생성형 AI가 등장한 뒤로 보험사에서도 AI 이야기가 부쩍 많아졌습니다. 그런데 회의에서 AI를 도입하자는 말이 나올 때, 사람마다 머릿속에 떠올리는 AI가 다른 경우가 많습니다. 어떤 사람은 질문에 답하는 대화형 AI를 생각하고, 어떤 사람은 손해율을 맞히는 예측 모델을 생각합니다. 둘 다 AI이지만 하는 일과 잘하는 일이 꽤 다릅니다.
이 글에서는 생성형 AI와 예측 AI가 어떻게 다른지 쉽게 비교하고, 생성형 AI 보험 활용과 예측 AI 보험 활용을 업무별로 나누어 정리하겠습니다. 마지막으로 두 AI를 함께 쓸 때 주의할 점도 짚어 보겠습니다.
예측 AI: 숫자로 답을 내는 AI
예측 AI는 과거 데이터를 학습해 앞으로 일어날 일을 숫자나 분류로 맞히는 AI입니다. 이 고객이 1년 안에 해지할 확률, 이 청구가 사기일 가능성, 이 계약의 예상 손해율처럼 정답이 숫자나 예, 아니오로 나오는 문제에 강합니다. 흔히 머신러닝이라고 부르는 기술이 여기에 해당합니다.
예측 AI의 장점은 결과를 측정하기 쉽다는 것입니다. 예측이 얼마나 맞았는지 과거 데이터로 검증할 수 있고, 성능이 떨어지면 원인을 찾아 고칠 수 있습니다. 또 같은 입력에는 같은 결과를 내기 때문에 업무 규칙 안에 넣기 좋습니다. 보험사는 원래 통계로 위험을 예측해 온 회사이기 때문에 예측 AI는 보험 업무와 아주 잘 맞습니다.
생성형 AI: 글과 문서를 다루는 AI
생성형 AI는 방대한 글을 학습해 사람처럼 문장을 이해하고 새로 만들어 내는 AI입니다. 질문에 답하고, 문서를 요약하고, 보고서 초안을 쓰고, 긴 약관에서 필요한 부분을 찾아 주는 일을 잘합니다. 대규모 언어 모델, 줄여서 LLM이라고 부르는 기술이 핵심입니다.
생성형 AI의 가장 큰 의미는 정해진 틀이 없는 데이터를 다룰 수 있게 되었다는 점입니다. 보험사에는 약관, 상담 기록, 심사 의견서, 진단서, 민원 내용처럼 글로 된 정보가 엄청나게 많습니다. 예전에는 이런 정보를 사람이 하나하나 읽어야 했지만, 이제는 생성형 AI가 먼저 읽고 정리해 줄 수 있습니다.
다만 생성형 AI는 그럴듯하지만 틀린 답을 내놓을 수 있습니다. 같은 질문에도 조금씩 다른 답을 내기도 합니다. 그래서 정확한 숫자나 최종 판단이 필요한 업무에 그대로 쓰기에는 조심해야 합니다.
보험 업무별로 나눠 보기
두 AI의 차이를 보험 업무에 대입해 보면 어디에 무엇을 써야 할지 비교적 분명해집니다.
언더라이팅에서는 예측 AI가 고객의 위험도를 점수로 매기고, 생성형 AI는 고객이 제출한 의료 서류와 고지 내용을 읽어 핵심만 요약합니다. 심사자는 요약과 점수를 함께 보고 최종 판단을 내립니다.
보험금 지급에서는 생성형 AI와 문서 인식 기술이 진단서와 영수증의 내용을 읽어 정리하고, 예측 AI는 이 청구가 정상인지 사기 의심 건인지 가려냅니다. 정상으로 판단된 단순 건은 자동으로 지급하고, 의심 건만 조사 담당자에게 넘기는 구조입니다.
고객 상담에서는 생성형 AI가 중심입니다. 고객의 질문을 이해하고 약관과 안내 자료를 바탕으로 답을 만듭니다. 반면 어떤 고객에게 먼저 연락할지, 어떤 상품을 추천할지는 예측 AI가 정하는 것이 더 적합합니다.
계리와 리스크관리에서는 예측 AI가 해지율과 손해율 같은 가정을 추정하는 데 쓰이고, 생성형 AI는 결산 보고서 초안 작성이나 규정 문서 검색을 돕습니다. 숫자를 만드는 일은 예측 AI가, 숫자를 설명하는 글은 생성형 AI가 맡는 셈입니다.
함께 쓸 때 주의할 점
실무에서 가장 흔한 실수는 생성형 AI에게 예측 AI의 일을 시키는 것입니다. 예를 들어 대화형 AI에게 이 고객의 사고 확률이 얼마냐고 물으면 그럴듯한 숫자를 내놓을 수 있지만, 그 숫자는 검증된 통계 모델에서 나온 값이 아닙니다. 보험료나 지급 여부처럼 결과가 고객에게 직접 영향을 주는 판단은 검증 가능한 예측 모델과 명확한 규칙으로 처리해야 합니다.
반대의 실수도 있습니다. 예측 모델만으로 모든 걸 해결하려다 보면, 글로 된 정보를 숫자로 바꾸는 작업에 너무 많은 사람 손이 들어갑니다. 이때 생성형 AI가 문서를 읽고 필요한 값을 뽑아 주면 예측 모델이 쓸 수 있는 데이터가 크게 늘어납니다.
보험 컨설팅 현장에서 권하는 원칙은 간단합니다. 읽고 정리하고 설명하는 일은 생성형 AI에게, 맞히고 점수를 매기는 일은 예측 AI에게, 최종 판단과 책임은 사람에게 맡기는 것입니다. 이 세 가지 역할을 나눠 놓으면 AI 프로젝트의 방향이 훨씬 선명해집니다.
마치며
정리하면 예측 AI는 과거 데이터로 미래를 숫자로 맞히는 AI이고, 생성형 AI는 글과 문서를 이해하고 만들어 내는 AI입니다. 보험사는 위험을 예측하는 회사이면서 동시에 엄청난 양의 문서를 다루는 회사이기 때문에 두 AI가 모두 필요합니다. 중요한 것은 각 AI가 잘하는 일을 구분하고, 판단의 책임이 큰 영역일수록 검증 가능한 방식을 택하는 것입니다.
다음 글에서는 보험 AI를 만들 때 가장 먼저 부딪히는 문제, 보험 데이터의 특징과 AI 학습이 어려운 이유를 정리하겠습니다.