누가 쓴 글인가, 그는 누구인가
이 글의 저자 Travis Sommerfeld는 글로벌 전문 컨설팅 기업 J.S. Held의 Building Consulting 부문 수석 부사장(Senior Vice President)이다. J.S. Held는 복잡한 재산 피해, 건설 분쟁, 보험 청구에 관한 기술적·법적 전문 자문을 제공하는 회사로, 보험사와 피보험자 양측 모두에 서비스를 제공한다. 이 글에는 Sommerfeld 외에도 J.S. Held의 Kurt Cutshall, Daniel Schreiber, Christian Trabue, Nathan Heinlein 등 여러 전문가들이 공동으로 기여했다.
즉, 이 글은 현장에서 실제로 손해사정·감정·분쟁 해결을 다루는 실무 전문가 집단이 쓴 것이다. 학술 논문도, 기술 기업의 마케팅도 아니다. 그 무게감이 다르다.
기사는 미국의 보험 전문 미디어 Claims Journal의 'Expert Viewpoints' 섹션에 게재됐다. Claims Journal은 손해사정사, 보험사, 보험 관련 법조인 등을 주요 독자로 하는 업계 전문지다.
그는 무엇을 말하는가
Sommerfeld의 핵심 주장은 단 한 문장으로 요약된다.
"기술은 전문가를 대체하는 것이 아니라, 전문가가 더 중요한 일에 집중할 수 있도록 돕는 증폭기(force multiplier)여야 한다."
그는 재산 보험 청구(property insurance claims) 분야에서 AI와 자동화 기술의 도입이 빠르게 진행되고 있다는 사실을 인정하면서도, 그 기술이 어디까지 유효하고 어디서부터 위험해지는지를 구체적으로 짚는다.
기술이 잘 작동하는 곳
반복적이고 구조화된 업무에서 자동화는 탁월하다. 청구 접수·서류 분류·워크플로우 라우팅·규정 준수 체크·데이터 패턴 분석 등은 기술이 사람보다 빠르고 일관되게 처리할 수 있다. 이런 영역에서의 자동화는 환영받아야 한다.
기술이 한계를 드러내는 여섯 가지 장면
그러나 저자는 AI 기반 도구들이 '전문가 수준의 정확성'을 주장하며 실제 판단 영역까지 침범할 때 문제가 발생한다고 경고한다. 그가 제시하는 구체적인 사례들이다.
① 항공·드론 이미지 분석 AI는 이미지에서 패턴을 인식하지만, 그것이 실제 손상인지 단순한 노후화인지, 또는 시공 결함인지는 판단하지 못한다. 촬영 날짜도 며칠에 걸친 구간 데이터일 수 있어 사고 시점 특정이 어렵다. 분쟁 상황에서 단독 증거로 사용하기엔 근거가 부족하다.
② 자동 기상 데이터 분석 자동 기상 리포트는 운영 효율을 위한 도구이지, 법적 포렌식 분석이 아니다. 우박 크기나 좌표가 잘못 기록되거나 사건 자체가 누락된 경우도 있다. 특정 부지에서 실제로 어떤 기상 조건이 발생했는지 판단하려면 기상 전문가의 교차 분석이 필요하다.
③ 자동 견적 검토 도구 작업 완료 후 제출되는 청구서(인보이스)는 더 이상 견적이 아니다. 실제 장비 사용 기간, 인력 투입량, 수행된 작업의 실재 여부는 자동화 도구가 검증할 수 없다. 현실에서는 과도한 장비 사용 시간, 근거 없는 프리미엄 항목, 중복 청구 등이 자동화의 빈틈을 타고 통과된다.
④ AI 생성 수리 견적 및 단가 시스템 Xactimate 같은 단가 기반 시스템은 통계적 평균값에 기반한다. 하지만 실제 현장은 평균이 아니다. 접근 제한, 작업 순서, 현장 조건에 따라 비용은 크게 달라진다. 전문가의 조정 없이 자동 생성된 견적은 완전해 보이지만 실제 수리 비용과 괴리가 생길 수 있다.
⑤ 자동 건축 코드 분석 코드 적용 여부는 위치뿐 아니라 작업의 성격(수리인지, 부분 교체인지, 신축인지)에 따라 달라진다. 자동화 도구는 손상 상태와 현장 맥락을 평가하지 못하며, 지역 담당 공무원이 실제로 어떻게 규정을 해석하는지도 알 수 없다. 결과적으로 불필요한 업그레이드 요구나 법령 해석 분쟁으로 이어지기 쉽다.
⑥ 고가 미술품·수집품 자동 감정 알고리즘은 경매 데이터를 기반으로 하지만, 개별 작품의 가치를 결정하는 희소성·출처·상태·작가 경력 내 위치 같은 요소들은 데이터로 포착되지 않는다. 더구나 갤러리 간 거래는 비공개이므로 시장 전체를 반영하지 못한다. 감정 전문가의 직접 조사와 판단은 대체 불가능하다.
법적·규제적 현실
저자는 마지막으로 쐐기를 박는다. 자동화 도구를 사용했다는 사실이 보험사를 청구 결정의 책임에서 면제해 주지 않는다. 분쟁이 발생하면 법정에서 설명해야 하는 것은 사람이다. 알고리즘은 반대심문을 받을 수 없고, 현장 사실에 맞게 스스로 논리를 수정하지 못한다.
시사점: 우리는 무엇을 배울 수 있는가
이 글은 미국 재산 보험 시장을 배경으로 쓰였지만, 그 함의는 훨씬 넓다.
1. "자동화"와 "자동화된 판단"은 다르다
많은 조직들이 AI 도입을 논의할 때 이 둘을 혼동한다. 반복 작업을 자동화하는 것은 효율이다. 하지만 판단 자체를 자동화로 대체하려 할 때, 그 비용은 나중에 분쟁·소송·재작업의 형태로 돌아온다. Sommerfeld는 이 구분을 매우 명확하게 그린다.
2. 전문가는 조기에 투입되어야 한다
저자는 기술적 전문성이 늦게 도입될수록 문제가 심화된다고 반복적으로 강조한다. 청구 초기 단계에서 전문가가 개입하면 견적 정확도가 높아지고 하류 마찰이 줄어든다. 반면 자동화 결과만으로 포지션이 굳어진 후에 전문가가 투입되면 수정 비용이 훨씬 크다. 이것은 보험만의 이야기가 아니다. 복잡한 의사결정 구조를 가진 모든 조직에 해당하는 원칙이다.
3. AI는 참고 자료이지 결론이 아니다
이 기사의 가장 중요한 메시지 중 하나는, AI 도구의 아웃풋을 '결론'으로 다루는 것과 '참고 자료'로 다루는 것의 차이가 얼마나 큰 결과 차이를 만드는가 하는 점이다. 항공 이미지 분석도, 기상 데이터도, 자동 견적도 — 모두 전문가의 판단을 보조하는 인풋으로 사용될 때 가치를 발휘한다.
4. 기술 도입의 책임은 사용자에게 있다
보험사가 세 번째 자동화 도구를 구매했다고 해서 청구 결정의 책임이 그 도구 제공사로 이전되지 않는다. 이 원칙은 보험에만 해당되지 않는다. AI가 만들어 낸 결론에 근거해 어떤 조직이 어떤 결정을 내릴 때, 그 결정의 책임은 여전히 그 조직에 있다. 기술은 면죄부가 아니다.
5. 한국 재산종합보험(Package Insurance Policy) 실무에 대한 시사
국내 기업재산 보험 청구 환경에서도 AI 기반 손해 산정, 드론 피해 조사, 자동화 견적 검토 도구의 도입이 확산되고 있다. 그러나 국내 현장에서도 ▲건축 코드의 지역별 편차 ▲긴급 복구 공사의 사후 청구 ▲전문 감정인 부재 시 자동 견적의 오류 ▲법적 분쟁 시 알고리즘 근거의 한계 등은 동일하게 적용되는 문제다. 이 기사는 단순한 미국 사례가 아니라, 기술 전환기의 보험 청구 실무 전반에 대한 구조적 경고다.
마치며
Travis Sommerfeld가 이 글에서 전하려는 것은, 기술에 대한 거부가 아니다. 오히려 기술을 제대로 쓰기 위한 조건을 명확히 하는 것이다.
기술은 전문가의 효율을 높인다. 그러나 전문가를 대체하지 못한다.
보험 청구는 결국 현실에서 일어난 일을 현실에 맞게 해석하는 과정이다. 현실은 평균값으로 움직이지 않는다. 그래서 판단은 여전히 사람의 몫이다.
참고 원문: Travis Sommerfeld, "Balancing Technology and Expertise in Property Insurance Claims", Claims Journal, May 8, 2026
