정적 정책에서 자율 보험까지: AI가 실시간 보장을 가능하게 하는 방법

보험은 느린 세상에 맞춰 설계되었습니다. 보험료는 1년에 한 번 책정되었고, 위험은 주기적으로 평가되었으며, 보장은 주요한 삶의 변화가 있은 후에만 변경되었습니다. 하지만 오늘날 위험은 보험 정책 주기보다 빠르게 변화합니다. 운전자의 행동은 시간이 지남에 따라 변할 수 있고, 디지털 거래는 몇 초 안에 사기를 유발할 수 있으며, 여행자의 위험 노출은 항공권 예약과 비행기 탑승 사이에 달라질 수 있습니다. 그러나 대부분의 보험 상품은 여전히 위험이 정적이라고 가정하고 운영됩니다.

라이드셰어링 앱에서 내비게이션을 활성화하는 것과 같은 방식으로, 즉각적이고 상황에 맞게, 그리고 필요한 시간 동안만 보험을 구매한다고 상상해 보세요.

공항에 도착해서 항공 보험을 활성화합니다.
자동차 여행을 시작하면 자동차 보험이 해당 여정의 위험에 맞게 조정됩니다.
고액의 디지털 거래를 시작하면 임시 사이버 보호 기능이 자동으로 활성화됩니다.

이것이 바로 임베디드 보험의 약속입니다. 소비자가 이미 신뢰하는 디지털 경험에 원활하게 통합되어 필요한 순간에 정확하게 제공되는 보호 기능입니다. 이는 유통 혁신으로 시작되었지만, 보험 상품의 설계, 가격 책정 및 제공 방식의 변화로 빠르게 발전하고 있습니다.

임베디드 보험이란 무엇인가요?

임베디드 보험은 격차를 해소하기 위해 등장하는 새로운 모델입니다. 이는 고객이 사용하거나 구매하는 시점에 추가적인 보장 보호를 제공하는 것을 의미하며, 소비자가 이미 참여하고 있는 활동과 신뢰하는 회사를 연관시켜 신뢰감을 형성합니다. 이는 상황에 맞는 실시간 보호(여행당, 자산당, 행동당)를 약속합니다.

임베디드 보험은 사람들이 이미 사용하고 있는 디지털 경험에 직접 통합된 보장으로, 필요한 정확한 순간에 보호를 제공합니다. 이는 보험료가 정적인 위험 프로필이 아닌 실시간 행동에 따라 결정되는 사용량 기반 보험(UBI)과 자연스럽게 융합됩니다. 이 둘은 상황에 맞는 동적으로 가격이 책정되고 개인에게 맞춤화된 보장을 가능하게 합니다. Databricks의 보험 시장 전망에서 언급했듯이, 현대 데이터 플랫폼에서 규모에 따른 변화인 '대리인에서 관찰된 행동으로'가 이러한 추세를 촉진합니다. 이 융합은 새로운 유통 채널 이상을 나타냅니다. 이는 보험 자체의 진화, 즉 정적인 연간 보험에서 적시 보장으로, 궁극적으로 위험에 지속적으로 적응하는 자율 보험 시스템으로의 진화를 의미합니다.

소비자는 여전히 인간의 조언을 중요하게 생각하므로, 물리적인 에이전트의 역할은 여전히 중요합니다. 변화하는 것은 규모입니다. AI는 24시간 연중무휴 자문 지원을 가능하게 하여 에이전트에게 실시간으로 행동 통찰력, 위험 맥락 및 개인화된 추천을 제공합니다. API는 보장을 채널, 모바일 앱, 결제 페이지, 콜센터, 파트너 플랫폼 전반에 걸쳐 이식 가능하게 만들어 고객이 어디에 있든 만날 수 있도록 합니다.

시장 성장은 이 모델의 추진력을 반영합니다. marketresearch.com에 따르면, 임베디드 보험은 2030년까지 연평균 25-30%의 CAGR로 성장하여 잠재적으로 5,000억 달러의 보험료에 도달할 것으로 예상됩니다. 보험사, 유통업체 및 디지털 플랫폼에게 이는 새로운 유통 채널이자 데이터 기반 위험 인텔리전스로 가는 경로를 나타냅니다.

가치 방정식: 고객, 비즈니스, 보험사

임베디드 모델은 생태계 전반에 걸쳐 가치를 창출합니다.다양한 보험 유형의 몇 가지 예를 살펴보겠습니다.

생명 보험: 위험한 원정 전에 또는 비행기 탑승 전에 생명 보험을 구매하는 경우. 임베디드 보험을 통해 생명 보험사는 각 소비자의 고유한 상황에 더 잘 맞는 개인화된 보장을 제공할 수 있습니다. 가족 중 한 명이 다른 사람보다 질병에 더 취약한 경우, 가족이 아직 충족하지 못한 경우에도 공제액 기준을 충족할 수 있습니다.

P&C: 자동차 대리점에서 자동차 금융 제공업체가 보험 판매 허가를 받고, 카운터에서 판매되는 렌터카 보험, 또는 가전제품 구매 시 제공되는 연장 보증. Weiss에 따르면, 보험 계리사는 운전 행동 데이터를 활용하여 고객 세그먼트 간의 위험 변동성을 연구하여 역선택을 피할 뿐만 아니라 텔레매틱스를 사용하여 더 수익성 있는 보험 위험 포트폴리오를 적극적으로 추구합니다.

사이버 보험: 랜섬웨어 공격에 대한 보호 보험 - 고액 거래를 수행하는 동안 디지털 지갑 사용자는 결제 시점에 사이버 보험 보장을 받을 수 있습니다.

자동으로 활성화되고, 동적으로 가격이 책정되며, 행동으로부터 지속적으로 학습하는 보험은 API 이상의 것을 요구합니다. 실시간으로 관리되는 데이터 기반이 필요합니다.

실제 사례: 자동차 보험

이 블로그에서는 자동차 산업을 사용하여 임베디드 보험이 어떻게 수준을 높이는지 보여줄 것입니다. 보험 가격 책정 및 보장이 여행 자체만큼 빠르게 적응할 수 있다면 어떨까요?

이것이 바로 실시간으로 관리되는 데이터 기반이 엣지에서 실행 가능한 통찰력까지 가치를 창출하는 곳이며, 임베디드 보험과 UBI 보험이 텔레매틱스 장치가 가격 책정에 사용되는 행동 데이터를 생성하면서 자연스럽게 융합되는 곳입니다.

안전한 운전 습관과 더 적은 주행 거리를 가진 운전자는 논리적으로 더 낮은 보험료를 지불해야 합니다. 텔레매틱스 장치와 스마트폰 앱은 이제 속도 패턴, 제동 행동, 주행 거리 및 운전 조건을 포함한 지속적인 여행 데이터를 생성합니다. 일부 보험사는 더 나은 통찰력을 위해 실시간 날씨 API와 텔레매틱스를 결합하여 활성 폭풍, 악천후 경보, 홍수 지역 등과 같은 환경 요인에 따라 위험을 동적으로 조정하는 등 더 나아가고 있습니다. 예를 들어, 폭풍이 접근하고 있음을 운전자에게 경고하여 사전 사고 예방을 유도합니다.

커넥티드 카 보험사가 지리 공간, 행동 및 환경 데이터를 결합하여 더 깊은 통찰력을 도출하는 방법을 고려해 보세요. 보장은 차량 구매 또는 앱 온보딩 흐름에 직접 포함되어 고객이 차량 인도 시점에 견적을 받고 보험을 활성화합니다.

가격 책정은 사용량 기반이며, 여러 차원의 센서 데이터를 사용하여 지속적으로 조정됩니다.

• 운전 행동 - 급제동 빈도, 추격 거리, 가속 패턴
• 위치 패턴 - 도난 위험이 높거나 위험이 높은 지역에서의 운전 또는 주차 빈도. TNEDICCA와 같은 Insurtech는 사고 위치 데이터 및 분석을 더 잘 사용하여 도로 안전을 개선하기 위한 '도로 위험 인텔리전스'를 제공합니다.
• 환경 조건 - 활성 폭풍 경보 또는 홍수 지역 근접성과 같은 운전 행동 지표에 영향을 미치는 실시간 날씨 신호

위험 점수는 각 완료된 여행마다 업데이트되며, 누적된 행동 기록에 따라 보험료는 시간이 지남에 따라 동적으로 조정됩니다.

이러한 수준의 응답성을 달성하려면 여러 소스에 걸친 실시간 데이터 삼각 측량이 필요합니다. 이것이 바로 현대 데이터 아키텍처가 필수적인 이유입니다.

페르소나 전반의 공유 데이터 기반

실시간으로 관리되는 데이터 기반은 인프라를 현대화하는 것 이상을 수행합니다. 보험 조직 전반의 다양한 역할이 의사 결정을 내리고 가치를 창출하는 방식을 변화시킵니다. 각 페르소나는 데이터를 다르게 사용하지만, 모두 동일한 관리 데이터 기반에 의존합니다.

• 언더라이터는 가격 책정 모델을 개선합니다.
• 제품 관리자는 적응형 보장을 설계합니다.
• 마케팅 팀은 개인화된 참여를 제공합니다.

이러한 팀은 Databricks와 같은 통합 플랫폼에서 운영되므로 중복이나 사일로 없이 동일한 신뢰할 수 있는 데이터 세트를 사용하여 협업할 수 있습니다. 이 공유 인텔리전스 계층은 보험이 정적 제품에서 지속적으로 적응하는 보호로 진화할 수 있도록 합니다.

언더라이터: 과거 위험에서 행동 위험으로

전통적으로 언더라이터는 과거 데이터, 정적 요율 요소 및 주기적인 보험 검토에 의존하여 위험을 평가합니다. 이는 종종 불완전하거나 오래된 정보를 기반으로 가격 책정 결정이 내려짐을 의미합니다. Lakehouse를 통해 흐르는 행동 및 상황 데이터를 통해 언더라이터는 추가 수익 흐름과 함께 지속적으로 업데이트되는 위험 보기를 얻습니다.

예를 들어, 사용량 기반 자동차 보험에서 언더라이터는 대시보드에서 또는 Genie를 사용하여 자연어로 질문함으로써 급제동 패턴, 야간 운전 빈도 또는 고위험 지역 노출과 같은 집계된 운전 행동을 분석할 수 있습니다. 이러한 통찰력은 거의 실시간으로 보험 인수 지침 및 가격 책정 모델을 개선하는 데 도움이 됩니다.

보험 계리사는 회고적 보험금 청구 데이터에만 의존하는 대신, 실시간 행동 신호를 통합하여 보험료 산정의 정확성을 개선하고 역선택을 줄일 수 있습니다. 이를 통해 보다 정확한 위험 세분화와 경쟁력 있는 상품을 제공할 수 있습니다.

제품 관리자: 적응형 보험 상품 설계

제품 관리자는 전통적으로 장기간 고정된 보험 상품을 출시하며, 이는 종종 수개월간의 규제 신고, IT 변경 및 운영 조정이 필요합니다.

통합된 데이터 및 AI 플랫폼을 통해 제품 팀은 실제 행동에 반응하는 동적이고 사용량 기반의 보험 상품을 설계할 수 있습니다.

예를 들어, 자동차 보험 상품 관리자가 “주행 기반 위험 보호” 기능을 출시한다고 가정해 보겠습니다. 실시간 원격 측정 및 지리 공간 데이터를 활용하여, 운전자가 위험 환경에 진입하거나 악천후를 만날 때 보험료를 자동으로 조정하거나 임시 보장을 추천할 수 있습니다.

제품 관리자는 연간 갱신 주기를 기다리는 대신 실시간 운영 데이터를 사용하여 새로운 상품을 테스트하고, 행동 반응을 평가하며, 보장 트리거를 개선할 수 있습니다. 이를 통해 제품 혁신 주기를 분기에서 주로 단축할 수 있습니다.

마케팅 리더: 필요한 순간의 개인화

보험 마케팅 팀은 종종 제한된 행동 통찰력과 지연된 캠페인 피드백으로 어려움을 겪습니다. 실시간 데이터를 통해 이제 디지털 채널 전반에서 운전자가 임베디드 보험 상품 제안과 상호 작용하는 방식을 분석하고, 어떤 맥락적 트리거가 참여를 유도하는지 이해할 수 있습니다. 예를 들어, 원격 측정 장치 등록과 다양한 지역의 보험 가입 간의 상관관계를 파악하거나, 어떤 고객 세그먼트가 사용량 기반 보험료 인센티브에 가장 강하게 반응하는지 식별할 수 있습니다.

광범위한 캠페인 대신, 마케팅 팀은 사용자가 여행을 예약할 때 주행 보호를 제안하거나, 고객이 고가치 디지털 거래를 시작할 때 임시 사이버 보장을 제공하는 등 필요한 순간에 맥락에 맞는 제안을 전달할 수 있습니다. 캠페인 효과는 거의 실시간으로 측정될 수 있어, 팀이 메시지 및 타겟팅 전략을 동적으로 조정할 수 있습니다.

Databricks에서 구축하는 방법

오늘날 많은 보험사들은 분산된 장치 데이터, 위험 신호와 보험료 산정 간의 지연, 유연하지 않은 데이터 파이프라인, 거버넌스 및 설명 가능성 문제로 어려움을 겪고 있습니다. 현대적인 레이크하우스 아키텍처는 데이터 엔지니어링, 분석, AI 및 거버넌스를 통합하여 이러한 제약을 해결합니다.

장치 온보딩 및 신뢰: 최초 등록

모든 연결된 장치는 검증된 ID, 소유권 검증 및 보험 정책 적격성 컨텍스트를 설정합니다. 이 기반은 처음부터 보험 인수 정확성, 사기 탐지 및 규정 준수를 지원합니다. 장치는 보안 게이트웨이를 통해 한 번 등록되며, 이후 다양한 주행 기록이 실시간으로 모니터링됩니다. 운전자는 일반적으로 원격 측정 장치 또는 앱 사용에 대한 약간의 할인을 받고, 운전 기록이 좋으면 보험료 할인으로 추가 보상을 받습니다.

이 실시간 데이터는 마케팅 팀이 다양한 지역에서 장치 등록과 운전자 보험 가입 간의 상관관계를 파악하고 캠페인 광고를 조정하여 타겟팅을 개선함으로써 캠페인 효과를 결정하는 데 도움이 됩니다.

스트리밍 주행 데이터, 즉 위험 신호를 대규모로: 지속적

장치는 주행 원격 측정 이벤트를 지속적으로 방출하며, 이는 Zerobus를 통해 레이크하우스로 직접 수집될 수 있습니다. 이를 통해 메시지 버스를 통한 추가적인 홉이 필요 없으며 수집과 분석이 분리됩니다. 또한, 버스트 처리, 실시간 처리 및 감사 및 재평가를 위한 재생 기능을 지원합니다.

레이크하우스의 작동 방식: 원시 이벤트에서 보험 결정까지

거버넌스된 메달리온 아키텍처는 원격 측정 데이터를 실행 가능한 보험 인텔리전스로 변환합니다.데이터를 보험 상품으로 전환

레이크하우스에서 큐레이션된 후, 선택된 기능은 보험 애플리케이션을 지원하기 위해 트랜잭션 시스템으로 운영화될 수 있습니다. Databricks는 보험사가 통합 플랫폼에서 분석, AI 및 운영 기능을 결합하여 실시간 보험 상품을 구축할 수 있도록 지원합니다. 예를 들어:

• Lakebase는 가격 엔진, 보험 정책 시스템 및 파트너 API에 대한 큐레이션된 기능에 대한 저지연 액세스를 제공합니다.
• Databricks One을 통해 비즈니스 사용자는 거버넌스된 대시보드, 자연어 인사이트 및 임베디드 분석에 액세스할 수 있습니다.

이 아키텍처를 통해 보험 계리, 인수, 마케팅 및 제품과 같은 여러 팀이 중복 없이 동일한 신뢰할 수 있는 데이터 기반에서 작업할 수 있습니다.

거버넌스: 설계 원칙으로서의 신뢰

임베디드 보험이 더욱 동적으로 발전함에 따라 규제 조사가 강화됩니다. 강력한 거버넌스는 보험사가 투명성과 규정 준수를 유지하면서 혁신할 수 있도록 보장합니다. Unity Catalog와 같은 기능은 다음을 가능하게 합니다:

• 데이터 계층 전반의 세분화된 액세스 제어
• 장치 데이터에서 보험료 산정 결정까지의 계보 추적
• 소스 이벤트로 추적되는 모델 설명 가능성
• 규제 기관을 위한 포괄적인 감사 추적

거버넌스가 아키텍처에 내장되면 신뢰는 제약이 아닌 경쟁 우위가 됩니다.

임베디드 보험에서 자율 보험으로

임베디드 보험은 확실히 보호에 대한 접근을 단순화하는 반면, 자율 보험은 다음 단계로 나아갑니다. 이 미래에서는 모델 보험 정책이 실시간 위험 신호에 반응하여 동적으로 조정됩니다. 보험금, 행동 데이터 및 보험료는 서로 지속적으로 정보를 제공합니다. AI 코파일럿은 인수 담당자와 제품 관리자가 적응형 보험 정책을 설계하는 데 도움을 줍니다.

Lakebase의 추가는 Databricks 플랫폼을 기록 시스템이자 인텔리전스 시스템으로 만듭니다.

오늘날 이러한 실시간 데이터 기반을 구축하는 보험사는 맥락적 제안을 넘어 지속적으로 적응하는 보호, 즉 행동, 환경 및 위험과 함께 진화하는 보장으로 나아갈 것입니다. 이것이 바로 Databricks 플랫폼이 독특하게 제공하는 것입니다! 과거에는 정적 정책이 정의되었습니다. Just-in-time 보험은 현재를 정의합니다. 자율 보험은 미래를 정의할 것입니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)