오세훈 서울시장이 4일 서울시청에서 열린 서울 안심소득 시범사업 2주년 기념 '미래형 소득보장제도 모색' 토론회에서 환영사를 하고 있다. 2024.7.4/뉴스1 ⓒ News1 유승관 기자

<이미지를 클릭하시면 크게 보실 수 있습니다>

(서울=뉴스1) 이설 기자 = 오세훈표 소득보장정책 실험 '서울 안심소득 시범사업'이 4일 출범 2주년을 맞이한 가운데, 미래형 소득보장제도 방향을 모색하는 토론회가 이날 오전 서울시청에서 열렸다.

토론회에는 변금선 서울연구원 도시사회연구실 부연구위원, 유종성 한국불평등연구랩 소장, 임완섭 한국보건사회연구원 기초보장연구센터장 등이 참석해 안심소득을 비롯해 기본소득, 국민기초생활보장제도 등 미래 복지 모델에 대한 다양한 의견을 제시했다.

'서울 안심소득'은 오세훈 시장의 약자동행정책의 핵심으로 기준에 비해 소득이 부족한 가구를 대상으로 일정 비율을 채워주는 소득보장모형이다. 밀턴 프리드먼의 부의소득세(NIT·Negative Income Tax)에 기반해 가구 소득이 중위 소득의 85% 이하면서 재산이 3억2600만원 이하인 가구가 대상이다. 가구 소득과 관계없이 모두에게 일률적으로 같은 금액을 주는 '기본소득'과 달리, 소득이 적을수록 더 많은 지원금을 준다.

변금선 부연구위원은 표준적 근로 생애, 가족 중심의 기존 소득보장제도의 사각지대를 해소하기 위해 안심소득이 대안으로 제시됐다고 설명했다. 최근 근로 시장 진입 시기는 늦어지는 반면 이탈 시기는 빨라지고, 1인 가구가 늘어나고 있어 기존 체계가 작동하지 않을 수 있다는 것이다.

변 부연구위원은 안심소득의 차별성으로 △선제성 △지속성 △시의성 △포괄성 등을 들었다. 그는 "기존엔 소득의 최하층을 기준으로 지원을 했기 때문에 소득이 조금있으면 제도의 보호 받지 못했다"며 "안심소득은 최저 빈곤으로 떨어지기 전 빈곤성 이상을 선제적으로 보장하고 폐업, 실업, 가구주 사망 등 갑작스러운 소득 상실로 대응하지 못하는 부분을 보장해주는 데 차별성이 있다"고 설명했다.

특히 변 부연구위원은 현행 사회보장제도, 대안적 소득보장제도인 기본소득, 재산기준이 없는 NIT(서울시 안심소득), 재산기준이 있는 NIT로 나눠 분석해봤을 때 재산 기준이 없는 NIT가 급여 효율성(수급범위 확대)가 높고 빈곤 제거·완화에 효과적이라는 분석을 제시했다. 그러면서 "빈곤위험 해소, 복지제도 사각지대 완화를 위해 안심소득을 중심으로 소득보장제도를 재편해야 한다"고 말했다.

참석자들은 안심소득이 기존 복지제도의 한계를 보완한다는 점에서 의미 있는 실험이라는 데 공감하면서도 취지에 맞으려면 대상을 넓히고 재원 확보 방안도 마련해야 한다고 제언했다.

오건호 내가만드는복지국가 정책위원장은 "현재 서울시 안심소득은 대상이 중위소득 85% 이하로 설계돼 있는데 NIT가 온전한 효과를 거두기 위해서는 대상이 중위소득 100%까지 확대될 필요가 있다"며 "재원 때문이라면 지급률을 50%에서 40%로 낮추고, 이후 성과를 바탕으로 대상 기준을 상향, 제도를 확대하려는 노력이 필요하다"고 짚었다.

최현수 한국보건사회연구원 연구위원은 "안심소득제도를 도입하면 더 많은 재원이 필요한데, 기존 제도에서 대체 가능한 부분은 통합해서 마련하는 게 일정 부분 가능하고, 그 외에는 비과세 감면 조정해서 재원 마련하는 게 필요하다"고 했다.

한편 서울시 안심소득은 2022년 500가구를 대상으로 첫 사업 시작 후 지난해 1600가구로 대상을 대폭 확대했다. 4월에는 9~34세 가족돌봄청(소)년과 전기료와 국민연금 체납 등 위기 징후가 있으나 국민기초생활보장을 받지 못하는 저소득 위기가구를 지원 대상으로 선정해 사업을 추진중이다.

오세훈 서울시장은 이날 토론회 환영사에서 "안심소득 정책은 1년여의 실험을 통해 소득이 늘고, 기초수급자제도에서 탈피한 비율도 비교할 수 없을 정도로 증가하는 등 의미있는 수치를 발견했다"며 "복지 사각지대를 없애는 정책실험이 이뤄지는 것은 대한민국의 자랑이고 이른바 'K-복지의 시작'이라고 자부해도 틀리지 않다"고 강조했다.

sseol@news1.kr

Copyright ⓒ 뉴스1. All rights reserved. 무단 전재 및 재배포, AI학습 이용 금지.