인공지능(이하, AI)기술은 '업무 효율성 강화' 및 '비즈니스 혁신'을 목표로 보험 비즈니스에 적용되어 어느덧 보험사의 미래핵심역량으로 자리잡았다. 이를 증명하듯 글로벌 보험산업에서는 AI와 데이터분석 스타트업에 대한 투자가 활발히 진행되고 있다. 국내 또한 보험사CEO들은 빅데이터 및 AI기술과 관련된 역량 확보를 시급한 경영과제로 꼽고 있다(그림1). 보험사 AI 역량 확보는 선택이 아닌 ‘필수’인 시점이다.

비즈니스에 AI를 성공적으로 적용하려면 어떻게 해야할까? 적절한 AI과제를 업무 프로세스에 내재화하여, 그 가치를 비즈니스에 고양시켜야 한다. 그 첫걸음은 적용 현황을 파악하고 과제 별 적용 우선 순위를 파악하는 것이다. 이에 1부에서는 손·생보 AI Opportunity Map을 소개하고, AI과제 일부와 컨설팅 인사이트를 서술하고자 한다.

보험업 AI Opportunity Map

데스크리서치 등을 통해 손해·생명보험 업무 AI적용사례 182개를 수집하였다. 이에 유사한 사례를 그룹핑하여 43개 과제로 구성한 후, 각 과제를 보험사가 고객을 접하는 플로우에 맞춰에 배치하여AI Opportunity Map을 작성하였다. 본 과정은 [그림2]와 같다. 이후 실제 업무에 적용할 AI과제 우선순위를 보험사 내부에서 선정해야 하나, 본 단계는 컨설팅 서비스에서 수행해야 하는 영역이다. 이에 본 글에선 과제 별 적용 우선순위 대신 각 AI Opportunity Map에서의 기존에 적용되어 효과가 검증된 과제 및 컨설팅 경험 기반 필요성이 강조된 과제 중심으로 소개한다.

AI Opportunity Map은 업무 별 AI기술 적용 기회를 과제 단위로 목록화 및 영역 별로 구분한 기회지도이다. 종방향으로는 AI기술 종류별로, 횡방향으로는 보험 업무 영역 별로 구성하였다. 종방향의 경우, 특허청이 제시한 ‘4차 산업혁명 관련 新특허분류체계 Z코드’에서의 인공지능 분류체계에 입각하여 언어처리, 시각처리, 상황인식 그리고 학습 및 추론, 4가지로 구성하였다. 횡방향은 기존 보험 업무를 고객이 보험사를 접하는 플로우(이하, 고객접점)에 맞춰 재구성하였다. 업무영역은 고객경험 cycle과 보험 인프라, 2가지로 나누었다. 구분 기준은 보험사가 고객을 직접 접하는 여부이다. 고객경험 cycle은 고객이 보험상품을 직접 접하는 단계, 유입부터 지급/청구, 활성화까지 6단계로 이루어져 있다. 보험 인프라는 고객을 접하기 전에 보험사가 고객에게 상품을 제공하기 위한 기반 작업 중심으로 구성되어 있다.

AI Opportunity Map 1. 고객경험 cycle 중심

본 AI Opportunity Map에선 고객접점 업무를 고객경험 cycle 중심으로 구성하여, 유입, 청약/심사, 신계약, 유지(계약보존), 보상청구/지급, 그리고 활성화 총 6단계 중심으로 30개의 과제가 포함하였다. 이중 언어처리 AI영역의 챗봇/음성봇 과제(4개)와 시각처리 영역의 과제(7개)는 수행해야 하는 task의 효율성을 강화하고 고객접점에서 소요되는 인력비용을 절감하려는 목적으로 개발되었다. 특히나 청약/심사, 유지(계약보존), 보상청구/지급 단계와 같이 고객이 보험사에게 서류 및 증빙을 전달해야 하는 단계에서는 적절히 적용되었다. 이에 고객은 보험상품 상담, 계약심사, 계약관리 등 기존 업무에 대하여 24*365 접점 시간이 늘어나거나 과제의 효율성을 체감할 수 있다. 이중 대고객 응대 챗봇, 무인 자동콜 음성봇 그리고 비대면 세일즈 챗봇 과제에서는 효과가 검증되기도 하였다([표1] 참고).

상황인식 과제(6개)도 앞서 언어처리, 시각처리 과제와 마찬가지로 보험서비스를 제공하기 위해 반복작업되는 업무에 대한 효율성을 강화하려는 목적으로 구성되었다. 다만, 전체 업무 중 쉬운 업무는 AI가 대체함으로써 어려운 업무에 대하여 실제 인력이 더욱 집중하여 질높은 성과를 낼 수 있는 목적이 추가적으로 존재한다는 점에서 언어/시각처리 과제와는 비교되는 바이다. 그에 대한 예시로 AI계약심사와 AI지급심사 과제를 들 수 있으며, 2개 과제는 기존 보험사가 적용하여 실제적으로 효과가 검증되었다([표1]참고).

학습 및 추론 과제의 경우, 크게 두 가지 성격의 과제가 포함되어 있다. 우선, 불건전계약탐지 혹은 보험사기예측 시스템과 같이 기존의 정보불균형을 해소하려는 목적의 과제로 구성되어 있다. 나머지의 과제는 새로운 서비스 혹은 업무 담당자의 직관과 노하우를 데이터로 녹여 고객 특성에 더 fit하게 보험서비스를 제공하는 마케팅 목적의 과제로 구성되어 고객경험 cycle 전반에 고루 흩어져 있다. 이 중 변액보험 자산관리 그리고 보험사기 예측 시스템, 2개 과제는 기존 보험사가 적용하여 실제적으로 효과가 검증되었다([표1]참고)

두번째 AI Opportunity Map은 고객이 직접적으로 참여하지 않고 보험사가 고객에게 보험상품/서비스를 제공하기 위한 기반을 다지는 업무, 마케팅, 영업채널, 상품개발 그리고 컴플라이언스로 구성되어 있다. 이에 총 13개 과제가 구성되어 있다.

마케팅, 영업채널에 해당하는 과제는 총 10개이다. 마케팅에 해당하는 과제는 1개에 불과하는 것처럼 보이나, 사실상 앞서 마케팅 목적의 과제는 고객cycle 전반에 흩어져 있는 것을 확인하였다. 이에 전체 cycle에서 고객데이터를 흡수하여 고객행동을 예측하는 것이 AI과제의 중요한 목적으로 떠오르는 것으로 여겨진다. 또한, 영업채널에 해당하는 과제가 9개로써 보험 인프라 AI Opportunity Map 과제의 높은 비율을 차지한다. 고객뿐만 아니라 ‘설계사’가 보험 산업의 중요한 이해관계자이며 회사 입장에서 이들의 정착유인 및 영업능력향상을 AI로 해결하려는 니즈가 보인다.

상품개발과 컴플라이언스에 해당되는AI 과제는 업무 담당자의 직관 및 노하우 그리고 고객으로부터 생성되는 데이터가 아닌, 회사 밖에서 획득해야 하는 데이터 혹은 고객과 접점이 없는 시스템 내부 데이터 분석이 주를 이룬다.

보험업 AI과제 사례

앞서 서술한 AI Opportunity Map은 최소 1회 이상 실구현된 AI과제로 구성되어 있다. 이에 데스크리서치를 통해 비즈니스 관점에서의 실제 효과가 검증된 과제들을 [표1.]에 정리하였다. 이중 ①무인 자동콜 음성봇, ②AI 계약심사, ③보험사기 예측 시스템을 대표적인 사례로 소개한다.

A I과제 명	과제 설명	효과성 검증
대고객 응대챗봇	비대면 고객접점에서 발생하는 비정형 고객문의 및 상담에 대한 챗봇 응대 시스템	[도입사] 신한라이프(구 신한생명), 교보생명, 삼성생명, 한화손해보험, 흥국생명, DB손해보험, 현대해상, 핑안보험, GEICO 등 [사례] 신한라이프(구 신한생명) 신비 - 보험료 납입, 보험금 청구, 대출 신청 등의 보험 주요 처리업무를 대화형식으로 진행하며 간단히 업무를 완료할 수 있도록 구현 - 월평균 약 100%씩 이용자가 늘고 있는 성과
무인 자동콜 음성봇	전자적 방법으로 모니터링이 가능한 상품에 대한 완전판매 모니터링을 수행하는 AI음성봇	[도입사] 핑안보험, 교보생명, 현대해상 등 [사례] 핑안보험 CS Outbound Call 시스템 - 고객이 보험 계약 후 15일 내에 재상담이 필요할 경우, 요즘은 자동 음성 outbound call 방식으로 상담 - 상담원이 일일이 연락하던 업무를 자동 outbound call을 통해 처리하면서 업무 효율성 증가
비대면 세일즈 봇	비대면 채널에서 상품 추천, 보험가입 관련 고객문의 대응 챗봇 시스템	[도입사] 메리츠화재, 싱가포르생명, Liberty Mutual Insurance 등 [사례] 메리츠화재 세일즈 챗봇 몬디 - 고객 의도에 맞게 상품을 추천하거나 상담사 연결과 같은 비정형적 상황에 대응 - 상품 추천, 보험료 계산 등 상품 판매에 특화됨 - 비대면 채널로서 일반 상담 고객대상 계약성사율 대비 두 배 달성
AI계약심사	가입 승낙/거절 판단에 영향을 미치는 현장 커뮤니케이션 및 심사 노하우를 데이터화하여 심사 결과를 자동 추천함	[도입사] 삼성화재, 신한라이프(구 신한생명), 교보생명, ABL생명, KB손해보험, 한화생명보험, DB손해보험 등 [사례] 삼성화재 AI계약심사 시스템 - 계약 심사자들이 추가 확인없이 바로 승인한 유형들을 학습하여, 유사한 건들은 전산심사만으로도 상품가입 가능 - 계약심사자의 별도 확인 없이 가입이 가능해져 보험소비자의 심사 대기시간 감소
청구서류 OCR	보험금 청구 시 고객이 업로드한 서류를 OCR로 자동분석하여 청구과정을 간소화함	[도입사] 한화생명, NH손해보험, DB손해보험, 핑안보험, 교보생명 등 [사례] 한화생명 진료비 영수증 자동인식 - 보험사에 제출된 다양한 병원 진료비 영수증 등을 일일이 입력하지 않고 자동으로 항목에 맞는 내용을 추출·보정·DB화
AI지급심사	심사자 별 경험 및 직관에 의해 판단하는 지급심사 복잡도 및 보험사기 위험도 등을 평가하여 청구 적절성을 자동 검증함	[도입사] 한화생명, 교보생명, 후코쿠, KB손해보험, AIA생명 등 [사례] 한화생명 클레임AI 자동심사 시스템 - 보험금지급 여부를 AI가 실시간으로 심사 - 보험금 청구부터 수령까지의 과정이 기존보다 1~2일 단축될 것으로 기대
보험사기 예측 시스템	심사 공정성 확보 및 지급비용 효율화를 위하여 지능화된 보험사기 및 공모혐의 예측에 기반해 선제적으로 적발 및 대응하고자 함	[도입사] ABL생명, 교보생명, 한화생명, 오렌지라이프, 현대해상, KB손해보험, 핑안보험 등 [사례] ABL생명 보험사기예측시스템 - AI기반 보험사기를 예측하는 시스템 - 심사자가 독자적으로 판단한 경우 보다 1.8배 높은 보험사기 예측률을 나타냄을 확인
변액보험 자산관리	AI엔진 기반 변액보험 펀드 자동추천 및 자산관리	[도입사] 메트라이프생명, 삼성생명, 흥국생명, DGB생명, ING생명, 교보생명 등 [사례] 메트라이프생명 AI변액보험 펀드관리 - AI 알고리즘을 이용한 투자자문 서비스로 변액보험 가입자의 투자성향에 맞는 펀드 포트폴리오를 추천

① 무인 자동콜 음성봇

‘무인 자동콜 음성봇’은 보험사가 고객에게 묻거나 알려야 할 업무를 무인 AI음성봇이 대신하는 과제이다. NLP(Natural Language Processing)기술이 사용되며, 음성봇이 직접 고객에게 해피콜을 하여 완전판매 모니터링, 보험료 납입 안내 등 주어진 업무를 대신 수행하고 고객 음성 피드백을 분석하여 불완전판매여부를 식별하는 태스크로 구성되어 있다.

주로 전자적 방법으로 모니터링이 가능한 상품에 대한 완전판매 모니터링 업무를 자동화하는 데 활용되고 있다. 이에 자동화 수준만큼이나 인력 리소스를 절감할 수 있는 이익이 존재한다. 보험업 법상 청약철회 기간 내 완전판매 여부 확인이 의무사항인 ‘완전판매 모니터링’이 기존에는 고객-콜센터 직원간의 구두대화 중심(해피콜)으로 이뤄져 업무 난이도에 비해 인력 리소스가 많이 사용되었다. 더욱이, 21년도 3분기부터 보험업법 시행령에 근거하여 전자적 방법 모니터링 가능한 상품 범위가 확대되어 본 과제의 실효성이 증대될 것으로 여겨지는 바이다.

② AI 계약심사

AI계약심사는 계약요청건에 대하여 리스크를 측정하고 이에 기반하여 심사결과를 자동 추천하는 AI 엔진이다. 모델 생성 시 가입 승낙 및 거절에 영향을 미치는 심사자의 노하우, 과거 심사기록 등을 학습 데이터로 활용할 수 있다. 이에 가입 건에 대하여 리스크를 측정한 후, 저리스크 건은 자동으로 심사하고 고리스크 건에 대해선 인심사로 분류 후 정밀하게 심사하는 과정을 거친다.

AI계약심사는 자동심사를 통해 심사 지연시간을 단축할 뿐만 아니라 고리스크건에 대해선 인심사 품질을 높여 최적, 최대로 인수하도록 하여, 과업 효율성을 강화하는 효과를 지닌다. 본 과제의 역할을 확대하여, 심사자에게 심사결과에 대한 추천 사유를 제공하여 의사결정을 돕거나 적정 보험료를 제시하는 등 다양하게 활용할 수 있다.

③ 보험사기 예측 시스템

보험사기 예측 시스템은 과거 사기 기록 및 관련 데이터를 학습한 AI모델을 활용하여 실시간 데이터를 토대로 사기 가능성이 높은 고객을 탐지하는 과제이다. 고객 개인으로 이뤄지는 사기에 대해서는 보험사기 징후를 각종 데이터 기반으로 사기점수를 스코어링하여 혐의자를 식별해낸다. 집단적으로 이뤄지는 공모사기에 대해서도 SNS데이터, 병원 기록 등을 input data로 활용하여 네트워크 분석을 통해 의심되는 네트워크를 구성하여 관리할 수 있다.

본 시스템을 활용하면 보험사는 예측되는 보험사기에 대해서 선제적인 대응이 가능하다. 실시간 보험사기 모니터링 및 보험사기 위험도가 높은 계약에 대해선 미리 설계사나 해당 지점에 안내하거나 혐의자에 대해 추가적인 조사를 수행하는 등 보험사기에 대하여 적극적으로 예방활동을 할 수 있는 것이다. 이는 지급/청구 심사에 대한 공정성을 확보할 수 있으며 불필요하게 소요되는 지급 비용을 절감하는 것이다.

컨설팅 인사이트 : 성공적으로 적용할 AI과제를 도출하기 위해선..

보험사는 앞으로 더 다양하고 많은 AI과제를 시도할 것이며 이러한 AI과제를 업무 프로세스에 내재화하고자 많은 노력을 할 것임을 알 수 있었다. AI Opportunity Map을 토대로 AI과제 적용에 대한 긍정적, 혹은 부정적인 효과를 발생시킨 사례에 대해 파악할 수 있었으며, 조사 및 컨설팅 경험을 토대로 다음 두 가지 인사이트를 도출하였다.

① 현업이 필요성을 공감할 수 있는 AI모델 구축이 우선

비즈니스에 AI를 성공적으로 적용하기 위해선 현업의 공감대를 형성하는 것이 우선이다. 기존 직원은 당장의 과업을 수행해야 하므로 R&D성격이 강한 AI과제에 본인의 리소스를 투자하는 것에 대해 거부감이 있을 수 있다. 그에 따라 현재 현업이 근시일 내 효과를 느낄 수 있는 AI모델을 선구축하여 AI과제의 필요성을 느끼도록 한다.

이에 AI과제를 처음 적용하는 보험사는 효과성이 검증된 AI과제([표1]참고)를 우선 적용하여 AI과제의 효과성에 대해 현업과 공감대를 형성하는 것을 권유한다. 해당 과제들은 보험 핵심 업무의 효율을 강화하는 과제이므로, 현업이 과제의 효과성을 비교적 빠르게 느껴 쉽게 적용될 수 있다.

② AI First가 아닌, (고객)비즈니스 First

보험사는 고객접점 업무에 AI/데이터 분석을 다수 적용하였으나, 효율성은 강화 되었을 지라도 비즈니스 혁신 혹은 고객경험 혁신을 일으킨 과제는 거의 없었다. 이는 결국 비즈니스 전략 방향성이 업무 프로세스를 리딩한다는 점에서 기인한다.

하버드 경영대학원 테이셰이라 교수는 기존 시장 판도를 바꾸는 직접적 동인은 '고객중심 비즈니스혁신'이라고 언급한다. 파괴적 혁신을 일궈내는 기업의 공통점이 '기술' 일지 언정, 그 기저엔 공급자 입장이 아닌 수요자(고객)입장에서 필요한 비즈니스를 제공하는 혁신이 이뤄졌다는 것이다.

기술보다는 비즈니스 모델의 혁신이 선행되어야 한다. 비즈니스 방향성 없이 완전히 새로운 유형의 AI과제를 만들어낼 수는 없다. 만들어낸다 하더라도 현업의 공감대를 사지 못하여 활용도가 낮을 것이다. 즉, AI기술을 활용한 혁신을 이뤄내기 위해선 비즈니스 방향성을 정하는 것이 더욱 중요하다.