진화하는 보험사기…손보사 대응체계 고도화 [보험사기 대응 역량 점검]

[한국금융신문 강은영 기자] 보험사기가 조직화·지능화되면서 보험사들도 대응 체계를 강화하고 있다. FDS 고도화부터 전담 조직 운영 등을 통해 예방 역량을 높이고 있다. <편집자 주>

삼성화재, 공모관계 분석까지 사기방지 기능 정교화

삼성화재는 보험사기 예방과 적발을 위해 보험사기방지시스템(IFDS, Insurance Fraud Detection System)을 운영하고 있다. IFDS는 보험금 청구 데이터 등을 기반으로 위험 지표를 분석하는 사후 탐지와, 축적된 데이터를 AI가 학습해 의심 거래를 사전에 탐지하는 사전 탐지 기능으로 구성돼 있다.

이 시스템은 데이터 축적과 운영을 담당하는 IT 조직과 장기·일반·자동차보험 등 각 보험 영역의 보험사기 담당 부서가 함께 운영한다. IT 조직은 데이터 관리와 시스템 고도화를 담당하고, 업무 부서는 실제 조사 과정에서 확인된 새로운 보험사기 패턴을 시스템에 반영해 탐지 정확도를 높이고 있다.
삼성화재는 AI와 빅데이터 분석을 활용해 보험사기자의 행동 패턴을 분석하고 있다. 딥러닝과 GBM(Gradient Boosting Machine) 등 머신러닝 모델을 통해 다양한 데이터를 학습시키고, 업무 시스템에서 의심 고객이 발생할 경우 자동 알림을 제공하는 방식으로 운영된다.

여기에 고객·차량·병원·설계사 등 다양한 요소 간 연계 관계를 시각화해 조직적인 공모 가능성을 분석하는 기능도 제공하고 있다.

업무 시스템에서는 IFDS와 연동해 의심 대상자에 대한 Red Flag 표시와 과거 적발 이력 분석을 제공하고 있다. 이를 통해 언더라이팅, 보험금 심사 등 주요 업무 단계에서 사기 의심 징후를 사전에 확인할 수 있도록 관리하고 있다.

최근 AI 기술을 활용한 서류 위조 등 보험사기 수법이 다양해지면서 관련 적발 사례도 증가하는 추세다.

삼성화재는 새로운 보험사기 트렌드를 지속적으로 분석해 AI 모델에 반영하고, AI 기반 분석 기능을 확대해 보험사기 예방과 적발 역량을 강화해 나갈 계획이다.

현대해상, 머신러닝 기반 車보험사기 탐지시스템 구축

현대해상은 자동차보험 사기 탐지를 위해 사전인지시스템(Hi-FDS)과 사회연결망분석(SNA) 시스템 등 다양한 보험사기 대응 시스템을 운영하고 있다.

이 시스템은 머신러닝을 활용해 보험사기 특징을 분석해 유사한 행동을 보이는 대상을 자동으로 탐지한다. 머신러닝(Machine Learning)은 데이터로부터 시스템을 학습할 수 있는 인공지능(AI)의 한 형태로, 주어진 데이터를 이용해 자동으로 특성을 파악하고 새로운 문제의 결과를 예측할 수 있다.

기존에는 보험사 조사자의 직관이나 경험에 의존하는 방식이었지만, 갈수록 지능화되는 보험범죄에 효율적으로 대응하기 위해 이러한 시스템을 개발했다.

특히 현대해상은 자동차 고의사고 보험사기에 대응하기 위해 지난 2020년 자동차 보험사기 사전인지시스템을 자체 개발했다. 지난해에는 고도화 작업을 통해 시스템의 정밀도를 지속적으로 높여왔다.
이들 시스템은 현대해상에서 축적된 보험사기 조사 노하우를 머신러닝 등의 디지털 신기술에 접목한 것으로, 자동차보험조사파트(SIU) 소속 직원이 기획부터 개발, 전 과정을 주도해 개발 비용을 절감했다.

현대해상은 개발된 시스템을 통해 기존 자동차 보험사기로 적발된 사건을 분석해 컴퓨터에 학습시킨 후 개별 사건마다 보험사기 위험도를 컴퓨터가 자동으로 판단하게 했다. 이를 통해 기존에는 확인할 수 없었던 보험사기 건을 자동으로 탐지해 보험사기 적발을 증대시켰다.

현대해상은 자동차 보험사기 사전인지시스템을 통해 지난해 총 6201건의 보험사기 의심 사례를 탐지했다. 이 중 1012건을 조사한 결과 329건의 보험사기를 적발했으며, 적발 금액은 약 61억7000만원으로 집계됐다.

메리츠화재, AI로 보험사기 징후 포착… SIU 중심 대응

메리츠화재는 보상청구 단계, 신고센터 제보, 기지급 데이터 분석을 통해 이상징후를 포착하고, 혐의점 분석 후 조사와 수사의뢰까지 연계하는 구조로 운영하고 있다.

이 조직은 기획·요청, 접수·제보 및 데이터 분석을 담당하는 지원업무와 현장 조사·면담·자료 확인·수사의뢰를 수행하는 조사업무로 구성됐다.

메리츠화재는 보험사기 예방과 차단을 위해 SIU를 중심으로 관련 업무를 지속적으로 수행하고 있다. 기존 보험사기 확인 대상에 대해서는 계약 심사 단계에서 유의 고객 관리를 통해 위험 요인을 점검하고 있다. 신상품 도입 시에도 보험사기 발생 가능성에 대한 사전 평가를 실시해 잠재적인 위험 요소를 검토하고 있다.

보험사기 연루 우려가 있는 사안에 대해서는 내부심의 절차를 거쳐 필요한 조치를 시행하고 있으며, 보험금 청구 제도 운영 과정에서 확인되는 사항에 대해서는 관계부서와 협의해 점검 및 대응을 진행하고 있다.

대표적인 사례로는 한 부모가 자녀의 실제 병원 내원 기록을 바탕으로 AI를 활용해 다른 자녀의 의무기록을 변조하고 진단서와 진료비 세부내역서 등 관련 서류를 위조해 보험금을 청구한 보험사기가 적발됐다. 변조된 의무기록은 문서 형식과 내용이 매우 정교하게 만들어져 개별 기록만으로는 이상 여부를 확인하기 어려운 수준이었다.

전체 진료 데이터를 교차 검증하는 과정에서 고유식별번호에서 특이점이 발견되면서 위조 사실이 확인됐다.

메리츠화재는 AI 기술을 단계적으로 활용하는 과제를 추진하고 있다. 보험금 청구 단계에서는 OCR 기술을 적용해 청구 서류를 자동으로 인식하고, 보험금 지급 정보와 연계해 기본적인 이상 징후를 확인하는 체계를 마련할 계획이다.

과거 보험사기 사례를 참고해 보험금 지급 전·후 단계에서 반복적이거나 비정상적인 청구 패턴을 보다 체계적으로 점검할 수 있도록 분석 기능도 보완하고 있다.

한화손보, 전담 조직 통해 대응 체계 전문화

한화손보는 보험사기 대응을 위해 SIU(Special Investigation Unit) 전담 조직을 운영하고 있다.

SIU팀은 장기·일반보험을 담당하는 SIU파트1와 자동차보험을 담당하는 SIU파트2로 구성돼 각 파트는 보험 실무 경험이 풍부한 인력 중심으로 구성됐다. 인력 구성을 살펴보면, 보험 실무에서 다년간 근무한 일반직 스태프와 전직 검·경 수사관 출신 사고조사역, 전직 간호사 출신 의료심사역 등이다.

한화손보는 전국 주요 보상센터를 거점으로 SIU 인력을 파견 및 배치해 현장 중심의 조사 활동을 강화하고 있다.

SIU팀은 보험상품 개발 단계부터 보험금 지급 이후 단계까지 전 과정에 걸쳐 보험사기 예방 활동에 참여하고 있다.

상품 개발 단계에서는 보험사기 영향평가를 통해 보험상품 구조가 사기 악용 가능성이 없는지 사전에 검토한다.

상품 출시 후에는 보험사기 징후 탐지, 부당 보험금 지급 차단, 재발 방지 분석, 종결 보험금 모니터링 등 이상 징후를 분석한다. 보험사기로 적발된 정보는 데이터베이스화해 언더라이팅 및 상품관리에 반영하고 있다.

여기에 한화손보는 보험사기가 고도화됨에 데이터 기반 기술을 활용한 대응 체계를 강화하고 있다. 2020년 시스템 고도화를 통해 AI와 빅데이터 분석 기술을 접목한 보험사기 탐지 체계로 발전시켰다.

HFDS는 머신러닝 기반 ‘R-Cube 분석 시스템’을 중심으로 계약·사고 데이터와 보험개발원 ICPS 정보를 활용해 보험사기 의심 유형과 위험도를 분석하고 통계적 이상징후를 자동 탐지한다.

한화손보는 보험사기 근절과 금융소비자 보호를 위해 보험사기를 유발하는 환경과 구조적 요인을 개선하기 위한 노력에 집중하고 있다. 이에 따라 병원, 정비업체, 렌터카 업체 등 보험사기 발생 과정에서 영향을 미칠 수 있는 유관 업종에 대한 분석을 강화하고 있다.

카카오페이손해보험, 탐지 생성형 AI 악용 가려내는 시스템 추진

카카오페이손해보험은 보험사기 전담직원을 배치해 보험사기 관련 전반적인 업무를 관장하고 있다.

타사 대비 사업 업력이 상대적으로 길지 않은 카카오페이손해보험은 운영 상품의 종류가 많지 않은 상황을 감안해 보험사고가 많은 주요 종목에 선택과 집중을 하며 보험사기 관련 경험을 쌓아가고 있다.

상품 가입 단계에서는 내부 기준을 수립해 보험사기(편취) 목적의 역선택에 대한 제어를 시행하고 있다.

보험금 청구 과정에서는 심사 매뉴얼을 통해 주요 보험사기 유형(근접 사고, 다발청구자, 유의병원 등)에 대한 실무 가이드라인을 배포해 심사를 진행하고 있다.

보험사기 탐지를 위해 AI OCR(광학문자인식)로 분석 인식을 진행한 후 문서 내용의 동일성을 비교해 동일한 서류로 반복 청구하는 경우를 확인하고 있다.

카카오페이손해보험이 빠르게 보험사기 탐지를 위한 내부 시스템을 도입한 결과, 2025년 말 기준 60건의 보험사기성 조사를 진행했다. 그 결과, 대부분 보험금 청구 단계에서 이를 포기하는 실적을 달성할 수 있었다.

카카오페이손해보험은 생성형 AI를 통한 증빙자료 조작 등의 사례가 증가할 것으로 예상하고, AI 등 디지털 기술을 활용해 제출 서류의 서식 및 내용의 정합성에 대해 검증하는 시스템을 개발하는 것을 고려하고 있다고 밝혔다.

하나손해보험, 자동차 사고이력 분석해 보험사기 사전 차단

하나손해보험은 자체적으로 FDS이 구축된 상태는 아니지만, 보험개발원 CAIS(Car Accident Inquiry System) 자동차사고정보조회 시스템 및 한국신용정보원 보험신용정보 관리 포털 ICIS(Insurance Credit Information System) 시스템을 통한 자동차 사고이력을 분석하고 있다.

아울러 보험 사기 의심자에 대해서는 SIU 조직에 제보해 조사를 진행하고 있다. 하나손보는 2025년 장기 SIU파트를 개설했으며, 올해는 장기SIU센터로 조직을 승격했다. 보험사기 대응인력도 2025년 3명에서 올해 7명으로 확ㄷ대했다.

보상 관련 사고 다발자 등록 시스템인 M코드데이터 시스템을 이용해 보험사기 의심자를 유의 등록해 청구 건 발생 시 심도조사를 진행하고 있다. 유의고객으로 등재된 고객에 대해서는 자동차 계약 단계에서 면밀하게 인수 제한 검토를 시행하고 있다.

이와 같은 시스템을 기반으로 2025년 하나손보가 적발한 보험사기 규모는 ▲자동차보험 22억원 ▲장기보험 3.8억원 ▲해외여행자 보험 서류 위변조 관련 0.7억원 ▲일상생활배상책임 누수보험0.8억원 등으로 집계됐다.

하나손보는 특정 설계사나 질병 등 보험청구건에 대해 특정 병원과 설계사에 집중되는지 모니터링할 수 있는 이상 징후 시스템을 개발할 예정이다. 이상 징후 발생 시 SIU 조직에 자동 제보해 보험사기를 예방할 방침이다.

보험종목별 보험 사기 유형에 따른 고객 등재를 세분화해 양·질적 향상된 유의 고객 데이터 관리 시스템 구축도 추진 중이다. 검찰 송치 건에 대해서는 송치 후 신속하게 사후 관리해 누수된 보험금을 신속 환수하는 것을 계획하고 있다. AI-데이터전략팀과 협업해 AI를 통한 자동 유의고객을 인지해 등록하고 관리하는 시스템도 구축할 예정이다.

DB손해보험, MR 관리·시스템 고도화로 예방 효과

DB손해보험은 보험사기 예방을 위해 전국 사업단을 대상으로 현장점검을 실시하고, 계약 리모델링 및 보험사기 관련 모집인 적발 등 영업조직의 MR(모럴리스크) 제어 활동을 강화하고 있다.

'보험사기자 유의고객 관리개선 실무자 협의회' 운영을 통해 보험사기자의 신규 계약 유입을 제어하고, 적절한 예방의 하나로 제어 기준을 업데이트하고 있다. 보험사기 영향평가를 통해 보험상품 개발 단계부터 신상품에 대한 취약 요인을 점검하고 있다.

2025년부터 전방위적 MR관리영역 확대 및 사고다발자들에 대한 대응력을 제고하기 위해 사고다발자 TF를 출범했고, ▲장기U/W파트 ▲고객지원파트 ▲장기손익파트 등 유관부서와 협력해 MR 제어를 위한 전보종 확대 통합관리 활동을 하고 있다.

관련 시스템도 지속적으로 고도화하고 있다. 지난해 3월 보험금 청구 및 지급 정보를 활용한 보험사기 이상징후 탐지 시스템을 개선해 특정 담보나 진단에 보험금 청구가 집중되는 사례 등을 분석할 수 있도록 했다.

이와 함께 보험사기 네트워크 분석 시스템인 ‘DB T-System(DB Total Analysis System)’과 웹 크롤링 시스템을 활용해 보험사기 의심 사례를 분석하고 있다. 특히 웹 크롤링 기술을 통해 보험사기 광고 등 법규 위반 사례를 확인하는 등 사전 대응에도 활용하고 있다.

실제 DB손보의 보험사기 적발 금액은 2022년 3033억원에서 2023년 3468억원, 2024년 3719억원으로 증가하는 등 성과를 보이고 있다.

DB손보는 거래처 관련 보험사기에도 대응 체계를 강화하고 있다. 정비공장과 병원 등 거래처를 통한 보험사기가 증가함에 따라 SIU 조사 프로세스를 재정립하고, 보상 직원들의 현장 채증 활동을 지원하는 등 조사 역량을 확대하고 있다. 데이터 분석과 현장 의견을 바탕으로 의심 거래처를 선별하고, 채증 활동이 단기간 내 집중적으로 이뤄질 수 있도록 협업 체계를 운영하고 있다.

KB손해보험, AI 기반 지능형 보험사기 대응 체계 고도화

KB손해보험은 보험사기를 사전에 적발해 예방할 수 있는 보험사기탐지시스템(FDS)구축을 통해 보험사기로 인한 보험금 누수 리스크 감소 및 조사업무의 효율적 수행을 지원하고 보험사기 대응력을 강화하고 있다.

FDS는 분석 모델별 시나리오 설정과 경보 생성, 원인 분석 기능을 통해 사기 의심 대상을 선별하며, 사고 정보의 패턴과 상관관계를 시각화해 의심 대상자를 보다 명확하게 파악할 수 있도록 지원한다.

KB손보는 보험금 청구 접수 시 머신러닝 기반 통합 스코어와 비즈니스 룰의 하이브리드 관점에서 청구 건의 위험도와 난이도를 분석해 저심도, 고심도risk 등 기간계 rule-engine에서 자동화돼 배당되는 프로세스로 운영하고 있다.

AI 알고리즘을 활용해 최신 트렌드의 보험사기 유형과 패턴을 학습하며, 자동으로 예측 모형 및 스코어를 산출해 변화되는 시장 환경에 능동적으로 대응하고 있다.

이렇듯 세심한 시스템을 발판으로 실제 보험사기 적발 사례도 이어지고 있다. 한 의료기관은 환자를 유인하기 위해 실제 병원비보다 할인된 금액만 받았음에도 진료비 영수증에는 할인 전 금액을 기재해 발급하는 방식으로 실손의료비를 부풀려 청구하도록 한 것으로 나타났다.

입원이 필요하지 않거나 단기 치료만 필요한 환자들에 대해 진료기록을 조작해 정상적으로 입원 치료를 받은 것처럼 꾸며 보험금을 청구하도록 하는 방식으로 보험금을 편취했다. 해당 사건을 통해 적발된 보험사기 금액은 총 8억5000만원에 달한다.

KB손보는 경기침체 등으로 인한 보험사기가 가파르게 증가하고 있고 브로커나 전문가가 개입된 지능화·조직화된 보험범죄의 증가추세에 따라 당사는 기존의 FDS와는 별개로 새로운 FDS를 구축하고 있다.

이를 통해 최신 보험사기 패턴을 발굴하고 보험 청구 즉시 위험 요소를 분석 및 판단할 수 있도록 보험사기 대응력을 강화해 나가고 있다.

NH농협손해보험, 데이터마트 구축해 이상징후 체크

NH농협손해보험은 지난 2024년 FDS(보험사기 탐지 시스템) 고도화를 통해 보험사기 조사·적발과 함께 사후 관리까지 보험사기 관련 업무 전반을 시스템 기반으로 관리하고 있다.

여기에 보험사기 데이터마트(Data Mart)를 구축해 이상징후 부석 등 데이터 기반 업무 분석이 가능하다.

보험사기 데이터마트는 ▲담보 ▲특정 위험군 ▲개인별 데이터 분석 등을 통해 이상징후를 사전에 탐지하고 있다. 이를 통해 보다 체계적이고 효율적인 보험사기 대응 체계를 운영하고 있다.

농협손보는 매년 상·하반기 보험사기 예방 실무협의회를 개최하고 있다. 협의회에서는 상품개발, 인수, 보험금 지급, 마케팅, SIU 등 유관 부서 실무자들이 참여해 보험사기 예방 및 적발 표율화를 위한 다양한 의견을 공유하고 대응 방안을 논의하고 있다.

전 임직원을 대상으로는 보험사기 예방 교육을 정기적으로 실시해 내부 인식 제고와 대응 역량 강화를 추진하고 있다.

특히 농협손보는 보험사기 예방을 위해 보험사기 적발자나 유의 고객을 별도로 등록해 보험 인수 과정에서 제한을 두고 있다.

농협손보는 체계적이고 효율적인 보험사기 대응 체계를 통해 지난 2024년 9월 충남 홍성에서 발생한, 이른바 '돼지 사체 돌려쓰기’ 사건을 적발했다. 이 사건은 폐사율 조작과 사체 세척 및 재사용, 청탁성 금품 제공 등이 연루된 사례였다.

해당 축사 폐사율이 약 70%에 달하는 비정상적인 상황이 확인되면서 농협손보와 경찰 간 긴밀한 공조를 통해 사건을 조사하게 됐고, 관련자는 보험사기방지특별법 위반 미수 등의 혐의로 검찰에 송치됐다.

농협손보는 향후 데이터 분석 기반의 보험사기 탐지 역량을 지속적으로 강화하고, FDS 시스템 고도화를 통해 보험사기 예방 및 적발 체계를 더욱 정교화해나갈 예정이라고 설명했다.

흥국화재, BI 시스템 분석·SIU로 탐지 강화

흥국화재는 보험사기 예방과 적발 강화를 위해 정보계(BI) 시스템 기반의 보험사기 탐지 체계를 운영하고 있다. 보험금 청구 단계부터 심사와 조사, 수사의뢰까지 이어지는 다층적인 대응 구조를 구축해 보험사기 위험을 조기에 탐지하고 대응 역량을 높이고 있다.

조직 측면에서는 보험사기 조사 전담 조직인 SIU를 중심으로 대응 체계를 운영하고 있다. 보상 심사 조직과 SIU가 함께 검증하는 이중 확인 구조를 통해 보험금 지급 과정에서 의심 징후를 보다 면밀히 점검하고 있다.

시스템 측면에서는 보험금 청구 단계에서 다양한 데이터를 활용한 다층 탐지 구조를 운영하고 있다. 룰 기반 탐지 시스템을 통해 다수 보험 가입, 단기간 내 반복 사고, 동일 의료기관 반복 청구 등 주요 보험사기 유형에 대해 사전에 정의된 기준을 적용해 이상 징후를 탐지한다.

흥국화재는 보험계약 정보와 보험금 청구, 사고 발생 패턴, 의료기관 이용 정보 등 다양한 데이터를 통합 분석해 이상 거래를 탐지하고 있다. 보험금 청구 발생 시 BI 기반 분석으로 의심 점수를 산출하고, 심사 담당자 검토 후 필요 시 SIU 조사로 이어지는 탐지 프로세스를 운영 중이다.

보험사기 예방을 위한 내부 통제 체계도 함께 운영하고 있다. 보험사기 조사 매뉴얼과 의심 건 처리 절차, 수사기관 협조 절차 등 내부 규정을 마련해 체계적인 대응 프로세스를 구축했다.

흥국화재는 이러한 대응 체계를 통해 지난해 보험사기 적발 성과도 확대했다. 2025년 한 해 동안 의료기관 약 60곳에서 15억3000만원 규모의 보험사기를 적발했으며, 개인 약 550명을 대상으로 약 54억원 규모의 보험사기 사례를 확인했다.

앞으로는 AI 기반 보험사기 탐지 시스템(FDS)을 구축해 대응 역량을 더욱 강화할 계획이다. 머신러닝 기반 탐지 모델을 확대하고 보험금 청구 관련 빅데이터 분석과 의료기관 패턴 분석을 고도화해 보험사기 예측 정확도를 높인다는 방침이다.

SGI서울보증, 전담 대응 조직 신설… 80억원 편취 적발

SGI서울보증이 조직화·지능화되는 보험사기에 대응하기 위해 전담 조직을 신설하고 수사기관과 협력을 강화하는 등 대응 역량을 높이고 있다.

지난 2024년 7월 SGI서울보증은 조직개편을 통해 보험사기 컨트롤타워 부서인 보험사기대응팀(SIU)을 신설했다. 수사기관 근무 경력이 있는 전직 경찰 인력을 배치해 점차 조직화·지능화되는 보험사기에 대응하겠다는 전략이다.

실제 보증보험의 특성을 악용한 조직적인 보험사기 사례를 적발하기도 했다. SGI서울보증은 지난해 11월 허위 물품공급계약을 기반으로 보증서를 발급받은 뒤 이를 대여금 담보로 활용하는 방식의 보험사기 정황을 포착하고 기획조사에 착수했다.

이 과정에서 경찰에 수사 관련 자료를 제공하는 등 긴밀한 공조 체계를 유지하며 수사를 지원했고, 그 결과 보험사기 가담자 38명이 검거되고 약 80억원 규모의 보험금 편취 사실이 확인되는 데 기여했다.

SGI서울보증은 보증보험 사기가 일반 손해보험과 다른 구조적 특성을 가지고 있어 대응이 쉽지 않다고 설명했다. 보증보험의 경우 기업 간 거래나 계약 관계가 얽혀 있는 경우가 많아 사기 구조가 복잡하고 적발까지 시간이 오래 걸리는 특징이 있기 때문이다.

이에 보험사기 대응 역량 강화를 위해 예방과 적발 시스템을 지속적으로 고도화할 계획이다. 특히 보증보험 특유의 사기 유형을 반영한 예방·탐지 시스템을 구축하고, 내부 통제 체계를 강화해 전사적인 대응 역량을 높이겠다는 방침이다.

특히 △보증보험 사기 유형 특성을 반영한 예방·적발 시스템 구축 △내부통제·교육 활성화를 통한 전사 대응 역량 강화 등 실효성 있는 대응체계를 더욱 견고히 다져나갈 계획이다.

롯데손해보험, 자체 FDS로 예방·조기 적발

롯데손해보험은 지난 2019년부터 자체 구축한 보험사기방지시스템(FDS)을 중심으로 보험사기 예방 및 조기 적발 체계를 운영하고 있다.

이 시스템은 보험 종목별 특성을 반영해 이상징후 시나리오를 세분화했다. 장기보험에서는 고객·모집인·병원·의사별로 구분된 총 38개의 이상징후 시나리오를 운영하고 있다. 이를 통해 보험금 청구 및 진료 과정에서 발생하는 비정상 패턴을 다각도로 분석하고 있다.

자동차보험에서는 사고 유형과 청구 행태를 기반으로 한 시나리오 분석 체계를 적용해 사고 빈도, 피해자 관계성, 반복 청구 여부 등 다양한 위험 요인을 종합 탐지하는 구조를 갖추고 있다.

이러한 FDS 체계는 롯데손보가 최근 장기보험 인수심사 시스템 등 전사적으로 활용하고 있는 인공지능(AI) 역량과 결합해 높은 시너지를 내고 있다. w사고 관련자를 시스템에서 추출한 뒤, 기계학습(머신러닝)으로 가해자와 피해자의 공모 여부를 가리는 데 활용되고 있다. 이후 해당 데이터를 기존 FDS 시스템에 적용해 추가 분석을 진행하는 방식이다.

실제 보험사기 조직을 적발한 사례도 있다. 대표적으로 ‘인천 미추홀구 배달대행 기사 가·피공모 보험사기’ 사건이다.

배달대행 업체를 운영하던 A씨는 자금난을 해소하기 위해 배우자와 배달기사 등을 동원해 오토바이 고의사고를 일으키는 방식으로 약 4년간 11건의 사고를 발생시켜 약 2400만원의 보험금을 수령했다. 공모 인원은 총 10명에 달했다.

롯데손보 FDS는 반복 사고 간 연관성과 가해·피해자 조합의 반복 패턴 등을 분석해 이상 징후를 포착했고, 이후 전담 조사 인력이 관계자 간 연계성을 확인하는 심층 조사를 통해 조직적 공모 정황을 밝혀냈다.

롯데손보는 앞으로도 축적된 데이터 분석 역량과 종목별 이상징후 시나리오 고도화를 통해 보험사기로 인한 선의의 고객 피해를 예방하고 보험금 누수를 최소화해 나갈 계획이다.

강은영 한국금융신문 기자 eykang@fntimes.com