보험 / 손해보험
Sompo Japan: 사내 문의 응답 도구의 검색 모델 개선 실험을 AI 에이전트로 자동화
- 기업
- Sompo Japan
- 국가
- 일본
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Google Cloud가 2026년 7월 27일 공식 블로그에 낸 고객 사례에 따르면 Sompo Japan은 대리점과 고객이 묻는 보험 가입 가능 여부와 보상 범위 같은 질문에 답하도록 돕는 직원용 도구를 운영한다. 답의 질은 사내 자료를 찾는 검색용 머신러닝 모델이 좌우하지만, 이 모델을 고치는 작업은 담당자의 경험과 감에 기대고 있었고, 실험 하나에 1주일이 걸리기도 해 실험이 잘됐는지 검토하는 일이 따라가지 못했다.
적용한 기술과 데이터
Sompo Japan은 Google의 Agent Development Kit로 데이터 점검용 EDA Agent를 직접 만들어 Gemini Enterprise Agent Platform에서 실행한다. 이 에이전트는 BigQuery에 넣은 데이터를 스스로 SQL로 조회해 자동차보험 자료는 많고 화재보험 자료는 거의 없는 식의 건수 쏠림, 문장 데이터의 잡음, 전각과 반각이 섞인 표기를 찾고, BigQuery ML로 작은 모델을 시험해 효과가 있을 전처리를 가늠한다. 코딩 에이전트인 실험 오케스트레이터는 점검 결과를 바탕으로 학습 파이프라인을 실행하고 모델 성적을 평가해, 좋으면 운영으로 넘기고 부족하면 데이터 점검으로 되돌린다. 업무 과제를 머신러닝 과제로 바꾸고 데이터셋을 만드는 일, 에이전트의 분석이 맞는지 최종 판단하는 일은 사람이 맡는다.
성과
사례에 실린 담당자 설명에 따르면 데이터를 조사하고 학습시키고 결과를 검토하는 실험 한 주기가 길게는 1주일 걸리던 것이 에이전트를 쓴 뒤 하루 정도로 줄었다. SOMPO Holdings의 AI 엔지니어는 예전에는 한 주기에 3일 넘게 걸렸지만 지금은 하루에 여러 번 시험할 수 있다고 말했다. 담당자 머릿속에 있던 판단 이유가 에이전트 기록으로 남으면서 특정 담당자에게 기대던 작업도 줄었고, 팀은 결과를 한 건씩 확인하는 분석에도 손을 대게 됐다.
한계와 남은 과제
검색 모델 개선이 문의 응답의 정확도에 준 효과와 운영을 시작한 월은 원문에 나오지 않는다.
출처
- 損保ジャパン、機械学習モデルの開発を AI エージェントで自動化 ─ 1 週間かかっていた実験サイクルが 1 日にcloud.google.com, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.