메뉴
BL
The Decoder • 33일 전

생성형 AI 도입하는 보험사, 환각과 영업 논리가 발목

IMP
8/10
핵심 요약

보험사들이 역사적 데이터가 부족한 희귀 재난의 리스크를 평가하기 위해 생성형 AI를 도입하고 있습니다. 하지만 AI가 물리 법칙을 위배하는 허위 시나리오를 만들어내는 환각 문제가 여전히 과제입니다. 또한, 정확한 예측 모델이 손실 규모를 크게 산출할 경우 보험사의 영업에 불리해질 수 있어 새로운 기술의 실제 적용에는 저항이 예상됩니다.

번역된 본문

보험사들이 생성형 AI를 재난 모델링에 도입하지만, 환각(Hallucination)과 영업 논리가 걸림돌이 될 수 있습니다.

막시밀리안 슈바이너(Maximilian Schreiner) | THE DECODER | 2026년 6월 25일

핵심 요약:

  • 보험사들은 디퓨전 모델(Diffusion model)을 사용해 수천 건의 합성 기상 이벤트를 생성함으로써, 특히 과거 데이터가 부족한 희귀 재난에 대한 위험 평가를 개선하고 있습니다.
  • 이 접근 방식은 환각(Hallucination) 문제를 겪고 있습니다. 모델이 그럴듯해 보이지만 기본적인 물리 법칙을 위반하는 시나리오를 만들어낼 수 있기 때문입니다. 패덤(Fathom)의 과학 책임자는 "완전히 쓰레기 같은 헛소리를 만들어낼 수도 있다"고 경고했습니다.
  • 더 나은 모델은 보험 서비스가 부족한 지역까지 보장 범위를 넓힐 수 있지만, 보험사들은 오히려 손실 추정액을 더 낮게 산출하는 모델을 선호할 수 있습니다.

디퓨전 모델은 과거 데이터가 존재하지 않는 수만 건의 그럴듯한 기상 이벤트를 합성해 냅니다. 보험사들은 더 정밀한 리스크 평가를 기대하고 있으며, 연구자들은 AI의 환각 현상에 대해 경고합니다.

보험사, 은행, 에너지 기업들은 1980년대부터 지진, 허리케인, 홍수에 대한 노출도를 추정하기 위해 이른바 '캣 모델(Cat model, 재난 모델)'에 의존해 왔습니다. 이러한 물리 기반 모델은 세계를 격자 셀로 나누고 중력, 마찰력, 유속에 대한 방정식을 풉니다. 해상도가 높을수록 계산 비용이 많이 들기 때문에, 세밀함과 지리적 커버리지 사이의 트레이드오프는 불가피합니다.

파이낸셜 타임스(FT)의 보고서는 생성형 AI가 이러한 한계를 어떻게 허물고 있는지 보여줍니다. 재보험사 스위스 리(Swiss Re)의 자회사인 패덤(Fathom)과 같은 모델링 업체는 디퓨전 모델을 사용하여 2030년 예상 기후를 바탕으로 수만 년치에 달하는 기상 이벤트를 합성 방식으로 생성해 냅니다. 패덤은 먼저 약 1,000년 분량의 기존 기후 시뮬레이션 데이터로 디퓨전 도구를 학습시킨 뒤, 원본 기후 모델이 할 수 있는 것보다 훨씬 더 많은 시나리오를 도출해 내도록 했습니다. 이후 두 번째 이미지 선명화 모델이 초기의 다소粗糙한 100 x 100km 해상도를 10 x 10km로 개선하여, 강수 패턴을 파악하기에 충분한 수준으로 만듭니다.

패덤의 과학 책임자인 올리버 윙(Oliver Wing)은 "AI를 통해 가능성의 범위를 완전히 새롭게 재정의했다"고 말합니다.

경쟁사인 버리스크(Verisk)는 현재 극한의 바람과 비를 개별적으로 따지는 대신 생성형 AI를 활용해 두 가지를 함께 모델링하고 있습니다. 연구 총괄인 제이 구인(Jay Guin)은 이 접근 방식이 전통적인 머신러닝보다 공간적 변동성을 훨씬 더 정밀하게 포착한다고 밝혔습니다. 무디스 RMS(Moody's RMS)는 AI를 사용하여 산불이나 허리케인 발생 후 위성 이미지를 분석하고 보험 적용 손실액을 추정합니다. 북미 홍수 및 산불 모델링을 총괄하는 피라스 살레흐(Firas Saleh)에 따르면, 이 기술은 과거 데이터가 거의 없는 희귀 재난인 꼬리 위험(Tail-risk) 이벤트에 특히 가치가 있습니다.

하지만 다른 생성형 AI와 마찬가지로, 이 분야에서도 '환각 현상(Hallucination)'은 문제가 됩니다. 모델이 그럴듯해 보이지만 기본적인 물리 법칙을 위반하는 이벤트를 만들어낼 수 있기 때문입니다. 윙 책임자는 "이러한 기술을 사용하면 완전히 헛된 쓰레기 같은 결과를 환각해 낼 수도 있다"고 경고합니다. 스위스 리에 따르면, 2025년 자연재해로 인한 피해 규모는 2,200억 달러에 달했으며 그중 1,070억 달러만 보험 처리되었습니다.

더 나은 모델이 반드시 모든 보험사의 이익에 부합하는 것은 아닙니다

그럼에도 불구하고, 더 정밀한 모델은 이론적으로 자산 가치가 낮다는 이유로 주요 모델링 기업들이 다루지 않았던 방글라데시나 브라질 같은 지역까지 보험사들이 보장할 수 있게 해줍니다. 하지만 이러한 새로운 도구가 실제로 보험료에 반영될지는 미지수입니다. 더 나은 모델은 잠재적 손실이 이전에 추정했던 것보다 더 클 수 있음을 드러낼 수 있으며, FT에 따르면 이는 극단적인 손실에 대비해 보험사가 더 많은 자본 준비금을 확보해야 하는 상황으로 이어질 수 있습니다.

한 모델링 업계 종사자는 FT에 "보험사들은 일반적으로 더 많은 비즈니스를 영위할 수 있게 해주는, 즉 손실 추정액을 더 낮게 산출하는 모델을 구매한다"고 말했습니다. 그는 이어서 "인수 심사역들은 그저 더 많은 계약을 성사시키길 원한다"고 덧붙였습니다. FT는 위험 상황이 객관적으로 더 심각해 보이더라도, 더 발전된 과학적 기술이 보험사의 영업 논리와 충돌할 수 있다고 지적합니다.

원문 보기
원문 보기 (영어)
Insurers turn to generative AI for catastrophe modeling, but hallucinations and sales logic could get in the way Maximilian Schreiner View the LinkedIn Profile of Maximilian Schreiner Jun 25, 2026 Nano Banana Pro prompted by THE DECODER Key Points Insurers are using diffusion models to generate thousands of synthetic weather events, improving catastrophe risk assessment especially for rare disasters with little historical data. The approach suffers from hallucinations: models can produce scenarios that look plausible but violate basic physics. "You can hallucinate some absolute slop," warns Fathom's scientific director. Better models could extend coverage to underserved regions, but insurers might prefer models that produce lower loss estimates. Ask about this article… Search Diffusion models generate tens of thousands of plausible weather events where historical data doesn't exist. Insurers are hoping for more precise risk assessments. Researchers warn about hallucinations. Insurers, banks, and energy companies have relied on so-called cat models since the 1980s to estimate their exposure to earthquakes, hurricanes, and floods. These physics-based models divide the world into grid cells and solve equations for gravity, friction, and flow. The finer the resolution, the more expensive the computation. A tradeoff between detail and geographic coverage is unavoidable. A Financial Times report shows how generative AI is pushing that boundary. Modelers like Fathom, a subsidiary of reinsurer Swiss Re, use diffusion models to synthetically generate tens of thousands of years' worth of weather events for a projected 2030 climate. Fathom first trained its diffusion tool on roughly 1,000 years of existing climate simulations, then had it produce far more scenarios than the original climate model could. A second, image-sharpening model refines the initially coarse 100 × 100 kilometer resolution down to 10 × 10 kilometers, which is good enough to capture precipitation patterns. "AI has completely reframed what is possible," says Fathom's scientific director Oliver Wing. Ad Competitor Verisk now uses generative AI to model extreme wind and rain together instead of one after the other. Research chief Jay Guin says the approach captures spatial variability far more precisely than traditional machine learning. Moody's RMS uses AI to analyze satellite imagery after wildfires and hurricanes and estimate insured losses. The technology is especially valuable for tail-risk events, rare catastrophes with almost no historical data, according to Firas Saleh, who leads Moody's flood and wildfire modeling for North America. Ad DEC_D_Incontent-1 Like every form of generative AI, hallucinations are a problem here too. Models can produce events that look plausible but violate basic laws of physics. "You can hallucinate some absolute slop using these techniques," Wing warns. According to Swiss Re, natural disasters caused $220 billion in damage in 2025. Only $107 billion of that was insured. Better models aren't in every insurer's interest Still, more precise models could theoretically let insurers cover regions like Bangladesh or Brazil that major modeling firms have skipped because of low asset values. Whether the new tools actually show up in premiums remains an open question. Better models might reveal that potential losses are higher than previously assumed, which according to the FT could require larger capital buffers against the most extreme losses. Ad One modeler told the paper that insurers "will generally purchase the model that allows them to do more business - that produces a lower loss estimate." "Underwriters just want to write more business," the modeler added. Better science can end up clashing with sales logic, even when the risk picture objectively looks worse, the FT argues. Ad DEC_D_Incontent-2 AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now Source: FT
생성형AI 보험 리스크평가 디퓨전모델 AI환각