Generali raises AI target: AI로 낼 영업이익 목표를 3.5억 유로 이상으로 올린 보험사
보험사 Generali는 AI가 영업이익에 주는 효과 목표를 2027년 3.5억 유로 이상으로 올렸습니다. 2026년 말에는 연환산 2억 유로를 넘길 것으로 봅니다. AI 과제 16개를 확산 중이고 Capgemini와 만든 심사 플랫폼 AGORA는 25개국에서 계약 전 심사 시간을 80% 줄였습니다.
Generali는 AI 성과를 과제 개수가 아니라 영업이익에 더해지는 유로 금액으로 목표를 걸고 그 목표를 실적 발표와 투자자의 날에서 공개적으로 올렸습니다. 따라 하려면 과제마다 기준선과 연환산 효과를 재무팀이 함께 확정하는 효과 원장, 그리고 국가별 성공 사례를 공통 플랫폼으로 묶는 확산 경로가 먼저 있어야 합니다.
요약
보험그룹 Generali는 전략계획 Lifetime Partner 27을 운영합니다. 계획을 시작할 때 AI가 영업이익에 주는 효과를 2027년까지 약 3억 유로로 잡았습니다. 2026년 3월 FY2025 실적 발표 콘퍼런스 콜에서 Philippe Donnet CEO는 실행이 “ahead of original assumptions”라고 했습니다. 그러면서 목표를 3.5억 유로 이상으로 올렸습니다. Insurance Business의 Mark Rosanes 기자는 11월 18일, 런던 투자자의 날 소식을 전하며 이 상향 목표를 다시 짚었습니다. 그룹은 2026년 말까지 누적 연환산(run-rate, 현재 속도로 1년 동안 낼 효과) 기준 2억 유로를 넘길 것으로 봅니다. 같은 자리에서 Generali는 현 계획의 재무 목표를 모두 넘길 것으로 내다봤습니다.
효과를 내는 곳은 가격 책정, 언더라이팅(보험 인수 심사), 청구, 운영 네 영역에 걸친 AI 과제 16개입니다. 기사는 상향의 배경으로 심사와 청구 쪽 배포를 꼽습니다. 대표 사례는 기업·상업 보험 부문 GC&C(Global Corporate & Commercial)입니다. 180개국 넘는 곳에서 브로커와 중대형 기업 고객을 상대하는 이 부문은 사이버 보험 청약 심사와 다국적 보험 프로그램 관리에 AI를 넣었습니다. Capgemini와 함께 만든 심사 플랫폼 AGORA는 25개국에서 계약 체결 전(pre-bind) 심사 작업 시간을 80% 줄였습니다(Capgemini 발표 기준). 브로커 입장에서는 청약 처리가 빨라지고 다국적 계약을 두고 오가는 확인이 줄어듭니다. 아래에서는 금액 목표가 움직이는 방식과 16개 과제의 구성, AGORA의 작동 방식을 풉니다. 이어서 같은 관리 방식을 국내 기업이 돌릴 때 필요한 원장 설계와 일정을 정리합니다.
핵심 메커니즘
AI Operating Benefit Target: AI 효과를 영업이익 금액으로 건다
Generali는 AI 성과를 “과제 몇 개를 배포했다”로 보고하지 않습니다. AI가 영업이익에 더하는 금액을 목표로 걸고 진척도 같은 단위로 공개합니다. 콘퍼런스 콜에서 CEO는 이 효과를 AI 도입에 따른 효율 개선으로 설명했습니다. 목표는 두 겹입니다. 2027년 최종 목표(3.5억 유로 이상)와, 그 전에 확인하는 중간 지점(2026년 말 연환산 2억 유로 초과)입니다.
작동 방식은 이렇습니다. 과제마다 절감하거나 늘린 금액을 재고 현재 속도로 1년을 돌렸을 때의 값으로 환산합니다. 이것을 모두 더한 run-rate를 영업이익 목표와 대조합니다. 결과는 실적 발표와 투자자의 날 같은 외부 행사에서 공시합니다. 목표가 금액이라 과제를 많이 벌여도 효과가 작으면 숫자가 오르지 않습니다. 반대로 효과가 큰 과제 하나가 목표 달성을 앞당깁니다. 그래서 Generali는 예상보다 빨리 효과가 쌓이자 목표를 올렸습니다.
언제 맞나: 효과를 비용·손해율·처리 시간처럼 돈으로 바꿀 수 있는 업무가 많은 기업에 맞습니다. 보험처럼 심사와 청구 처리 건수가 많은 업종이 대표적입니다. 효과가 매출 성장이나 고객 경험처럼 귀속이 어려운 곳에 몰려 있으면, 금액 목표 하나만으로는 진척이 잘 보이지 않습니다.
작은 예시(가상 예시): 국내 손해보험사가 자동차 청구 서류 확인을 AI로 바꿔 건당 12분을 줄였다고 합시다. 월 4만 건, 시간당 인건비 3만 원이면 월 2억 4,000만 원, 연환산 약 28.8억 원이 이 과제의 run-rate입니다.
16 AI Use Cases: 네 영역의 과제를 묶어 확산한다
Generali의 AI 전략 페이지는 다섯 가지 축을 둡니다. 첫째가 16개 AI 솔루션을 가격 책정·심사·청구·운영에 확산하는 일입니다. 나머지는 파트너십과 연구(MIT LIDS와의 협력), 생성형 AI 도구로 높이는 개인 생산성, 모든 사업부에 주는 분석 역량과 공통 플랫폼, AI 거버넌스 체계 완전 시행입니다. 금액 효과의 중심은 첫째 축인 16개 과제입니다.
과제의 예는 여러 자료에 흩어져 나옵니다. 청구에서는 물적 손해 처리부터 agentic AI(여러 단계를 스스로 계획하고 도구를 부르는 AI) 첫 적용을 시작했고 동유럽과 이베리아에서 파일럿을 돌립니다. 가격 책정에서는 이미 개인화된 자동차 보험 가격을 더 기술적으로 다듬을 여지가 있다고 Marco Sesana 그룹 총괄이 말했습니다. 심사에서는 AGORA와 사이버 보험 청약 처리가 있습니다. Sesana는 확산의 가장 큰 숙제로 나라마다 따로 만든 알고리즘을 공통 도구로 일반화하는 일을 꼽았습니다. 변화 관리와 출력 편차도 함께 들었습니다.
언제 맞나: 국가나 법인마다 비슷한 업무를 따로 하는 그룹사에 맞습니다. 한 나라에서 검증한 과제를 다른 나라에 옮겨 심을 때 효과가 곱으로 늘어납니다. 법인이 하나뿐이라면 과제 수를 늘리기보다 효과가 큰 과제 몇 개에 집중하는 편이 낫습니다.
AGORA: 기업 보험 심사를 한 플랫폼에 모은다
AGORA는 GC&C의 글로벌 심사 핵심 플랫폼입니다. Capgemini 사례 소개에 따르면 클라우드 기반 SaaS입니다. Microsoft Dynamics 365와 Power Platform, SharePoint Online 위에 올렸습니다. 기업 보험 청약의 계약 전후 전 과정을 다룹니다. 이전에는 여러 벤더의 시스템과 외부 도구가 얽혀 라이선스와 운영 비용이 컸고 데이터가 흩어져 있었습니다.
흐름은 네 단계입니다. 언더라이터가 Outlook 추가 기능으로 메일함에서 바로 영업 기회를 만들고 청약 서류를 붙입니다. AI 도구가 서류에서 데이터를 뽑아 보강하고 고객 위험 프로필을 한 화면에 모읍니다. 제재·컴플라이언스 점검과 가격·요율 도구가 같은 플랫폼 안에서 돕니다. 위험 엔지니어링·손실 예방(RELP) 기능도 붙어 있습니다. 마지막으로 문서를 생성해 하위 시스템으로 넘깁니다. 생성형 AI 비서는 플랫폼 사용법 안내, 반복 작업 자동화, 서비스 요청 처리를 맡습니다.
만든 순서도 눈여겨볼 만합니다. 영업·관리 업무를 먼저 정리하고 화면을 단순하게 바꾼 다음 문서 관리를 현대화한 뒤 AI 도구를 얹었습니다. 핵심 사전 심사 기능만 담은 MVP로 출시하고 사용자 의견에 따라 분기마다 업데이트했습니다. 출시 뒤 3개월은 데이터·연동·가격·위험 엔지니어링 전담 대응팀이 붙었습니다. 여러 나라의 문서 1.9TB를 SharePoint Online 한 곳으로 옮겼습니다.
결과는 Capgemini 발표 기준으로 사전 심사 작업 시간 80% 단축입니다. 소프트웨어 라이선스 비용은 60%, 지원·유지보수 비용과 AGORA 관련 서비스 데스크 티켓은 각각 75% 줄었습니다.
언제 맞나: 여러 나라 법인이 각자 시스템으로 같은 심사를 하는 그룹에 맞습니다. 업무와 문서 관리를 먼저 정리하지 않고 AI만 얹으면, 흩어진 데이터 때문에 추출 결과를 심사에 바로 쓰기 어렵습니다.
저자가 든 사례
청구 agentic AI: 한 나라의 성공을 그룹 공통 도구로
| 구분 | 내용 |
|---|---|
| 상황 | 청구는 Generali가 효과와 생산성 개선을 가장 크게 보는 영역. 다만 알고리즘이 나라별로 따로 만들어짐 |
| 한 일 | 물적 손해 처리부터 agentic AI 첫 적용을 특정 국가용으로 만들고, 동유럽과 이베리아(스페인·포르투갈)에서 파일럿 |
| 결과 | 2026.3 콘퍼런스 콜 기준 파일럿 단계. Sesana는 3~5년 안에 큰 효율을 기대하며 일부는 현 계획 안, 더 많은 부분은 다음 계획에 잡힌다고 설명 |
| 연결 | 16 AI Use Cases, AI Operating Benefit Target |
GC&C의 AGORA: 25개국 심사 업무를 한 플랫폼으로
| 구분 | 내용 |
|---|---|
| 상황 | 여러 벤더 시스템과 외부 도구로 라이선스·운영 비용이 크고 데이터 품질과 일관성이 떨어짐 |
| 한 일 | Capgemini와 Microsoft 클라우드 기반 심사 플랫폼 구축. MVP 출시 후 분기별 업데이트, 3개월 집중 지원, 1.9TB 문서 이관 |
| 결과 | 25개국에서 사전 심사 작업 시간 80% 단축, 라이선스 비용 60% 감소, 지원 비용과 서비스 데스크 티켓 각 75% 감소(Capgemini 발표) |
| 연결 | AGORA, 16 AI Use Cases |
기술 디테일: AI 효과 원장을 직접 만든다면
아래 필드명, 설정값, 기준은 실제로 돌릴 때 필요한 것을 새로 쓴 가상 예시입니다. 원문과 1차 자료에서 온 값은 그렇다고 밝혔습니다.
AI Operating Benefit Target을 돌리려면 과제마다 한 줄씩 쌓는 효과 원장부터 만듭니다. 원장의 한 행은 과제 하나의 한 달입니다. 기준선은 도입 전 3~6개월 평균으로 고정하고 바꾸지 않습니다. 효과는 처리 건수와 건당 절감액을 곱해 구합니다. run-rate는 최근 3개월 평균에 12를 곱합니다. 한 달 실적만으로 연환산하면 계절 변동이 그대로 부풀려지기 때문입니다.
{
"use_case_id": "CLM-MD-01",
"domain": "claims",
"country": "가상 국가 A",
"month": "2026-10",
"baseline": {"minutes_per_case": 38, "cost_per_case_eur": 21.5, "period": "2025-10~2026-03"},
"actual": {"cases": 41000, "minutes_per_case": 26, "cost_per_case_eur": 15.2},
"benefit_eur_month": 258300,
"run_rate_eur": 3021600,
"benefit_type": "opex",
"attribution_share": 0.7,
"finance_signoff": {"by": "FP&A", "date": "2026-11-05", "status": "approved"}
}
귀속 규칙을 미리 정합니다. 같은 업무에 AI와 프로세스 개선, 인력 재배치가 함께 들어가면 효과를 겹쳐 세기 쉽습니다. attribution_share로 AI 몫을 정하고 그 비율은 재무팀이 과제 시작 때 승인합니다. 비용 절감(opex), 손해율 개선(loss_ratio), 라이선스 절감(it_cost)처럼 효과 종류를 이렇게 나눠 두면 AGORA처럼 시간 단축과 라이선스 절감이 함께 나는 과제도 따로 셀 수 있습니다.
청구·심사 문서 추출은 구조화 출력으로 받습니다. AGORA처럼 청약 서류에서 데이터를 뽑는 단계는 LLM이 정해진 JSON 스키마로만 답하게 합니다. temperature는 0으로 둡니다. 필드마다 근거 페이지와 확신도를 함께 받아, 확신도 0.8 아래나 필수 필드 누락은 언더라이터 확인 대기열로 보냅니다. 같은 서류 50건을 3회씩 돌려 필드 일치율이 98% 아래로 내려가는 필드는 프롬프트나 스키마를 고칩니다.
{"submission_id": "GC-2026-11-0042", "insured_name": "가상 제조사 B", "countries": ["IT", "ES", "PL"], "line": "cyber", "sum_insured_eur": 25000000, "fields_low_confidence": ["revenue_last_fy"], "evidence_pages": {"countries": [2], "sum_insured_eur": [4]}}
나라별 알고리즘을 공통 도구로 일반화할 때는 입력 스키마를 먼저 맞춥니다. Sesana가 꼽은 확산 숙제를 푸는 첫 단계입니다. 청구 건의 필수 필드(사고 유형, 손해액, 증빙 목록, 처리 상태)를 그룹 공통 스키마로 정하고 나라별 차이는 설정 파일로 뺍니다. 새 나라에 옮길 때는 그 나라 과거 청구 500건으로 재현 시험을 하고 사람 판정과 85% 넘게 일치할 때 파일럿에 들어갑니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 효과 이중 계산 | 과제 합계가 부서 비용 감소보다 큼 | 부서 단위 실제 비용과 분기마다 대조, 차이는 attribution_share로 조정 |
| 기준선 이동 | 도입 뒤 업무량이 바뀌어 비교가 흔들림 | 건당 지표로만 비교하고 총액 비교는 하지 않음 |
| 시간 절감이 돈이 안 됨 | 처리 시간은 줄었는데 비용은 그대로 | 절감 시간의 쓰임(인력 재배치, 처리량 증가)을 과제 오너가 월별로 기록 |
| 출력 편차 | 같은 서류에서 추출값이 달라짐 | temperature 0, 3회 반복 일치 검사, 불일치 필드는 사람 확인 |
| 나라별 확산 지연 | 파일럿 국가에서만 효과가 남 | 공통 스키마와 국가별 설정 분리, 재현 시험 통과 후 확산 |
현업 실행 디테일: 누가, 언제, 무엇을
아래 역할, 일정, 기준은 Generali의 관리 방식을 참고해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| CFO | 효과 정의와 귀속 규칙 승인, 외부 공시 여부 결정 |
| FP&A(재무 계획·분석) | 과제별 기준선 확정, 월별 원장 검증, 부서 비용과 대조 |
| AX 추진 PMO | 과제 목록 관리, 원장 양식 운영, 분기 보고서 작성 |
| 현업 과제 오너(청구·심사 등) | 처리 건수와 건당 지표 제출, 절감 시간의 쓰임 기록 |
| 데이터·AI 엔지니어 | 지표 자동 수집, 추출 모델의 편차 점검, 공통 스키마 관리 |
| CEO·경영위원회 | 금액 목표 확정과 상향 여부 판단 |
준비물. 진행 중인 AI 과제 목록, 과제별 도입 전 3~6개월 처리 건수와 건당 시간·비용, 부서별 비용 실적, 인건비 단가표, 과제별 시작일과 확산 계획이 필요합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 진행 중인 과제를 모아 영역(가격·심사·청구·운영)별로 분류, 원장 필드 확정 | 과제 목록 10~20개, 원장 양식 |
| 3주 | 재무팀과 과제별 기준선 확정 | 기준선 표, 효과 종류 분류 |
| 4~5주 | 귀속 비율 합의, 최근 3개월 실측 입력, 첫 run-rate 계산 | 과제별 run-rate, 부서 비용 대조표 |
| 6주 | 금액 목표와 중간 지점 제안, 경영위원회 보고 | 연도별 금액 목표안, 분기 보고 양식 |
과제 오너와 재무팀에게 물을 것.
- 이 과제가 없었다면 같은 건수를 처리하는 데 몇 명, 몇 시간이 들었나요?
- 줄어든 시간은 어디에 쓰였나요(처리량 증가, 다른 업무, 인력 감축)?
- 같은 기간 이 업무에 AI 말고 바뀐 것(프로세스, 조직, 시스템)은 무엇인가요?
- 효과가 가장 큰 나라·법인은 어디이고 다른 곳으로 옮기려면 무엇을 바꿔야 하나요?
- 외부에 숫자를 공개한다면 감사인이 무엇을 확인할까요?
진행 판정 기준(예시). 과제는 재무팀 승인을 받은 기준선이 있어야 원장에 들어갑니다. 연환산 효과가 과제 운영비의 3배를 넘지 못하면 확산 대상에서 뺍니다. 그룹 합계 run-rate가 2분기 연속 목표 경로보다 20% 넘게 앞서면 목표 상향을 검토합니다. Generali가 3억에서 3.5억 유로 이상으로 올린 것처럼, 상향은 실측이 쌓인 뒤에 합니다.
AX 적용 제언. 국내 보험·금융 그룹이 AI 성과를 경영진에게 설명하지 못해 예산을 잃는 일이 잦습니다. 이때 과제 수나 파일럿 수 대신 영업이익 금액으로 목표를 거는 Generali 방식이 출발점이 됩니다. 순서는 효과 원장을 먼저 만들고 청구나 심사처럼 건수가 많은 영역 하나를 AGORA 같은 공통 플랫폼으로 묶은 뒤, 계열사로 넓히는 것입니다. 금액 목표는 원장이 2~3분기 쌓인 뒤 이사회에 올립니다. 원장 없이 숫자부터 공표하면 근거를 맞추는 데 분기를 흘려보내게 됩니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 기사 | 「Generali raises AI target as group expects to beat all plan targets」, Insurance Business, Mark Rosanes, 2026.11.18 |
| 계기 | Generali 런던 투자자의 날 |
| AI 효과 목표 | 계획 출범 때 약 3억 유로 → 2026.3 FY2025 실적 발표에서 2027년 3.5억 유로 이상으로 상향. 2026년 말 누적 run-rate 2억 유로 초과 전망 |
| AI 과제 | 가격 책정·심사·청구·운영에 걸친 16개 확산 중 |
| GC&C | 180개국 넘는 곳의 브로커·중대형 기업 고객 대상. 사이버 심사 접수, 다국적 프로그램 관리에 AI 배포 |
| AGORA | Capgemini와 구축. 25개국 사전 심사 작업 시간 80% 단축(Capgemini 발표). 라이선스 비용 60%, 지원 비용·관련 티켓 각 75% 감소. 문서 1.9TB 이관 |
| 기타 목표 | 조정 EPS 2026년 말 전년 대비 14% 넘는 성장 전망(원래 8~10%). 계획 첫 2년 누적 지주회사 순현금흐름 76억 유로 초과 |
| P&C | 3분기 합산비율 92.8%, 영업이익 4.5% 늘어 28.6억 유로. 계획 첫 2년 원수보험료 연 6.6%, 영업이익 연 12% 성장 전망 |
| 조직 | 2027년 1월부터 보험 시장을 5개 지역 클러스터로 통합, GC&C는 이탈리아 관할로 |
| 청구 AI(콘퍼런스 콜) | 물적 손해부터 agentic AI 첫 적용, 동유럽·이베리아 파일럿. 3~5년 안 큰 효율 기대 |
핵심 개념
- Run-rate
- 지금 속도가 1년 동안 이어진다고 보고 환산한 효과 금액입니다. 누적 run-rate는 과제마다 낸 이 값을 모두 더한 것입니다.
- Pre-bind underwriting
- 보험 계약을 확정하기 전에 위험을 평가하고 조건과 가격을 정하는 심사 단계입니다.
- GC&C
- Generali의 기업·상업 보험 부문으로, 브로커를 통해 중대형 기업의 국내외 위험을 인수합니다.
- Multinational program
- 한 기업이 여러 나라에서 보험을 들 때 본사 계약과 각국 현지 계약을 하나로 묶어 관리하는 보험 구조입니다.
- Combined ratio
- 손해액과 사업비를 더해 보험료로 나눈 비율입니다. 100%보다 낮으면 보험 영업에서 이익이 났다는 뜻입니다.
- Lifetime Partner 27
- Generali가 지금 운영하는 전략계획 이름으로, 부제는 Driving Excellence입니다.
내 메모
TODO: 내 생각 추가
원문은 Insurance Business의 Mark Rosanes 기자가 쓴 「Generali raises AI target as group expects to beat all plan targets」(2026.11.18)입니다. AGORA의 구성과 구축 순서, 라이선스·지원 비용 수치는 Capgemini 사례 소개 「Generali GC&C transforms its underwriting business to increase efficiency by 80%」(2026.5.8)에서, 청구 agentic AI와 확산 과제는 Generali의 FY2025 실적 발표 콘퍼런스 콜 녹취(2026.3)에서, 다섯 가지 축은 Generali 전략 페이지 「AI & Data-Driven Excellence」에서 확인했습니다. 요약과 핵심 메커니즘, 사례는 이 자료들의 내용을 AX Partners가 다시 정리한 것입니다. 기술·현업 디테일과 인포그래픽, 표, 가상 예시는 새로 작성했습니다. 전체 내용은 원문에서 볼 수 있습니다.