딜로이트(Deloitte)가 발표한 '보험 산업 AI 전환 전략' 보고서에 따르면 생성형 AI를 도입한 보험사는 언더라이팅 처리 기간을 5일에서 3일로 단축하고 고객 응대 자동화를 통해 통화 시간이 크게 감소한 사례가 보고되었다. 보고서는 설문에 응답한 보험사 중 약 60%가 팀 내 생성형 AI 도입을 경험했으며, 응답자 중 75%가 생산성 향상을 체감했다고 밝혔다. AI는 단순한 자동화 도구를 넘어 상품 개발부터 보험금 지급까지 보험 가치사슬 전체를 재구조화하는 핵심 인프라로 자리 잡고 있으며, 보험사의 운영 방식과 경쟁 구도를 근본적으로 바꾸고 있다.

AI 생산성 향상 효과, 사용 기간보다 중요한 건 따로 있다

딜로이트 보고서는 생성형 AI를 도입한 보험사 관리자를 대상으로 한 설문조사 결과를 분석했다. AI 사용자 중 75%는 생산성 향상을 경험했으며, 이는 비사용 조직(43%) 대비 높은 수준으로 나타났다. 특히 높은 수준의 생산성 개선을 보고한 비율도 비사용 조직보다 높게 나타났다. 생성형 AI가 보험사의 생산성을 실질적으로 끌어올리는 핵심 기술로 자리 잡았다는 의미다. 그러나 사용 기간이 길다고 해서 반드시 더 높은 생산성을 보장하지는 않는다.

보고서는 AI 활용의 숙련도가 일정 임계점을 넘기 전까지는 초보자와 숙련자 간 차이가 크지 않다고 지적한다. 이는 AI 도입 초기 단계에서는 기술 자체의 성능보다 데이터 품질, 업무 프로세스 설계, 조직의 수용성이 더 중요하다는 점을 시사한다.

언더라이팅부터 보험금 지급까지, AI가 재편하는 보험 가치사슬

AI는 보험사의 주요 가치사슬 전반에서 업무 방식을 변화시키고 있다. 보고서는 상품 개발, 영업 및 마케팅, 언더라이팅, 고객 서비스, 보험금 지급 및 사기 탐지 등 5개 핵심 영역에서 AI 활용 사례를 제시했다. 상품 개발 단계에서는 AI 기반 계리 데이터 분석 플랫폼이 도입되고 있다.

알리안츠(Allianz)는 데이터브릭스(Databricks) 기반 플랫폼을 구축해 계리 산출을 자동화하고 분석 리드타임을 단축했다.

스위스리(Swiss Re)와 AXA는 AI 기반 기후 위험 솔루션을 활용해 홍수, 산불, 강풍 등 자연재해 리스크를 장기 시나리오로 분석하며 요율 산정과 재보험 전략 설계의 정확도를 높였다.

영업 및 마케팅 영역에서는 매뉴라이프(Manulife)가 고객의 최근 12개월 활동 데이터와 라이프 스테이지를 분석해 맞춤 상담 아이디어와 상품 제안을 생성하는 AI 기반 설계사 상담 지원 시스템을 싱가포르에서 운영 중이다.

알리안츠는 판매채널 문의 이메일을 자동 분석·분류하는 스마트 브로커 브리프(Smart Broker Brief)를 통해 중개인 이메일 문의의 90% 이상을 자동으로 인식·분류하고 있다.

언더라이팅 처리 기간 5일에서 3일로 단축, AI가 만든 속도 혁신

언더라이팅 영역에서는 AI가 리스크 평가와 심사 프로세스를 자동화하며 처리 속도와 정확도를 동시에 개선하고 있다. 매뉴라이프는 고객 건강 정보, 재무 정보, 행동 데이터 등을 분석해 언더라이팅 의사결정을 지원하는 시스템을 도입했다. 이 시스템은 의료 기록과 계약 문서를 자동으로 분석·요약하며 리스크 평가 결과를 바탕으로 언더라이터의 판단을 돕는다. 그 결과 일부 보험사는 언더라이팅 처리 기간을 5일에서 3일로 단축한 사례도 보고되었고 심사 과정의 문서 검토 업무가 자동화되어 언더라이터는 복잡한 케이스 심사에 집중할 수 있게 되었다.

HDFC라이프(HDFC Life)는 머신러닝 기반 리스크 평가 모델을 적용해 보험 신청 데이터를 분석하고 자동 승인 가능 계약과 추가 심사 필요 계약을 구분하는 자동화 시스템을 운영하고 있다.

메트라이프(MetLife)는 고해상도 항공 이미지와 외부 데이터를 분석해 개별 부동산 단위 위험 점수를 산출하는 AI 기반 부동산 위험 평가 시스템을 도입해 위험 선택(Risk Selection) 정확도를 높이고 손실률을 감소시켰다.

보험금 사기 탐지율 73% 증가, AI가 바꾼 손해율 관리

보험금 지급과 사기 탐지 영역에서 AI는 처리 속도를 높이고 보험 사기를 예방함으로써 손해율 관리와 운영 효율 개선에 기여하고 있다. 알리안츠는 보험금 청구 및 계약 관련 문서를 자동으로 분석하고 보장 조건 및 지급 요건을 자동 검증하는 플랫폼을 운영 중이다. 이 시스템은 고객 요청을 자동 분류하고 계약 정보 및 청구 정보를 자동 추출하며 과거 계약 문서 검색을 활용해 지급 판단을 지원한다. 복수 AI 에이전트를 활용한 보험 업무 자동화로 보험 계약 및 청구 처리 업무 자동화가 확대되었고 운영 효율 및 직원 생산성이 향상되었다.

메트라이프 재팬(MetLife Japan)은 머신러닝 기반 보험금 청구 데이터 분석을 통해 과거 사기 청구 사례를 학습하고 이상 패턴을 탐지하는 보험금 청구 탐지 솔루션 포스(Force)를 도입했다. 이 시스템은 청구 정보, 사고 주소, 차량 이미지, 수리 영수증 등 다양한 데이터를 자동 검증하며 사기 의심 사례를 자동으로 경고하고 조사 대상을 분류한다. 그 결과 사기 청구 탐지율이 73% 증가했고 15,000건 이상의 보험금 청구를 분석했으며 3개월 이내 투자 대비 3배의 ROI를 달성했다.

FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q. 보험사에서 생성형 AI를 가장 많이 활용하는 업무는 무엇인가요? 보험사는 고객 상담 자동화, 언더라이팅 의사결정 지원, 보험금 청구 처리 자동화, 맞춤형 마케팅 콘텐츠 생성 등에서 생성형 AI를 활발히 활용하고 있습니다. 특히 고객 문의 응답과 계약 관리 업무에서 AI 챗봇 도입이 빠르게 확산되고 있습니다.

Q. AI 도입으로 보험사 직원의 일자리가 줄어들까요? 보고서에 따르면 AI는 직원을 대체하기보다 업무를 보조하고 생산성을 높이는 역할을 합니다. 단순 반복 업무는 자동화되지만 복잡한 판단과 고객 응대는 여전히 전문가의 역할이 중요하며, 61%의 관리자가 일부 직무의 변화 가능성을 예상하고 있습니다.

Q. 보험사가 AI를 도입할 때 가장 중요한 것은 무엇인가요? 데이터 품질 관리, 명확한 AI 거버넌스 정책, 조직 구성원의 AI 역량 강화가 핵심입니다. 기술 도입과 함께 규제 준수, 데이터 보호, 인간 감독 체계를 갖추는 것이 지속 가능한 AI 활용의 전제 조건입니다.

기사에 인용된 리포트 원문은 딜로이트에서 확인할 수 있다.

리포트명: 보험 산업 AI 전환 전략 - 글로벌 보험사의 가치사슬 내 AX 성공 사례

이미지 출처: 딜로이트 인사이트

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.