보험금 청구 한 건에는 청구서와 진료비 세부내역서, 영수증, 신분증, 통장사본 등 형식이 다른 문서가 함께 제출된다. 기존 OCR이 각 문서의 글자를 읽더라도 서류 누락과 항목 불일치, 낮은 화질로 인한 오류를 사람이 다시 확인해야 해 자동화 효과가 제한적이었다. 한국딥러닝은 국내 대형 보험사에 문서 AI 솔루션 ‘딥에이전트(DEEP Agent)’를 공급해 문서 인식 이후의 분류와 검증 과정까지 자동화한다. 보험금 청구 문서를 활용한 사전검증에서는 사람의 개입 없이 전체 절차를 마친 비율이 기존 28%에서 91%로 상승했다. 문서를 읽는 기술에서 실제 보험 업무를 처리하는 AI로 적용 범위가 확장된 사례다.
해당 보험사는 기존에 OCR로 문서를 1차 인식한 뒤, 결과가 불확실하거나 항목이 누락된 문서를 외부 검수 인력이 원문과 대조하는 방식으로 처리했다. 청구량이 늘면 수십명 규모의 검수 인력을 추가로 투입해야 했으며, 문서 한 장당 약 2500~3000원의 비용이 발생했다.
복잡한 표와 저화질 이미지, 보험사마다 다른 서류 양식도 자동화를 가로막았다. 문자 인식이 끝난 뒤에도 사람의 재검수가 필요해 문서량 증가가 인력과 운영비 상승으로 이어지는 구조였다.
한국딥러닝, 대형 보험사에 딥 에이전트 공급 (자료 제공: 한국딥러닝)
문서를 청구 건별로 묶고 값까지 대조…사람은 예외 건만 확인
딥에이전트는 여러 문서를 하나의 보험금 청구 건으로 묶어 처리한다. 필수서류가 모두 제출됐는지 확인하고, 정상 건은 후속 심사 단계로 전달한다. 서류가 빠졌거나 문서 간 정보가 일치하지 않는 건, 원문 확인이 필요한 저신뢰 결과는 예외 대상으로 따로 분류한다.
담당자는 전체 문서를 반복해서 검수하는 대신 보완 요청이나 추가 판단이 필요한 청구 건을 중심으로 확인할 수 있다. 사전검증 결과 사람이 다시 검수해야 할 문서는 기존보다 87% 감소했다.
한국딥러닝은 보험 문서 처리 과정에서 확인한 오류 유형을 반영해 딥에이전트의 핵심 엔진도 고도화했다. ‘DEEP OCR’은 기울어지거나 화질이 낮은 영수증과 진료서류에서 숫자, 금액 등 주요 정보를 인식한다. ‘DEEP Parser’는 병합 셀이 포함된 복잡한 표와 여러 페이지에 걸친 진료비 내역의 구조를 복원해 항목과 금액이 잘못 연결되는 오류를 줄인다.
추출된 정보는 문서 특화 비전언어모델(VLM)과 검증 엔진을 거쳐 다시 정리된다. VLM은 문서의 전체 배치와 문맥을 함께 분석해 양식이 달라도 같은 의미의 항목을 공통 업무 기준에 맞춰 구조화한다. 검증 엔진은 청구인과 피보험자 정보, 계좌번호, 진료 기간, 청구 금액 등 여러 문서에 흩어진 값을 대조해 누락과 불일치를 점검한다.
보험사 관계자는 “기존에는 청구 물량이 증가할 때마다 외부 검수 인력과 문서당 처리 비용도 함께 늘었다”며 “반복적인 수작업 검수와 외주 운영 부담을 줄여 연간 약 38억원의 운영비를 절감할 것으로 기대한다”고 말했다.
김지현 한국딥러닝 대표는 “기업 문서 자동화의 성패는 일부 까다로운 문서로 인해 사람이 전체 업무에 다시 개입하는 상황을 얼마나 줄이느냐에 달려 있다”며 “기업이 현장에서 효과를 체감할 수 있도록 딥에이전트의 처리 엔진을 강화하겠다”고 말했다.
한국딥러닝은 딥에이전트를 금융과 보험, 공공, 제조 등 비정형 문서를 대량으로 처리하는 산업에 적용할 계획이다. 현재 문서 이해 기술 ‘DEEP OCR’과 ‘DEEP Parser’, 문서 분석부터 검증·판단·시스템 입력까지 수행하는 ‘DEEP Agent’를 80개 이상의 기업과 공공기관에 제공하고 있다.
문자 인식률보다 전체 업무에서 사람의 재검수를 얼마나 줄였는지가 보험 문서 AI의 실효성을 가르는 기준으로 자리 잡고 있다.
The post 전검증서 보험금 서류 100건 중 91건 자동 처리…한국딥러닝 ‘딥에이전트’ 공급 appeared first on 벤처스퀘어.