빈 2022년 ChatGPT의 등장으로 부상한 생성형 AI는 사회 전반에 걸쳐 변화를 야기하고 있다. 최근 연구들은 생성형 AI가 특정 작업에서 인간의 수준 또는 그 이상의 결과물을 도출하기도 한다는 결과를 발표하기도 하였다. 데이터와 고도화된 컴퓨팅 기술의 발전 속도를 감안할 때, 어쩌면 사람처럼 사고하고 행동하는 AI로 진화하는 날이 그다지 먼 미래가 아닐 수도 있을 것이란 기대도 하게 된다. 그렇다면 현재 보험산업에서는 날로 진화해 가는 AI, 구체적으로 생성형 AI를 어떻게 활용하고 있을까? 나아가 우리는 보험산업 내 생성형 AI 할용을 통해 향후 어떠한 변화를 기대할 수 있을까?
빈 OECD(2019)에 따르면 AI는 인간이 정한 목표 달성을 위해 예측‧추천 및 의사결정을 하는 머신 기반의 시스템이다. 다시 말해 AI는 인간의 지적 활동, 즉 인식‧판단‧계획‧학습‧추론을 컴퓨터 시스템으로 실현하기 위한 기술의 일종이다. 이를 위해 인공지능은 빅데이터를 활용해 학습을 하고 학습된 결과를 바탕으로 인간의 요청에 답을 하기 위한 확률을 계산한다. 조금 더 쉬운 예로 컴퓨터의 로그인을 위해 암호를 넣는 행위, 온라인 상에서 이메일을 쓰고 받는 행위, 해마다 있는 야구, 농구, 축구 경기팀들의 경기 순서를 짜는 행위, 네비게이션에서 최단거리를 찾는 행위는 인공지능이 아니다. 이는 확정된 것(혹은 숫자)을 정해진 규칙을 기반으로 찾거나 다수의 확정된 행위의 경우 수를 세서 순서를 정해주는 것이지 미리 학습을 하여 확률을 판단을 하고 추론을 하여 나오는 결과는 아니기 때문이다. 그러나 손가락 지문 혹은 얼굴을 인식하여 컴퓨터 로그인을 하는 행위, 자율주행차 운행, 유튜브에서 쇼츠를 추천해 주는 것은 인공지능이 수행하는 행위이다. 이는 사전에 입력된 다양한 데이터의 학습을 통해 지문 혹은 얼굴이 실제 인물과 맞을 확률을 계산하여 이를 기반으로 사실인지 확인하여 판단해 주며, 특정 개인의 유튜브 쇼츠 관람이라는 엄청난 양의 학습을 통해 개인의 선호에 맞는 새로운 영상을 추천해 주고 있기 때문이다.
빈
그렇다면 최근 등장한 생성형 AI는 기존의 AI와 무엇이 다른가? 생성형 AI도 AI의 일종이다. 그러나 생성형 AI는 기존 데이터에서 학습한 내용을 기반으로 이용자의 특정 요구에 따라 이미지, 음악, 음성, 소프트웨어 코드, 텍스트 등 새로운 콘텐츠를 생성할 수 있다는 점에서 기존의 AI와 차별화 된다. 즉, 기존 머신러닝 혹은 딥러닝 AI가 자료를 분류하거나 수치형 데이터를 예측하는데 사용된 반면, 생성형 AI는 학습한 데이터를 기반으로 명령에 따라 새로운 데이터 혹은 영상, 이미지를 창조해 낸다. 알파고는 바둑의 수많은 기보를 학습해 최적의 전략을 판단하여 제시해 주지만 ChatGPT는 사람의 요청에 따라 작문을 할 수 있다는 점이 바로 기존의 AI와 생성형 AI의 가장 큰 차이라 할 수 있다. 종합해 보면 생성형 AI의 기술은 AI가 할 수 있는 능력을 더욱 확대시켰다. 즉, 지금까지의 머신러닝 기반의 AI가 옳고 그른지 식별을 하고 수치예측, 추천 및 이상감지를 했다면 생성형 AI는
빈①AI의 용도를 확대하고
빈②기능을 고도화했으며
빈③인간이 소통하는 형태로 콘텐츠를 생성해 내는 변화를 가져왔다.
빈 이러한 생성형 AI의 등장에 많은 사람들이 주목하는 더 큰 이유는 생성형 AI가 일하는 방식 그리고 소비경험의 변화를 야기할 수 있을 것이라는 점에 있다. 기존 AI의 경우, 기업 내 기술 전담부서가 사업부서에 요청에 따라 각각의 기술을 적용하거나 데이터 분석의 결과를 제공하는 방식으로 AI가 활용되었다. 그러나 생성형 AI의 경우, 업에 대한 전문 지식을 가진 임직원이 직접 AI를 사용하여 업무를 처리할 수 있도록 도움을 준다. 즉, AI와 직접적인 협업이 가능하다는 뜻이다. 소비자의 경우, 기존에는 소비자가 AI가 탑재된 앱/웹을 통해 원하는 바를 일일이 직접 검색하고 의사결정을 했다면, 생성형 AI의 활용 시, 소비자는 원하는 바를 AI 비서에게 전달을 하고 AI 비서가 다양한 검색엔진을 소비자 니즈에 맞춰 검색을 하고 최선의 선택을 소비자에게 제시해 줄 수 있다. 즉, AI 비서가 고객 최초의 접점이 된다는 점이다. 이러한 변화는 소비자와의 접점이 중요한 금융보험업에서 매우 주목해야 할 지점이라 할 수 있다.(그림 1 참고)
빈 그렇다면, 이러한 생성형 AI는 보험산업에 어떤 변화를 가져올 수 있을 것인가? 사실 보험을 포함한 금융업은 그동안 AI를 활용해 왔었다. 정형데이터가 많은 금융·보험업은 규칙이 요구되는 신용평가, 사기 탐지에 AI를 사용하였으며 이를 통해 업무 자동화를 이루어왔으며 효율화를 확보할 수 있었다. 그러나 인간과 상호작용이 요구되는 분야에는 상대적으로 활용과 성과가 저조했었으며 이러한 이유로 AI. 하지만 생성형AI는 복잡한 패턴을 추론하거나 다양한 컨텐츠의 생성이 가능해 광범위한 비정형 데이터를 사용하고 자연스러운 대응이 요구되는 고객응대, 상품개발 등에도 활용이 가능하다. 아래 (그림2)에서와 같이 첫째, 생성형 AI의 이미지 생성 및 문장작성, 코딩 능력은 기존 사람이 직접 수행하던 작업을 실질적으로 대신하여 업무의 정확도와 생산성을 높일 수 있다. 둘째, 기존의 정형데이터 분석 외 이미지나 텍스트 등 비정형 데이터를 생성형 AI를 통해 분석이 가능해, 위험측정, 심사 및 상품과 시장 개발 모델의 고도화가 가능하다. 셋째, 생성형 AI는 개인화된 메시지 및 콘텐츠를 생성할 수 있어 소비자에게 맞춤형으로 상품 및 서비스를 제공할 수 있으며, AI를 통한 응대가 단순답변이 아닌 자연스러운 대화수준으로 제공되기 때문에 소비경험을 개선할 수 있다.
빈 자 그럼 보다 구체적으로 보험산업 내에서 AI는 어떻게 활용될 수 있을까? 진보된 AI, 즉 생성형 AI를 통해 보험산업은 우선 산업 내 가치사슬 및 보험서비스에 직접적으로 활용할 수 있다. AI 활용을 통해 사내 업무절차를 자동화하고, 임직원의 업무수행 중 보조역할을 하여 효율성을 증진할 수 있여, 고객과의 소통에 신속하고 만족스러운 대응을 제시하여 보다 나은 보험 소비 경험을 제공할 수 있다. 예를 들어 일본의 대형 보험회사인 메이지야스다 생명은 ChatGPT를 사용하여 사내 전용 AI 채팅형 어시스턴트를 구축하여 시행 중이다. 메이지야스다 생명의 임직원은 이를 통해 회의록을 작성하고, 보험약관 및 매뉴얼 조회 등에 활용 중이다. 2023년 4월 실증실험 후 6월에는 실제 본사 임직원의 70%가 이를 사용 중에 있다고 한다. 이러한 ChatGPT는 고객의 상품 관련 다양한 질문과 상담에 자연스러운 대응을 위한 챗봇 구축에도 활용되고 있다. 스위스 종합보험회사인 Helvetia는 ChatGPT기반의 디지털 비서 Clara를 통해 고객의 보험 및 연금에 대한 질문에 신속하고 자연스러운 답을 제시하고 있다. 보험금 청구의 경우 기존 머신러닝 기반의 AI의 활용이 가장 빈번하게 사용된 분야이기는 하지만 생성형 AI를 활용해 손해 조사의 정확도를 높이고 보험금 지급의 효율성을 높일 수 있다. Liberty Mutual의 경우 사고 후 수리견적 비용을 제공하는 AI auto Damage Estimator를 사내 기술 인큐베이터를 통해 개발하였으며 이를 통해 기존에 사용하지 못했던 다양한 데이터를 조합하여 보다 정확한 수리 비용을 예측하여 소비자에게 제공하고 있다. 일본의 SBI소액단기보험회사도 회사에 축적된 보험사고 및 보험금 지급 사례를 생성형 AI에 학습시켜 보험금 청구건에 대한 지급대상 여부 확인을 실시간으로 제공하고 있다. 소비자에게 더 나은 소비경험을 제공하기 위해 고객 서비스 담당 인력의 교육프로그램에 생성형 AI가 사용되기도 한다. 일본 보험회사인 제일생명 프로티어는 자산의 고객관리 담당자의 트레이닝을 위해 ChatGPT가 탑재된 롤플레잉 시스템 Mimik을 대리점과 콜센터에서 시범운영하고 있다. 즉, Mimik에 접속한 제일생명 프론티어 신입 고객관리 담당자는 Mimik이 보여주는 가상고객을 상대로 대화를 하고 이러한 대화의 모습을 Mimik의 AI는 다양한 포인트에서 판정해 점수를 제공한다. 점수를 제공받은 신입 상담사는 이를 이용하여 숙련된 기존 상담자가 없어도 스스로 자신의 상담능력을 훈련할 수 있다.(그림3 참고)
빈 한편, AI가 인간이 처리하지 못하는 방대한 양의 데이터를 학습하여 수많은 정보를 분석하고 합리적인 판단을 효율적으로 제공하기도 하지만 프로그램 내 인지판단 과정에서 오류가 발생하거나 의도치 않은 상황이 발생하여 인간의 생명, 신체, 재산에 손해를 입힐 수 있다. 바로 이때 보험은 이러한 피해를 보장하는 상품을 제공할 수 있다. 즉, AI 활용에 따라 새로이 창출되거나 확대되는 위험을 보장하는 역할을 보험이 할수 있다. 예컨대 자율주행차 및 실외이동로봇의 경우 시스템, 통신상의 하자, 입력정보의 오류, 해킹 등으로 인한 위험이 발생할 가능성이 높다. 뿐만아니라 수술지원을 하는 인공지능로봇은 수술 도중 의료사고를 발생시킬 위험이 있으며, 잘못되거나 한정된 데이터에 기반해 훈련된 AI의료 장비로 인해 환자의 상태를 잘못 평가할 가능성도 존재한다. 따라서 이로인해 발생하는 위험에 대한 보장 장치의 마련이 필요하며 이때 바로 보험의 상품 서비스가 중요한 역할을 할 수 있다. 이미 개별법 차원에서 보험가입이 의무화되거나 관련 의무보험 도입이 논의되고 있다. AI 활용이 확대되면 될수록 이러한 보험의 니즈도 점점 증가할 것으로 전망된다. 한편, AI 활용에 따른 위험 보장 외 AI의 성능을 보증받고자하는 니즈도 존재한다. 고가의 AI를 도입하여 활용하고자 하지만 기대한 성능을 보여주지 못할 때 이만저만 낭패가 아니기 때문이다. AI 기반의 서비스를 제공하는 회사가 안심하고 사용할 수 있도록 AI기반 제품이나 서비스의 성능을 보장하는 보험이 있다면 AI활용은 더욱 확대될 수 있을 것이다. 실제로 캐나다 보험회사인 Armila Assurance, 독일 재보험사 Munich Re 등은 이러한 보험 상품 서비스를 제공하고 있다.
빈 앞서 살펴본 바와 같이 보험산업 내 AI 활용이 생산성 및 소비자 경험을 제고하는 등 긍정적 효과를 제공할 것으로 기대되고 있지만, 다른 한편 여러 측면에서 문제를 발생시킬 가능성도 있어 우려를 낳고 있기도 하다. 인공지능의 프로그램은 매우 정교한 프로그램이지만 결과물이 도출된 이유에 대해 사용자는 설명하기 불가능할 경우도 존재하며, 이 경우 사고 발생 시 원인의 해명과 책임 판단이 어려울 수 있다. 또한 AI 학습을 위한 데이터가 편향적인 성향을 지닐 경우 이에 따라 도출되는 결과물이 특정 대상에 대한 편견과 차별로 나타날 가능성도 있다. 고성능의 AI는 데이터 간의 관계를 분석하여 익명의 데이터를 식별할 가능성도 존재하며 이로인해 개인정보의 침해 및 기밀정보의 유출도 나타날 수 있다. 심지어 AI를 활용해 악성코드를 작성하거나 피싱 페이지를 만들어 해킹 혹은 악성코드를 유포시킬 수도 있으며 이를 통해 사이버 리스크를 유발하기도 한다. 이러한 AI의 설명가능성, 편향성, 개인정보, 사이버 리스크 발생 이슈에 더해 생성형 AI의 등장은 환각, 저작권 이슈 등 그 피해를 더욱 확대시킬 가능성도 있다. 보험산업 측면에서도 예외가 아니다. 실제 미국의 Statdfarm, Cigna, Unitedhealth Group 등 다수의 보험회사가 자사가 활용하는 AI 기반 자동화 시스템이 인종 소수자와 고령층 고객에게 보험금 지급을 거부하는 결과를 낳았다는 이유로 집단소송이 진행 중이기도 하다. 따라서 각국의 금융감독기관은 이러한 AI활용 확대로 인해 발생할 수 있는 소비자의 피해를 방지하고 금융기관의 책임있는 AI기술 활용을 위해 다양한 대응책을 마련해 가고 있다. 최근 EU가 발의해 통과된 AI Act는 관련 글로벌 규제 중 가장 강력한 규제를 담고 있다고 알려져 있다. 향후 국내를 포함하여 많은 국가의 AI 관련 규제에 영향을 많이 미칠 것으로 예상되어 보험업권도 그 영향력에 대해 주목해서 살펴볼 필요가 있다.
빈 지금까지 생성형 AI 활용 사례를 살펴본 결과 아직까지는 보험 가치사슬 내 업무지원‧고객관리‧보험금청구 및 지급에 우선 적용하여 효율성 및 생산성 제고와 고객가치를 향상하는데 집중적으로 활용하고 있는 것으로 보인다. 국내의 경우에도 현재 업무 프로세스 자동화 및 간편심사 등을 중심으로 머신러닝 기반 AI가 사용되고 있으며 아직까지는 생성형 AI 활용 수준은 초기단계라고 판단된다. 그러나 생성형 AI의 기술로 인해 향후 보험산업은 생산성과 고객가치 향상을 더욱 높일 수 있을 것으로 보인다. 물론 앞서 언급한 바와 같이 활용 확대로 인해 발생하고 있는 부정적 이슈는 많은 우려를 낳고 있으며 이러한 AI 역기능에 대응한 규제 강화로 보험산업 내 AI 활용 범위가 제약될 가능성도 존재한다. 하지만 AI 활용에 따른 다양한 위험발생 가능성이 높다는 것은 다른 한편으로는 이를 보장하기 위한 보험의 역할이 중요해짐을 의미하며 보험산업은 관련 시장의 성장에 주목하고 선제적 준비를 할 필요가 있을 것이다.
빈 나아가 보험산업은 향후 규제변화에 수동적으로 대응하기보다 AI 활용으로 인해 발생 가능한 소비자 피해를 방지하기 위해 선제적으로 대비하려는 노력도 소홀해서는 안될 것이다. 단기적으로 AI를 업무 보조용으로 활용 시 담당자의 무관심이나 인력 감축으로 인해 발생할 수 있는 소비자 피해 발생에 대비해야한다. 장기적으로 AI 고도화로 인해 초개인화된 위험 평가가 가능하게 될 때 이로인해 발생할 수 있는 보험 소외를 방지하기 위한 자체 가이드라인 마련도 고민할 필요가 있다. 마지막으로 규제 및 제도 도입과 관련하여 신뢰할 수 있는 AI 활용과 소비자 피해를 방지하기 위해 적절한 규제 도입은 필수이지만 더불어 급변하는 AI 환경에서 보험산업이 본연의 역할을 효과적으로 수행할 수 있도록 AI 활용과 관련된 균형있는 제도 도입을 위한 충분한 고민이 이루어져야한다. 이를 의해 향후 업계와 당국 그리고 소비자와 관련 전문가들의 심도있는 논의가 요구된다.
[ 참고 문헌 ]