보험사기 적발 규모가 해마다 늘어가고 있는 가운데 보험사들이 AI, 빅데이터 등을 활용한 시스템을 구축해 보험사기 방지에 적극적으로 나서고 있다.

보험개발원이 낸 KIDI 브리프 최신호에 따르면 "기존에는 주로 보험사가 정한 매뉴얼을 바탕으로 특정 지표 수준에 따른 점수를 만들고, 임계점을 초과하면 보험사기 의심 건으로 보고하는 단순한 형태였다"면서 "최근에는 '기계학습'이라 불리는 알고리즘을 바탕으로 보험사기의 새로운 패턴을 발견할 수 있으며 보다 정교한 분석을 통해 탐지 오류율을 줄일 수 있다"고 설명했다.

기존의 보험사기 탐지 방식은 청구금액, 보험 사고 목격자의 유무, 가입금액 변경 여부 등의 지표를 만들어 이를 초과하면 보험사기로 의심하는 방식이었다. 하지만 이러한 분석은 기존에 알려진 사기 패턴에 대해서는 효율적일 수 있으나 복잡·다양해지는 최근의 사기 유형을 적발하기에는 한계가 있는 상황이다.

이에 따라 보험사들은 AI 기술을 이용한 새로운 기법을 종합적으로 활용해 보험사기 탐지의 정교성을 높이기 위해 노력 중이다. AI 기술을 활용한 보험사기 탐지의 주요 기법에는 △유사한 보험 청구를 비교하고 모순된 패턴을 확인해 비정상적인 청구를 식별하는 '이상 탐지' △원격 측정 데이터를 분석해 보험사고 발생 당시 상황을 추정하고 이를 청구된 피해규모와 비교하는 '원격 측정 데이터 분석' △사진 등 이미지 데이터를 분석해 청구된 보험금 규모와의 적합성을 검토하는 '이미지 분석' 등이 있다.

KIDI 브리프에 따르면 신한생명의 경우 소셜미디어에서 보험사기 징후를 감시하는 '소셜미디어 보험사기 분석 시스템을 지난해 개발했다. 인터넷 블로그, 카페, 인스타그램 등 여러 소셜미디어에서 특정 키워드를 수집하고 분석하는 '웹크롤링' 기법을 사용해 보험사기로 추정되는 단어를 추출하고 보험사기를 조장·모의하는 계정을 찾아내거나 사기 수법 등 관련 정보를 파악하는 것이다.

오렌지라이프는 지난해 '보험사기 사전 예측 시스템'을 자체적으로 구축했다. 과거 적발된 보험사기 사례와 관련한 다양한 가설을 수립해 이를 기반으로 약 150여개의 변수를 생성하고 대·내외 빅데이터 분석 및 기계학습을 시행해 구축한 것이다. 사고 경과기간, 납입횟수, 청구금액, 특약 가입비율 등 보험사기와 관련 있는 다양한 변수를 발굴해 시스템에 적용한다.

이 시스템을 통하면 보험금 부정 청구 탐지를 넘어 계약체결 시점부터 '보험사기 의도 여부' 판단이 가능하며, 상대적으로 보험사기 위험도가 높은 대상을 빠르게 파악할 수 있다.

자동차보험에서는 '텔레매틱스' 장치를 기반으로 한 원격측정 기술이 많이 활용된다. 미국의 보험사 내이션와이드와 메트로마일, 국내 디지털보험사인 캐롯손보는 사고 당시 상황과 피해 규모 등을 추정할 수 있는 자동차보험을 판매하고 있다.

보험 가입차량에 텔레매틱스 장치를 부착한 뒤 주행거리를 포함해 운전시간, 평균속도, 브레이크 사용횟수, 이동패턴 등 다양한 운행정보를 측정한다. 이 정보들을 활용해 데이터와 모순된 보험금 청구건을 감지해 보험사기를 적발해내는 것이다.

메트로마일의 경우 데이터 분석을 통해 자동차 사고 접수 단계에서 사기적발률이 14배 이상 증가한 것으로 나타났다.