Clara: 보험사 Hippo의 AI 청구 에이전트, 사고 접수 10건 중 9건을 해내다
Hippo CEO Rick McCathron은 3분기 실적 콜에서 AI 청구 에이전트 Clara가 최초 사고 접수(FNOL) 10건 중 9건을 해내 청구 조직이 성장할 여력을 준다고 말했습니다. 순사업비율은 52.0%에서 41.7%로 내려갔지만 회사는 주요인을 영업 레버리지로 설명했습니다. FNOL 한 건을 에이전트로 받는 설계와 12주 실행안을 붙였습니다.
미국 주택보험사 Hippo의 AI 청구 에이전트 Clara는 최초 사고 접수(FNOL) 10건 중 9건을 해내고 있습니다. 경영진은 이것을 인력 감축이 아니라 늘어나는 청구를 지금 인력으로 받아 낼 여력으로 설명했습니다. 따라 하려면 "접수 성공"의 정의와, 사람에게 넘기는 경로부터 정해야 합니다.
요약
Hippo CEO Rick McCathron은 2026년 10월 29일 3분기 실적 콜에서 Clara의 성과를 짧게 언급했습니다. Clara는 최초 손해 통지(FNOL, First Notice of Loss: 보험계약자가 사고를 처음 알리는 단계) 10건 중 9건에서 성공하고 있고, 그 덕에 청구 조직이 수익성을 지키며 계속 클 여력이 생긴다는 내용입니다. AIM Media House의 Deployed는 11월 2일 이 발언을 정리하며, Clara의 작동 방식이나 인력 수치는 콜에서 나오지 않았다고 적었습니다. Clara는 4월에 공개된 새 청구 워크플로의 입구입니다. 24시간 대화형 에이전트가 신고를 받아 청구 정보를 구조화하고, 앞뒤가 맞지 않는 내용을 표시해 알맞은 경로로 보냅니다. 9월 발표에서는 시도한 FNOL 통화의 81%를 사람 개입 없이 끝낸다는 수치가 나왔습니다.
같은 콜에서 회사는 3분기 순사업비율(expense ratio, 보험료 대비 사업비 비율)이 41.7%로 1년 전 52.0%에서 내려갔다고 밝혔습니다. CFO Guy Zeltser는 하락의 대부분을 규모가 커지며 생긴 영업 레버리지로 설명했고, 사업비율이 낮은 상업 복합위험·배상책임 보험 비중이 늘어난 점도 꼽았습니다. AI가 이 중 얼마를 기여했는지는 따로 밝히지 않았습니다. 다만 AI로 영업 레버리지를 계속 끌어내 고정비를 대체로 묶어 두겠다고 했고, 2028년 사업비율 목표를 30%대 중반으로 제시했습니다. 새 주(州)에 진출할 때 드는 주당 엔지니어링 작업은 첫 8개 주보다 70% 줄었습니다. 아래에서는 Hippo의 청구 AI를 다섯 메커니즘으로 나눠 보고, FNOL 한 건을 에이전트로 받는 설계와 12주 실행안을 덧붙입니다.
핵심 메커니즘
Clara: 24시간 사고 접수를 맡는 대화형 FNOL 에이전트
Clara(보도자료 표기 “Clara from Claims”)는 보험계약자가 사고를 처음 알리는 순간을 맡습니다. 신고 내용을 대화로 받으면서 청구 정보를 실시간으로 구조화하고, 서로 맞지 않는 내용이 있으면 표시한 뒤 알맞은 처리 경로로 보냅니다. 상담원이 전화를 받아 받아 적고 시스템에 옮기던 일을 에이전트가 처음부터 정해진 형식으로 남기는 셈입니다. 이 방식은 신고가 몰리는 재해 직후에 특히 쓸모가 있다고 Hippo는 설명합니다. 반대로 인명 피해가 있거나 고객이 크게 동요한 신고는 사람이 받는 편이 낫습니다. 회사는 Clara 덕분에 주택보험 청구의 70% 이상이 디지털로 접수될 것으로 봤습니다. 어떤 모델을 쓰는지, 전화와 다른 채널을 어떻게 나누는지는 공개하지 않았습니다.
Agentic Claims Workflow: 접수 뒤 단계에도 AI를 심는 구조
Clara는 입구일 뿐이고, 4월에 발표한 워크플로는 청구 전체 수명 주기에 AI를 넣습니다. triage(사건 분류), subrogation(구상, 제3자에게 손해를 되받는 일) 대상 선별, SIU(특별조사팀) 대상 표시, 서류 검토, 고객 안내, 청구 요약이 여기에 들어갑니다. 손해 사정은 항공 이미지와 지붕 측정으로 원격 견적을 내고, 고객이 휴대폰으로 올린 사진을 이미지 인식으로 품목 목록으로 바꿉니다. 그만큼 현장 조사를 줄이고, 손해사정사는 판단이 필요한 복잡한 건에 집중합니다. 회사는 이 전환을 옛 시스템에서 하나의 청구 플랫폼으로 옮긴 일로 소개했습니다.
Capacity, not Cuts: 인력을 줄이지 않고 처리 여력을 늘린다
Hippo가 청구 AI의 효과로 내세우는 말은 감원이 아니라 여력입니다. 4월 발표에서는 내부 모델링 결과 지금의 인력 구조로 청구량이 30~35% 늘어도 추가 채용 없이 감당할 수 있다고 했습니다. 9월에는 청구 고객에게 평균 1.2 영업시간 안에 첫 연락을 한다고 밝혔습니다. 사내 목표 2시간보다 빠른 수치입니다. 지급까지 끝난 청구 고객 가운데 84%가 매우 또는 극도로 만족한다고 답했습니다. 3분기 총수입보험료가 60% 늘어난 회사라, 청구 조직이 같은 속도로 사람을 늘리지 않아도 되는지가 수익성을 가릅니다.
Operating Leverage: 사업비율 하락과 AI 기여를 나눠 말한다
3분기 순사업비율은 52.0%에서 41.7%로 약 10%p 내려갔습니다. Zeltser는 이 하락을 주로 영업 레버리지와 사업 구성 변화로 설명했고, AI는 앞으로 고정비를 묶어 둘 수단으로 언급했습니다. 같은 분기 기술·개발비는 800만 달러에서 1,100만 달러로 늘었습니다. 기술에 더 쓰면서 사업비율은 내려간 구도입니다. 경영진은 기술 투자가 사업비율을 계속 끌어내릴 것이라 했지만, AI 몫을 숫자로 떼어 내지는 않았습니다.
Reusable Platform: 한 번 만든 플랫폼을 새 주와 파트너에 다시 쓴다
McCathron은 새 주에 진출할 때 드는 주당 엔지니어링 작업이 첫 8개 주보다 70% 적다고 했습니다. 올해 전국 판매 파트너를 통해 기존 주택 견적이 가능한 주를 약 14개 늘립니다. 같은 플랫폼은 밖으로도 나갑니다. Hippo는 위험을 나눠 지는 파트너 MGA(Managing General Agent, 보험사 대신 인수·운영을 맡는 대리점)에 보험 인수 능력뿐 아니라 청구 처리, 고객 지원, 기술을 함께 제공합니다. 위험을 20~40% 지는 프로그램이라면 외부 청구 대행사(TPA)보다 Hippo가 청구를 맡는 쪽을 선호한다고 McCathron은 답했습니다. 외부 대행사는 인수 수익성과 이해가 맞지 않는다는 이유입니다. 이 서비스는 매출원이 아니라 위험을 지는 프로그램을 관리하는 수단으로 본다고 덧붙였습니다. 콜 전날에는 Greenlight Re와 손잡고 신생 MGA의 우선 보험사가 되기로 했다고 발표했습니다.
통념과 다른 주장
흔히 이렇게 봅니다청구 처리에 AI 에이전트를 넣는 목적은 상담원과 손해사정사 인원을 줄이는 것입니다.
Hippo는 이렇게 말합니다McCathron은 Clara가 청구 조직에 "the bandwidth to keep growing profitably"를 준다고 했습니다. 효과는 감원이 아니라 늘어나는 청구를 지금 인력으로 받는 여력입니다.
근거4월에는 현 인력으로 청구량 30~35% 증가를 감당할 수 있다는 내부 모델링을, 3분기에는 총수입보험료 60% 성장과 대체로 묶인 고정비를 제시했습니다. 인원 수치는 콜에서 다루지 않았습니다.
흔히 이렇게 봅니다AI를 앞세운 회사의 사업비율이 내려가면 그것을 AI 효과로 읽습니다.
Hippo는 이렇게 말합니다사업비율 10%p 하락의 대부분은 규모가 커지며 생긴 영업 레버리지와 사업 구성 변화에서 왔습니다.
근거CFO는 하락 요인으로 영업 레버리지와 사업비율이 낮은 보험 종목의 비중 확대를 들었고, AI 기여분은 따로 내놓지 않았습니다.
저자가 든 사례
Clara의 FNOL 성과 (2026년 3분기 콜)
| 구분 | 내용 |
|---|---|
| 상황 | 총수입보험료가 빠르게 늘면서 청구 건수도 함께 늘어나는 주택보험사 |
| 한 일 | 4월 새 청구 워크플로를 내놓고 24시간 대화형 FNOL 에이전트 Clara를 입구에 배치 |
| 결과 | FNOL 10건 중 9건 성공(10월 콜), 시도한 FNOL 통화 81% 무인 완료(9월 발표). 성공의 정의와 인력 수치는 원문에서 밝히지 않음 |
| 연결 | Clara, Capacity, not Cuts |
3분기 사업비율 하락
| 구분 | 내용 |
|---|---|
| 상황 | 2025년 3분기 순사업비율 52.0% |
| 한 일 | 규모 확대, 사업 구성 변화, AI로 고정비 억제 |
| 결과 | 2026년 3분기 41.7%. 주요인은 영업 레버리지, AI 기여분은 원문에서 밝히지 않음 |
| 연결 | Operating Leverage |
새 주 진출과 파트너 서비스
| 구분 | 내용 |
|---|---|
| 상황 | 첫 8개 주는 주마다 엔지니어링 작업이 많이 듦 |
| 한 일 | 플랫폼과 통합을 다듬어 새 주를 열고, 같은 청구·지원·기술을 파트너 MGA에 제공 |
| 결과 | 주당 엔지니어링 작업 70% 감소, 올해 약 14개 주 추가. 파트너 서비스는 매출원이 아니라 위험 관리 수단 |
| 연결 | Reusable Platform |
기술 디테일: FNOL 한 건을 에이전트로 받으려면
Clara 같은 FNOL 에이전트를 돌리려면 통화 한 건을 청구 레코드 하나로 남기는 형식부터 정합니다. 대화가 끝날 때 모델이 자유 문장이 아니라 정해진 JSON을 채우게 하고, 필드 추출은 temperature 0으로 돌립니다. 구성은 음성 인식(STT), 구조화 출력을 지원하는 LLM, 증권 조회 도구 호출, 규칙 엔진의 네 단계면 충분합니다. 필수 필드가 하나라도 비면 에이전트가 그 자리에서 다시 묻고, 두 번 물어도 비면 사람에게 넘깁니다. 아래 필드는 이 노트가 새로 설계한 예시입니다.
{
"claim_id": "fnol_20261106_0193",
"policy_ref": "HO-****4471",
"caller_verified": true,
"date_of_loss": "2026-11-04",
"peril": "water_leak",
"damaged_areas": ["kitchen_floor", "lower_cabinet"],
"photos_uploaded": 4,
"home_habitable": true,
"mitigation_done": "water_shutoff",
"injury_reported": false,
"inconsistency_flags": [],
"route": "fast_track",
"extraction_confidence": 0.93,
"fnol_status": "completed"
}불일치 표시를 돌리려면 모델 판단보다 규칙을 먼저 둡니다. 사고일이 보험 시작일보다 앞서는지, 신고한 주소가 증권 주소와 다른지, 신고한 원인이 그날 그 지역 날씨 기록과 맞는지, 같은 주소로 최근 비슷한 청구가 있었는지를 규칙으로 확인합니다. 규칙에 걸린 항목은 inconsistency_flags에 남기고, 모델은 대화 내용과 사진 설명이 서로 맞는지처럼 규칙으로 잡기 어려운 부분만 봅니다. Hippo가 SIU 대상 표시를 별도 기능으로 둔 것처럼, 불일치가 표시된 건은 자동 처리 경로에서 빼는 것이 기본입니다.
| 상황 | 판정 | 경로 |
|---|---|---|
| 필수 필드 완비, 불일치 없음, 소액 피해 | fast_track | 사진 기반 원격 견적 |
| 지붕·외벽 피해 | remote_estimate | 항공 이미지·지붕 측정 후 손해사정사 |
| 인명 피해, 거주 불가, 고객이 사람 요청 | human_now | 상담원 즉시 연결 |
| 불일치 규칙 2개 이상 | siu_review | SIU 검토 대기열 |
| 추출 신뢰도 0.8 미만 | adjuster | 손해사정사가 레코드 확인 |
“10건 중 9건 성공”을 재려면 성공의 정의를 먼저 문서로 고정합니다. Hippo는 9월에 시도한 통화 기준 무인 완료 81%를, 10월에는 성공률 10건 중 9건을 말했는데 두 지표의 정의는 공개하지 않았습니다. 직접 운영할 때는 분모(시작된 통화 전부인지, 본인 확인을 마친 통화만인지)와 분자(필수 필드 완비, 사람 개입 없음, 48시간 안 재접촉 없음)를 정해 둡니다. 정의가 바뀌면 숫자가 오르내리니, 경영 보고에 쓰는 지표는 정의 버전을 함께 기록합니다.
품질과 편차를 보려면 주마다 FNOL 레코드 200건을 뽑아 손해사정사가 필드별로 맞았는지 채점합니다. 고정한 통화 녹취 100건을 매주 3회씩 다시 추출해 같은 필드에 다른 값이 나온 비율이 2%를 넘으면 프롬프트와 필드 정의를 다시 봅니다. 재해 직후처럼 신고가 몰릴 때를 대비해 동시 통화 상한과 대기 안내 문구, 대기 시간이 길어지면 문자로 접수 링크를 보내는 우회 경로를 미리 둡니다.
여력을 숫자로 보이려면 청구 담당자 1인당 월 처리 건수와 청구 1건당 처리 비용을 Clara 도입 전후로 같은 방식으로 잽니다. Hippo가 말한 “현 인력으로 30~35% 더”는 이 두 숫자에서 나오는 계산입니다. 사업비율에서 AI 몫을 따로 보고하려면 접수·검토·소통 단계별 사람 시간을 표본으로 재 두어야, 규모 효과와 AI 효과를 나눠 설명할 수 있습니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 하는 일 |
|---|---|
| 청구 본부장 (스폰서) | 첫 대상 사고 유형 승인, 확대 여부 결정 |
| FNOL 접수 팀장 | 사고 유형 분류, 필수 질문 목록과 이관 기준 제공, 그림자 운영 감독 |
| 손해사정 리더 | 경로별 처리 규칙 확인, 주간 표본 채점 |
| SIU·구상 담당 | 불일치 규칙 목록 제공, 표시 결과 검토 |
| AI·플랫폼 팀 | 대화 에이전트, JSON 레코드, 규칙 엔진, 청구 시스템 연결 |
| 준법·개인정보 | 녹취 고지, 마스킹, 보존 기간, 지역별 규제 요건 확인 |
| 재무 | 1인당 처리 건수·건당 비용 기준선과 장부 관리 |
시작 전 준비물은 네 가지입니다. 최근 12개월 FNOL의 사고 유형별 건수, 지금 상담원이 쓰는 접수 질문지, 경로 배정과 SIU 의뢰 기준, 그리고 사고 유형별 첫 연락 시간과 건당 처리 비용입니다. 재해가 있었던 달의 신고 추이도 함께 받습니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | “접수 성공” 정의, 1인당 처리 건수·건당 비용 기준선 측정 | 지표 정의서, 기준선 표 |
| 3~5주 | 판단이 적은 사고 유형(소규모 누수·파손) 2~3개의 필드와 불일치 규칙 설계 | JSON 형식, 경로 판정표 |
| 6~8주 | 그림자 운영: 상담원이 받는 통화에 에이전트가 레코드를 나란히 만들고 비교 | 주간 채점표, 경로 변경 사유 |
| 9~12주 | 기준을 넘은 유형만 야간·주말 접수부터 실제 적용 | 확대 판정 보고서 |
첫 주에 FNOL 접수 팀장에게 물을 질문입니다.
- 건수는 많은데 손해사정사 판단이 거의 필요 없는 사고 유형은 무엇인가?
- 접수 뒤 정보가 빠져 고객에게 다시 전화하는 비율이 높은 유형은 무엇인가?
- 지금 SIU 의뢰로 이어지는 신호는 문서로 있는가, 경험으로만 있는가?
- 재해 때 접수 대기가 가장 길었던 날, 무엇이 병목이었나?
- 반드시 사람이 받아야 하는 신고는 어떤 경우인가?
판정 기준은 예시입니다. 사고 유형마다 FNOL 성공률 85% 이상, 필드 정확도 95% 이상, 손해사정사가 경로를 바꾼 비율 10% 이하, 첫 연락 시간 목표 유지를 모두 넘으면 적용 범위를 넓힙니다. 하나라도 못 넘으면 그 유형은 그림자 운영으로 되돌립니다.
AX 적용 제언입니다. 손해보험사의 사고 접수 콜센터가 1순위이고, 제조사의 A/S·클레임 접수나 카드사의 분실·이의 신청처럼 “첫 신고를 정해진 형식으로 받는 일”이면 같은 구조가 통합니다. 순서는 Hippo처럼 입구부터입니다. 접수 레코드가 구조화돼야 뒤의 triage, SIU 선별, 원격 견적이 그 위에서 돌아갑니다. 경영진 보고는 감원 숫자보다 “같은 인력으로 몇 % 더”라는 여력 지표로 잡는 편이 현장 저항이 적고, 재무가 처음부터 1인당 처리 건수 장부를 함께 쥐어야 사업비율 변화 중 AI 몫을 설명할 수 있습니다. 스폰서는 IT가 아니라 청구 본부장으로 둡니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 회사 | Hippo Holdings (미국 주택보험 중심의 기술 기반 보험 그룹, NYSE: HIPO) |
| 발언자 | Rick McCathron (사장 겸 CEO), Guy Zeltser (CFO) |
| 3분기 콜 | 2026.10.29. Clara가 FNOL 10건 중 9건 성공, 청구 조직의 성장 여력 |
| 사업비율 | 순사업비율 41.7% (전년 52.0%), 주요인은 영업 레버리지·사업 구성, AI 몫 미공개. 2028년 목표 30%대 중반 |
| 새 주 진출 | 주당 엔지니어링 작업이 첫 8개 주 대비 70% 감소, 올해 약 14개 주 추가 |
| 파트너 서비스 | 청구 처리·고객 지원·기술 제공, 매출원으로 보지 않음. Greenlight Re와 신생 MGA 지원 제휴 |
| 3분기 실적 | 총수입보험료 4억 9,810만 달러(60% 증가), 매출 1억 5,600만 달러(29% 증가), 순이익 880만 달러, 조정 순이익 2,000만 달러, 합산비율 98.4% (전년 99.6%) |
| 4월 발표 | 새 청구 워크플로와 Clara 공개, 디지털 접수 70% 이상 기대, 현 인력으로 청구량 30~35% 증가 감당 가능(내부 모델링) |
| 9월 발표 | 시도한 FNOL 통화 81% 무인 완료, 첫 연락 평균 1.2 영업시간(목표 2시간), 지급 완료 고객 84% 매우·극도로 만족 |
핵심 개념
- FNOL (First Notice of Loss)
- 보험계약자가 사고를 보험사에 처음 알리는 단계. 여기서 받은 정보의 질이 이후 분류, 조사, 지급 속도를 정합니다.
- Expense ratio
- 보험료 가운데 판매·운영 같은 사업비가 차지하는 비율. Hippo는 순보험료 기준 순사업비율을 보고합니다.
- Combined ratio
- 손해율과 사업비율을 더한 값. 100% 아래면 보험 영업에서 이익이 났다는 뜻이며 Hippo의 3분기 값은 98.4%였습니다.
- Operating leverage
- 매출이 늘어도 고정비가 크게 늘지 않아 비용 비율이 내려가는 효과. Hippo는 사업비율 하락의 주요인으로 이것을 들었습니다.
- TPA (Third-Party Administrator)
- 보험사를 대신해 청구를 처리하는 외부 대행사. Hippo는 위험을 나눠 지는 프로그램에서는 자신이 이 역할을 맡기를 선호합니다.
- MGA (Managing General Agent)
- 보험사의 위임을 받아 상품 인수와 운영을 맡는 대리점. Hippo는 자체 MGA를 운영하면서 다른 MGA에 보험 인수 능력과 서비스를 제공합니다.
내 메모
TODO: 내 생각 추가
원문: Sachin Mohan, 「Hippo’s AI Claims Agent Succeeds on 9 in 10 First Loss Reports」, Deployed(AIM Media House, 2026.11.2). 발언과 수치는 Hippo 3분기 실적 콜 녹취(2026.10.29)와 3분기 실적 발표문으로 확인했습니다. Clara의 기능과 4월 수치는 Hippo 보도자료(2026.4.8)와 Claims Journal 보도, 9월 수치는 FinTech Global 보도(2026.9.29)로 보강했습니다. 요약·메커니즘·통념과 다른 주장·사례·원문 사례 표는 이 자료의 내용을 AX Review가 다시 정리했고, 직접 인용은 한 번만 실었습니다. 기술·현업 디테일, JSON 예시, 경로 판정표, 일정, 판정 기준, 인포그래픽은 새로 작성했으며 그 안의 필드명·숫자·사고 유형 예시는 가상입니다. 전체 기사는 AIM Media House에서 볼 수 있습니다.