보험업권의 생성형 AI활용

1. 보험권과 생성형 AI

보험을 포함한 금융업은 거래정보, 신용정보 등 보유한 데이터가 많아 신용평가, 사기탐지, 상품추천 등 여러 업무에 AI를 활용하였다. 기존의 AI는 데이터 간 관계 학습을 통해 분류하고 예측하고 추천하는 중심으로 활용되었으나 최근 다양한 컨텐츠를 인간이 대화하듯 자연스러운 언어 형태로 스스로 생성해 내는 생성형 AI가 등장함에 따라 생성형AI를 보험 업무에 적용하고자 하는 시도가 증가하고 있다.

특히 보험산업은 상품 구조가 복잡하고 고객의 이해가 어려운 고관여 상품이기 때문에, FP(보험 설계사)와 고객 간의 신뢰와 장기적 관계가 매우 중요하다. 설계사의 고객 지향적이고 감성적인 관계판매행동은 고객 만족, 신뢰, 재구매 의도 등 관계의 질을 높여 영업성과에 긍정적 영향을 미친다. 이에 보험사는 생성형AI를 활용하여 맞춤형 상품 추천, 보장분석, 고객관리 등에서 업무 효율성과 정확성을 높이고자 다양한 시도를 하고 있고,  FP에게 고객별 맞춤 화법 제안, 보장분석 지원 등 새로운 영업지원 도구를 제공해 고객 경험을 혁신할 것으로 기대된다. 

아래 표에서 보는 바와 같이 보험산업은 생성형AI의 영향을 다른 산업에 비해 많이 받고 특히 보험설계사는 다른 직업군보다 더 생성형 AI로 대체 가능성이 높다고 할 만큼 보험업은 생성형 AI와 많은 영향을 받고 있다. 그만큼 생성형AI를 통해 본업의 경쟁력을 강화할 수 있는 기회가 많다고 할 수 있어 다양한 시도를 하고 있다.

산업부문별 생성형AI의 영향정도

생성형AI가 대체 가능한 직업

2. 혁신금융서비스와 생성형AI를 활용한 지정 현황

보험사의 자체적인 노력과 최근 금융당국이 규제를 완화하여 생성형AI의 활용을 폭넓게 허용함도 보험사가 생성형AI를 활용하려는 시도를 촉진하고 있다.

금융사의 내·외부망을 분리토록 한 망분리 규제는 해킹으로부터 금융시스템을 안전하게 보호하는데 기여한 반면 클라우드나 AI 같은 신기술이 금융권에 접목되는 데 있어서는 장애물로 지적되어 왔다. 이에 ‘24년 8월 금융위원회는 ‘금융분야 망분리 개선 로드맵’을 발표했다. 해당 내용의 핵심 중 하나가 생성형 AI 활용 허용이다. 그동안 대부분의 생성형 AI는 클라우드 기반의 인터넷 환경에서 제공되었으며, 망분리 규제로 인하여 금융권에서는 생성형 AI를 활용하기 어려운 상황이었다. 또한, 개인신용정보 관련 규제로 인하여 국내에 서버가 없는 해외 소재 AI모델을 통하여 개인신용정보(가명정보 포함)를 처리·보관하는 것 역시 허용되지 않았었다.

하지만 로드맵 발표를 통해 금융사는 금융규제 샌드박스(sandbox) 제도를 활용하여 금융회사 정보처리시스템과 AI 모델 간 연결에 대한 망분리 규제특례를 인정받아 활용할 수 있게 되었다

아래는 금융권의 혁신금융서비스를 통해 생성형 AI를 활용한 서비스 신청현황이다. ‘24년 8월 로드맵 발표 이후 금융권의 혁신금융서비스 지정 건 중 생성형AI를 활용한 서비스가 다수 있고, ‘25년 1월에만 지정된 혁신금융서비스의 대부분이 생성형AI 생성형AI라는 것을 확인할 수 있다. 특히 보험사의 경우 해당 기간동안 지정된 혁신금융서비스 중 생성형AI를 활용한 시도와 비율이 높은 것을 알 수 있다.

금융업의 혁신금융서비스 지정 건수

금융업별 혁신금융서비스 지정 건수

(’24.9~25.1월)

(’24.9~25.1월)

※ 출처 : 핀테크지원센터 혁신금융서비스 지정현황정보(25.2.1기준)를 저자가 분석/작성

아래에서는 혁신금융서비스를 통해 외부 상용 생성형AI를 활용하는 방법 및 사례에 대해 알아보겠다.

3. 외부 상용 생성형 AI 활용을 위한 구조도 및 프로세스

보험업권 및 금융사들은 자체 LLM에 대한 다양한 시도를 하면서 시중에 성능이 검증된 상용 생성형AI 모델을 활용하여 다양한 업무에 적용하고 있다.

아래는 상용 생성형AI모델의 활용 구조도 및 프로세스이다. 상용 생성형 AI 활용을 위한 기본구조는 금융회사 내부시스템과 상용AI를 제공하는 외부시스템으로 구성된다. 이때 AI연계서버는 금융사의 내부 클라우드나 외부 상용AI 제공자의 클라우드 내부에 금융사 전용공간에 위치할 수 있으며, 각 연결구간마다 보안강화를 해야 한다.

3.1 생성형 AI활용 기본 구조도

※ 출처 : 저자작성

3.2 생성형 AI활용 프로세스

순번	프로세스	비고
1	내부시스템의 생성형AI서비스 시스템에 접속	단말기는 중요정보 유출 방지대책 마련 필요
2	단말기에서 프롬프트 질문 또는 버튼 클릭(프롬프트 생성)
3	레거시 시스템에서 실시간 정보 조회	EAI, Json,
4	필요정보와 질문 프롬프트를 외부시스템으로 전송	외부망 연계 구간은 VPN 또는 전용회선 등 활용
5	추가적으로 필요한 정보를 탐색 및 상용서비스 활용	RAG, OCR, 영상인식, 프롬프트엔지니어링 등
6	상용 AI모델에서 적합한 답변 생성	GPT4-o 등
7	생성된 답변을 사용자 단말기로 전송하여 출력됨	–

※ AI모델 연계 구간은 안전한 암호알고리즘을 활용하여 전송자료 암호화 필요
※ 생성형AI를 통해 가명 처리된 개인신용정보까지 처리할 수 있도록 규제허용

4. 보험사 주요 생성형 AI활용 사례

보험사는 FP(보험설계사) 상품판매 역량 강화 및 내부직원들의 업무 효율성 향상을 위해 상용 생성형AI 모델을 활용한 서비스를 준비하고 있고 이를 통해 본업의 경쟁력 강화를 추진하고 있다.

4.1 화법 생성 및 훈련

고객의 보험가입정보 및 보장분석결과 등 내부 데이터와 뉴스, 통계자료 등 외부 데이터를 활용하여 고객과 상황에 맞는 화법을 생성한다. 생성된 화법을 구사하는 FP의 음성, 자세, 표정 등을 분석하여 부족한 부분을 개선할 수 있도록 평가와 피드백을 제공한다.

※ 출처 : 한화생명, 금융규제 샌드박스(https://sandbox.fintech.or.kr/)

4.2 보장분석 지원

보장분석은 현재 가입된 보험 상품들을 종합적으로 분석하여, 어떤 보험 상품이 필요하고 어떤 보험 상품이 부족한지 확인하는 서비스이다. 이를 통해 보험 가입 수준을 진단하고, 부족한 보장은 보완하고 불필요한 보장은 줄여서 효율적인 보험 관리를 할 수 있다. 하지만 보장분석의 양이 많아 고객 또는 FP가 이해하기가 어려운 불편함이 있다. 생성형 AI를 활용하여 방대한 양 보장 분석을 요약해 FP에게 핵심 사항만을 제공한다. 복잡한 보험 상품 보장 내용을 AI가 빠르게 분석해 상담 시간을 단축시키는 것이다. 생성형 AI를 활용해 설계사의 실수를 줄이고 고객이 신뢰할 수 있는 객관적인 보장 내용을 제공하도록 지원한다.

※ 출처 : 금융규제 샌드박스(https://sandbox.fintech.or.kr/)

4.3 내부직원의 업무효율성 향상

보험사에서는 내부 임직원들의 업무향상을 위해 생성형AI활용을 시도하고 있다. 인사규정, 법무지원, 컴플라이언스 등 내부 업무망에서 내부 기준정보를 임직원들이 쉽게 조회할 수 있도록 서비스를 제공하여 업무 생산성을 향상시키고자 한다. 아래는 혁신금융서비스로 지정된 사례로 인사규정, 법무지원, 여신연체상담의 조회서비스 등을 내부 업무망 PC에서 임직원이 활용할 수 있게 제공하고 있다.

※ 출처 : 금융규제 샌드박스(https://sandbox.fintech.or.kr/)

5. 생성형 AI 도입 시 고려사항

보험업계 및 금융업계에서 생성형AI 모델을 활용한 본업의 경쟁력 강화를 추진하고 있지만 성공적으로 추진되기에는 고려해야 할 사항이 있다. 생성형AI모델을 통해 업무에 활용하는데 필요한 데이터, 조직, 프로세스 등을 명확하게 하는 거버넌스가 필요하다. 만들어진 서비스가 사용자에게 실질적으로 도움이 되는 서비스가 되어야 한다. 마지막으로 이러한 서비스를 사용자가 잘 사용할 수 있도록 사용자 수준에 맞는 교육이 병행이 되어야 한다.

우선 AI거버넌스 수립이 필요하다. 이미 알고 있겠지만 거버넌스의 중요성은 아무리 여러 번 강조해도 결코 지나치지 않을 만큼 매우 핵심적인 부분이다. 상용 생성형 AI모델을 사용하면 기본적인 사항은 학습이 되어 있지만 각사의 본연의 업무를 지원하기 위해서는 학습을 위한 추가적인 데이터가 필요하다. 대부분의 회사가 비슷하겠지만 데이터를 생성하는 조직과 이를 활용하는 부서가 다른 경우가 많다. 특히 보험영업과 관련된 활용 사례에서 사용되는 학습용 데이터들이 더욱 그러한 자료들이 많다. 예를 들어 보험약관, 상품소개서, 영업화법 자료, 보험영업 제기준 등등 문서, 동영상과 같은 비정형데이터들은 영업지원부서에서 만들고 이를 활용하는 부서는 영업현장이나 기준을 근거로 업무에 활용하는 부서에서 사용한다. 이런 정보는 시스템으로 자동으로 관리되어지지 않는 것들이 많고, 버전관리가 중요한 자료들이 많다. 그래서 생성형AI에서 참조하는 데이터를 관리하기 위해서는 거버넌스 수립이 중요하다. 정기적으로 최신의 데이터를 자산화할 수 있는 조직, 프로세스, 기술 및 R&R들을 명확하게 정의한 거버넌스 수립이 필요하다.

 두번째로 생성형 AI를 활용한 Use Case 발굴이 필요하다. 생성형AI모델을 통해 어떤 서비스를 제공할 수 있고 도움을 줄 수 있는지 다양한 시도를 통해 킬러 컨텐츠를 만들어야 한다. 보험업권의 경우 FP(보험설계사)는 개인사업자 신분으로 임직원과 같이 사용을 강제할 수 있는 부분이 약하다. 이 사용자들이게는 본인의 영업활동에 도움이 된다는 것을 느끼게 해주어야만 해당 서비스를 사용하게 된다. 처음 사용해볼 때 도움이 안 된다고 느끼면 사용하지도 않고 다시 사용하게 만들기는 더 어렵다. 반면에 생성형AI로 서비스를 만들어야 하는 현업담당자는 생성형AI로 어떤 것을 만들 수 있는지, 활용할 수 있는지 모르는 상황에서 서비스를 만들어야 하는 어려움이 있다. 본연의 업무를 하면서 생성형AI도 공부하고 이것을 업무에 어떻게 활용할 수 있는지 파악하는 것은 현실적으로 어려운 일이다. 그렇기 때문에 생성형AI를 활용한 Use Case 발굴이 중요하다. 해당 Use Case를 통해 현업담당자는 본인의 업무에 어떻게 적용할 수 있는지 파악할 수 있고 사용자에게 도움을 줄 수 있는지 알 수 있기 때문이다.

마지막으로 사용자 수준에 맞는 교육이 필요하다. 생성형AI로 만들어진 서비스가 사용자에게 도움이 된다고 해도 서비스가 잘 활용되기 위해서는 사용자가 잘 사용할 수 있게 학습을 지원해야 한다. 보험업권의 FP는 연령이 높은 경우가 많아 새로운 IT기술에 대한 활용을 습득하는 능력이 임직원보다 낮은 것이 현실이다. 이에 해당 사용자들이 생성형 AI 서비스를 잘 활용하게 하기 위해서는 수준에 맞는 맞춤형 교육이 필요하다. 우선 생성형AI가 어떤 것인지 어떻게 사용할 수 있는지 일반 상용 모델을 통해 알려주어야 한다. 예를 들어 범용모델을 통해 고객의 생일 축하 메시지를 만드는 방법, 고객에게 권하고 싶은 상품에 대한 상품설명서에 대한 질문 방법 등의 기본 활용 교육을 통해 생성형AI가 무엇인지 알려주어야 한다. 기본 교육을 통해 사용자들의 수준을 높이고 나서, 보험사에서 제공하는 업무 특화 생성형AI에 대한 서비스 활용 교육을 제공하여 잘 사용할 수 있게 지원해야 한다.

보험업권에서 생성형AI가 잘 정착되고 활용되기 위해서는 위에 언급한 거버넌스 수립을 통한 비정형데이터 자산화, 다양한 Use Case발굴 그리고 사용자 맞춤형 교육이 잘 이루어져야 한다.