AI의 발전은 무수히 많은 산업 분야에 영향을 미치고 있습니다. 작게는 인공지능 업무 툴을 사용하는 것에서부터 크게는 인공지능 기반의 새로운 서비스 개발까지, 인공지능을 활용한 새로운 시도는 지금도 계속되고 있는데요.🚀 보험 산업도 예외는 아닙니다. AI를 통해 보험 산업은 효율성, 고객 경험, 위험 관리 등 다양한 부문에서 큰 변화를 맞이하고 있습니다.💫

AI는 빠르게 진화하는 보험 산업에서 시장을 혁신하고 경쟁력을 유지할 수 있는 도구인데요. AI를 통해 보험사는 운영 효율을 향상시키고, 다양한 시각에서 위험 평가를 진행하고, 고객의 특성에 맞게 상호 작용을 개인화하며, 소비자의 니즈에 기반한 혁신적인 보험 상품을 개발할 수 있습니다.🛠️ 

의료나 법률 등 다양한 산업군에 비해, 국내 보험 업계에선 보험 정책이나 도입 리스크 등으로 인해 AI 도입에 속도를 내지 못하고 있는 모양샌데요. 해외 보험 업계에선 AI를 어떻게 활용하고 있는지 많이 사용된 상위 10가지 사례를 알아보겠습니다.👏

✅청구 자동화➖AI를 통해 청구 프로세스를 간소화하여 처리 시간 단축 및 고객 경험 개선

✅사기 감지➖AI 알고리즘을 통한 패턴 분석으로 사기 사례 분석 및 사기 감지

✅보험 인수➖데이터 분석을 통한 인수 정확도 향상 및 위험 평가 반영

✅고객 서비스➖실시간 AI를 통한 즉각적인 대응으로 콜센터 업무량 감소/고객 경험 개선

✅개인화 마케팅➖고객 정보/행동 패턴 분석을 통한 개인화 마케팅으로 참여 및 전환 증대

✅위험 평가➖예측 분석을 통한 리스크 관리 및 가격 책정 모델 개발

✅텔레매틱스➖차량 및 운전 데이터 분석을 통한 보험금 및 행동 보상 제공

✅문서 처리➖OCR 및 NLP를 통한 문서 및 양식 처리 간소화

✅인사이트 발굴➖시장 및 고객 데이터 분석을 통한 제품 개발 및 고객 유지 전략 수립

✅규정 준수➖정책/규정 변경 사항 모니터링으로 보고 프로세스 자동화 및 규정 준수 개선

실제로 많은 기업이 위와 같은 AI 기술을 적용해 서비스 혁신을 이루고 있는데요. 대표적인 사례로 손꼽히는 세 가지 사례를 소개해 드리겠습니다.

 🚩 AI 고객 서비스를 통한 고객 경험 혁신, 레모네이드(Lemonade) 

보험 업계의 고질적인 문제로 꼽히는 것 중 하나는 복잡한 청구 프로세스입니다.😵 보험 청구는 양식 제출부터 검증, 평가 등 여러 절차를 거치며 짧게는 며칠, 길게는 몇 주가 소요되기도 하는데요. 이와 같은 비효율적인 프로세스는 고객의 불만을 낳고, 수많은 직원이 투입될 수밖에 없습니다.

미국의 인슈테크 스타트업인 레모네이드는 이처럼 비효율적인 청구 프로세스를 개편하기 위해 AI를 도입했습니다. AI와 머신러닝 시스템을 통합하여 양식 제출부터 보험금 지급까지 한 번에 처리할 수 있는 AI 청구 봇을 만들어 며칠이 걸리던 청구 프로세스를 단 몇 분 만에 끝낼 수 있었죠.🎯

레모네이드의 AI 청구 봇은 업무 처리의 효율을 극대화하며 수익성을 향상시켰을 뿐만 아니라 고객의 만족도와 충성심을 확보하는데도 큰 역할을 했는데요. 지금은 AI 청구 봇을 넘어 고객 서비스 및 보험 관리까지 AI 서비스를 확대하며 고객 중심적인 보험사로 자리매김하고 있습니다.🥰

 🚩 텔레매틱스를 활용한 개인화, 프로그레시브(Progressive) 

자동차 보험비는 전통적으로 인구 통계적 요인과 과거 데이터를 기반으로 책정되어 왔습니다.💵 여기엔 개인의 운전 스타일이나 라이프 스타일이 반영되지 않았는데요. 부드럽고 조심스러운 운전 스타일과 차량이 많지 않은 시간대에 운전하는 경우, 이런 획일화된 비용 체계에 불만을 가질 수 있습니다.

프로그레시브는 텔레매틱스 기술을 활용하여 고객의 실시간 주행 데이터를 수집하는 Snapshot 프로그램을 도입했습니다. 플러그인 장치나 모바일 앱을 통해 속도, 제동 패턴, 주행 시간대 등의 운전 습관에 대한 정보를 수집하는 것인데요.🛣️ 해당 정보는 AI 알고리즘에 따라 분석되고 개인에 맞춰진 보험료를 책정할 수 있었습니다.

프로그레시브는 AI를 통해 위험 수준을 평가하고 보험료를 책정하는 방식을 개선했습니다. 운행 습관에 따라 보험료가 낮아지기 때문에 운전자의 안전 운전을 장려하고 만족도도 높일 수 있었죠. 이처럼 개인화된 접근 방식은 고객 유치 및 관리에 도움이 되는데요. 국내 보험사 중에도 내비게이션과 연동해서 주행 습관에 따른 보험료 할인을 적용하고 있는 사례도 많이 있습니다.😮 

🚩 사기 탐지와 프로세스 간소화, 올스테이트(Allstate) 

우리는 언론을 통해 종종 보험 사기 사건을 접하곤 하지만, 이로 인한 피해는 상상 이상으로 큽니다. 2023년 보험 사기 적발액은 무려 1조 1천억 원을 넘기기도 했죠. 이러한 보험 사기는 보험사에 직접적인 손실을 가져오기도 하지만 기존 가입자에게도 보험료 인상이나 지급 정책 강화 등의 피해를 불러오기도 합니다.😠

올스테이트는 이러한 사기 피해 방지와 고객 만족도 향상을 위해 AI 및 머신러닝 기술을 도입했는데요. 회사의 고유 데이터를 분석하여 보험 사기 패턴과 가능성을 식별하는 AI 시스템을 구축했습니다.📊 이런 사전 예방적 접근 방식은 사기성 청구를 구분하는 데 큰 역할을 했다고 하는데요. 또한 데이터 추출부터 청구 처리 등 일상적인 보험 업무까지 자동화하여 업무 효율을 극대화했습니다.

AI를 통한 사기 탐지 능력은 올스테이트의 불필요한 금전적 손실을 줄이고 보험 상품의 완성도를 높일 수 있었습니다. 또한, 업무 자동화는 내부 자원 활용 및 고객 경험을 향상하는 데 큰 역할을 했습니다.🔥

이처럼 많은 기업이 AI를 통해 서비스와 고객 경험을 혁신하고 있는데요. 성공적으로 AI를 도입하기 위해서는 무엇보다 기업 내부의 임직원들이 AI에 대한 비전과 필요성을 인지하고 적극적으로 협력하는 것이 필요합니다.🤝 또한, 타 기업의 레퍼런스를 통해 실행가능한 범위와 도입 성과를 유추해 보는 것도 중요하죠. 이제 더 이상 AI의 발전을 바라보는 것이 아니라 직접적인 참여를 통해 새로운 기회를 얻고 성장하며 경쟁력을 확보해야 하는 시점이 된 것 같습니다.

글로벌 빅테크 기업이 이끄는 AI 시장은 초고속으로 성장하며 많은 산업에 변화를 불러오고 있습니다. 그중 가장 눈에 띄는 산업은 앞서 설명한 보험 업계에 이어, 금융권을 빼놓을 수 없는데요.💰 지난 2023년 대한상공회의소가 발표한 자료에 따르면 금융 및 보험 산업의 생성형 AI 잠재 활용도는 10.1%로 산업별 1위를 기록했습니다.🥇 실제로, 2024년 금융권 임원들을 대상으로 진행한 설문에서는 응답자의 56%가 ‘향후 3년 동안 비즈니스에 가장 중요할 것으로 예상되는 기술’로 AI/ML을 꼽을 만큼 많은 관심을 내비치고 있죠.✨

금융권의 인공지능에 대한 관심은 예전부터 있었지만, 이를 적극적으로 활용하게 된 시기는 ChatGPT 등장 이후입니다. 기존 검색엔진과는 차별화된 모습과 텍스트, 이미지, 영상을 넘나드는 다양한 AI 서비스의 등장은 AI 서비스의 무궁무진한 가능성을 보여주었는데요.😮 금융권의 경우, 스마트폰을 통해 한차례 디지털 혁신을 겪은 바 있어 AI 혁신도 발 빠르게 대처하는 모습입니다.😎 그렇다면, 금융권에선 AI를 어떻게 활용하고 있을까요?

삼정KPMG AI 센터는 금융사 조직 내 벨류체인을 기반으로 AI를 통한 금융산업 내 프론트-미들-백 오피스의 변화를 표로 제작했는데요. 각각의 단계에 따른 금융 업계의 AI 활용 예시를 알아보겠습니다.

프론트 오피스 단계는 미국의 ‘JP모건체이스’를 예로 들 수 있습니다. JP모건체이스는 2024년 7월, 투자자 성향에 맞춰 투자 상품을 추천해 주는 AI 서비스인 ‘Quest IndexGPT’를 출시했는데요. 오픈AI의 GPT-4를 기반으로 운영되는 IndexGPT는 고객 정보와 AI, 빅데이터를 활용한 초개인화 자산관리 서비스로 클라우드 컴퓨팅, E스포츠, 사이버보안 등의 트렌드를 중심으로 테마형 인덱스를 자동으로 생성하여 투자를 자문한다고 합니다.💡 

국내 금융 기업들도 IndexGPT와 같은 로보어드바이저 서비스를 제공하고 있는데요. 신한은행의 마이 AI 솔루션이나 KB의 케이봇쌤, 하나은행의 하이로보 등 많은 기업이 AI 알고리즘을 활용하여 투자 성향 정보에 따른 개인화된 자산 관리 서비스를 운영 중에 있습니다.💸

미들 오피스 단계는 ‘마스터카드’가 대표적인 예입니다. 마스터카드는 금융 사기 범죄를 막기 위해 생성형 AI를 도입한다고 밝혔는데요.🚨 이를 위해 5년간 70억 달러를 투자했고 내부 테스트 결과 사기 탐지율을 평균 20% 향상시켰으며, 특정 상황에서는 300% 개선한 사례도 있다고 합니다.🪝

마스터카드의 생성형 AI 모델은 은행이 네트워크에서 의심스러운 거래를 실시간으로 평가하고 문제의 소지를 판단할 수 있을 뿐만 아니라, 자사 결제 네트워크 발생 거래 데이터를 실시간으로 학습하여 사기 거래 방지 확률을 수치화하고 금융 사기 모델 분석을 통해 개선하는 데 도움을 주고 있습니다.🔥 

마지막으로 백 오피스 단계는 ‘골드만삭스’를 예로 들 수 있습니다. 골드만삭스의 전사 생성형 AI 플랫폼인 GS AI Platform은 GPT-3.5, GPT-4, Gemini는 물론, Llama 등의 오픈 소스 모델을 하나의 플랫폼에서 활용할 수 있습니다. 이를 통해 다양한 유스 케이스에 맞는 LLM을 결정할 수 있으며, 내부 데이터 관리부터 다양한 모델과 인터페이스를 통한 개인화된 애플리케이션을 구축하고 있다고 하죠.⚙️ 

또한, 골드만삭스는 약 900만 개의 문서에서 정보 분류 및 추출을 위한 생성형 AI를 개발 중인 것으로 알려졌는데요. 내부 전산의 유지보수를 위해 프로그래밍 코드를 생성하는 AI를 시범적으로 활용하고 있으며, 현재 AI 생성 코드의 약 40%를 실제 시스템에 적용한 상태라고 합니다.✨

위에서 언급한 것처럼, 국내외 금융권에서는 적극적으로 AI를 도입하고 있는 모습입니다. 맥킨지에 따르면, AI가 금융권에 큰 영향을 미칠 것으로 예상되는 분야는 마케팅과 세일즈, 고객 관리, 소프트웨어 엔지니어링, 리스크 및 정책 부분으로 나타나기도 했는데요. 실제로, 스마트폰 속에 설치된 금융 애플리케이션이나 알림만 보더라도 AI를 적용한 사례를 쉽게 찾아볼 수 있습니다.👀

금융권에서는 프로세스 효율과 고객 경험 등 서비스 혁신에 적극적으로 AI를 활용하고 있습니다. 반면, 투자 여력이 없는 중소 금융사나 AI 전략을 세우지 못한 기업의 경우엔 상대적으로 경쟁력을 잃고 있는 모습인데요.💧 시장의 판도를 바꾸기 위해선 AI 투자 격차를 줄이려 노력하기보다 AI를 통한 고객 경험 혁신에 중점을 둔 전략이 보다 효율적으로 경쟁력을 확보할 수 있는 방법이지 않을까 생각해 봅니다.🌟 무궁무진한 잠재력을 가진 AI는 어떻게 활용하는지에 따라 그 이상의 결과를 가져오니 말이죠.