손해보험의 가격 책정에 AI를 적용하기 위한 실무적 고려 사항
작성자: 윤선일, 수석 보험 계리 컨설턴트, RNA Analytics
1. 소개
최근 몇 년 동안 보험 업계는 언더라이팅, 보험금 청구, 영업 및 마케팅 운영 전반에 걸쳐 상당한 변화가 진행되면서 디지털 혁신에 점점 더 집중하고 있습니다. 보험 계리 기능도 예외는 아닙니다. 현재 많은 보험계리사들은 효율성을 높이고 결과를 개선하기 위해 인공지능(AI)을 업무에 도입하고 있습니다. 실제로 국제보험계리사협회(IAA)는 작년에 AI 태스크포스를 출범시켰으며, 전 세계적인 모멘텀을 반영하여 올해 2단계로 확장했습니다.
전 세계의 보험계리사들은 운영 개선을 위해 AI를 기존 보험 계리 방법론과 통합하기 위해 노력하고 있습니다. 이 문서에서는 손해보험(P&C) 영역의 가격 책정에 AI를 적용할 때 고려해야 할 실질적인 사항을 중점적으로 설명합니다.
2. AI를 활용한 손해보험 가격 책정
손해보험의 효과적인 가격 책정은 다양한 보험계약자 정보에 걸쳐 위험 요소를 정확하게 반영해야 합니다. 보험계리사는 전통적으로 일반화 선형 모델(GLM)에 의존해 왔지만, 이제 머신러닝(ML)과 AI 기반 기술이 예측 성능 측면에서 우수한 대안으로 떠오르고 있습니다.
이러한 새로운 접근 방식은 최신 컴퓨팅 성능을 활용하여 수동 변수 선택 없이도 데이터 관계를 모델링할 수 있으므로 더 빠르고 유연한 모델링 프로세스가 가능합니다. 예를 들어, 비선형 상호작용을 처리하는 능력과 과적합에 대한 견고성 때문에 가격 책정에 자주 사용되는 그래디언트 부스팅 머신(GBM)이 그 예입니다. 마찬가지로, 고차원 데이터 세트에서 복잡한 패턴을 식별하기 위해 신경망(NN)이 적용됩니다. 그러나 이러한 모델을 고객 가격을 책정하는 데 직접 사용하기에는 어려움이 있습니다.
3. 도전 과제 및 고려 사항
이러한 잠재력에도 불구하고 보험수리적 가격 책정에 AI를 적용하려면 몇 가지 중요한 고려 사항이 있습니다:
모델 해석 가능성 및 설명 가능성: 앙상블 모델이나 딥러닝과 같은 많은 ML 알고리즘은 본질적으로 불투명합니다. 이러한 투명성 부족은 보험 가격 책정의 해석 가능성에 대한 규제 기대치와 상충될 수 있습니다.
데이터 편향성 및 공정성: 효과적인 모델 개발을 위해서는 고품질의 편향되지 않은 학습 데이터가 필수적입니다. 편향된 데이터를 사용하면 결과 모델이 불공정하거나 부정확한 가격을 산출하여 보험사의 장기적인 지속 가능성에 해를 끼칠 수 있습니다.
따라서 보험계리사는 AI가 생성한 결과에만 의존해서는 안 됩니다. 대신, 보험계리사는 이러한 결과를 검증하고 해석하는 데 중요한 역할을 수행해야 합니다. SHAP(SHapley Additive exPlanations)과 같은 도구는 주어진 예측에 대해 각 기능에 중요도 값을 할당하여 보험계리사가 어떤 변수가 가격 결정을 주도하는지 이해하고 책임감 있게 AI를 사용할 수 있도록 도와줍니다.
4. 언더라이팅에 AI 가격 책정 적용
AI가 생성한 가격은 최종 보험 보험료로 직접 사용하기에는 적합하지 않을 수 있지만, 언더라이팅 결정을 지원할 수 있습니다. 예를 들어, 그라데이션 부스팅 머신(GBM) 또는 신경망(NN)과 같은 기술을 사용하여 개발된 AI 기반 가격을 현재 가격과 비교하면 현재 보험료가 AI 추정치보다 현저히 낮은 보험을 표시하는 데 도움이 될 수 있습니다. 이러한 경우에는 전체 포트폴리오 수익성을 개선하기 위해 더 엄격한 언더라이팅을 적용하거나 심지어 인수 거부를 결정할 수도 있습니다.
손해보험계리사회(CAS)에서 제공하는 프랑스 자동차보험 데이터 세트를 사용하여 가격 책정 및 언더라이팅 결정을 모델링하기 위한 시뮬레이션을 수행했습니다. 그 결과, AI 대비 현재 보험료 비율 측면에서 하위 10%의 보험을 거절함으로써 포트폴리오의 손해율을 약 5%까지 줄일 수 있는 것으로 나타났습니다. 그러나 이 결과는 테스트 데이터 수익성만을 고려한 결과입니다. 따라서 이러한 전략을 실제로 적용하기 전에 보다 폭넓은 이해관계자 논의가 필수적입니다.
5. 결론
이 글에서는 손해보험 분야의 가격 책정에서 AI 적용에 대한 개요를 제공했습니다. 일반 보험은 보험 기간이 비교적 짧고 상품 구조가 단순하기 때문에 AI 기반 분석 및 백테스팅에 적합합니다. 보험사들이 보험계리 업무에 AI를 통합하는 방안을 계속 모색하고, IAA와 같은 국제기구에서 보험에서 AI의 역할에 대한 논의를 확대함에 따라 보험계리사는 디지털 혁신 노력에 적극적으로 기여해야 합니다.