보험에 들려면 70쪽짜리 서류를 읽어야 하고, 자동차나 화재 같은 손해보험금은 받기까지 30일을 기다리기도 한다. 그런데 중국 핑안(Ping An)에서는 생명보험 청구의 56%가 평균 7.4분 만에 끝난다. 맥킨지(McKinsey)는 2026년 11월 낸 보고서에서 이런 차이를 만드는 보험 에이전틱 AI를 아시아 보험사가 어떻게 써야 하는지 분석했다. 결론은 AI로 인건비를 아끼기보다 보험 판매를 10~20% 늘리는 데 써야 한다는 것이다.
판매 10~20% 증가, 보험 에이전틱 AI 투자 계산법
에이전틱 AI(Agentic AI)는 묻는 말에 답만 하는 챗봇과 달리, 서류를 직접 읽고 여러 프로그램을 오가며 일을 끝까지 처리하는 AI다. 처리한 결과도 스스로 다시 확인한다. 보험사 입장에서는 가입 심사, 고객 상담, 보험금 지급처럼 사람이 서류를 붙잡고 하던 일을 맡길 수 있다.
맥킨지는 이 AI를 들일지 정할 때 계산을 두 번 하라고 권했다. 먼저 지금 직원이 하는 비용과 AI에 맡기는 비용을 비교한다. AI 비용에는 사람이 AI 결과를 확인하고 고치는 비용까지 넣는다. 그다음 AI 덕분에 새로 생길 매출을 더한다.
미국이나 서유럽은 인건비가 비싸 첫 번째 계산만으로도 AI를 들일 이유가 충분하다. 인도, 필리핀처럼 인건비가 낮은 나라는 사정이 다르다. 이미 적은 비용으로 일을 처리하고 있어 AI로 아낄 돈이 많지 않다. 그래서 두 번째 계산, 즉 판매가 얼마나 늘어나는지가 투자 여부를 가른다. 실제로 업무 한 분야를 통째로 다시 설계한 보험사들은 판매 성공률(전환율)이 10~20% 오르고 보험료 수입이 10~15% 늘었다고 보고했다.
설계사 생산성 10~20%, 심사 서류 시간 35%에서 20%로
변화가 가장 먼저 나타나는 곳은 보험 설계사의 영업 현장이다. 지금은 상품이나 가입 조건에 관한 질문이 나오면 대부분 설계사가 상사에게 물어봐야 하고, 고객에게 보여 줄 안내 자료도 손으로 만든다. AI 비서를 쓰면 고객 앞에서 바로 답을 찾고, 그 고객에게 맞춘 자료를 몇 초 만에 만든다. 이런 도구로 설계사 생산성이 10~20% 오른 사례가 나왔다. 약 30만 명의 현장 인력을 둔 인도의 한 생명보험사는 일부 사용자에게 이 기능을 먼저 시험한 뒤 영업 상담 도구로 넓혔다.
가입 심사도 달라진다. 언더라이팅(underwriting)은 가입하려는 사람이 얼마나 위험한지 따져 받아 줄지, 어떤 조건으로 받을지 정하는 일이다. 맥킨지 글로벌 연구소의 추정에 따르면 AI를 쓸 때 심사 담당자가 서류를 모으고 확인하는 데 쓰는 시간 비중은 35%에서 20%로 줄어든다. 위험을 평가하고 보험료를 정하는 시간은 45%에서 35%로, 견적을 내고 계약을 맺는 시간은 20%에서 15%로 준다.
그림2. 보험 심사자의 업무별 시간 비중, AI 적용 중간 시나리오 (자료: 맥킨지 보고서 Exhibit 7 재구성)
아시아 보험사에는 이 변화가 더 크게 다가온다. 진료 기록이 나라마다 다른 언어로 쓰여 있고, 검사 결과지는 대부분 스캔 이미지로 들어온다. 보고서는 이런 서류를 AI가 읽고 요약하게 하는 일부터 시작하는 것이 가장 효과가 크다고 봤다.
고객 문의 70~80%는 AI가, 보험금은 더 정확하게
고객 상담에서는 전화와 채팅으로 들어오는 문의의 70~80%를 AI가 혼자 처리하고, 어려운 건만 직원에게 넘길 수 있다. 다만 아시아 콜센터는 이미 상담 비용이 낮아 상담 시간을 줄여 돈을 아끼겠다는 계획은 효과가 작다. 보고서가 꼽은 AI의 진짜 쓸모는 고객이 평소 쓰는 메신저에서 고객의 언어로 응대해 계약 해지를 막는 일이다.
보험금 지급에서도 속도보다 정확도가 중요하다. 여러 나라 건강보험에서는 같은 진료비가 두 번 청구되거나 병원이 진료비를 부풀려 보험금이 새는 일이 적지 않다. 손해율(loss ratio)은 받은 보험료 가운데 보험금으로 나간 돈의 비율인데, 건강보험에서 이 비율을 1%포인트만 낮춰도 청구를 처리하는 데 드는 비용 전체보다 더 큰 돈이 남는 경우가 많다.
AI가 가장 크게 기여하는 것은 아주 쉽지도, 아주 어렵지도 않은 중간 수준의 청구다. 쉬운 청구는 이미 자동으로 처리되고, 어려운 청구는 경험 많은 직원이 끝까지 맡는다. 그 사이에서 AI가 처리를 맡고 직원은 결과를 확인한다. 동아시아의 한 손해보험사는 담당자 자동 배정, AI 사건 요약, 온라인 사고 접수를 도입해 잘못 나가던 보험금을 해마다 3,000만 달러 줄였다.
아태 10대 시장 절반에서 수익 제자리, 핑안과 AIA는 이미 앞서
아시아 보험사가 AI 도입을 미루기 어려운 이유는 수익이 늘지 않고 있어서다. 맥킨지 분석에 따르면 2018년부터 2024년까지 아태 10대 시장 가운데 절반에서 건강보험과 자동차, 화재 같은 손해보험의 영업 수익성 지표(합산비율)가 나아지지 않았다. 생명보험의 자기자본이익률(ROE)은 자료가 있는 9개 시장 중 6개에서 제자리였다. 중국과 태국은 세 지표 모두 개선되지 않았고, 싱가포르만 세 지표가 모두 좋아졌다.
그림1. 아태 10대 보험 시장의 업종별 성과 변화, 2018년 대비 2024년 (자료: 맥킨지 보고서 Exhibit 2 재구성)
고객의 눈높이도 높아졌다. 알리페이, 카카오, 그랩처럼 결제와 메신저를 한 앱에서 쓰는 슈퍼앱에 익숙한 고객은 보험사에도 같은 속도를 기대한다. 2025년 인도 보험 가입자 2,500명 조사에서 55~60%가 보험료가 너무 비싸다고 답했고, 절반 넘게 보험금 청구에서 불편을 겪은 뒤 보험사를 바꿨거나 바꾸려 했다.
앞서가는 회사는 이미 AI를 대규모로 쓰고 있다. AIA그룹은 계약의 82%를 사람 손을 거치지 않고 자동으로 심사하며, 2020년부터 2024년까지 사무 처리 비용을 43% 줄였다고 밝혔다. 중국 온라인 보험사 중안(ZhongAn)은 AI 에이전트 약 220개를 운영하고, 건강보험 고객의 약 76%가 영업일 기준 하루 안에 보험금을 받는다. 보고서는 뒤따라가는 보험사가 18~24개월 늦어질 수 있다고 봤다.
에이전틱 AI가 맞지 않는 업무와 여러 나라 공통 기반
보고서는 AI를 쓰지 않는 편이 나은 일도 함께 짚었다. 이미 싼 비용으로 대량 처리하는 단순 업무는 직원이 AI 결과를 확인하는 비용까지 더하면 지금보다 비싸질 수 있다. 이럴 때는 AI 사용료가 더 내려갈 때까지 기다리는 편이 낫다고 봤다. 정해진 규칙만으로 잘 돌아가는 업무나 한 나라에서만 쓰려고 따로 만든 도구도 들인 돈만큼 효과를 내기 어렵다.
여러 나라에서 영업하는 보험 그룹이라면 공통 기반부터 갖추라는 것이 보고서의 권고다. 같은 기능을 8개 나라에서 8개 언어와 8개 시스템에 맞춰 따로 만들면 제대로 써 보기도 전에 예산이 떨어질 수 있다. 보고서가 에이전틱 백본(agentic backbone)이라고 부른 공통 기반을 한 번 만들어 두면, 나라마다 설정만 바꿔 쓰면서 새로 적용할 때마다 비용이 줄어든다. 맥킨지는 기술보다 조직이 더 큰 걸림돌이라고 보고, 직원 역할을 다시 짜고 교육하는 일에 가장 투자가 부족하다고 밝혔다.
보고서가 밝힌 전제와 한계
이 보고서는 맥킨지가 전 세계 200곳 이상, 아태 60곳 이상의 보험사와 일한 경험을 바탕으로 썼다. 인도 생명보험사와 동아시아 손해보험사 사례는 회사 이름을 밝히지 않았고, 핑안, AIA그룹, 중안의 수치는 각 회사 발표나 언론 보도를 옮긴 것이다. 판매 성공률 10~20%는 맥킨지가 2025년 7월 자료에서 인용한 값이다. 문의 70~80% AI 처리는 실제 결과가 아니라 가능한 수준으로 제시한 수치이고, 심사 시간 비중은 맥킨지 글로벌 연구소가 2023년 6월 만든 모델의 추정치다. 한국은 슈퍼앱 예로 카카오가 나왔을 뿐 따로 분석하지 않았다.
FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)
Q1. 판매 10~20% 증가는 아시아 보험사 평균 성과인가요?
아닙니다. 업무 한 분야를 통째로 다시 설계한 보험사들이 보고한 수치로, 맥킨지가 2025년 7월 자료에서 인용한 값입니다. 아시아 평균이나 특정 회사의 성과는 아닙니다.
Q2. 아시아 보험사는 AI로 비용을 줄일 수 없다는 뜻인가요?
그렇지 않습니다. AI로 생산성도 높일 수 있습니다. 다만 인건비가 낮은 인도, 필리핀 등에서는 비용 절감만으로 투자 이유를 설명하기 어려워, 판매가 얼마나 늘지 함께 따져야 한다는 설명입니다.
Q3. 문의 70~80%를 AI가 처리하면 콜센터 직원이 그만큼 줄어드나요?
보고서는 그렇게 보지 않았습니다. 70~80%는 가능한 수준으로 제시한 수치입니다. 보고서는 대부분의 일자리가 없어지기보다 역할이 바뀌고, 인원 감축보다 직원 재교육과 재배치가 중요하다고 봤습니다.
기사에 인용된 리포트 원문은 맥킨지(McKinsey)에서 확인할 수 있다.
리포트명: AI in Asia: Reimagining insurance operations through agentic AI
이미지 출처: 본문 도표는 맥킨지 보고서 Exhibit 2, Exhibit 7을 AI 매터스가 재구성, 대표 이미지는 AI 생성 콘텐츠
해당 기사는 클로드를 활용해 작성되었습니다.
AI Matters 뉴스레터 구독하기




에