한눈에 보는 답
신규 상품 모델링에서 AI는 약관·사업방법서·산출방법서의 조건을 구조화하고, 기존 유사 상품과의 차이를 정리하며, 로직 초안과 테스트 항목을 만드는 데 활용할 수 있습니다. 가정 선택, 계산식 승인, 모델 실행 결과의 적정성 판단은 계리사가 맡고 기존 모델 또는 독립 검증 결과와 대사해야 합니다.
- 약관 문장을 바로 코드로 바꾸지 말고 조건·변수·예외의 중간 구조를 둡니다.
- AI가 만든 로직 초안과 테스트 목록 모두 검증 대상입니다.
- 시간 절감뿐 아니라 누락, 수정량, 검토시간, 경계값 오류를 함께 측정합니다.
신규 상품 모델링의 공수는 코드 작성에만 생기지 않습니다. 여러 기초서류의 조건을 연결하고, 기존 유사 상품과 달라진 부분을 찾고, 예외와 경계값을 테스트하는 데 많은 확인이 필요합니다. AI의 현실적인 역할은 이 확인 범위를 더 빨리 드러내는 것입니다.
신규 상품 모델링에서 시간이 걸리는 지점
업무 방식은 조직과 모델링 플랫폼에 따라 다르지만, 일반적으로 다음과 같은 작업이 반복됩니다.
- 약관·사업방법서·산출방법서의 관련 조건 찾기
- 기존 유사 상품 모델과 새 조건의 차이 정리
- 변수·테이블·분기·예외를 모델 구조에 매핑
- 경계값과 예외 조합의 테스트 항목 작성
- 산출 결과와 기존 기준의 대사, 수정 내역 문서화
AI는 이 중 자료 찾기, 구조화, 초안 작성, 비교 후보 생성에 도움을 줄 수 있습니다. 하지만 모델 목적과 가정을 이해하지 못한 채 생성한 코드는 실행되더라도 계리적으로 적정하지 않을 수 있습니다.
AI가 보조할 수 있는 5단계
각 단계의 출력은 다음 단계의 자동 입력이 아니라 검토 가능한 중간 산출물이어야 합니다. 예를 들어 조건 추출 결과에는 원문 링크와 검토 상태를 남기고, 승인된 조건만 로직 초안에 사용합니다.
약관 문장을 모델 변수로 연결하는 방법
다음은 방법을 설명하기 위한 가상 예시입니다. 실제 상품의 산식이나 약관을 나타내지 않습니다.
| 원문 조건 후보 | 구조화 필드 | 모델 연결 후보 | 검증 |
|---|---|---|---|
| 경과기간별 공제 적용 | 적용 시작·종료, 공제율 표 | 기간 인덱스·공제율 테이블 | 표 행·열과 경계월 확인 |
| 최저 금액 보장 가능성 | 보장 조건·대상·예외 | 최댓값 비교 분기 | 적용 범위·특약 확인 |
| 납입 상태별 차이 | 납입 완료·미완료 상태 | 상태 변수·분기 | 납입기간과 보험기간 구분 |
중간 구조를 두면 원문 해석이 수정될 때 어떤 변수와 테스트가 영향을 받는지 추적하기 쉬워집니다. 약관 문장에서 코드를 바로 생성하면 해석 오류가 코드 안에 숨을 수 있습니다.
가상 의사코드refund(t) = max(reserve(t) - deduction(t), guarantee(t)) 같은 표현은 구조를 설명하기 위한 예시일 뿐 실제 상품의 산식이 아닙니다. 실제 모델은 승인된 산출 기준과 가정을 따라야 합니다.
기존 유사 상품 모델과 차이를 찾는 방법
새 상품을 처음부터 생성하기보다 기준이 되는 기존 모델과 차이를 비교하면 검토 범위를 좁힐 수 있습니다. AI는 문서와 코드에서 다음 후보를 정리할 수 있습니다.
- 새로 추가·삭제·변경된 변수와 테이블
- 분기 조건과 적용 시점의 변화
- 기존 테스트가 커버하지 않는 새 조합
- 문서에는 바뀌었지만 코드에는 반영되지 않은 가능성
- 코드에는 있지만 현재 문서에서 근거를 찾지 못한 로직
‘가능성’은 오류 확정이 아닙니다. 차이 후보를 계리사와 모델 담당자가 원문과 실행 결과로 확인해야 합니다.
테스트 시나리오와 경계값을 만드는 방법
AI는 조건 조합을 넓게 펼치는 데 유용하지만 중요한 경계값을 이해한다고 가정하면 안 됩니다. 사람이 실패 영향과 우선순위를 정하고 AI가 후보를 확장하는 구조가 적합합니다.
- 납입기간 시작·종료 직전과 직후
- 보험기간 또는 갱신 시점의 경계
- 최솟값·최댓값 비교가 바뀌는 지점
- 주계약과 특약 조건이 동시에 적용되는 경우
- 결측·비정상 입력과 허용 범위 밖 값
- 기존 상품과 동일해야 하는 회귀 구간
FRC는 AI·머신러닝이 포함된 계리 모델에 대해서도 모델의 이해, 커뮤니케이션, 거버넌스, 안정성 관련 위험을 고려하도록 안내합니다.[1] 생성된 코드의 실행 성공만으로 검증이 끝나지 않는 이유입니다.
PoC에서는 무엇을 측정해야 하나
| 측정 영역 | 예시 질문 |
|---|---|
| 조건 누락 | 기준 답안의 변수·예외를 얼마나 놓쳤는가? |
| 로직 수정량 | 초안 중 사람이 다시 작성한 비중과 이유는? |
| 테스트 유효성 | 새 오류를 찾은 항목과 중복·무의미한 항목은? |
| 검토시간 | 처음 작성과 AI 초안 검토 중 무엇이 더 효율적인가? |
| 재현성 | 같은 입력·버전에서 결과가 일관되는가? |
평가 결과가 기대보다 낮아도 실패라고 단정할 필요는 없습니다. 어떤 입력과 조건에서 오류가 생겼는지 알게 되면 자료 정비, 업무 범위 축소, 다른 접근 방식 선택이라는 다음 결정을 할 수 있습니다.
자주 묻는 질문
AI가 완성된 계리 모델을 만들어줄 수 있나요?
로직과 코드 초안을 만들 수는 있지만 완성·승인 여부는 별개입니다. 기초서류, 가정, 기존 모델, 실행 결과와 대사하고 계리사가 승인해야 합니다.
어떤 자료로 작은 검증을 시작할 수 있나요?
버전이 확인된 공개 또는 가상 기초서류, 기존 유사 상품의 비식별 구조, 사람이 만든 기준 조건표와 테스트 사례가 있으면 범위를 정할 수 있습니다.
코드 생성 정확도만 측정하면 되나요?
아닙니다. 조건 누락, 근거 연결, 경계값, 결과 대사, 사람이 수정하는 시간도 함께 봐야 합니다.
근거와 참고자료
- FRC, Updated actuarial guidance on AI and Machine Learning, 2024-10-07.
- 보험연구원, 영국 AI 활용 등에 대한 보험계리 지침 개정 — 모형의 목적 적합성, 통제·테스트, 변경 기록, 독립 검증 관련 요약.
본문의 산식과 조건은 설명용 가상 예시입니다. 특정 보험상품의 실제 약관, 모델 또는 산출 기준이 아닙니다.
AI에게 모델을 맡길지보다 먼저, 보조할 단계를 정하세요
3시간 자문에서 현재 모델링 흐름, 자료, 검증 방식과 우선 적용 후보를 함께 살펴봅니다.
자문 문의