보험금 청구 과정에서 발생하는 문서 검수 업무에 인공지능(AI)을 적용하면서 완전자동처리율을 크게 끌어올린 사례가 나왔다. 한국딥러닝이 국내 대형 보험사에 문서 자동화 솔루션을 공급하면서 보험금 청구 문서의 사람 재검수 대상이 87% 줄고 완전자동처리율은 28%에서 91%로 상승한 것으로 나타났다.
공공·기업용 시각지능 통합 솔루션 기업 한국딥러닝(대표 김지현)은 국내 대형 보험사에 문서 자동화 솔루션 ‘딥에이전트(DEEP Agent)’를 공급한다고 11일 밝혔다.
이번 사업은 단순히 문서에서 글자를 읽어내는 OCR(광학문자인식)에 그치지 않고 보험금 청구 건에 포함된 여러 서류를 묶어 분류하고 정보를 추출한 뒤 결과를 검증하고 예외 문서를 선별하는 과정까지 AI로 자동화하는 데 초점이 맞춰졌다.
기존 보험금 청구 업무에서는 보험금 청구서와 진료비 세부내역서, 영수증, 신분증, 통장사본 등 다양한 증빙서류를 OCR로 우선 인식한 뒤 인식 결과가 불확실하거나 정보가 누락된 문서를 사람이 원문과 대조하는 방식이 활용됐다.
청구 건수가 증가하면 외부 검수 인력을 추가 투입해야 하는 구조였다. 한국딥러닝에 따르면 문서 한 장당 발생하는 처리 비용은 약 2500~3000원 수준이었다.
AI를 도입한 이후에도 문제가 완전히 해결되지는 않았다. 복잡한 표나 저화질 이미지, 보험사별로 다른 문서 양식 등은 OCR만으로 정확하게 처리하기 어려워 사람의 재검수가 필요한 경우가 남았기 때문이다.
딥에이전트는 보험금 청구에 포함된 여러 서류를 하나의 업무 단위로 묶어 처리한다.
접수된 문서를 청구 건별로 분류하고 필수 서류 제출 여부를 확인한 다음, 서류와 정보가 정상적으로 확인된 건은 후속 심사 단계로 넘긴다. 서류가 빠졌거나 문서 간 정보가 일치하지 않는 경우, 원문 확인이 필요한 저신뢰 결과는 별도의 예외 대상으로 분류한다.
담당자가 모든 문서를 일일이 확인하는 대신 보완 요청이나 추가 판단이 필요한 청구 건에 집중할 수 있도록 업무 구조를 바꾼 것이다.
한국딥러닝은 이번 사업을 진행하면서 딥에이전트의 핵심 처리 엔진도 고도화했다.
기존 인쇄체 중심의 정형 문서뿐 아니라 필기체와 복잡한 표, 저화질 이미지, 여러 페이지에 걸쳐 이어지는 진료비 내역 등 고난도 문서로 처리 범위를 넓혔다.
OCR 영역에서는 사진이 기울어져 있거나 화질이 낮은 영수증과 진료서류에서도 숫자와 금액 등 주요 정보를 안정적으로 인식하도록 성능을 강화했다.
문서의 구조를 분석하는 Parser는 병합 셀이 포함된 복잡한 표와 여러 페이지로 이어지는 진료비 내역의 구조와 읽기 순서를 복원한다. 단순히 글자를 추출하는 데서 끝나는 것이 아니라 항목과 금액이 서로 잘못 연결되는 오류를 줄이는 데 초점을 맞췄다.
추출된 정보는 문서 특화 VLM과 검증 엔진을 거쳐 다시 정제된다.
VLM은 문서 전체의 레이아웃과 문맥을 분석해 문서 양식이 달라지더라도 같은 의미를 가진 항목을 업무 기준에 맞춰 구조화한다. 검증 엔진은 청구인과 피보험자 정보, 계좌정보, 진료기간, 청구금액 등 여러 문서에 들어 있는 정보를 서로 대조해 필수서류 누락과 정보 불일치 여부를 자동으로 확인한다.
한국딥러닝이 보험금 청구 문서를 대상으로 진행한 도입 전 사전 검증 결과도 공개했다.
사전 검증에서 사람의 재검수가 필요한 문서는 기존 대비 87% 감소했다. 분류와 정보 추출, 구조화, 검증까지 사람의 개입 없이 완료된 완전자동처리율은 기존 28%에서 91%로 높아졌다.
한국딥러닝은 평균적인 문자 인식률을 높이는 것만으로는 실제 업무 자동화에 한계가 있다고 보고, 반복적으로 발생하는 오류와 재검수 패턴을 엔진 개선에 반영했다고 설명했다.
특히 저품질 이미지와 복잡한 문서 구조, 서로 다른 문서에 입력된 정보 간 충돌 등 자동화 과정에서 사람의 개입을 유발하는 예외 문서 처리에 집중했다.
보험금 청구 업무의 경우 서류 한 장을 정확하게 읽는 것뿐 아니라 여러 문서에 흩어진 정보를 하나의 청구 건으로 연결하고 서로 일치하는지 확인하는 과정이 중요하다. 딥에이전트가 OCR과 문서 구조 분석, VLM, 검증 기능을 결합한 배경이다.
보험사 측은 AI 문서 자동화에 따른 운영비 절감 효과도 기대하고 있다.
기존에는 청구 물량이 늘어날 때 외부 검수 인력과 문서 처리 비용이 함께 증가할 수밖에 없었지만, 재검수가 필요한 문서를 AI가 선별하면 사람이 확인해야 할 업무량을 줄일 수 있다는 설명이다.
보험사 관계자는 “기존에는 청구 물량이 증가할 때마다 외부 검수 인력과 문서당 처리 비용이 함께 늘어날 수밖에 없었다”며 “이번 사업을 통해 반복적인 수작업 검수와 외주 운영 부담을 줄이고, 연간 약 38억원 규모의 운영비 절감 효과를 거둘 것으로 기대한다”고 밝혔다.
다만 38억원은 보험사 측이 제시한 기대 절감액으로, 실제 운영 과정에서 어느 수준의 비용 절감이 실현될지는 향후 상용 운영 결과를 통해 확인할 필요가 있다.
한국딥러닝은 이번 보험금 청구 문서 자동화 사례를 기반으로 금융과 보험을 비롯해 공공, 제조 등 대량의 비정형 문서를 처리하는 산업으로 딥에이전트 적용 범위를 확대할 계획이다.
기업 문서 업무에서 AI 도입의 핵심 경쟁력도 단순 OCR 정확도를 넘어 실제 업무에서 사람의 개입을 얼마나 줄일 수 있느냐로 이동하는 모습이다. 특히 보험처럼 다양한 양식의 서류가 한 업무에 동시에 들어오고 정보 간 교차 검증이 필요한 분야에서는 문서 인식과 업무 프로세스 자동화를 결합하는 기술이 중요해지고 있다.
김지현 한국딥러닝 대표는 “기업 문서 자동화의 성패는 일반 문서를 얼마나 잘 읽는지가 아니라, 일부 까다로운 문서 때문에 사람이 전체 업무에 다시 개입하는 문제를 얼마나 줄이는지에 달려 있다”며 “기업이 체감할 수 있는 문서 자동화를 위해 딥에이전트의 핵심 처리 엔진을 지속적으로 강화하겠다”고 말했다.
한국딥러닝은 보험금 청구 문서에서 확인한 자동화 성과를 금융·공공·제조 분야로 확대한다는 계획이다. AI 문서 처리 시장이 OCR 중심에서 문서 분류와 정보 추출, 검증, 예외 처리까지 포함하는 업무 자동화 영역으로 확장되는 가운데, 실제 고객사의 운영비 절감과 자동처리율 개선을 얼마나 지속적으로 입증할 수 있을지가 경쟁력의 핵심이 될 전망이다.
Copyright ⓒ 스타트업엔 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
