보험에 가입할 때 건강 상태를 묻는 질문에 답하고 나면, 며칠 뒤에 가입이 승인되었다는 연락을 받거나 추가 서류를 내 달라는 요청을 받습니다. 그 사이에 보험사 안에서 일어나는 일이 언더라이팅입니다. 최근에는 이 과정에 AI가 들어오면서 몇 분 만에 가입이 끝나는 경우도 늘고 있습니다.
이 글에서는 언더라이팅이 무엇인지부터 시작해, AI 언더라이팅이 전통적인 심사와 어떻게 다른지, 실제로 어떤 구조로 움직이는지, 도입할 때 무엇을 조심해야 하는지 차례로 정리하겠습니다.
언더라이팅이란 무엇인가
언더라이팅은 보험사가 가입을 원하는 사람의 위험을 평가해 계약을 받아들일지, 어떤 조건으로 받아들일지 결정하는 과정입니다. 우리말로는 계약 심사 또는 인수 심사라고 부릅니다.
언더라이팅의 결과는 크게 네 가지입니다. 그대로 승인하는 경우, 보험료를 더 받는 조건으로 승인하는 경우, 특정 부위나 질병을 보장에서 빼는 조건으로 승인하는 경우, 그리고 가입을 거절하는 경우입니다. 같은 상품이라도 언더라이팅 결과에 따라 고객이 받는 보장과 내는 보험료가 달라집니다.
언더라이팅이 중요한 이유는 보험의 공정성과 건전성을 지키기 때문입니다. 위험이 높은 사람이 같은 보험료로 가입하면 다른 가입자에게 부담이 넘어갑니다. 반대로 지나치게 엄격하면 보험이 꼭 필요한 사람이 가입하지 못합니다. 언더라이팅은 이 균형을 잡는 일입니다.
전통적인 언더라이팅은 어떻게 이루어졌나
전통적인 언더라이팅은 전문 심사자가 직접 서류를 보고 판단하는 방식입니다. 고객이 작성한 청약서와 건강 고지 내용을 확인하고, 필요하면 건강검진 결과나 병원 진료 기록을 받아 검토합니다. 그리고 회사가 정한 심사 기준표에 따라 승인 여부와 조건을 결정합니다.
이 방식은 정확하고 신중하다는 장점이 있지만 시간이 오래 걸립니다. 서류를 받고, 읽고, 기준을 찾아보고, 판단을 기록하는 데 사람의 손이 많이 들어갑니다. 또 같은 서류라도 심사자의 경험에 따라 판단이 조금씩 달라질 수 있습니다. 고객 입장에서는 가입까지 기다리는 시간이 길고, 그 사이에 마음이 바뀌어 가입을 포기하기도 합니다.
AI 언더라이팅은 무엇이 다른가
AI 언더라이팅은 이 심사 과정의 일부 또는 전부를 AI가 돕거나 대신하는 것입니다. 전통적인 방식과 비교하면 세 가지가 크게 다릅니다.
첫째, 속도가 다릅니다. AI는 고지 내용과 필요한 정보를 즉시 분석해 위험도를 계산합니다. 위험이 낮고 판단이 명확한 건은 사람의 검토 없이 바로 승인할 수 있어서, 가입이 몇 분 안에 끝나기도 합니다.
둘째, 활용하는 정보의 범위가 다릅니다. 전통 심사는 정해진 질문과 서류에 의존했다면, AI 언더라이팅은 더 많은 정보를 함께 분석할 수 있습니다. 다만 어떤 정보를 쓸 수 있는지는 법과 규정, 고객의 동의에 따라 엄격하게 정해집니다.
셋째, 판단의 일관성이 다릅니다. AI는 같은 조건이면 같은 결과를 냅니다. 심사자마다 판단이 달라지는 문제를 줄일 수 있습니다. 대신 AI가 잘못된 기준을 학습하면 그 잘못도 일관되게 반복된다는 점을 기억해야 합니다.
AI 언더라이팅은 실제로 어떻게 움직이나
현장에서 쓰이는 AI 언더라이팅은 대부분 사람과 AI가 일을 나누는 구조입니다. 고객이 청약을 하면 먼저 AI가 고지 내용과 제출 서류를 분석해 위험도를 매깁니다. 위험이 낮고 기준에 명확히 맞는 건은 자동으로 승인합니다. 위험이 높거나 기준이 애매한 건, 서류 내용이 서로 맞지 않는 건은 심사자에게 넘깁니다.
이때 AI는 단순히 건을 넘기는 데서 그치지 않고, 심사자가 빨리 판단할 수 있도록 도와줍니다. 제출된 의료 서류에서 진단명과 치료 내용을 뽑아 요약하고, 비슷한 과거 사례의 심사 결과를 보여 주고, 어떤 이유로 사람의 검토가 필요한지 표시해 줍니다. 생성형 AI가 발전하면서 이 요약과 정리 기능이 특히 좋아졌습니다.
결국 AI 언더라이팅의 핵심은 모든 건을 AI가 결정하는 것이 아니라, 쉬운 건은 빠르게 끝내고 어려운 건에 사람의 시간을 집중시키는 것입니다.
도입 효과와 주의할 점
AI 언더라이팅을 도입하면 고객은 더 빨리 가입할 수 있고, 보험사는 심사 비용을 줄이고 가입 중간에 이탈하는 고객을 줄일 수 있습니다. 심사자는 반복적인 서류 확인 대신 복잡한 건의 판단에 전문성을 쓸 수 있습니다.
하지만 주의할 점도 분명합니다. 가장 중요한 것은 설명 가능성입니다. 가입이 거절되거나 조건이 붙었을 때 왜 그런 결과가 나왔는지 고객에게 설명할 수 있어야 합니다. 또 AI가 특정 집단에게 불리한 판단을 하지 않는지 정기적으로 점검해야 합니다. 마지막으로 자동 승인된 건의 실제 보험금 청구 결과를 계속 추적해, 모델이 위험을 제대로 평가하고 있는지 확인하는 과정이 필요합니다.
마치며
AI 언더라이팅은 보험 가입 심사의 속도와 일관성을 높이는 기술입니다. 전통 심사가 전문가의 경험과 서류 검토에 의존했다면, AI 언더라이팅은 데이터 분석으로 쉬운 건을 자동 처리하고 어려운 건에 사람의 판단을 집중시킵니다. 다만 보험 가입은 고객의 권리와 직결되는 결정이기 때문에 설명 가능성과 공정성을 함께 갖춰야 진짜 성과가 납니다.
다음 글에서는 AI 언더라이팅의 핵심 재료인 의료 데이터를 활용한 자동 심사가 어떤 구조로 움직이는지, 그리고 어떤 한계가 있는지 정리하겠습니다.