- Customer Stories
- DB Insurance
DB손해보험, AI와 네트워크 분석으로 보험사기탐지를 혁신하다
한국의 보험사기는 개인 범죄의 차원을 넘어 조직적인 공모 네트워크로 진화하고 있습니다. 특정 병원, 브로커, 정비소들이 조직적인 사기 수법을 통해 여러 지역에 걸쳐 공공연히 공모하고 있으며, 이들은 수백만 건의 정상적인 청구 사이에 교묘히 숨어 있습니다.
조사관들은 각 사례를 분석하는 데 수 시간을 들여 스프레드시트로 사기를 추적하고, 네트워크 다이어그램을 손으로 그려야 했습니다. 개별 범죄자는 적발할 수 있었지만, 천만 명의 고객이 수백만 건의 청구를 생성하는 상황에서 그 안에 존재하는 패턴을 수작업으로 파악하기엔 너무 방대한 규모였습니다.
DB손해보험의 조사관들은 뭔가 의심스러운 정황을 감지하더라도, 그 실체를 정확히 알기는 어려웠습니다.
시스템을 작동시키면 수십 건의 사례가 즉시 드러나면서 보이지 않던 사기 연결 고리가 밝혀집니다. 천만 명의 고객, 모든 청구건, 모든 연결 관계가 한눈에 보이게 되죠. 우리는 더 이상 사기에 대응하는 것이 아니라, 사기가 확산되는 것을 사전에 차단할 수 있게 되었습니다.김춘환 파트장 장기보상지원파트 DB손해보험
SAS Viya로 보이지 않던 보험사기를 가시화하다
DB손해보험은 SAS와 협력하여 국내 최초의 AI 기반 보험사기 탐지 네트워크를 구축했습니다. 이를 통해 보이지 않던 사기 연결 고리를 조사관의 대시보드에 가시적인 패턴으로 시각화할 수 있게 되었습니다. 네트워크 분석과 AI는 신뢰할 수 있고 책임있는 데이터 및 AI를 기반으로 정직한 보험 가입자를 보호하는 핵심 기반이 되었습니다.
SAS Viya 기반으로 구축된 DB T-시스템은 기업 전반에 흩어져 있던 운영 및 정보 데이터를 통합하여, 수십 년간 축적된 보험 계약, 청구, 고객 정보를 하나의 플랫폼에 모았습니다. 이전에는 분산되어 있던 데이터가 서로 연결되었고, 시스템은 수백만 건의 청구 데이터를 분석하며 사고 관련자 간의 숨겨진 관계를 식별하고, 공모가 이루어졌을 가능성이 있는 지점을 밝혀내기 시작했습니다.
DB손해보험의 전체 고객 기반에 걸쳐 관계를 지속적으로 매핑함으로써, 모든 청구, 병원 방문, 수리 내역이 방대한 네트워크 속에서 하나의 데이터 포인트로 나타났습니다. 시스템을 통해 사고가 어디서, 어떻게 발생했는지, 환자가 어떤 병원을 방문했는지, 얼마나 오래 입원했는지, 어떤 정비소를 이용했는지를 추적할 수 있게 되었습니다. 조사관들은 이제 하나의 행동과 관련된 연결고리를 전체적으로 파악할 수 있었고, 겉보기에 무관해 보이던 사건들이 어떻게 상호 관련되어 있는지, 사람과 조직이 어떻게 겹쳐지는지, 그리고 어떻게 사기의 패턴이 드러나는지를 볼 수 있게 되었습니다.
시스템의 AI 기술은 모든 사건을 처리하면서 그 내용을 학습하게 되었습니다. 조사 건이 하나씩 진행될 때마다 우연과 공모를 구분하는 능력이 정교해졌습니다. 과거에는 수개월 동안 발각되지 않았던 사기 조직이 이제는 몇 시간 만에 적발되었습니다. DB T-시스템은 단순히 이상 징후를 탐지하는 데 그치지 않고, 사기 유형을 분류하고, 위험 점수를 부여하며, 가장 시급한 사례를 우선순위로 지정해 조사관들이 가장 중요한 부분에 집중할 수 있도록 지원했습니다.
DB손해보험 – 도입 효과
99%
수백만 건의 보험 청구 내역에 대한 사기 탐지 정확도 99% 향상
30x
기존에 한 건을 처리하던 시간에 30건 처리
10 million
실시간 네트워크 분석과 AI 기반 보험사기 탐지를 통해 1천만 명의 고객 보호
DB T-시스템의 실제 사례
서로 다른 도시에 위치한 세 건의 소액 청구건에 대해 지역 경찰이 이를 개별 사건으로 처리하며 연관성을 파악하지 못할 때, DB T-시스템은 그 연결 고리를 명확하게 밝혀냈습니다. 동일한 소유주가 운영하는 정비소와 렌터카 업체, 가해 차량과 피해 차량 운전자와 동승자의 관계, 동일한 정비소로 보내진 차량들…. 수작업으로는 수 시간이 소요되었을 공모 네트워크가 단 2분 만에 드러났습니다.
김춘환 DB손해보험 장기보상지원파트 파트장은 “시스템을 작동시키면 수십 건의 사례가 즉시 드러나면서 보이지 않던 사기 연결 고리가 밝혀집니다.”라고 설명하며, “사고 이력과 보험 청구 데이터를 종합적으로 분석하여 이상 징후를 포착하게 됩니다.”
이는 단순한 업무 개선이 아니었습니다. 조사관들이 새로운 시스템을 통해 사례를 처리하기 시작하면서 운영 방식에 확실한 변화가 생겼습니다.
사후 대응에서 사전 예방으로 전환된 보험사기 방지
결과는 믿기 어려울 정도로 놀랍습니다. 분석 시간이 수 시간에서 단 2분으로 단축되었습니다. 정확도는 99% 향상되었고, 팀은 이제 이전보다 30배 더 많은 사례를 처리하고 있습니다.
하지만 운영 방식의 변화는 단순한 효율성 지표 그 이상이었습니다.
김춘환 파트장은 이렇게 회상합니다. “이것이 전환점이었습니다. 우리는 더 이상 사기에 대응하는 방식에서 벗어나, 사기가 확산되는 것을 사전에 차단할 수 있게 되었습니다.”
이제 DB손해보험은 더 이상 사기가 드러나기를 기다리지 않습니다. 이제는 사기에 선제적으로 대응하게 되었습니다. DB T-시스템으로 조사관들은 각 사건을 전체 맥락 속에서 파악하며, 매 건의 청구 데이터를 학습하고, 적용하며, 효율적으로 업무를 수행하고 있습니다.
이 모든 변화는 보험 가입자에게 더 공정한 보험료와 더 빠른 청구 처리라는 혜택으로 이어집니다. 조사관에게는 가족과 기업을 보호할 수 있는 더 명확한 사명과 개선된 역량을 의미합니다. 그리고 DB손해보험에게는 단순한 위법 행위의 적발을 넘어 신뢰를 수호하는 지능형 시스템으로 보험사기 방지의 새로운 기준을 세우는 것입니다.
본 문서에 나오는 결과는 본 문서에 설명된 특정 상황, 비즈니스 모델, 데이터 입력 및 컴퓨팅 환경에 적합하게 되어 있습니다. 각 SAS 고객의 경험은 고유한 것으로, 비즈니스 및 기술적 변수에 따라 달라집니다. 따라서 모든 서술은 비전형적인 것이라는 점을 고려해야 합니다. 실제 절약, 결과 및 성능 특성은 개별 고객의 구성 및 조건에 따라 달라질 수 있습니다. SAS는 모든 고객이 비슷한 결과를 달성할 수 있다고 보증하거나 진술하지 않습니다. SAS 제품과 서비스에 대한 유일한 보증은 해당 제품 및 서비스에 대한 서면 계약의 보증서에 명시되어 있습니다. 본 문서의 어떠한 내용도 추가 보증을 구성하는 것으로 해석될 수 없습니다. 고객은 SAS 소프트웨어의 성공적인 구현에 따라 합의된 계약적 교환 또는 프로젝트 성공 요약의 일환으로 성공 사례를 SAS와 공유했습니다. 브랜드 및 제품 명칭은 각 기업의 상표입니다.

