딥러닝, 자연어(NLP)처리 기술 등 인공지능 기반 기술이 발전하고 있는 가운데 챗봇 서비스가 전 산업에서 빠르게 확산되고 있으며 사용자의 관심 또한 높아지고 있다. 금융권(보험, 은행, 증권 등)에서의 챗봇 적용도 활발하게 진행되고 있는 추세다.
챗봇의 발전 방향을 2부로 나눠 정리해보고자 한다.
1부에서는 국내외 챗봇 시장의 동향과 전망을 정리하고 국내 보험사 챗봇 적용 현황, 보험 프로세스 챗봇 적용 우선순위를 알아본다.
2부에서는 챗봇 적용 우선순위 업무 영역에 적용된 해외보험사의 챗봇 서비스 사례를 통해 향후 국내 보험사 챗봇 서비스 발전 방향 시사점을 도출한다.
챗봇 시장 동향
챗봇 서비스는 스마트 기기 및 모바일 커뮤니케이션의 보편화 등에 따라 더욱 활성화되는 추세이다. 페이스북 메신저, 왓츠앱, 라인 등 메신저 Application(이하 앱)가 모바일 기기에서의 최선호 커뮤니케이션 수단이 되며 인스타그램, 트위터 등 SNS 앱의 사용자수를 앞서기 시작함에 따라 서비스 제공 수단 또한 다양화 되고 있다. 실제로 페이스북은 메신저 플랫폼 런칭 이후 10만 개 챗봇 서비스를 제공하고 있다(2017년 4월 기준).
이러한 챗봇 서비스는 2022년까지 전세계적으로 80억 달러 이상의 비용을 절감할 뿐만 아니라 24시간 고객문의 응대, 처리시간 단축 등 고객만족도를 높일 수 있는 여러 서비스 제공이 가능할 것으로 전망되고 있다.
국내 챗봇 시장은 국외에 비해 서비스 도입이 늦었지만 다양한 신기술을 결합하여 서비스를 제공하는 경향을 보이고 있다. 기존에는 상품 판매를 위한 상담 업무가 대부분이었으나 전문지식 기반의 상담 업무로 서비스 수준이 점차 높아지고 있다. 또한 자연어 처리 기반의 키워드 검색, 머신러닝 등 초기 단계의 인공지능 기술이 적용된 챗봇 서비스 도입이 보편화되고 챗봇이 고객응대 수단으로 대중화됨에 따라 서비스 전달 수단 또한 Web 챗봇을 유지하며 메신저 앱에서 앱 In 앱 까지 다양화 되며 사용자의 디지털 피로감 해소를 이끌어내고 있다.
보험사 챗봇 동향
기술산업 분야 글로벌 리서치 기관인 Technavio는 2016년에서 2021년까지 전 세계 챗봇 시장이 연평균 37% 이상 성장할 것으로 예측했고 보험, 은행, 증권과 같은 금융부문과 리테일 및 e-commerce 부문을 주요 기대 분야로 선정했다.
특히 보험사는 챗봇 서비스 적용을 통해 수집된 데이터를 기반으로 고객 경험을 최적화 할 수 있으며 비용 절감 및 수익 창출, 리스크 관리 강화 등 다양한 효과를 기대할 수 있다.
현재 보험사의 적용된 챗봇은 후선 시스템(Back-end System)에서 구조화 된 정보를 검색해서 제공해주는 수준이다. 하지만 지속적인 발전으로 CRM(고객관계관리) 데이터를 통해 단순하고 일반적인 정보를 제공할 뿐만 아니라 보험금 청구 및 계약 변경 등 개인화된 서비스의 실시간 처리 등 프런트 오피스(Front Office) 업무까지 가능할 것으로 예측되고 있다.
[그림 1] 챗봇 업무 영역 확대
국내 보험사 챗봇 적용 현황
국내 보험사 55개사 중 현재 손해보험 3개사와 생명보험 7개사에서 챗봇을 도입했다. 주로 보험상품 및 서비스 소개, 보험계약대출 및 상환, 보험계약조회 및 보험료 납입 관련 서비스 등을 제공하고 있다.
[표 1] 국내 보험사 챗봇 적용 현황
2019년 Congnizant에서 발표한 'The Future of Chatbots in Insurance’ 보고서에 따르면 고객과의 상호작용이 주요한 프로세스일수록, 또한 비즈니스 변경 영향도가 낮은 프로세스일수록 챗봇 적용 가능성 및 기대효과가 높을 것이라고 예측했다.
손해보험 가치사슬(Value Chain)을 기반으로 챗봇 적용 우선순위를 검토하면, 상품 추천, 보험료 계산, 대고객 보험 교육, 고객 문의 응대, 사고 접수 등 5개 영역이 초기에 챗봇을 적용하기 적합한 영역이며 현재 국내외 보험사에 적용된 대부분의 챗봇이 해당 영역에 관한 서비스를 제공 하고 있다.
향후 지속적인 챗봇 서비스 발전을 통해 비즈니스 변경 영향도가 높은 영역에도 확대 적용이 기대되고 있다.
[그림 2] 손해보험 가치사슬에 의한 챗봇 적용 우선순위
- 끝 -
