보험사 AI 도입, 문서 자동화는 빠른데 의사결정 AI는 규제에 막힘

보험사 AI는 늘었는데, 핵심은 아직 못 건드림

• 보험업계에서 AI 도입은 빠르게 늘고 있지만, 실제 보험사의 핵심 의사결정 영역까지 들어간 사례는 드물다는 지적이 나왔음

  • 서동훈 AIA생명 테크놀로지본부장이 보험연구원 세미나에서 밝힌 내용
  • 현재 보험사 AI 활용은 문서 작성, 업무 보조, 반복 업무 자동화 같은 ‘솔루션형 AI’에 집중돼 있음
  • 반대로 데이터를 계속 학습해 판단과 전략까지 내는 ‘의사결정 AI’는 현장에서 거의 도입되지 않았다고 설명

• 보험사 AI 활용은 크게 세 갈래로 나뉨

  • 코파일럿 기반 AI 어시스턴트는 문서 작성, 일정 관리, 메일 요약 같은 사무 업무를 도와줌
  • 반복 업무 자동화는 사람이 계속 처리하던 업무를 AI로 넘겨 효율을 높이는 방식
  • 의사결정 AI는 정형 데이터에서 최적 모델만 찾는 수준을 넘어, 변화하는 데이터를 학습해 흐름을 읽고 전략까지 도출하는 형태

• 앞의 두 가지는 도입이 쉬운 편임. 비즈니스 케이스가 보이기 때문

  • 어떤 업무를 자동화할지 명확함
  • 어느 정도 효율이 나올지도 계산하기 쉬움
  • 반면 의사결정 AI는 최고경영자를 설득하기도 어렵고, 금융권 특유의 구조적 문제가 같이 따라옴

병목은 모델보다 클라우드와 데이터

• 가장 큰 제약으로는 규제가 꼽혔음

  • 보험사가 AI 기반 기술을 제대로 쓰려면 클라우드 전환과 데이터 플랫폼 구축이 필요함
  • 그런데 감독당국 승인, 데이터 안정성 검증, 클라우드 이용 보고 같은 절차를 거쳐야 함
  • 온프레미스 시스템을 클라우드로 옮기는 데도 많은 시간과 노력이 필요하다는 설명

• 비용 문제도 만만치 않음

  • 클라우드는 전환만 하면 무조건 싸지는 시스템이 아님
  • 금융권은 보안, 컴플라이언스, 데이터 관리 요구사항이 붙어서 비용과 운영 부담이 커짐
  • AI 인프라는 GPU 서버 발열과 운영 한계까지 얹히기 때문에 중소형 보험사엔 더 부담이 큼

• 데이터 품질 관리도 핵심 과제로 언급됨

  • 데이터는 한 번 구축하고 끝나는 게 아니라 계속 변함
  • AI가 제대로 작동하려면 데이터를 계속 정제해야 함
  • 금융사 입장에선 투입 노력 대비 효익이 작다고 느낄 수 있다는 지적도 나옴

국내는 유스케이스, 글로벌은 플랫폼부터 봄

• 국내 보험사는 개별 AI 솔루션과 유스케이스 중심으로 접근하는 경향이 있음

  • 문서 요약, 업무 자동화처럼 바로 효과가 보이는 영역부터 붙이는 방식
  • 빠르게 시작하기엔 좋지만, 전사적 의사결정 AI로 확장하기엔 한계가 있음

• 글로벌 보험사는 먼저 클라우드·데이터 플랫폼·AI 거버넌스 체계를 깔고 그 위에 AI를 얹는 방식에 가깝다고 설명됨

  • AIA는 데이터 품질을 관리하는 데이터 카운슬을 운영
  • AI 리스크를 통제하는 AI 카운슬도 운영
  • 중요 데이터의 품질 지표를 계속 점검하고, AI 편향성·개인정보 유출·할루시네이션·법규 위반 여부를 정기적으로 검토
  • 분기마다 KPI 변화나 정확도 저하 여부도 리뷰한다고 함

• AIA는 글로벌 차원의 AI 공동 활용 구조도 갖고 있음

  • 각 국가 법인이 AI 유스케이스를 제출하면 그룹 차원에서 검토
  • 쓸 만한 사례는 다른 국가에도 공유
  • 다만 한국은 망분리 규제 등으로 외부 AI 활용이 제한돼 적용이 쉽지 않다는 설명

개발 AI도 보험사에선 바로 못 씀

• AIA는 AI 기반 코드 생성 시스템도 운영 중이라고 밝힘

  • 과거 개발 요구사항과 데이터를 학습한 AI가 요구사항 정의서, 기술 문서, 소스코드, 테스트 케이스를 생성
  • 테스트 수행과 운영 이관까지 지원하는 구조
  • 기존에는 사용자 요구사항 정리, 개발자 코드 작성, 테스트, 운영 이관에 여러 단계의 사람 개입이 필요했음

• 테크 스타트업에서는 AI끼리 코드를 비판하고 개선하며 품질을 높이는 구조도 이미 쓰이고 있다고 언급됨

  • 하지만 국내 보험사는 규제 때문에 이런 기술 적용이 쉽지 않음
  • Claude Code 같은 AI 개발 도구도 현재 보험사에서는 사실상 활용하기 어렵다는 말이 나옴
  • 결국 개발 생산성 도구조차 보안·망분리·데이터 반출 이슈에 걸리는 셈

• 정책 지원으로는 세 가지가 제안됨

  • 망분리와 샌드박스 규제 개선
  • 중소형 보험사가 AI를 자유롭게 시험해볼 수 있는 안전한 테스트베드
  • 자체 구축이 어려운 회사를 위한 공동 AI 보안·개발 솔루션과 사용량 기반 인프라

---

기술 맥락

• 이 기사에서 중요한 선택은 보험사가 AI 솔루션을 하나씩 사다 붙일지, 아니면 클라우드와 데이터 플랫폼을 먼저 정비할지예요. 의사결정 AI는 계속 변하는 데이터를 학습해야 하니까, 단일 업무 자동화처럼 작은 도구만 붙여서는 안정적으로 운영하기 어렵거든요.

• 망분리 규제가 병목으로 나오는 이유는 외부 AI 도구가 보통 클라우드와 연결돼 있기 때문이에요. Claude Code 같은 개발 도구도 모델 호출, 코드 컨텍스트 전달, 결과 저장 흐름이 필요한데, 금융권 업무망에서는 이런 연결이 보안 검토 대상이 돼요.

• AIA가 데이터 카운슬과 AI 카운슬을 운영한다는 건 AI를 제품처럼 계속 관리한다는 뜻이에요. 모델은 배포 후에도 정확도, 편향, 개인정보 리스크, 할루시네이션이 변할 수 있어서 분기마다 성능과 위험을 다시 보는 구조가 필요한 거예요.

• 중소형 보험사에 공용 테스트베드가 필요하다는 주장도 현실적이에요. GPU 서버, 클라우드 보안, 데이터 정제 체계를 각 회사가 전부 직접 만들기엔 비용이 크니까, 안전한 실험 공간을 먼저 제공해야 실제 유스케이스가 검증될 수 있어요.