, 시민은 감시 가능성을 의식해 행동을 검열한다. 이 비용들은 개인의 장부에도, 기업의 손익계산서에도 잡히지 않는다.

2013년 Snowden 폭로 이후 '효율=공익' 등식에 균열이 생겼다. 안전 명분의 감시가 일반 시민까지 확장된다는 사실이 드러난 뒤로는, 효율 편익이 일정 임계를 넘기면 권리의 양보가 아니라 권리의 박탈로 옮겨간다는 인식이 자리잡았다. 미국 성인 73퍼센트가 자신의 데이터를 거의 통제하지 못한다고 답한 2023년 Pew 조사가 그 누적 결과다. 동의 기반 효율성 모형의 정당성이 다수 의견에서 흔들리는 신호다.

그래서 가치판단의 핵심은 '얼마나 양보할 것인가' 가 아니다. 양보의 크기를 묻는 순간 이미 권리가 환산 가능한 비용으로 격하된다. 진짜 질문은 셋이다. 결정권은 누구에게 있는가. 침해 비용은 누가 떠안는가. 사후 시정은 가능한가.

이 셋이 해결되면 외형적 trade-off 는 상당 부분 해소된다. 결정권이 데이터 주체에게 있고, 비용이 처리자에게 내부화되며, 잘못된 처리가 되돌려질 수 있는 절차가 있을 때, 효율과 프라이버시는 양자택일이 아니다. 차등 프라이버시 (Differential Privacy — 통계 결과에 정밀하게 보정된 잡음을 더해 개별 정보 노출을 수학적으로 제한하는 기법) 가 좋은 예다. ε (엡실론) 1 수준에서 대규모 통계 모델의 정확도 손실은 1~5퍼센트포인트에 그친다. 흔히 과장되는 '효율 손실' 의 실제 기준선은 이만큼 작다.

같은 발상의 연합학습 (federated learning) 과 단말 내 처리 (on-device processing) 도 trade-off 자체를 우회한다. 데이터를 모으지 않고도 효율을 얻는 길이 이미 열려 있다. 즉 trade-off 가 진짜 trade-off 인 사례는 생각보다 좁다. 많은 경우 그것은 결정권 분배의 문제이고, 기술이 아니라 의지의 문제다.

2018년 GDPR, 2023년 Digital Services Act, 2024년 발효된 EU AI Act — 일련의 법제는 이 재구성을 코드화한다. 특히 AI Act 가 공공장소 실시간 생체인식을 원칙적으로 금지한 대목이 결정적이다. 효율 명분의 자동화 감시에 절대선이 그어졌다는 의미다. 절대선의 존재는, 두 가치가 환산 가능하지 않다는 입장의 법적 승인이다.

재구성으로도 봉합되지 않는 모순이 있다. 효율을 도구로만 보면 권리가 우선이지만, 효율 자체가 후생을 만들고 그 후생이 다시 권리의 물적 토대가 되는 영역에서는 우선순위가 단순하지 않다. 의료 데이터의 통합 활용이 그 한 예다. 권리를 좁게 해석하면 후생 손실이 누적되고, 후생을 우선하면 권리 침해가 누적된다.

또 하나의 균열은 시정 가능성에 있다. 차등 프라이버시 같은 기술적 해법은 새로운 처리에는 적용되지만, 이미 학습돼 모델 가중치 안에 녹아든 과거 데이터는 사실상 되돌리기 어렵다. 즉 사후 시정 가능성은 '앞으로의 처리' 에는 강하지만 '이미 처리된 것' 에는 약하다. 이 비대칭은 법제와 기술 양쪽이 아직 풀지 못한 문제다.

이 모순을 어느 방향으로 풀지를 가르는 신호들은 향후 1~2년 안에 일어난다. 다음의 분기점들을 본다.