건강보험 언더라이팅 가이드라인 최적화

3 Key Insights

• 핵심성과: 투명한 설명력을 바탕으로 인수기준 변경에 대한 근거와 기대효과를 제시함으로써 기존 거절자 대상 인수 확대와 동시에, 정밀한 조건부 인수 정책 조정을 통해 손해율을 획기적으로 낮추는 '두 마리 토끼'를 잡는 성과를 거두었습니다.

• 해결과제: 인수기준 변경에 대한 근거와 기대효과를 투명하게 설명할 수 있는 모니터링-분석/판단-운영이 통합된 의사결정 프레임워크가 없었습니다.

• 핵심전략: 파편화된 데이터, 시스템, 의사결정 주체를 통합하여 정량적인 KPI를 바탕으로 누구나 즉각적으로 모니터링, 분석-판단-조정, 운영 배포 할 수 있는 통합 인텔리전스 프레임워크를 구축했습니다.

핵심성과

본 프로젝트는 기존 거절자에 대한 손해율을 추정해 인수 승인을 늘리는 것과 더불어, 우량 세그먼트에 대해서는 인수 기준을 완화하고, 기존 승인 풀 내 고손해율 집단에 대해서는 조건부 인수를 강화하는 양방향 전략을 동시에 수행했습니다. 이러한 정교화된 전략 덕분에 보험사는 전체 승인율을 높이면서도 총 손해율을 낮출 수 있었습니다.

정보계, 처리계 등 여러 시스템에 파편화된 데이터를 메타 인텔리전스(META-Intelligence) 레이어로 통합함으로써 분석 시마다 반복적으로 수행해야 했던 쿼리(Query) 작업과 엑셀 지옥에서 벗어나 즉각적인 입체적인 분석이 가능해졌습니다. 무엇보다 이 프로젝트를 통해 사내 데이터 민주화를 이루어내어, 의사와 간호사 등 의료 전문가들이 데이터 사이언티스트의 도움 없이도 클릭 몇 번만으로 직접 인수 가이드를 정교화하고 정밀한 임팩트 평가를 수행할 수 있게 되었습니다.

나아가 인수기준 변경에 대한 근거와 효과에 대해 객관적으로 정량화된 투명한 설명력을 제공함으로써, 언더라이팅과 계리 부서 등 다양한 의사결정자 들 간에 발생했던 소통의 어려움도 완벽하게 해소했습니다.

해결과제

1) 복잡한 의사결정 : 건강보험 언더라이팅은 할증, 부담보, 가입 한도 설정 등 조건부 인수 판단의 복잡성 때문에 AI가 접목될 수 없는 영역으로 여겨져 왔습니다. 또한 손해율 뿐 아니라 영업적인 경쟁상황, 설계사의 영향력 등 데이터에 기록되지 않은 다양한 외적 요인을 고려하여 최종 판단을 해야 했기 때문에 데이터에 기반한 AI로는 명백한 한계가 존재했습니다. 그 결과 특정 질병에 대해 일률적인 할증을 적용하는 단순한 룰 기반 시스템에 머물렀으며, 최종적인 '회색 지대'의 판단은 개별 인심사 담당자의 판단에 맡겨지는 구조였습니다.

2) 부족한 설명력 : 보험 언더라이팅 가이드라인은 언더라이팅 기획, 보험 계리부서간의 긴밀한 협의를 통해 조정됩니다. 하지만 AI는 물론 현행 언더라이팅 시스템은 조정에 대한 근거와 기대효과를 제공하지 않아 근거에 기반한 명확한 소통이 불가능 했습니다.

3) 파편화된 데이터 : 인심사의 판단을 돕기 위한 언더라이팅 가이드라인 역시 의사나 간호사의 의료적 전문성에 크게 의존하고 있었으며, 실제 청구나 지급 데이터에 기반한 실증적 근거가 부족한 경우가 많았습니다. 더욱이 청약, 가입, 지급 등 의사결정 및 데이터가 부서별로 단절되어 있어, 데이터 기반의 고도화를 시도하려 해도 방대한 데이터를 수집하고 분석하는 과정이 구조적으로 불가능한 난관이 있었습니다.

4) 단절된 시스템 : 업데이트된 가이드라인을 배포하기 위해서 언더라이팅 담당자는 IT 혹은 외주업체의 도움을 받아야 합니다. 모니터링, 분석/판단, 운영 시스템들이 단절되어 있다 보니 설령 문제를 발견하고 대응하려고 하더라도, 타이밍을 놓치게 되는 경우가 매우 빈번히 발생합니다.

핵심전략

이러한 한계를 극복하기 위해 DEIN은 여러 시스템에 파편화된 데이터를 하나의 통합 메타 인텔리전스(META-Intelligence)로 결합했습니다. 이 메타 인텔리전스는 사용자가 인수 기준의 강화, 완화 또는 인수 확대와 같은 특정 조건부 인수 전략의 변화가 손해율과 같은 KPI와 어떻게 상호작용하는지 분석할 수 있는 정교한 시뮬레이션 기능을 제공합니다.

DEIN 시스템은 손해율에 영향을 미치는 요인을 자동/수동으로 탐색할 수 있게 하며, 팀이 새로운 인수기준 가이드라인을 배포 적용하기 전에 'What-if(가정 상황)' 시뮬레이션을 통해 그 파급력을 미리 확인할 수 있도록 지원합니다. 이렇게 업데이트된 기준은 엄격한 상시 모니터링 프레임워크를 통해 추적되고, 운영 단계에서 실제 데이터를 통해 지속적으로 검증되고 시장 변화에 기민하게 대응할 수 있는 구조를 완성했습니다.

상세 소개와 적용 문의는 아래를 통해 신청해주세요.