당신이 할 수 있는 모든 것, AI는 더 잘할 수 있습니다.

보험 업계에서의 머신러닝 및 인공지능

기고 :

George Argesanu, Global Head of Advanced Analytics, Personal Insurance, AIG

Monika Schulze, Global Head of Marketing, Zurich Insurance Company

작가 :

Morag Cuddeford Jones

머신러닝 또는 인공지능(AI)의 개념은 보험 회사에 훌륭하게 적용될 수 있는 영역입니다. 한편으로는 1세기가 넘는 예측 분석의 자연스러운 진보입니다. 다른 한편으로는 예전 스타일의 사고를 분해하고 이전에 해본 것보다 10배, 100배 또는 1000배 빠른 비즈니스를 창출 할 수 있는 능력을 갖춘 첨단 기술을 도입 하는 것입니다.

“보험 계리원과 통계학자는 과거의 데이터를 사용하여 보험금 청구 내역을 인식하고 100년 넘게 미래의 손실을 예측했습니다. 정교함과 도구의 수준은 시간이 지남에 따라 바뀌었고, 그들은 minimum bias(최소 편의)에서부터 decision trees(의사 결정 트리)에 이르기까지 시간의 기술에 맞는 도구를 사용하여 매우 창의적 이었습니다. 나는 전통적인 학습 방법이 실패한 곳에서 통찰력을 얻음과 동시에 동일한 문제를 해결하기 위해 노력하는 방식으로 변형된 머신러닝 및 AI를 봤습니다”라고 AIG의 개인보험 분석 글로벌 책임자인 George Argesanu가 말합니다.

 

이 도구는 가격 책정에서 사용되는 Generalised Linear Model(GLM)과 같은 통계 모델링에서 Decision Trees(의사 결정 트리)에서 Neural Networks(신경망)으로의 전개에 이르기까지 다양합니다.

머신러닝을 통해 전달되는 이러한 모델의 속도와 정교함은 비선형 관계가 관련 될 때 정확도 측면에서 특히 유용합니다.

“우리는 항상 데이터에서 패턴을 찾기 위해 노력해 왔습니다. 이제 우리가 할 수 있는 것은 패턴 발견을 자동화하는 것입니다. 그런 다음 우리는 인간보다 복잡한 알고리즘을 사용하고보다 정교해질 수 있습니다. “라고 취리히 보험 회사의 글로벌 마케팅 책임자인 Monika Schulze는 설명합니다.

“현대의 머신러닝은 알고리즘 방식에 중점을 두는 반면, 전통적인 방법은 대부분 파라메트릭 방식을 사용합니다. 현재 우리가 살고 있는 혁명의 큰 원동력인 기술은 과거의 데이터가 미래의 손실을 예측하는 데 사용되는 정적 프레임 워크에서 과거와 현재의 경계가 흐려지는 매우 동적인 환경으로 이동합니다. AI의 자가 학습 요소는 피드백과 의사 결정의 연속적인 루프를 만드는 이 동적 환경의 원동력입니다.” 리고 Argesanu는 말합니다.

머신러닝은 또한 데이터 샘플에 의존할 필요성을 부정합니다. 예측 분석을 자동화 기술로 바꾸면 보험사는 고객별 실제 데이터를 기반으로 예측을 통해 이익을 얻습니다. 또한, 특히 클레임 데이터에 색과 정보를 추가하는 구조화되지 않은 데이터 (그림, 사운드 등)를 즉각적으로 통합 할 수 있습니다.

비용, 금전적 수익 이외의 영역으로 이동하라 : 기회의 영역

머신러닝에 투자 할 때 얻을 수 있는 이점 중 하나는 능력과 관련하여 한가지 재능만 가지고 있는 것과 거리가 멀다는 것입니다. 지금까지의 예측 분석 기술은 주로 가격 결정 결과를 생성하는 데 중점을 두고 있지만 머신러닝 결과는 다음 용도로 사용할 수 있습니다.

■ 사기

■ 클레임

■ 마케팅

■ 손익 분석

■ 행동 분석

■ 예방 보험

“보험 사업 전반에 있어서 활용되는 영역은 사기 적발입니다. 이것은 보험 보상을 향상시키기 위해 머신러닝을 적용하는 보험의 중요한 영역입니다. 그렇다면 매우 중요한 클레임 관리는 훨씬 빠른 프로세스이며 많은 양의 데이터를 처리하기 위해 머신러닝을 사용하여 오류를 줄이는 것이라고 할 수 있습니다. “라고 Schulze는 말합니다.

물론 머신러닝은 손실을 줄이면서 고객 경험을 개선하고 사례별로 가격을 최적화할 수 있습니다. 이것이 가능하게 하는 속도는 궁극적으로 수익에 긍정적인 영향을 주는 비용 효율성의 원동력입니다. 그러나 더욱 중요한 것은 머신러닝은 보험 업계가 현재 경험하고 있는 근본적인 변화 중 일부를 뒷받침하는 데 가장 큰 기여를 할 것입니다.

Schulze는 다음과 같이 덧붙여 말 합니다 : “머신러닝은 옛 방식의 작업을 현대화하고 보다 효율적으로 만들 수 있지만, 새로운 제품과 서비스를 찾는 것도 가능합니다. 언제 고객이 어떤 일이 발생할 수 있는지 예측하는 데 도움이 되는 일을 해줍니다.”

보험 업계는 엄청난 혼란을 겪고 있으며 새로운 제품과 서비스의 개발이 필수적입니다. 자율 주행 차량, 인공지능 주도형 주택 관리 시스템, 사물의 인터넷 및 정량화 된 요소가 모두 보험을 변화시키는 소비자 환경으로 이어지고 있습니다.

“자동차 만이 크게 변화 할 것입니다. 자가 운전 차량 및 텔레매틱스 시스템은 많은 사고를 예방할 수 있음을 의미합니다. 이는 보험료가 인하되고 보험사는 이전에 가지고 있는 수익 수준을 갖지 못한다는 것을 의미합니다. 비교 웹 사이트에서 권장하는 가격 경쟁이 치열 해지면서 차별화가 필요합니다. 보험업자는 다른 소득 흐름에 대해 생각해야 합니다.”라고 Schulze는 주장합니다.

예측 및 예방 기술은 주택 화재와 홍수를 제한 할 수 있으며 범죄 활동과 소유물의 손실을 막을 수 있습니다. 또한, Fitbits과 Jawbones의 정량화 된 개인화된 헬스케어 정보는 개인이 훨씬 더 나은 건강 관리로 나아갈 수 있는 기술입니다.

머신러닝은 이러한 모든 기술의 성과를 취하고, 새로 밝혀낸 고객 행동을 분석하고, 보험사가 위험 관리를 통해 서비스 제공 및 라이프 스타일 스튜어드 십으로 어떻게 이전 할 수 있는지 이해해야 합니다.

AIG의 Argesanu는 기회의 범위를 설명합니다. “우리 업계는 머신러닝을 사용하여 일을 더 빠르고 똑똑하게 할 수 있는 엄청난 잠재력이 있다고 생각합니다. 우주의 새로운 질서가 뒤 따르는 빅뱅은 아니지만 천천히 그리고 확실히, 우리는 보다 정확히 위험 가격을 책정하고 있습니다. 클레임 프로세스는 훨씬 더 효율적으로 되고, 사기는 더 자주 그리고 가장 중요하게 적발할 것이고 점점 더 많은 손실이 방지 될 것입니다. 생명을 구하거나 소유물을 보존하는 것보다 우리 산업에 더 큰 가치는 없습니다.”

“내가 가장 흥분하는 것은 동적 측면입니다. 텔레매틱스를 사용하면 머신러닝을 통해 운전 습관, 교통 및 도로 상태의 패턴을 인식하여 사고가 발생하기 전에 사고를 사전에 차단하고 “예방”할 수 있습니다. 그것은 영화 마이너리티 리포트와 같지만 2054년 보다 더 빨리 사전 예지가 머신러닝과 AI로 대체 대체될 것입니다.”

신기술 활용

머신러닝과 인공지능은 클라우드를 통한 전달에도 점차 중요 해 지고 있습니다. 이는 보험 회사가 SaaS (Software as a Service) 기반의 기술에 액세스하여 자체 조직 내부에 머신러닝을 설치하는 초기 비용을 절감 할 수 있기 때문입니다. 머신러닝은 보험 회사가 기존의 소프트웨어 및 데이터 아키텍처에 대한 수요를 증폭시킬 것으로 예상됩니다.

“비즈니스 라인 당 우리는 필요한 데이터와 목적을 분명히 밝힐 수 있어야 합니다. 우리는 빅데이터 분석 기업인 Palantir와 함께 일했고, 우리가 관계를 시작했을 때 우리에게 했던 큰 질문 중 하나는 ‘당신은 어떤 비즈니스 문제를 해결하려고 합니까?’였으며, 대답하기 쉬운 것이 아니었습니다. 데이터 측면에서 압도 당하기 쉽습니다.”라고 Zulich Schulze는 말합니다.

보험사는 외부뿐만 아니라 부서 간 내부에서도 협력 관계를 유지해야 합니다. 머신 러닝은 데이터, 지식 또는 기술 자원을 공유해야 하는 모든 부서가 같은 방향으로 가는 경우 매우 파괴적일 가능성이 있습니다.

“분석 및 기술 변화를 핵심으로 하는 회사에서 일하게 되어 매우 기쁩니다. 그리고 우리는 여러 팀을 통해 함께 일함으로써 매우 협조적인 방식으로 이 여행을 시작했습니다. 우리는 회사 전반에 걸쳐 지원 및 전문 지식을 제공하고 다양한 도구를 활용할 수 있는 방법을 모색하는 다양한 비즈니스 분야의 분석 기능을 제공하는 대규모 과학적 그룹을 보유하고 있습니다. 우리는 이론 뿐만 아니라 실질적으로 이 기능을 작동시키기 위해 분석 기술에 필요한 기반을 창출하기 위해 IT 부서 내에서 강력하게 추진하고 있습니다. 따라서 우리는 가격 책정, 증권 인수, 마케팅, 청구 처리, 텔레매틱스 및 손실 방지 등 다양한 각도에서 머신러닝 및 인공지능을 검토합니다.”라고 Argesanu는 조언합니다.

 SaaS 기반의 공급 업체와의 협력 또는 클라우드의 데이터 및 기술 관리를 통해 보험사는 신생 업체 및 혁신 업체는 물론 기존 제공 업체와 협력 할 수 있습니다. 또한 최저 비용으로 접근할 수 있는 오픈소스 소프트웨어도 있습니다.

주변이 끊임없이 변하고 있다는 사실은 보험사가 모든 계란을 한 바구니에 보관하는 것을 피하는 강력한 이유입니다. 설립된 기업과 혁신적인 신생 기업을 혼합하여 보험사가 한 방향으로 사업을 베팅하지 않고도 최첨단을 유지할 수 있습니다. 즉, 기능이 내부적으로 이 특정 영역에서 시장을 선도하지 않는 경우 (거의 없을 가능성이 있기 때문에), 확립된 기술 파트너를 확보하는 것이 중요합니다. 기존의 비즈니스 이론에 기반하고 있지만, 머신러닝을 배치하는 프로세스는 복잡하며 특히 데이터를 이해하는 데에는 전문성이 요구됩니다.

테이블에 없는 유일한 옵션은 전혀 머신러닝과 관련되지 않도록 하는 것입니다. Argesanu는 다음과 같이 말합니다. “머신러닝 및 AI는 Gartner Hype 주기의 최상위에 있습니다. 생산성의 정상에서 분명히 모든 보험 회사가 결정하려고 하는 바를 알기 전에 어떻게 아래로 떨어지는 것을 피할 수 있습니까? 어떤 시점에서 변화의 속도가 가속화되고 일부는 준비가 될 것이고 다른 것들은 그렇지 않을 것입니다. 머신러닝을 배치하려면 올바른 기술과 시스템이 필요합니다. 그렇지 않으면 그 힘이 제한 될 것입니다. 오늘날 데이터와 기술에 대한 올바른 투자를 하는 사람들은 역사를 쓰는 사람들입니다. “

잠재적 행동 계획 : 시작해야 할 곳

그들 앞에서 너무나 많은 사람들이 왜 보험 회사가 선택을 통해 정체에 이르렀는지 걱정하는 이유를 쉽게 알 수 있습니다. 어디서부터 시작해야 할까요? Argesanu와 Schulze는 머신러닝이나 AI를 사용하는 것 외에는 선택의 여지가 없다고 주장합니다. 비즈니스의 소규모 테스트 영역을 차지하더라도 전혀 조치를 취하지 않는 것보다 낫습니다. 다음은 보험사가 머신러닝 전략을 수립 할 때 고려해야 할 두 가지 영역입니다.

무엇이 먼저인가 : 많은 보험사가 고객에게 컨시어지 형태의 서비스를 제공하고 보험 청구보다는 예방을 장려하는 등 위험 완화 모델로의 전환을 고려하고 있습니다. 그러나 고객 기반의 보험사는 이러한 방식으로 보험에 접근 할 준비가 되어 있지 않을 수도 있습니다.

많은 유틸리티 업체들이 여기에 모범을 보이고 있습니다. 주택 소유자에게 무료 네스트(Nest) 또는 하이브(Hive) 기술을 제공하여 가계부채를 줄이는 데 도움을 줄 수 있습니다. 이는 소득이 에너지 소비에 기반한 회사의 경우 직관력이 떨어지는 것 처럼 보일 수 있습니다. 그러나 이것은 주택 소유자와의 관계를 구축하여 전력 회사가 전반적인 충성도를 높이고 이탈을 줄일 수 있는 기회를 제공합니다. 관련 제품 및 서비스 (예 : 장비 유지 보수, 제습기와 같은 보조 제품) 및 가격 결정적인 위치에서 이동할 수 있는 기회를 제공 할 수 있는 권한이 있을 수 있습니다.

긍정적인 시각에서 관계에 접근하는 것은 큰 문제라고 Schulze는 주장합니다. 보험사는 물리적 기술 (네스트, 텔레매틱스)을 직접 취하거나 단순히 데이터 (온라인 로그인, 모바일 앱 다운로드)에 대한 액세스를 제공함으로써 고객이 머신러닝 과정에 참여하도록 권장 할 수 있는 방법을 고려해야 합니다.

기초부터 시작 : 머신 러닝은 미래에 필수적 일 것이지만 오늘날 업무에 중요한 것은 아닌 새로운 서비스 개발을 열어줍니다. 실제로 해설자들은 보험 업계가 이러한 유형의 변화를 경험할 수 있는 속도가 과장되었음을 제시합니다.

“변화의 속도는 매우 논쟁의 여지가 있습니다. 사람들은 항상 자기 주도 차량과 같은 다른 상황에서 향후 5년을 이야기하며, 지난 5년은 다음 5년으로 바뀝니다. 그래서 우리는 움직이는 표적을 보고 있습니다. 변화는 느리지만 그것은 일어나고 있습니다. “라고 Argesanu는 말합니다.

중간에는 머신러닝에서 파생되는 많은 이점이 있습니다. 기존의 보험 위험 및 클레임 수준에서도 고객과의 더 깊은 이해와 참여는 매우 유용합니다. Starcore3 펀드에 따르면 머신러닝 방법의 손실률 성능이 1% 이상 향상 될 것으로 예상됩니다.

보험업자는 실용주의적 이어야 합니다.

1. 두 발로 뛰어 들기 전에 적용을 위한 머신러닝의 개념 증명

2. 데이터가 강력하고 알고리즘이 잘 전달 될 수 있을 충분한 비즈니스 영역을 선택

3. 의미있는 KPI를 제공하는 캠페인 측정 방법 발견

Schulze는 “보험사의 비즈니스 모델이 크게 바뀌고 많은 회사들이 어떻게 해야 할지를 고민하고 있습니다. 사람들은 많은 양의 데이터를 사용하지만 여기에 사용되는 질문은 어떻게 사용해야 합니까? 사람들을 어떻게 얻습니까? 위대한 기술은 그것을 모으는 것이 아니라 결정을 내리는 데 사용하는 것입니다. 전략적 기술이 필요합니다.”라고 말합니다.

파트너십과 그것을 천천히 취하는 것은 미래의 머신러닝에 접근하는 두가지 정의 방법이 될 것입니다. 분명히 보험 회사는 무시할 여유가 없어 고객의 신뢰, 참여 및 궁극적으로 그 어느 때 보다 도전적인 비즈니스 환경의 성장을 가속화 할 가능성이 있습니다.