Verisk, Claude AI 출시

핵심 요약 (Key Takeaways)

Verisk는 2026년 5월 5일, 자사의 독점적인 보험 분석 솔루션인 Verisk Underwriting Intelligence 및 XactRestore를 Anthropic의 Claude AI 플랫폼에 직접 통합하는 Model Context Protocol (MCP) 커넥터를 출시했습니다.
이번 통합을 통해 보험 및 자산 복구 전문가들은 규제 등급의 데이터에 대화형으로 접근할 수 있으며, Verisk는 이를 통해 언더라이팅(Underwriting)에서 연간 수백 시간의 절감 효과를, 손해 사정(Claims estimate) 시 최대 2시간의 시간 절감 효과를 거둘 수 있을 것으로 예상하고 있습니다.
Verisk의 접근 방식은 거버넌스가 적용된 AI와 인간의 감독을 우선시하며, 출력 결과의 설명 가능성을 유지하고 데이터 접근을 안전하게 보호하기 위해 보험 분야에 AI를 적용해 온 20년 이상의 경험을 활용합니다. Verisk는 2026년 5월 5일에 출시된 새로운 Model Context Protocol (MCP) 커넥터를 통해 언더라이터와 복구 계약업체들에게 규제 등급의 보험 데이터에 직접 대화로 접근할 수 있는 통로를 제공하며, 이를 Anthropic의 Claude로 직접 연결했습니다. 핵심 내용은 명확합니다. 손실 비용 추세나 자산 수리 가격을 확인하기 위해 여러 개의 독점 대시보드를 탐색하는 대신, 전문가들이 일상적인 언어로 Claude에게 질문하면 즉시 데이터에 기반한 답변을 얻을 수 있다는 것입니다. 정확한 데이터와 엄격한 컴플라이언스(Compliance)를 기반으로 운영되는 산업 측면에서, 이는 실제 업무 방식의 의미 있는 변화입니다.

통합 기능의 실제 역할

Verisk는 Claude를 위한 두 가지 커넥터를 구축했습니다. 첫 번째인 Verisk Underwriting Intelligence는 손실 비용 추세, 경험적 통찰력(Experience insights), 신고 신호(Filing signals)를 포함한 ISO 데이터에서 정보를 가져옵니다. 두 번째인 XactRestore는 복구 계약업체들에게 Xactware의 가격 책정 및 견적 데이터에 대한 대화형 접근 권한을 제공합니다.

두 커넥터(connector) 모두 개방형 소비자용 AI 설정보다는 보안이 유지되는 기업용 AI 환경 내부에 위치하도록 설계되었습니다. MCP 프레임워크는 Claude가 어떤 데이터에 어떻게 접근할 수 있는지를 제어하여, Verisk의 데이터 거버넌스 (data governance) 프로토콜을 보존하고 출력을 권위 있고 검증 가능한 소스에 연결된 상태로 유지합니다. 이를 '보험을 위한 ChatGPT'라기보다는, 구조화된 컴플라이언스 등급 (compliance-grade) 데이터셋 위에 구축된 관리형 쿼리 계층 (governed query layer)으로 이해하는 것이 적절합니다.

Verisk는 Underwriting Intelligence 커넥터가 데이터 접근을 통합하고 징후 및 신규 패턴의 평가 속도를 높임으로써 보험사들에게 연간 수백 시간을 절약해 줄 수 있다고 말합니다. 회사의 설명에 따르면, XactRestore 커넥터는 숙련된 계약업체의 경우 견적서 작성 시간을 견적당 30분에서 2시간까지 단축할 수 있습니다. 이는 Verisk 자체의 수치이므로 실제 결과가 이를 뒷받침하는지 확인이 필요하겠지만, 현재의 프로세스가 얼마나 수동적인지를 고려할 때 이러한 발전 방향은 신뢰할 만합니다.

20년의 보험 AI 역사, 이제 대화형으로

Verisk는 이 분야에 처음 등장한 것이 아닙니다. 이 회사는 20년 이상에 걸쳐 보험 생태계 전반에 걸쳐 약 40개의 에이전틱 (agentic) 및 생성형 AI (generative AI) 솔루션을 배포했다고 주장합니다. 이러한 이력은 여기서 중요한 의미를 갖습니다. MCP 커넥터는 범용 LLM을 비구조화된 데이터에 단순히 덧붙이는 것이 아닙니다. 이들은 Claude에게 업계 전반의 언더라이팅 (underwriting) 결정과 규제 신고를 이미 뒷받침하고 있는 데이터셋에 대한 구조화되고 관리된 접근 권한을 부여하는 것입니다.

Verisk의 사장 겸 CEO인 Lee Shavel은 새로운 기술이 등장하더라도 보험의 근간은 변하지 않는다는 점을 언급하며, 이 접근 방식의 중심을 신뢰(trust)에 두었다고 전해집니다. 기술적 설계 또한 이를 반영하고 있습니다. 즉, 책임은 인간 전문가에게 유지되며, AI는 데이터를 추출하고 조직화하며, 모든 출력물은 추적 및 감사가 가능한 출처에 근거합니다. 규제 산업에서 에이전트 워크플로우 (agentic workflows)를 고민하는 개발자들에게 이러한 인간 참여형 (human-in-the-loop) 프레임워크는 단순한 윤리적 차원을 넘어, 기업 도입을 위한 실질적인 요구 사항입니다. 유사한 거버넌스 패턴을 연구 중이라면, 여기에서의 가드레일 논의를 읽어볼 가치가 있습니다.

보험 산업 전반으로 확산되는 Claude

Verisk의 이러한 행보는 보험 업계 전반에서 일어나는 Claude 도입 흐름의 일부입니다. 보도에 따르면 HUB International은 20,000명 이상의 직원 전체에 Claude를 배포했으며, 초기 결과로 특정 사용 사례에서 85%의 생산성 향상과 직원 1인당 주당 평균 2.5시간의 시간 절감 효과를 거두었다고 합니다. 독립 보험 중개사인 The Baldwin Group은 Anthropic과의 기업 관계를 확장하여 고객 대면 워크플로우에 Claude를 도입한 것으로 알려졌습니다. AIG 또한 언더라이팅 (underwriting) 과정에서 Claude를 사용하여 검토 시간을 단축하고 데이터 정확도를 높이고 있다고 합니다.

Verisk 전략에서 주목할 점은 모델 및 플랫폼에 구애받지 않는 (model- and platform-agnostic) 명시적 접근 방식입니다. MCP 커넥터는 현재 Claude를 위해 구축되었지만, 근본적인 접근 방식은 고객이 어떤 LLM (대규모 언어 모델)을 실행하든 Verisk 데이터를 연결할 수 있도록 설계되었습니다. 이는 영리한 포지셔닝 전략입니다. Verisk는 어떤 모델이 기업 시장 점유율을 차지하든 상관없이 관련성을 유지할 수 있으며, 보험사들은 단일 AI 벤더에 데이터 인프라를 거는 도박을 할 필요가 없습니다.

주목해야 할 실제 리스크

환각 (Hallucination)은 명백한 우려 사항입니다. Claude의 오류율은 일반적으로 일부 경쟁 모델에 비해 낮은 것으로 간주되지만, 어떤 생성형 모델 (Generative model)도 그 위험을 완전히 제거하지는 못합니다. 보험 분야에서 손실 비용 추세나 수리 가격에 대해 그럴듯하게 들리지만 잘못된 결과물이 나오는 것은 사소한 불편함이 아닙니다. 이는 위험 가격 책정 오류, 잘못된 보험금 지급 또는 규제 노출로 이어질 수 있습니다. Verisk의 거버넌스 (Governance) 계층은 그 위험을 줄여주지만 완전히 제거하지는 못하며, 이것이 바로 AI 출력물에 대한 인간의 검토 (Human review)를 강조하는 것이 선택적인 보여주기식이 아닌 이유입니다.

편향 (Bias)은 더 어려운 문제입니다. 만약 Verisk의 과거 데이터 세트가 위험 평가나 보험금 처리에서의 과거 불평등을 반영하고 있다면, 이러한 패턴은 능동적인 감사 (Auditing) 없이는 탐지하기 어려운 방식으로 AI 출력물에 나타날 수 있습니다. Verisk는 윤리적이고 책임감 있는 생성형 AI (Generative AI)를 위해 전념하고 있다고 밝히고 있지만, 지속적인 모델 모니터링 (Model monitoring)만이 시간이 지남에 따라 편향을 포착하고 수정할 수 있는 유일한 방법이며, 이러한 약속은 그에 상응하는 자원과 규제적 감시를 필요로 합니다.

규제 환경 또한 유동적입니다. AI가 언더라이팅 (Underwriting)과 보험금 청구에서 더 적극적인 역할을 수행함에 따라, 규제 기관들은 모델 투명성, 감사 추적 (Audit trails) 및 편향 완화와 관련된 구체적인 요구 사항을 도입할 가능성이 높습니다. Verisk의 거버넌스 기반 분석 (Governed-analytics) 접근 방식은 이러한 감시에 상당히 유리한 위치를 점하고 있지만, 규제 변화의 속도는 이러한 워크플로 (Workflow)를 빠르게 확장하려는 고객들에게 여전히 마찰을 일으킬 수 있습니다.

보험 전문가에게 이것이 의미하는 바

여기서 실질적인 변화는 데이터 검색 (Data retrieval)에서 데이터 해석 (Data interpretation)으로의 전환입니다. 이전에는 ISO 데이터를 추출하고 조정하는 데 상당한 시간을 보냈던 언더라이터들은 이제 그 시간을 예외적인 사례 (Edge cases)를 분석하고, 더 미묘한 위험 평가를 구축하며, 고객과 더 많은 시간을 보내는 데 사용할 수 있습니다. 복구 계약업체 (Restoration contractors)는 정확도를 희생하지 않으면서도 견적 산출을 더 빠르게 진행할 수 있습니다. 업무의 핵심은 데이터를 어디서 찾느냐가 아니라, 데이터를 가지고 무엇을 하느냐로 변하고 있습니다.

이는 업계가 필요로 하는 기술 프로필(skill profile)의 실질적인 변화입니다. 비판적 사고(Critical thinking), 맥락적 판단(contextual judgement), 그리고 AI 출력물을 검증하는 능력이 더욱 가치 있어지는 반면, 단순한 데이터 탐색(rote data navigation)의 가치는 낮아지고 있습니다. 이러한 도구들을 잘 사용할 수 있도록 전문가 교육에 투자하는 기업은, 이를 단순한 자동화 수단으로만 취급하는 기업보다 통합 과정에서 더 많은 이점을 얻을 것입니다.

주목해야 할 점

현재 출시된 두 가지 커넥터인 Underwriting Intelligence와 XactRestore는 첫 번째 행보입니다. Verisk의 더 넓은 분석 포트폴리오는 사기 탐지(fraud detection), 컴플라이언스(compliance), 그리고 Touchstone과 같은 재해 모델링(catastrophe modelling) 도구까지 아우르고 있으며, Verisk가 이러한 영역 전반에 걸쳐 MCP 범위를 얼마나 빠르게 확장하느냐가 이 약속이 얼마나 진지한지를 보여주는 신호가 될 것입니다.

Verisk의 보험사(carrier) 고객들로부터 나오는 채택 및 생산성 데이터는 출시 당일의 추정치보다 더 중요할 것입니다. 검증된 효율성 향상은 비즈니스 케이스를 공고히 하거나, 실제 운영 환경에서 마찰 지점(friction points)이 어디에 존재하는지를 드러낼 것입니다. 엔터프라이즈 플랫폼 전반에서 에이전트 기반 배포(agentic deployment) 타임라인이 어떻게 단축되고 있는지에 대한 더 심도 있는 분석은, CrewAI Enterprise 및 LangGraph 관련 기사에서 인프라 측면을 잘 다루고 있습니다.

경쟁 측면에서는, Anthropic이 규제 산업을 위해 수직적 특화 기능(vertical-specific capabilities)인 설명 가능성(explainability) 기능, 감사 추적(audit trails), 데이터 거버넌스(data governance) 툴링을 어떻게 개발하는지 지켜봐야 합니다. 바로 이 지점에서 진정한 엔터프라이즈 차별화가 일어나며, Claude가 보험 분야에서 현재의 입지를 유지할지, 아니면 컴플라이언스에 더 특화된 대안들에게 자리를 내어줄지를 결정하게 될 것입니다. AI 에이전트 및 자동화 도구에 대한 더 많은 정보는 저희의 AI Agents 섹션을 방문해 주세요.

_원문 게시지: https://autonainews.com/verisk-unleashes-claude-ai/