AI-enabled Data Exchange: Hanover가 대리점 데이터를 바로 받아 상업보험 견적을 앞당기는 방식
Hanover는 3분기 콜에서 대리점 데이터 환경에 직접 연결해 자료 추출과 인수 대상 검토를 자동으로 하고 견적 회신을 앞당기는 AI 기능을 3개월 만에 실전에 올렸다고 밝혔습니다. 회사는 E&S 성장률이 6.5%에서 11.7%로 오른 배경으로 AI 접수·분류를 들었습니다. 클레임용 Adjuster Workbench와 함께 따라 만들 때의 데이터, 규칙, 8주 시범안을 붙였습니다.
Hanover는 상업보험 견적의 앞단을 AI로 바꿨습니다. 대리점이 가진 데이터에 직접 연결해 자료를 뽑고, 받을 만한 위험인지와 인수 요건에 맞는지를 자동으로 가린 뒤 요율 산정까지 이어 견적 회신을 앞당깁니다. 이 기능은 구상부터 실전까지 3개월이 걸렸습니다. 따라 하려면 언더라이터마다 머릿속에 둔 인수 기준을 기계가 읽는 규칙표로 먼저 옮기고, 견적 회신 시간을 기준선으로 남겨야 합니다.
요약
Hanover는 2026년 10월 29일 3분기 실적 콜을 열었습니다. AI 이야기는 차기 CEO로 내정된 Dick Lavey가 주로 맡았습니다. Lavey는 기술 조직의 처리량(throughput)이 좋아져 새 기능을 더 빨리 내놓고 있다고 했습니다. 언더라이팅, 클레임, 고객 서비스 전반에 AI를 더 깊이 넣겠다는 방향도 밝혔습니다. 쓰임을 고르는 기준은 측정할 수 있는 사업 성과입니다. 상업보험(commercial lines)에서는 AI 데이터 교환 기능을 새로 냈습니다. 대리점의 데이터 환경에 직접 연결해 자료를 자동으로 뽑고, appetite(회사가 받고 싶은 위험인지)와 eligibility(인수 자격 요건)를 자동으로 검토합니다. 목표는 요율 산정(rating)을 포함한 견적 회신 시간 단축입니다. 클레임에서는 Adjuster Workbench를 출시했고 E&S는 제출 자료의 접수·분류 기능을 더 다듬었습니다. Surety(보증보험)는 워크플로와 신용 인증 기능을 진전시켰습니다. 근로자 재해보상보험(workers’ compensation)의 TAP Sales는 4분기에 배포를 마쳐 자동 언더라이팅을 더 많은 주로 넓힙니다.
Jack Roche 사장 겸 CEO는 E&S 성장률이 2분기 6.5%에서 3분기 11.7%로 올랐다고 말했습니다. 그 배경으로 AI 접수·분류 기능을 들었습니다. Lavey는 데이터 교환 기능을 두고 “Developed from concept to production in just three months”라고 말했습니다. 회사는 기술 투자액, 인원, AI 도구별 효율 지표를 공개하지 않았습니다. Adjuster Workbench의 손해사정비(LAE) 감소와 심도(severity) 관리도 기대 효과로 말했습니다. Lavey는 이 과제들이 아직 기회를 다 거두지 못한 초기 단계라고 덧붙였습니다. 아래에서는 세 기능의 작동 방식을 풀고, 국내 보험사가 대리점 채널에 같은 방식을 옮길 때 필요한 데이터, 규칙, 일정을 덧붙였습니다.
핵심 메커니즘
AI-enabled Data Exchange: 대리점 데이터에서 견적까지 바로 잇는 통로
대리점 시스템에 있는 고객과 보험 목적물 정보를 Hanover가 직접 받아 견적 단계까지 자동으로 넘기는 기능입니다. Lavey가 밝힌 흐름은 네 단계입니다. 대리점 데이터 환경에 직접 연결하고, 자료를 자동으로 추출하고, appetite와 eligibility를 자동으로 검토하고, 요율 산정을 포함한 견적을 빨리 돌려줍니다. 대리점과 고객이 거래하기 쉽고 빨라지는 것이 목적이라고 했습니다. 실시간 대리점 연결은 Lavey가 AI 언더라이팅, 제출 자료 자동 처리와 함께 묶어 말한 축이기도 합니다. 콜에서는 연결 대상 대리점 수, 회신 시간이 얼마나 줄었는지, 어떤 모델을 쓰는지 말하지 않았습니다. 따라 할 때는 건수가 많고 서류 형식이 비슷한 소형 상업보험 견적부터 고르는 편이 맞습니다. 건마다 현장 실사와 협상이 필요한 대형 계약은 자동 검토의 이득이 작습니다. 가상 예시로, 음식점 화재보험 견적 요청이 오면 대리점 시스템의 업종, 면적, 매출, 사고 이력을 자동으로 받아 인수 대상 업종인지 먼저 거르고 요율 엔진으로 넘깁니다.
Submission Intake & Triage: E&S 제출 자료를 받아 처리 순서를 정하는 AI
E&S(일반 보험사가 받기 어려운 위험을 다루는 시장)는 대리점이 보내는 제출 자료(submission)의 형식이 제각각입니다. Hanover는 이 자료를 받아들이는 intake와 처리 순서를 정하는 triage 기능을 3분기에 더 다듬었습니다. Lavey는 이 기능이 대리점에 더 빨리 답하는 데 이미 도움이 된다고 했습니다. Roche는 E&S 성장률이 6.5%에서 11.7%로 오른 배경으로 이 기능을 꼽았습니다. 다만 성장분 가운데 AI 몫이 얼마인지는 나누지 않았습니다. 이 방식은 언더라이터가 들어오는 제출 건을 다 볼 수 없어 먼저 볼 건을 골라야 할 때 맞습니다. 건수가 적고 언더라이터가 모든 건을 직접 읽을 수 있다면 분류 단계는 뒤로 미뤄도 됩니다. 가상 예시로, 하루 200건이 들어오면 AI가 인수 기준에 맞고 마감이 가까운 40건을 먼저 언더라이터 큐 맨 위에 올립니다.
Adjuster Workbench: 손해사정사의 판단을 돕는 작업대
Adjuster Workbench는 3분기에 출시한 클레임 도구입니다. Lavey는 구조화된 데이터와 판단 보조(decision support)를 한곳에 모아 손해사정사가 더 빨리, 더 많이 알고 결정하게 돕는다고 설명했습니다. 회사가 기대하는 효과는 손해사정비 감소와 사고 심도 관리입니다. 고객 경험과 운영 성과가 함께 좋아질 것으로 봤습니다. 아직 출시 직후라 실제 효과 수치는 나오지 않았습니다. 이 방식은 청구 한 건을 처리하려고 증권, 과거 사고, 지급 기록을 여러 시스템에서 따로 찾아야 할 때 맞습니다. 지급 결정은 계속 사람이 하고, 도구는 근거를 모아 보여 주는 역할에 둡니다. 가상 예시로, 상가 누수 청구가 들어오면 해당 증권의 담보 범위, 같은 건물의 과거 청구 2건, 비슷한 사고의 지급액 범위를 한 화면에 띄웁니다.
통념과 다른 주장
흔히 이렇게 봅니다보험사의 AI 성과는 인력과 비용 절감으로 먼저 증명한다.
Hanover는 이렇게 설명합니다AI의 쓰임을 대리점이 거래하기 쉬워지는 것, 곧 접수와 견적의 속도로 설명하고 그 결과를 성장률과 연결한다.
근거Roche는 E&S 성장률이 6.5%에서 11.7%로 오른 배경으로 AI 접수·분류를 들었고, Lavey는 데이터 교환 기능의 목적을 견적 회신 단축으로 밝혔습니다. 인원이나 효율 지표는 공개하지 않았습니다.
콜에서 나온 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| AI 데이터 교환 | 상업보험 견적에 대리점 자료 입력과 검토가 필요 | 대리점 데이터 환경 직접 연결, 자료 추출과 appetite·eligibility 검토 자동화 | 구상부터 실전까지 3개월, 회신 단축 수치는 미공개 | AI-enabled Data Exchange |
| E&S 접수·분류 | 형식이 제각각인 제출 자료 | intake·triage 기능 개선 | 응답 속도 지원, E&S 성장률 6.5%에서 11.7%(AI 몫은 미구분) | Submission Intake & Triage |
| Adjuster Workbench | 손해사정사가 쓸 정보가 흩어짐 | 구조화 데이터와 판단 보조를 묶은 도구 출시 | LAE 감소, 심도 관리 기대(수치 미공개) | Adjuster Workbench |
| TAP Sales | 근로자 재해보상보험 자동 언더라이팅 | 4분기 배포 완료 예정 | 자동 언더라이팅을 더 많은 주로 확대 | AI-enabled Data Exchange와 같은 자동 인수 축 |
기술 디테일: 세 기능을 직접 만든다면
아래 데이터, 모델, 필드, 설정값은 실행 제안이며 Hanover가 밝힌 구현이 아닙니다.
AI 데이터 교환을 돌리려면 일을 셋으로 나눕니다. 연결, 추출, 판정입니다. 연결은 대리점 관리 시스템의 API를 쓰고, API가 없는 대리점은 표준 청약서 파일 업로드로 받습니다. 추출은 LLM에 JSON 스키마를 주고 구조화 출력으로 받습니다. temperature는 0으로 두고 필드마다 원문 위치와 신뢰도를 함께 남깁니다. appetite와 eligibility 판정은 LLM에 맡기지 않습니다. 업종 코드, 소재지, 매출 구간, 최근 3~5년 사고 건수 같은 기준을 규칙표로 적고 규칙 엔진이 판정합니다. 규칙마다 ID를 붙이면 어떤 규칙 때문에 거절했는지 대리점에 바로 설명할 수 있습니다. 판정을 통과한 건만 기존 요율 엔진을 호출합니다. 필수 필드의 신뢰도가 0.9 미만이면 자동 견적을 멈추고 언더라이터 확인 큐로 보냅니다.
{
"submission_id": "SUB-2026-110482",
"agency_id": "AGY-0317",
"channel": "agency_api",
"line": "small_commercial_property",
"extracted": {
"business_class": {"value": "음식점", "source": "app_form_p1_l12", "confidence": 0.97},
"annual_revenue": {"value": 850000000, "source": "app_form_p2_l04", "confidence": 0.93},
"loss_count_5y": {"value": 1, "source": "loss_run_p1", "confidence": 0.88}
},
"appetite": {"result": "in", "rule_ids": ["APT-REST-01"]},
"eligibility": {"result": "review", "rule_ids": ["ELG-LOSS-03"], "reason": "loss_count_5y 신뢰도 0.9 미만"},
"rating_called": false,
"route": "underwriter_queue",
"received_at": "2026-11-03T09:12:00",
"quoted_at": null
}E&S 접수·분류를 돌리려면 먼저 들어온 메일과 첨부(PDF, 엑셀, 스캔본)를 문서 유형으로 나눕니다. 청약서, 사고 이력, 재무 자료, 기타입니다. 유형별로 필요한 필드만 추출한 뒤 우선순위 점수를 매깁니다. 점수는 appetite 적합도, 예상 보험료 구간, 대리점이 요청한 회신 기한, 기존 거래 대리점 여부를 가중합으로 묶습니다. 처음에는 네 항목에 같은 가중치를 주고, 4주 뒤 언더라이터가 실제로 견적을 낸 건과 비교해 조정합니다. 같은 문서를 3회 추출해 핵심 필드 값이 갈리면 사람 확인으로 보냅니다. 스캔 품질이 낮은 문서는 OCR 단계에서 따로 표시합니다.
Adjuster Workbench 같은 판단 보조를 돌리려면 청구 파일, 증권 담보 조항, 같은 계약자의 과거 청구, 비슷한 사고의 지급 기록을 묶어 검색합니다. LLM은 요약과 확인할 점 목록을 쓰고, 문장마다 근거 문서 ID를 답니다. 근거 없는 문장은 화면에 내보내지 않습니다. 지급액 추정은 과거 지급 기록의 범위로만 보여 주고 결정은 손해사정사가 합니다. 손해사정사가 요약을 고친 내용은 기록해 두었다가 월 1회 프롬프트와 검색 범위를 고치는 데 씁니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 인수 기준이 문서로만 있음 | 규칙 엔진에 넣을 기준이 없음 | 최근 거절 사례 100건을 사유별로 묶어 규칙 초안 작성, 언더라이팅 지침 담당 검수 |
| 대리점마다 시스템이 다름 | 연결 작업이 대리점 수만큼 늘어남 | 거래량 상위 대리점은 API, 나머지는 표준 파일 업로드로 받기 |
| 자동 추출 오류 | 잘못된 견적이 대리점에 나감 | 필수 필드 신뢰도 0.9 미만은 자동 견적 중단, 주 1회 오류 표본 검토 |
| 분류 점수가 현장 판단과 어긋남 | 언더라이터가 큐 순서를 무시 | 견적 낸 건과 점수를 4주마다 비교해 가중치 조정 |
| Workbench 요약에 근거 없는 문장 | 손해사정사가 도구를 믿지 않음 | 문장별 근거 문서 ID 필수, 근거 없는 문장 차단 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 상업보험 언더라이팅 본부장 | 시범 업종 선정, 지표 승인, 확대 판정 |
| 언더라이팅 지침 담당 | appetite·eligibility 기준을 규칙표로 정리, 규칙 변경 승인 |
| 대리점 영업 담당 | 시범 대리점 3~5곳 섭외, 회신 속도에 대한 대리점 의견 수집 |
| IT·데이터 엔지니어 | 대리점 연결, 추출 파이프라인, 요율 엔진 연동, 로그 관리 |
| 클레임 팀장 | Workbench 시범 청구 유형 선정, 손해사정사 피드백 정리 |
| 준법·리스크 담당 | 자동 거절 사유 기록, 고객 정보 처리 범위 검토 |
준비물. 최근 6개월 견적 요청과 회신 기록(요청 시각, 회신 시각, 결과), 언더라이팅 지침서와 최근 거절 사유 목록, 시범 대리점의 시스템 정보와 데이터 제공 동의, 요율 엔진 호출 규격, 클레임은 시범 유형의 최근 1년 청구와 처리 일수 기록이 필요합니다. 기준선은 시작 전 2주치로 잡습니다.
현업에 물을 것.
- 견적 요청이 들어와서 회신이 나가기까지 지금 평균 며칠이 걸리고, 가장 오래 걸리는 단계는 어디인가요?
- 언더라이터가 자료를 보자마자 거절하는 건은 어떤 기준으로 거르나요? 그 기준은 문서로 있나요?
- 대리점이 다른 보험사로 견적을 돌리는 가장 흔한 이유는 무엇인가요?
- 제출 자료 가운데 언더라이터가 매번 다시 입력하는 필드는 무엇인가요?
- 손해사정사가 청구 한 건을 처리하려고 몇 개 시스템을 여나요?
진행 판정 기준(예시). 실운영 3주 동안 다음을 채우면 대리점과 업종을 넓힙니다. 시범 업종의 견적 회신 시간 중간값이 기준선보다 30% 이상 줄어야 합니다. 자동 추출한 필수 필드의 정확도는 표본 검수에서 95% 이상이어야 합니다. 자동 판정 가운데 언더라이터가 뒤집은 비율은 5% 이하여야 합니다. 하나라도 못 채우면 원인을 찾아 3주를 더 봅니다.
AX 적용 제언. 법인보험대리점(GA)과 설계사 채널 비중이 큰 국내 손해보험사라면 Hanover의 순서를 그대로 빌릴 만합니다. 먼저 견적 앞단의 자료 입력과 1차 거름을 자동화하고, 클레임 도구는 그 다음에 붙입니다. 시작점은 기술이 아니라 인수 기준의 규칙화입니다. 언더라이터마다 다르게 적용하던 기준을 규칙 ID가 붙은 표로 만들면 자동 판정도 되고 대리점에 거절 사유를 설명하기도 쉬워집니다. 경영 보고는 인원 절감보다 견적 회신 시간, 견적 대비 체결 비율, 시범 대리점의 거래량 변화로 하는 편이 Hanover가 콜에서 쓴 설명 방식과 맞습니다. 3개월 안에 실전에 올리려면 업종 하나, 대리점 몇 곳으로 범위를 좁혀 시작해야 합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표 | Hanover 2026년 3분기 실적 발표 콜, 2026.10.29 (The Motley Fool 녹취) |
| 발언자 | Dick Lavey(차기 CEO), Jack Roche(사장 겸 CEO), Jeff Farber(CFO) |
| AI 방향 | 언더라이팅·클레임·고객 서비스 전반에 AI를 더 깊이, 측정 가능한 성과를 내는 실용적 쓰임 |
| 상업보험 | AI 데이터 교환 출시. 대리점 데이터 환경 직결, 자료 추출과 appetite·eligibility 검토 자동화, rating 포함 견적 단축 목표. 구상부터 실전까지 3개월 |
| E&S | 접수·분류 기능 개선. 성장률 2분기 6.5%에서 3분기 11.7% |
| 클레임 | Adjuster Workbench 출시. LAE 감소와 심도 관리 기대 |
| Surety·근재 | Surety 워크플로·신용 인증 기능 진전, 근재보험 TAP Sales 4분기 배포 완료 |
| 대리점 관리 | Agency Insight 도구로 관리·모니터링 |
| Specialty 실적 | HSI·Programs 제외 6.7% 성장, Surety 8.8%·Management Liability 15.5% 성장, 유지율 83.2%, 갱신 가격 변동 4.3% |
| 비용 | 실적 호조에 따른 직원 인센티브로 비용 증가, 사업비율 30.9%. 개인보험 대리점 변동 수수료 증가 |
| 미공개 | 기술 투자액, 인원, AI 도구별 효율 지표 |
핵심 개념
- E&S
- Excess and Surplus lines. 일반 보험사가 표준 상품으로 받기 어려운 위험을 별도 조건으로 인수하는 시장입니다.
- submission
- 대리점이 보험사에 견적을 요청하며 보내는 청약서, 사고 이력, 재무 자료 묶음입니다.
- appetite
- 보험사가 어떤 업종, 지역, 규모의 위험을 받고 싶어 하는지 정한 기준입니다.
- eligibility
- 특정 계약이 인수 자격 요건을 채우는지 따지는 검토입니다.
- rating
- 위험 정보를 요율 체계에 넣어 보험료를 계산하는 단계입니다.
- LAE
- Loss Adjustment Expense. 사고를 조사하고 처리하는 데 드는 손해사정비입니다.
- severity
- 사고 한 건당 손해액의 크기. 건수를 뜻하는 frequency와 구분합니다.
- expense ratio
- 사업비율. 보험료 대비 운영·판매 비용의 비율입니다.
내 메모
TODO: 내 생각 추가
원문은 The Motley Fool에 실린 「Hanover (THG) Q3 2026 Earnings Call Transcript」(콜 2026.10.29)입니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 Hanover 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 기술·현업 실행 디테일, JSON 예시, 데이터·처리 방식·지표 표, 막히는 경우 표, 일정과 판정 기준, 가상 예시, 인포그래픽은 따라 해 보려는 독자를 위해 새로 작성했습니다. 전체 발언은 원문 녹취에서 볼 수 있습니다.