AI 기술 악용한 정교한 보험사기 주의보, 진단서·사진 위조 대응 체계 구축

AI와 딥페이크, 정교해지는 보험사기 수법

최근 생성형 AI와 딥페이크 기술이 발전함에 따라 보험사기 수법 또한 매우 정교한 형태로 진화하고 있습니다. 과거에는 단순한 허위 사고 신고나 과다 청구가 주를 이뤘다면, 이제는 기술을 이용해 증빙 서류나 사고 현장 사진 자체를 조작하는 사례가 나타나고 있습니다.

주요 위조 대상은 신분증, 입·통원 확인서와 같은 진단서, 그리고 자동차 사고 시의 차량 파손 사진 등입니다. 특히 생성형 AI를 활용해 입원 기간을 임의로 늘린 문서를 제작하거나, 딥페이크 기술로 신분을 도용하는 방식은 기존의 검증 체계를 우회할 위험이 있습니다.

이러한 보험사기는 단독 범행보다는 의료기관, 정비공장, 브로커 등이 결탁한 조직적 범죄 형태로 나타나는 경우가 많습니다. 금융당국에 따르면 지난해 적발된 보험사기 규모는 약 1조 1,571억 원에 달하며, 적발되지 않은 사례까지 포함할 경우 전체 규모는 약 9조 원에 이를 것으로 추산됩니다.

분야별로는 실손보험이 포함된 장기손해보험의 비중이 44.7%로 가장 높았으며, 자동차보험(22.4%)과 생명보험(21.8%)이 그 뒤를 잇고 있습니다.

데이터 통합을 통한 AI 기반 방지 체계 구축

그동안 보험사기 탐지 과정에서는 기관별로 정보가 분산되어 있다는 한계가 지적되어 왔습니다. 신용정보원이나 보험개발원, 각 보험사가 운영하는 AI 탐지 시스템이 존재하지만, 기관 간 실시간 정보 공유나 교차 검증이 완벽하지 않아 사각지대가 발생할 가능성이 있었습니다. 특히 국민건강보험공단이나 건강보험심사평가원이 보유한 원천 데이터와 보험사의 청구 데이터를 실시간으로 대조하는 체계도 보완이 필요한 상태였습니다.

이에 따라 금융당국은 여러 유관기관이 참여하는 TF를 통해 통합적인 방지 인프라를 구축하고 있습니다. 이 체계의 핵심은 다음과 같습니다.

• 기관 간 실시간 정보 공유 체계 구축: 보험업계와 건강보험 관련 기관 간의 데이터 연계를 강화합니다.
• AI 기반 패턴 분석 및 위험지수 개발: 고도화된 AI를 통해 보험사기의 새로운 패턴을 학습하고 위험도를 수치화합니다.
• 통합 인프라 고도화: 한국신용정보원의 AI 기반 인슈어테크 플랫폼을 활용해 보험업권 전체가 사용할 수 있는 검증 체계를 강화합니다.
• 원본 대조 기반 검증 강화: 제출된 서류와 원본 데이터를 비교하는 프로세스를 정교화합니다.

이러한 노력은 보험사기 정보의 집중과 공유를 위한 법적 근거를 마련하는 작업과 병행되어 추진됩니다.

보험 소비자에게 미치는 영향과 전망

보험사기 방지 체계의 고도화는 단순히 사기꾼을 잡는 것에 그치지 않고, 선량한 보험 가입자들에게도 중요한 의미를 갖습니다.

첫째, 보험료 부담 완화에 기여할 수 있습니다. 보험사기로 인한 대규모 보험금 누수는 결국 전체적인 손해율 상승으로 이어지며, 이는 곧 가입자들의 보험료 인상 압박으로 작용할 수 있기 때문입니다.

둘째, 보험 산업의 신뢰도를 높일 수 있습니다. 투명한 청구 환경이 조성되면 보험금 지급 심사의 정확도가 높아지고, 보험 산업 전반의 재정 건전성을 확보하는 데 도움이 됩니다.

다만, 검증 체계가 강화됨에 따라 정상적인 보험금 청구 시에도 서류 확인 절차가 더욱 엄격해질 가능성이 있습니다. 따라서 가입자는 청구 시 필요한 증빙 서류를 정확하게 준비하는 것이 중요합니다.

요점 정리

• AI와 딥페이크를 이용한 진단서 및 사진 위조 등 지능형 보험사기 급증.
• 금융당국은 기관 간 데이터 공유를 통해 AI 기반 통합 방지 체계 구축 중.
• 보험사기 방지는 보험료 인상 억제와 보험 산업의 신뢰 제고를 위해 필수적임.