보험사와 MGA, TPA가 지금 던져야 할 질문은 "AI 청구 자동화가 가능한가"가 아닙니다. 더 불편한 질문은 이것입니다. 우리의 현재 청구 처리 방식이 고객에게는 느리고, 내부적으로는 비싸고, 경쟁사 대비 설명하기 어려운 모델이 되고 있지는 않은가?
Reserv가 KKR 주도로 1억2,500만달러 규모의 시리즈 C 투자를 유치했다는 소식은 단순한 인슈어테크 투자 뉴스로 보기 어렵습니다.1 이 회사가 말하는 핵심은 '청구 업무를 돕는 도구'가 아니라, 보험금 청구 운영 자체를 AI 기반 소프트웨어 레이어로 재구성하겠다는 데 있습니다.
청구 업무 중 무엇이 먼저 소프트웨어가 되는가
Reserv는 P&C 보험사를 위한 AI 기반 TPA이자 청구 기술 제공사입니다. 2022년 설립 이후 약 200개 보험사, 캡티브, MGA, 브로커를 고객으로 확보했고, 연간 반복 매출이 1억달러에 도달했다고 밝혔습니다.2 현재 500명 이상의 손해사정 인력을 두고 있으며, 연간 50만건 수준의 복잡한 청구 처리 역량을 4년 안에 3,000만건으로 늘리겠다는 목표도 제시했습니다.2
여기서 중요한 숫자는 투자금보다 처리 역량의 목표치입니다. 보험금 청구는 오랫동안 사람, 이메일, 문서, 레거시 시스템, 전화 확인이 얽힌 운영 업무였습니다. Reserv의 주장은 이 가운데 상당 부분이 "케이스별 수작업"이 아니라 "데이터 기반 워크플로우"가 될 수 있다는 것입니다.
다만 모든 청구가 같은 속도로 자동화되지는 않습니다. 단순 서류 확인, 상태 업데이트, 라우팅, 중복 입력, 기본 담보 검증, 우선순위 분류는 먼저 소프트웨어화될 가능성이 큽니다. 반면 분쟁 가능성이 큰 사건, 소송 리스크, 사기 의심, 고액 손해, 민감한 고객 커뮤니케이션은 여전히 사람의 판단이 중심에 남습니다.
즉 "AI가 손해사정사를 대체한다"보다 정확한 표현은 이렇습니다. AI가 반복 업무를 흡수하고, 사람은 예외와 판단의 영역으로 밀려난다.
구축할 것인가, 살 것인가, 섞을 것인가
Reserv의 Glance 플랫폼은 과거 및 진행 중인 청구 데이터를 중앙화하고, 설명 가능한 AI로 중요 청구를 분석하며, 자동화와 인간 워크플로우를 함께 확장하는 구조를 내세웁니다.3 고객이 자동화 수준을 선택할 수 있다는 점도 강조됩니다. 단순 청구는 자동 처리에 가깝게, 복잡한 청구는 조정자 지원형으로 운영하는 식입니다.
이 지점에서 보험 운영팀의 선택지는 세 가지입니다.
첫째, 직접 구축입니다. 대형 보험사처럼 청구 데이터가 충분하고, 규제 대응 역량과 내부 AI 조직이 있다면 자체 플랫폼을 키우는 편이 장기적으로 유리할 수 있습니다. 하지만 모델보다 어려운 것은 데이터 정리, 운영 변화, 감사 추적, 현업 채택입니다.
둘째, 구매 또는 위탁입니다. Reserv 같은 AI-native TPA를 쓰면 레거시 교체와 운영 전환 속도를 높일 수 있습니다. 특히 MGA나 중견 보험사처럼 청구 역량을 빠르게 확장해야 하는 조직에는 매력적입니다. 대신 벤더 의존, 데이터 이동성, 모델 설명 가능성, 계약 종료 시 운영 연속성을 꼼꼼히 봐야 합니다.
셋째, 혼합 모델입니다. 단순 청구와 백오피스 자동화는 외부 플랫폼에 맡기고, 고액·소송·전략 라인은 내부 전문팀이 통제하는 방식입니다. 현실적으로 많은 조직이 이 경로를 택할 가능성이 큽니다.
AI 청구의 진짜 압박은 '속도 기준'의 변화다
AI 청구 플랫폼이 확산되면 경쟁은 기술 보유 여부가 아니라 벤치마크에서 시작됩니다. 한쪽은 접수 직후 문서 누락을 잡고, 자동으로 다음 액션을 제안하며, 고객에게 진행 상태를 보여줍니다. 다른 한쪽은 여전히 담당자 배정과 수동 확인에 며칠이 걸립니다.
고객은 두 모델의 내부 사정을 구분하지 않습니다. 더 빠른 경험을 한 번 겪으면 나머지는 느려 보입니다.
보험사 입장에서는 비용도 문제입니다. 청구 사이클이 길어질수록 운영비가 늘고, 누락과 중복 입력은 누수로 이어질 수 있습니다. Reserv가 내세우는 "데이터 투명성"과 "손실 비용 절감"은 마케팅 문구이기도 하지만, 동시에 청구 부문이 더 이상 단순 비용센터로만 남기 어렵다는 신호이기도 합니다.4
물론 한계도 있습니다. AI가 빠르다고 해서 항상 더 공정하거나 정확한 것은 아닙니다. 청구 결정은 규제, 약관 해석, 고객 신뢰, 법적 책임과 연결됩니다. 따라서 벤더를 평가할 때는 데모의 속도보다 로그, 설명 가능성, 예외 처리, 감사 대응, 사람의 개입 지점을 확인해야 합니다.
사람의 역할은 줄어드는 것이 아니라 이동한다
Reserv도 500명 이상의 손해사정 인력을 보유하고 있다는 점을 강조합니다.2 이는 흥미롭습니다. AI 청구 회사가 사람을 없애는 모델이 아니라, 사람을 다른 방식으로 배치하는 모델을 택하고 있다는 뜻이기 때문입니다.
앞으로 손해사정사의 핵심 역량은 단순 처리량이 아니라 다음 영역으로 이동할 가능성이 큽니다.
복잡한 사실관계 판단, 고객 감정 관리, 사기 정황 해석, 소송 가능성 판단, 대형 손해 협상, AI 추천 결과에 대한 감독입니다. 운영 리더는 "몇 건을 처리했는가"보다 "어떤 건을 자동화하고, 어떤 건을 사람이 붙잡아야 하는가"를 설계해야 합니다.
Reserv의 투자는 보험금 청구가 AI 실험실을 벗어나 운영 인프라 경쟁으로 들어가고 있음을 보여줍니다. 지금 신경 써야 할 사람은 CTO만이 아닙니다. 청구 책임자, 언더라이팅 리더, MGA 운영팀, TPA 계약을 관리하는 임원 모두가 질문해야 합니다. 우리의 청구 모델은 앞으로의 기준을 만들고 있는가, 아니면 곧 그 기준에 의해 평가받게 될 것인가.
참고
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.