7회: AI 보험사기 탐지 시스템

우리가 낸 보험료가 줄줄 새고 있습니다. 보험금을 눈먼 돈으로 여기고 사건을 조작하거나 사고를 과장해 타내려 하는 일이 흔합니다. 때론 보험금을 타내기 위해 남의 목숨까지 해치는 끔찍한 일도 벌어지죠. 한편으로는 약관이나 구조가 너무 복잡해 보험료만 잔뜩 내고는 정작 필요할 때 혜택을 받지 못하는 일들도 벌어집니다. 든든과 만만, 그리고 막막의 사이를 오가는 ‘보험에 따라오는 이야기들’을 보따리가 하나씩 풀어드리겠습니다.A(65·여)씨는 2000년 돌연 여러 보험사를 돌며 보장성보험에 집중적으로 가입하기 시작했습니다. 그리고는 2002년부터 지인과 함께 입원이 쉬운 동네 의원을 찾아다니며 본격적으로 ‘보험금 수금‘에 나섰습니다. 무릎 관절 등을 치료한다는 이유로 허위 입·퇴원을 반복하며 보험금을 타내는 수법을 썼지요.

A씨는 과거 보험설계사로 근무하면서 쌓은 관련 지식을 이용해 교묘히 보험사기 의심을 피했습니다. 고액 보험금을 청구하고 장기 입원을 하면 보험사 현장 심사가 나온다는 점을 알고 2주 이내의 단기 입원만 반복했습니다. 한 보험사의 여러 상품을 가입한게 아니라 동일한 보장상품을 보험사 10여곳에서 1~2건씩 가입한 뒤 매번 다른 보험사에서 보험금을 받는 치밀함을 보이기도 했습니다. 한 보험사에서 집중적으로 보험금을 타내지 않고 여러 보험사의 보험금을 번갈아 타내 보험금 지급 간격을 넓힌 겁니다. 사람이 기준을 정하는 기존 ‘룰 기반’의 분석 방식으로는 단기 입원이나 보험금 소액청구건을 잡아내기 어렵다는 허점을 이용한 것이지요. 2002년부터 2019년까지 무려 17년 동안 보험금은 A씨에게 쏠쏠한 용돈벌이가 돼 줬습니다. 이렇게 A씨가 허위로 타낸 보험금만 모두 6억원을 웃돌았습니다.

A씨의 행각은 2019년 교보생명의 인공지능(AI) 보험사기 분석 시스템 ‘K-FDS’(교보보험사기예측시스템)에 덜미가 잡혔습니다. 개별 청구건을 분석하는 것이 아니라 보험 가입 당시부터 전체 청구건에 대해 기존 보험 사기와의 유사 패턴을 찾아내는 AI의 분석망을 피하지 못한 것입니다. AI는 A씨가 다닌 병원의 입원 패턴까지 분석해 정확도를 높였습니다.

17년 이어진 입원비 보험사기 AI에 ‘덜미’
점차 진화하는 보험사기 문제에 대처하기 위해 보험사들이 보험사기 방지 시스템에 대한 투자를 확대하고 있습니다. 기존의 보험사기 분석 매뉴얼은 통상 청구금액이나 보험 사고 목격자 유무, 가입금액 및 기간 등 각각의 지표 수준에 따른 점수를 만들고, 일정 지표가 소위 ‘튀는’ 모습을 보이면 의심건으로 분류하는 방식으로 진행됩니다. 그러나 이같은 분석은 새로운 형태의 사기 수법이 등장하면 파악하기 어려울뿐더러, 보험사기가 의심돼 현장실사를 진행했으나 사기가 아닌 것으로 판명될 경우 업무의 비효율성이 높아진다는 지적이 지속적으로 제기됐습니다.

이에 따라 AI, 빅데이터 등의 정보통신(IT) 기술을 보험사기 방지에 적용하려는 시도가 늘어나고 있습니다. 미국 보험사기방지연합(CAIF)이 지난해 현지 주요 손보사 30곳을 대상으로 실시한 설문조사에 따르면 응답자의 약 75%는 AI가 향후 5년 안에 보험사기 방지에 가장 큰 영향을 줄 기술이라고 답변하기도 했지요.

보험개발원(KIDI)의 최근 브리프 자료에 따르면 AI를 활용한 주요 보험사기 탐지 기법에는 이상탐지, 원격측정 데이터 분석, 이미지분석, 통화내용분석, 네트워크 링크 분석, 웹크롤링 등이 있습니다. ‘이상탐지’는 유사한 보험 청구건을 비교하고 모순된 패턴을 확인해 비정상적인 청구를 식별하는 방식입니다.

‘원격 측정 데이터 분석’은 텔레매틱스 장치를 통한 자동차 운전 정보 등의 데이터를 수집해 분석하는 방식입니다. 재난보험, 주택보험 등 범위가 넓고 사람이 직접 접근하기 경우의 손실 규모 측정 등에 활용됩니다. 드론 등의 기기가 원격으로 측정해 전송하는 데이터를 실시간 분석해 보험사고 발생 당시 상황을 추정하고, 이를 청구된 피해 규모와 비교해 과잉청구되지 않았는지를 확인하는 기술이지요.원격데이터·이미지 분석... 음성인식해 심리 파악도
‘이미지 분석’은 사진 등의 이미지 데이터를 분석해 사고 피해 정도를 파악하고, 청구건과의 적합성을 검토하는 기법입니다. 전송된 이미지가 인터넷에서 내려받거나 포토샵 등을 거쳐 조작된 사진이 아닌 실제 보험금 지급 대상인지, 기존 보험금 청구건에 중복 사용된 적은 없는지 등을 확인합니다. 그런가하면 음성 인식 기술을 활용한 ‘통화 내용 분석’은 감정 분석 알고리즘을 통해 보험금 청구자가 사용하는 단어, 목소리 및 억양 등의 패턴을 분석해 청구자의 심리 상태, 보험 사기 가능성을 판단해냅니다.

‘네트워크 링크 분석’은 수많은 청구 데이터를 통해 사람, 장소, 계정, 전화번호, 차량 식별 번호 등을 두루 분석해 숨겨진 관계를 찾아내는 기법입니다. 특히 조직적인 사기를 탐지하는데 효과적입니다.

마지막으로 ‘웹 크롤링’은 손쉽게 접근이 가능한 청구자의 SNS(소셜네트워크서비스)의 비정형 데이터를 분석해 부정 청구의 증거를 수집하는 방식입니다. 최근 조직적인 보험 사기의 경우 SNS를 통해 공모자를 모집하는 경우가 많다는 점을 공략한 것이지요. 상해로 보험금을 타낸 사람이 SNS에 멀쩡히 놀고 있는 사진을 올리는 등 청구건과 괴리되는 행동을 하는 것을 적발하는데도 사용됩니다.

KB·한화·신한행명 등 국내 보험사도 속속 도입
국내 보험사들도 속속 AI를 활용하는 추세입니다. 앞선 사례에 언급된 교보생명은 2018년 7월 베타 테스트를 거쳐 지난해 4월부터 K-FDS를 정식 출범해 운영하고 있습니다. 보험 계약, 사고 정보 등의 정보를 최신 머신러닝 기법과 로봇 프로세스 자동화(RPA)를 통해 보험사기 의심사례 발생이 빈번한 질병·상해군을 자동으로 그룹핑합니다. 이를 토대로 AI가 스스로 보험사기의 특징을 학습하고 이와 유사한 행동패턴을 보이는 대상을 찾아내 보험사기를 사전에 방지할 수 있는 시스템입니다. 관계형분석(SNA), 테마분석, 교차분석 등 다양한 기법을 활용해 공모 의심자까지 찾아내고, 관련 병원이나 보험설계사(FP)와의 연계 여부도 파악해 조직화된 보험사기에 효과적으로 대응할 수 있는 것도 특징이지요. 현재까지 모두 359건의 의심 사례를 찾아내 그 중 21건의 보험사기를 적발했습니다. 적발 금액만 약 14억 7000만원에 달합니다.

신한생명은 지난해 10월 웹크롤링 기법을 활용해 인터넷 카페, 블로그 등 SNS에서 특정 키워드를 수집·분석, 보험사기로 추정되는 단어를 추출해 보험금 부당청구를 사전에 예측하는 ‘소셜미디어 보험사기 분석 시스템’을 개발했습니다. 이에 앞서 같은해 5월에는 보험사기에 대한 대량의 데이터를 처리해 혐의 입증 시간을 단축시키도록 한 ‘빅데이터 보험사기 혐의 자동분석 시스템’ 운영에 나서기도 했습니다.

이밖에도 한화생명은 지난해 10월부터 고객들의 보이스피싱, 스미싱 등의 피해를 막기 위해 AI를 활용한 ‘금융사고 예방 Alert 시스템’을 운영하고 있습니다. AI가 콜센터를 통해 접수된 고객의 소리 약 10만건의 내용을 분석·학습해 유사 위험건을 선별해내는 시스템입니다. 지난 5월까지 약 8개월 동안 모두 114건의 보이스피싱 및 명의도용 금융사고를 밝혀냈습니다.