AIG의 AI 활용 사례로 살펴보는 AX 전환 전략
단순한 챗봇 활용을 넘은 기업 AI로의 전환에 대해 AIG 사례를 통해 기업 AI를 내재화하는 방법을 짚어봅니다.
Mar 30, 2026
많은 기업이 "AI를 도입해 활용하고 있다"고 말합니다. 하지만 그것이 곧 "회사의 체질이 바뀌었다"는 뜻은 아닙니다. 챗봇을 연결하고, 문서를 요약하고, 메일 초안을 자동 완성하는 것도 분명 효과는 있습니다. 실무자 입장에서 느끼는 편의성도 나쁘지 않고요. 그러나 전체 업무 처리량이 눈에 띄게 늘거나, 의사결정의 질이 달라졌다는 실감은 좀처럼 오지 않습니다. 리스크 관리는 여전히 사람의 수고에 기대고 있습니다. 바로 여기서부터 문제가 시작됩니다. AI 활용이 단순한 '도구 추가'에 머무는 한, 기업과 임직원이 결국 손에 쥐는 건 새로운 성과가 아니라 AI 피로감뿐입니다.
그런 의미에서 기업들이 나아가야 할 방향은 명확합니다. 챗봇 수준의 AI 활용을 넘어, 기업 AI를 조직 안에 내재화하는 것입니다. 다양한 AI 활용 사례 중에서도 글로벌 보험사 AIG는 생성형 AI를 단순한 '편의 인터페이스'가 아닌 핵심 '업무 엔진'으로 다루고 있습니다. 특히 언더라이팅과 클레임처럼 수익과 직결된 코어 프로세스에 AI를 깊숙이 심는 방향을 일관되게 추진해 왔습니다. 이 글에서는 AIG의 AI 활용 사례를 구조적으로 살펴보며, AX 전환을 고민하는 기업들에게 실질적인 인사이트를 드리고자 합니다.
기업 AI란, AI를 부가 기능으로 쓰는 것이 아니라, 핵심 업무 흐름·데이터 구조·거버넌스·검증 루프에 내장하여 사람이 더 높은 수준의 판단을 내릴 수 있도록 처리량과 의사결정 품질을 동시에 끌어올리는 운영체계를 말합니다.
글로벌 보험사 AIG의 AI 활용을 통한 성과
피터 자피노 CEO가 직접 밝힌 성과: 코어 비즈니스의 혁신과 운영 효율화
글로벌 보험사 AIG(American International Group)의 AI 활용 사례는 도입을 고민 중인 기업들에게 시사하는 바가 큽니다. AIG의 피터 자피노(Peter Zaffino) CEO는 최근 실적 발표 컨퍼런스 콜에서, 생성형 AI의 역량이 당초 기대를 훌쩍 넘어섰다고 밝혔습니다. AIG를 주목하는 이유는 단순히 AI를 '도입'했기 때문이 아닙니다. AIG는 투자자 행사에서부터 생성형 AI가 핵심 비즈니스(언더라이팅·클레임)를 어떻게 바꾸는지, 그리고 CEO 리더십과 문화 변화가 왜 중요한지를 전면에서 다뤄왔습니다.
이 차이는 생각보다 작지 않습니다. 대부분의 기업이 AI를 "IT 부서의 테스트베드"정도로만 취급하는 반면, AIG는 처음부터 AI를 "업무 엔진"으로 접근했습니다. 이것이 기업 AI, 즉 AX 전환의 출발점입니다. AIG가 반복해서 강조하는 메시지는 '사람을 대체하겠다'는 것이 아닙니다. 사람이 진짜 판단을 내릴 수 있도록, 판단에 이르기까지의 불필요한 마찰을 없애겠다는 선언에 가깝습니다.
'열망'을 넘어선 AI의 실질적 역량
1년 전, AIG는 투자자의 날(Investor Day) 행사에서 생성형 AI 도입의 잠재력을 제시한 바 있습니다. 당시만 해도 이 선언은 구체적인 방법론보다는 방향성에 가까웠습니다. 그런데 자피노 CEO는 현재 "AI의 역량이 예상보다 훨씬 크다는 것을 확인하고 있다"고 말합니다. 기술을 테스트하던 단계를 지나, 실제 비즈니스 결과로 가치를 증명하고 있다는 뜻입니다.
인력 증원 없이 급증한 처리량
가장 주목할 성과는 인력 추가 없이 대규모 제출(Submission) 처리가 가능해졌다는 점입니다. 자피노 CEO는 "추가적인 인적 자본 없이도 예상치를 훨씬 뛰어넘는 규모의 제출물을 처리할 수 있게 된 것이 가장 큰 놀라움"이라고 말했습니다. AI가 사람을 대체하는 것이 아니라, 기존 인력이 처리할 수 있는 업무의 물리적 한계 자체를 확장하는 '업무 엔진'으로 작동하고 있음을 보여주는 AI 활용 사례입니다.
코어 프로세스에 뿌리 내린 AI: AIG Assist
AIG는 2025년 한 해 동안 생성형 AI를 언더라이팅(보험 인수)과 클레임(보상)이라는 보험사의 핵심 프로세스 전반에 임베딩(Embedding)하는 데 속도를 냈습니다.
그 중심에 있는 것이 자체 생성형 AI 툴 'AIG Assist'입니다. AIG는 이를 대부분의 상업용 보험(Commercial Lines) 비즈니스에 배치하는 것을 목표로 하고 있습니다. AI를 주변부 업무가 아닌, 수익과 직결된 코어 비즈니스의 운영체계로 통합하겠다는 전략적 의지가 반영된 결과입니다.
기술을 넘어선 전략적 우위의 확보
AIG의 AI 활용의 핵심은 AI를 IT 이슈가 아닌 경영 전략의 최우선 순위로 다뤘을 때 나타나는 파급력입니다. 데이터 수집 정확도를 높이고 처리 시간을 줄임으로써, 언더라이터들이 더 가치 있는 판단에 집중할 수 있는 환경을 만들었습니다.
기업 AI 내재화를 위한 AIG의 전략
경영 의제로 격상된 AI
AIG의 2025 Investor Day가 주목받는 이유 중 하나는 생성형 AI를 '디지털 부서의 토픽'이 아닌 '경영진의 의제'로 공개 격상시켰다는 점입니다. AIG는 이 자리에서 Anthropic CEO 다리오 아모데이, Palantir CEO 알렉스 카프와 함께 AI가 보험의 미래를 어떻게 바꿀 것인지를 논의했습니다.
이 구도는 다른 기업에도 그대로 적용됩니다. AI 활용이 챗봇 수준에서 멈추는 조직은 대개 "AI는 IT가 알아서 한다"는 인식을 갖고 있습니다. 반면 AX 전환을 실현하는 조직은 AI를 '생산성 도구'가 아니라 '사업 운영 방식' 자체로 정의합니다.
Underwriter Assistance: '판단'이 아니라 '판단에 이르는 길'의 자동화
보험에서 언더라이팅은 매출의 엔진입니다. 그런데 이 업무의 상당 부분은 사실 '판단' 자체가 아니라 '판단에 이르기 위한 준비'에 소모됩니다. 서류를 읽고 정보를 뽑아내고, 누락을 확인하고, 내부 규정과 대조하는 작업들 — 반복적이면서도 업무의 병목이 되는 지점들입니다. AIG는 생성형 AI를 바로 이 병목에 투입했습니다. 2024년 실적 발표에서 CEO는 초기 파일럿을 통해 데이터 수집 정확도가 약 75%에서 90% 이상으로 개선되었고, 처리 시간도 의미 있게 줄었다고 밝혔습니다.
언더라이터가 자리에 앉으면, 이미 수집되고 정리되어 우선순위까지 매겨진 건들이 기다리는 구조가 된 것입니다. 여기서 얻어야 할 인사이트는 분명합니다. 많은 기업이 AI를 '의사결정 자체'에 붙이려다 실패하는 반면, AIG는 '의사결정으로 가는 길'을 먼저 정리했습니다. 이 전략은 KPI로 성과가 즉각 연결되고, 최종 판단을 사람에게 남겨 책임 소재에서도 자유롭다는 강점이 있습니다.
연결될 때 더 강력해지는 Agentic AI
챗봇형 AI는 질문 하나에 답변 하나로 끝나지만, 기업의 코어 업무는 그렇지 않습니다. 접수부터 분류, 검토, 추가 요청, 승인, 기록에 이르는 일련의 연쇄 과정으로 이루어집니다. 그래서 기업 AI는 단일 기능이 아니라, 워크플로우의 연결로 설계되어야 합니다.
AIG의 행보가 이 방향을 잘 보여줍니다. CEO는 2025년에 생성형 AI를 코어 프로세스 전반에 임베드하는 데 큰 진척이 있었으며, 그 결과 인력 증원 없이도 예상보다 훨씬 큰 제출 흐름을 소화할 수 있게 되었다고 밝혔습니다.
AI가 제대로 내재화되면, '사람을 돕는 도구'를 넘어 '업무 흐름을 움직이는 컨베이어 벨트'가 됩니다. 컨베이어가 돌아가기 시작하면 조직의 체질이 바뀝니다. 처리량이 늘고, 리드타임이 줄어들고, 사람은 더 높은 수준의 판단에 집중하게 됩니다.
승패를 가르는 건 모델이 아닌 업무형 데이터 구조
대부분의 기업은 AI를 '모델' 문제로 이해합니다. 그러나 깊이 있는 기업 AI의 핵심은 모델보다 '업무형 데이터 구조'에 있습니다. AIG가 팔란티어(Palantir)와의 협업에서 보여준 것이 바로 이 지점입니다.
AIG는 2025년 말, 포트폴리오 평가 과정에 팔란티어의 Foundry를 활용한다고 밝혔습니다. 핵심은 새로운 시스템을 도입했다는 사실이 아닙니다. '포트폴리오를 어떻게 평가하고, 어떤 리스크로 묶어 자본을 배치할 것인가'라는 경영의 언어로 AI를 끌어올렸다는 점입니다. 챗봇이 문장을 다듬는 동안, 기업 AI는 '포트폴리오가 회사의 전략과 일치하는가'를 검증합니다.
AIG의 AI 활용 사례가 시사하는 인사이트
기술이 아니라 운영체계로 AI를 안착시켜야 합니다
AI 활용을 깊이 있게 가져가려면 필요한 것은 '더 좋은 모델'이 아니라 '운영체계'입니다. 기업 AI는 다음 네 가지 축으로 요약됩니다.
- 데이터: 표준화, 정합성, 업무형 데이터 구조 확보
- 워크플로우: 현업 단계 속으로 내장 (수집→정리→우선순위→검증→기록)
- 거버넌스: 권한, 감사 로그, 책임 소재의 명확화
- 검증 루프: Human-in-the-loop, 품질 지표, 드리프트 대응
AIG가 코어 프로세스 전반에 AI를 임베드했다는 것은 이 네 가지 운영체계를 실제로 구축했다는 의미입니다.
조직이 답이다: Atlanta Innovation Hub가 보여주는 '확산 구조'
AI 활용은 파일럿 단계까지는 그리 어렵지 않습니다. 문제는 전사 확산입니다. 많은 기업이 초기 단계에서 멈추는 이유는 기술이 부족해서가 아니라, 성공 사례를 조직 전체로 퍼뜨릴 '확산 구조'가 없기 때문입니다. AIG는 이를 위해 2024년 10월 애틀랜타 혁신 허브를 확장하고 수백 명의 전문 인력을 채용하는 방식, 즉 조직 설계로 접근했습니다.
이 허브는 단순한 R&D 연구소가 아닙니다. 코어 프로세스에 심어진 AI 유스케이스를 조직 전체로 퍼뜨리는 생산·유통 구조입니다. 기업 AI는 결국 '한 팀의 도구'가 아니라 '회사의 운영 방식'이 되어야 합니다.
실패 요인부터 걷어내야 합니다
깊이 있는 AI 활용으로 나아가려면, 먼저 실패 조건부터 제거해야 합니다. 대표적인 실패 패턴은 네 가지입니다.
- 데이터가 업무 언어로 정리되어 있지 않다
- 현업 시스템에 내장되지 않아 '앱 하나 더 쓰는 일'이 된다
- 감사·권한·책임 구조가 없어 코어로 진입하지 못한다
- 성과 지표가 없어 파일럿 수준을 벗어나지 못한다
AIG의 사례는 단순한 성공담이 아닙니다. 이 실패 조건들을 하나씩 제거해 나간 과정의 기록입니다.
작게 시작해서 코어로 깊게 들어가라
기업에서 AI 운영체계 도입을 주저하는 가장 흔한 이유는 "우리에겐 아직 이르다", "리스크가 크다", "ROI가 불확실하다"는 생각입니다. 하지만 현실은 반대 방향으로 움직이고 있습니다. AI는 이미 '실험해 볼 만한 도구'의 단계를 지나, 업무가 돌아가는 방식 자체를 바꾸는 운영체계가 되고 있습니다.
지금 많은 기업의 AI 활용은 챗봇이나 단순 업무 보조 단계에 머물러 있습니다. 그 자체도 의미는 있지만, 거기서 멈추면 AI는 결국 '편의 기능' 이상이 되기 어렵습니다. 반면 AI 운영체계를 구축하고 AX 전환에 진입하면, 성장·리스크 통제·생산성이 동시에 움직이기 시작합니다. 이유는 단순합니다. AI 운영체계는 사람을 대체하는 것이 아니라, 사람이 판단을 내리기 전까지 낭비되던 시간(문서 읽기, 정보 추출, 누락 확인, 정리, 우선순위 설정 등)을 줄여 처리량과 리드타임을 근본적으로 바꾸기 때문입니다. AI는 '대화'가 아니라 '흐름'을 바꾸는 쪽에서 진짜 성과를 만들어냅니다. 그래서 이제는 질문 자체가 달라져야 합니다. "우리도 AI를 써야 할까?"가 아니라 "AI가 이미 우리 운영 방식 안에 들어와 있는가?"로요.
AI 운영체계는 거창한 시스템을 한 번에 구축하라는 뜻이 아닙니다. 오히려 반대입니다. 작게 시작해서 코어로 깊게 들어가는 것이 핵심입니다. 비용과 리스크가 지나가는 '코어 흐름 하나'를 먼저 선택하고, 처리 시간이나 처리량 같은 KPI 두 가지만 고정하십시오. 그다음 문서·입력 병목을 제거하고, 워크플로우 안에 내장하고, 권한·감사 로그·책임 소재를 정의한 뒤, Human-in-the-loop을 운영 리듬으로 돌리면 됩니다. 이것이 AI 운영체계의 최소 단위입니다. 화려한 플랫폼보다 '운영 가능한 구조'를 만드는 것이 핵심입니다.
'작은 코어 흐름 하나'에 먼저 AI 운영체계를 심어보십시오. 그 흐름에서 매주 지표가 움직이기 시작하는 순간, AI는 유행이 아니라 우리 기업의 실질적인 역량이 됩니다. 그것이 진정한 AX 전환의 출발점입니다.
챗봇을 넘어 기업 AI로 가는 6가지 실행 원칙
AIG의 AI 활용 사례가 시사하는 바는 명확합니다. 회사의 체질을 바꾸려면 기업 AI가 내재화되어야 합니다. AIG 사례에서 도출한 실행 원칙은 다음과 같습니다.
원칙 1 — 코어 KPI부터 잡으십시오
'편해졌다'가 아니라 처리량, 리스크, 손해율 같은 측정 가능한 지표로 묶어야 합니다.
원칙 2 — 비정형 병목부터 제거하십시오
데이터 수집 정확도를 높여 판단 전 준비 작업의 마찰을 줄여야 합니다.
원칙 3 — 워크플로우에 내장하십시오
별도 앱이 아니라 업무 단계 안에 자연스럽게 녹아들어야 합니다.
원칙 4 — Human-in-the-loop을 기본값으로 두십시오
최종 판단은 사람에게 맡기되, 그 과정의 수고를 AI가 덜어주어야 합니다.
원칙 5 — 업무형 데이터 구조(Ontology)로 확장하십시오
포트폴리오 평가와 자본 배치의 관점에서 AI를 바라봐야 합니다.
원칙 6 — 확산 구조(조직)를 설계하십시오
성공 사례를 전사로 퍼뜨릴 수 있는 조직적 뒷받침이 필요합니다.
Share article