왼쪽부터 한화생명 보험코어S구축TF팀의 이승우 차장, 한화시스템의 곽한빈 과장, 황기승 대리가 업계 최초로 특허청 기술 특허를 획득하고 기념촬영을 하고 있다

한화생명이 개발한 보험금 AI 자동심사 시스템이 독창성을 인정받아 업계 최초로 특허청에서 2건의 기술특허를 획득했다.

이번에 특허를 획득한 것은 ‘실손보험금 자동지급심사 시스템 및 그 방법’과 ‘새플리 값을 이용한 실손보험금 자동지급심사 시스템 및 그 방법’ 등 2건이다.

특허 발명인은 한화생명 보험코어S구축TF팀의 이승우 차장, 한화시스템의 곽한빈 과장, 황기승 대리다.

한화생명은 이 시스템 개발을 위해 알파고의 핵심 딥러닝 기법인 ‘CNN 신경망 알고리즘’을 활용했다. 2017년부터 2019년까지 3년 동안의 보험금 청구 데이터 1100만여건을 3만5000번의 학습 과정을 통해 분석했다. 이어 처리결과의 적정성을 확인해 시스템의 효용성을 극대화하고 오류를 없앴다.

한화생명은 2019년 12월부터 실손보험, 정액보험에 대해 보험금 AI 자동심사 시스템을 활용하고 있다.

한화생명은 ‘보험금 AI 자동심사 시스템’을 통해 최대 약 50%까지 자동심사율을 높이는 것이 목표다. 현재 자동심사율은 약 25%로, 2배가량 자동심사율이 높아질 것으로 기대하고 있다.

이를 통해 고객 입장에서는 보험금 청구 후 수령까지 기존보다 1~2일까지 지급기일이 단축된다는 장점이 있다.

회사는 저위험 심사 건을 시스템이 처리함으로써 다른 지급 건에 대한 심사에 집중함으로써 심사의 효율성도 높일 수 있다. 한화생명은 소액보험금 청구 심사에 소요되는 시간 및 비용을 절감할 수 있을 것으로 예상되며 향후 5년간 최대 약 122억원의 비용 절감 효과를 예상하고 있다.

또한 최근 급증하는 실손보험금 청구 추세를 감안하면 특허 획득으로 자동심사 효율 개선뿐만 아니라 향후 특허권료 수입도 기대하고 있다.

한화생명 이준노 보험코어S구축TF 팀장은 “이번 특허는 외부사례를 채택하여 당사 시스템에 적용한 사례가 아니라 내부직원의 아이디어와 부서, 계열사간의 협업과 도전을 통해 이루어진 결과”라며 “패스트 팔로워가 아니라 퍼스트 무버로서 업계를 선도하고 향후에도 창의적, 혁신적 디지털 기술 지속 연구를 통해 디지털 트랜스포메이션에 박차를 가하겠다”고 말했다.

이번 시스템은 한화생명이 작년부터 추진 중인 보험코어 시스템(차세대 시스템) 구축의 하나로 보험 본연의 영역(상품개발, 고객서비스, 보험금지급 등)의 전산 시스템을 새롭게 구축하는 것 중 우선 과제로 개발됐다. 한화생명의 ‘보험코어시스템’ 구축은 2022년 상반기 완료 예정이다.

한편 김승연 한화그룹 회장은 올해 신년사에서 “전사 차원의 디지털 트랜스포메이션을 가속화해 4차 산업혁명 시대 경쟁력을 적극 확보해야 한다”고 강조한 바 있다.

이에 따라 한화생명은 올해 초 디지털 혁신 시대에 적합한 성과관리체계인 OKR을 도입했으며, 회사조직도 디지털 금융환경 변화에 맞춰 개편했다.

한화생명은 4차 산업혁명 시대에 흐름에 발맞춰 디지털 혁신과 Tech기반 선도 금융사로의 변모를 꾀하고 있다. 회사 설립 이후 처음 획득한 이번 기술특허는 이러한 노력의 결실이다.

이번 특허는 알파고의 핵심 기술로 알려진 딥러닝 기법인 ‘CNN 신경망 알고리즘’을 업계 최초로 활용했다.

인간의 시신경 구조를 모방해 만들어진 인공신경망 알고리즘인 ‘CNN 신경망 알고리즘’을 활용해 보험금 AI 자동심사 시스템을 개발해 활용하고 있고, 이번 특허는 이러한 독창성을 인정받은 결과다.

CNN은 이미지 인식에 특화된 알고리즘이다. CNN알고리즘을 사용하기 위해서는 1차원인 보험업무 데이터를 2차원 이상으로 변형시키는 과정이 필수적이다. 보험업의 데이터를 AI가 마치 이미지인 것처럼 인식하도록 변형시켜 학습시킨 것이다.

이를 적용하려고 시도한 창의력과 그 적용 방식의 진보성을 인정받아 특허를 획득한 것이다.

CNN 활용의 실생활 사례는 포털사이트에서 사진을 통해 꽃이나 식물 등 사물을 인식하는 기법이다.

또한 보험업의 특성상 2000여개의 코드를 갖는 질병코드나 다양한 청구 사유(입원, 통원, 진단 등), 질병분류표 등 수치화되기 어려운 데이터를 딥러닝에 적합한 수치 데이터로 변환하여 학습시키는 것이 큰 특징이다.