본문으로 건너뛰기

AI지식관리 3주차 실습

기로운

2026.10.21

보험 약관을 AI에게 읽혀 보면, 대개 두 가지 문제가 생긴다. 파일은 많은데 필요한 문장을 찾는 데 시간이 걸리고, 계약자·피보험자·특약·진단 기준처럼 서로 떨어진 정보를 사람이 머릿속에서 연결해야 한다는 점이다.

그래서 이번에는 실제 유지 중인 보험 4건의 담보 58개를 관계 모델, 즉 온톨로지로 정리했다. 그리고 AI에게 원문·정리 노트·표·관계 모델·질의 도구를 각각 다르게 제공했을 때 답이 어떻게 달라지는지 비교했다.

먼저 결론부터 말하면, 작은 규모에서는 온톨로지가 AI 답변을 가장 빠르게 만들지는 못했다. 가장 빨랐던 것은 관계 모델에서 만들어 낸 표였다. 그렇다고 온톨로지가 쓸모없었던 것은 아니다. 모델은 표와 질의 결과를 정확하고 낡지 않게 다시 만드는 정본으로 가장 큰 역할을 했다.

## 한눈에 본 실험

- 대상: 실제 보험 계약 4건, 담보 58개

- 질문: 위암 진단·입원·수술·배우자 보장·이혼·과거 수령·평일/휴일 장해 등 11개

- 최종 측정: 5가지 방법 × 11개 질문 × 3회 = 165회

- 추가 측정: 3가지 방법 × 11개 질문 × 3회 = 99회

- 합계: 264회

비교한 방법은 다섯 가지였다.

| 방법 | AI에게 준 것 |

| ---------------- | -------------------------------------------------------------------- |

| 원문만 | 증권·약관·보험사 답변과 판독본 |

| Wiki | 원문 + 사람이 정리한 노트 |

| 표 | 모델에서 생성한 담보별 Markdown 표 |

| 모델 + 탐색 도구 | 노드와 선을 한 단계씩 따라가는 도구 |

| 모델 + 질의 계층 | 피보험자·진단·사건을 넣으면 후보 담보와 근거를 한 번에 꺼내는 도구 |

## 온톨로지가 필요한 이유를 실제 질문으로 보면 쉽다

### 1. 같은 ‘위암 진단’이라도 누구의 보험인지에 따라 답이 달라진다

원문에는 비슷한 문장이 두 개 있었다.

- 암치료특약: 암 진단 시 2,000만원

- 배우자 보장특약: 암 진단 시 3,000만원

문장만 보면 둘 다 위암 진단 때 나오는 돈처럼 보인다. 하지만 특약의 피보험자는 다르다. 원문 앞쪽 관계자 칸에는 주피보험자가 본인이고, 종피보험자가 배우자라고 적혀 있다.

그래서 질문이 본인이 위암(C16) 진단을 받으면?이라면 2,000만원 경로가 나와야 하고, 배우자가 위암 진단을 받으면?이라면 3,000만원 경로가 나와야 한다.

초기 작은 모델에는 ‘피보험자’ 관계가 없었다. 그 상태에서 본인 위암 진단금을 계산했더니 배우자 몫까지 섞여 5,000만원이라는 오답이 나왔다. 구조 검사는 통과했지만, 실제 질문에는 틀렸다.

이 사례에서 온톨로지의 역할은 거창한 그래프를 그리는 일이 아니다. “이 담보의 대상이 누구인가”라는 연결을 빠뜨리지 않게 기록하는 일이다.

```text

본인 ─피보험자→ 암치료특약 ─보장→ 암치료보험금 2,000만원 ─대상 범주→ 위암 C16

배우자 ─피보험자→ 배우자 보장특약 ─보장→ 암진단급여금 3,000만원 ─대상 범주→ 위암 C16

```

### 2. ‘10일 입원’은 단순히 일당을 곱하는 문제가 아니다

ING 입원급여금에는 “4일 이상 계속 입원하면 3일 초과 1일당 3만원”이라는 조건이 있다. 위암으로 10일 입원했다고 입력하면 계산은 다음처럼 진행된다.

```text

입력: 위암 C16, 10일 입원

1) 계약·특약이 유지되는가?

2) 위암 C16이 이 담보의 지급 대상 범주에 포함되는가?

3) 입원이 4일 이상인가?

4) 10일 - 3일 = 지급일수 7일

5) 7일 × 30,000원 = 210,000원

```

이번 사례의 입원 관련 합계는 다음처럼 둘로 나뉘었다.

- 확인 합계: 2,380,000원

- 가설 포함 합계: 2,590,000원

차이 21만원은 메트라이프 성인병입원급여금이었다. 이 담보가 속한 특약의 만기를 원문만으로 확정하기 어려워, 금액을 없애거나 확정 금액에 섞지 않고 가설로 따로 표시했다.

여기서 계산 계층의 역할은 AI 대신 결론을 내려 버리는 것이 아니다. 어떤 규칙으로 계산했고, 어느 부분이 아직 확정되지 않았는지를 같이 남기는 것이다.

### 3. 관계 질문은 표보다 모델이 더 잘 다룬다

표는 지금 질문에 필요한 내용을 빨리 읽는 데 좋다. 다만 다음처럼 관계나 시간의 변화가 들어가면 매번 다시 읽고 따져야 한다.

- 배우자와 이혼하면 어떤 특약과 담보가 사라지는가?

- 2027년에 기타피부암을 받고, 2029년에 위암을 받으면 이전 수령액 때문에 무엇이 달라지는가?

- 평일 사고와 휴일 사고에서 같은 3급 장해의 지급이 왜 달라지는가?

관계 모델에서는 이런 질문을 ‘담보 하나를 외워서’ 풀지 않는다. 배우자 보장특약을 끈 뒤 연결된 담보를 다시 찾거나, 먼저 받은 담보와 현재 담보 사이의 차감 관계를 따라간다. 이번 이혼 질문에서는 배우자 보장특약과 연결된 담보 8개의 영향을 한 번에 찾을 수 있었다.

## 측정 결과: 가장 빠른 것은 표, 가장 높은 핵심 정답은 원문만 조건

최종 측정 결과는 다음과 같았다.

| 방법 | 평균 시간 | 왕복 | 핵심 정답(33개 중) | 점수(10점) |

| ---------------- | ---------------: | ---: | -----------------: | ---------: |

| 원문만 | 228.3초 | 66.6 | 33 | 9.35 |

| Wiki | 95.8초 | 39.7 | 33 | 9.27 |

| 표 | 61.4초 | 18.9 | 32 | 8.59 |

| 모델 + 탐색 도구 | 74.7초 | 25.7 | 28 | 8.30 |

| 모델 + 질의 계층 | 81.0초 | 25.1 | 30 | 8.52 |

표가 빠른 이유는 AI가 더 적게 읽어서만은 아니었다. 시간은 읽은 양보다 도구와 주고받은 횟수, 즉 왕복 수와 더 강하게 같이 움직였다. 최종 측정에서는 시간과 왕복 수의 상관이 0.94였다.

원문만 조건은 느렸지만 핵심 정답은 33/33이었다. 이 규모에서는 AI가 원문을 직접 읽어도 답을 찾을 수 있었다. 반대로 관계 모델을 탐색하는 도구는 AI가 질문마다 그래프를 어떻게 걸을지 다시 생각해야 했고, 도구 결과도 다시 검증했다.

따라서 이번 비교는 “표 대 온톨로지”라기보다 미리 연결해 둔 표 대 AI가 날것의 관계 모델을 손으로 탐색하는 방식의 비교에 가깝다.

## 빠른 표에도 치명적인 문제가 있었다: 정리본이 낡으면 AI도 낡은 말을 한다

처음에는 표 조건에서 원문과 반대인 주장이 많이 나온 이유가 이상했다. 표는 모델에서 만들었는데 왜 원문과 어긋났을까?

감사 기록을 열어 보니 원인은 AI의 새로운 환각보다 낡은 파생물이었다.

예를 들어 ING 배우자 보장특약의 유지 여부는 이미 본인 확인으로 “둘 다 맞음”이라고 해결돼 있었다. 그런데 표 생성 프로그램이 해결된 미해결 항목 29개를 예전 상태 그대로 실어 두었다. 그 결과 AI는 “혼인 관계가 지금도 유지되는지 추가 확인이 필요하다”고 답했다.

AI는 표의 잘못된 문장을 충실히 옮긴 것이다.

```text

정본 모델: 이미 해결됨

↓

표 생성 과정: 해결 표시 없이 오래된 미해결 문장을 남김

↓

AI 답변: “추가 확인 필요”라고 반복

```

그래서 중요한 결론은 “AI가 환각했다”가 아니다. 정본을 고친 뒤 표·노트·질의 결과를 다시 만들고, 서로 맞는지 시험해야 한다는 것이다.

## 미리 걸러 준 결과가 빠르지만, 질문과 조금만 어긋나면 놓치는 것이 생긴다

모델 조건의 부분 정답 8건은 모두 삼성 암간병자금 누락과 연결됐다.

암간병자금은 암 진단 뒤 1개월이 지나면 매월 50만원씩 12회, 총 600만원을 지급하는 담보였다. 그러나 모델에서 사건을 간병으로 분류해 두었고, AI는 “위암 진단금” 질문에 사건=진단으로 도구를 호출했다. 그러자 암간병자금은 후보 목록 밖으로 빠졌다.

```text

질문: 위암 진단금은?

도구 필터: 사건 = 진단

실제 담보: 암 진단 뒤 지급되지만, 모델의 사건값은 간병

결과: 후보 목록에서 제외 → AI는 빠진 줄도 모름

```

이 경험은 도구 설계의 원칙을 바꿨다. 결과에는 맞는 후보만 보여 주는 대신, 필터 때문에 빠졌지만 질문과 함께 검토할 만한 담보 목록도 함께 보여 줘야 한다.

## 그래서 온톨로지는 어디에 쓰는가

이번 규모에서 온톨로지는 속도와 정확도로 표를 이기지 못했다. 그래도 다음 다섯 가지에서는 분명한 가치를 보였다.

1. 표를 만드는 정본이 된다. 빠른 표도 계약·특약·피보험자·조건을 모델에서 조인해 만든 파생물이다.

2. 낡은 정리본을 잡아낼 수 있다. 정본과 표·노트의 일치 여부를 자동 시험할 수 있다.

3. 같은 계산을 다시 할 수 있다. 계산 계층은 같은 입력에 같은 결과와 적용 규칙을 남긴다.

4. 관계 변화 질문을 다룬다. 이혼, 과거 수령, 평일/휴일처럼 연결과 시간 순서가 바뀌는 질문에 강하다.

5. 규모가 커지면 필요한 부분만 자른다. 계약과 담보가 늘어 전체 표를 한 번에 읽히기 어려워지면, 질문 단위로 후보와 근거만 꺼내는 방식이 필요해진다.

한 문장으로 정리하면 이렇다.

> 온톨로지는 AI가 직접 읽을 자료라기보다, AI에게 줄 표·질의 결과·계산 결과를 정확하고 낡지 않게 만드는 정본이다.

## 이 실험에서 배운 운영 원칙

- 관계는 질문에서 출발한다. 사람, 시간, 과거 이력처럼 질문에 필요한 연결을 먼저 찾는다.

- 선과 범주에는 원문 근거와 확인 상태를 붙인다. 원문에 없는 사실은 이름에도 넣지 않는다.

- 표나 노트는 사람이 고쳐 둔 결과물이므로, 정본과 자동으로 대조해야 한다.

- 질의 도구는 맞는 후보만 주지 말고, 필터 때문에 빠진 항목도 알려야 한다.

- AI가 도구를 받아도 결과를 다시 검증한다. 근거 원문과 적용 규칙을 결과에 함께 넣어야 왕복이 줄어든다.

- 한 번의 측정만으로 결론 내리지 않는다. 같은 조건을 반복하고, 같은 시간대의 대조군과 비교하며, 정답률뿐 아니라 원문과 반대인 주장도 센다.

## 남은 한계

이 결과는 보험 4건, 담보 58개, 질문 11개라는 작은 범위에서 나온 것이다. 원문만 조건이 33/33을 맞힌 사실도, 더 큰 문서 묶음에서 그대로 반복된다고 말할 수는 없다. 또한 당시에는 보험사 확인이 필요한 미해결 항목 33개가 남아 있었고, 일부 개선 뒤에는 새 질문으로 다시 재측정해야 했다.

그래서 이 게시글은 “온톨로지를 만들었으니 끝났다”는 완료 정리가 아니다. 어디에서 관계 모델이 실제 도움을 주고, 어떤 파생물·도구 계약·회귀 시험이 없으면 오히려 위험해지는지를 확인한 중간 실험 기록이다.

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.21

기로운님, "본인 위암 진단금이 배우자 몫까지 섞여 5,000만원으로 나왔다"는 오답 사례가 온톨로지의 역할을 가장 쉽게 보여줬어요. 그래프를 거창하게 그리는 일이 아니라 "이 담보의 대상이 누구인가"라는 연결을 빠뜨리지 않는 일이라는 정리가 와닿았습니다.

표가 61.4초로 가장 빨랐고 원문만 조건이 33/33을 맞혔다는 결과를 온톨로지에 불리한 숫자인데도 그대로 공개하신 점이 믿음이 갔어요. 표 생성 프로그램이 해결된 미해결 항목 29개를 낡은 상태로 실어둔 걸 감사 기록에서 찾아낸 과정도 좋았습니다. "AI가 환각했다"가 아니라 정본을 고치면 파생물을 다시 만들고 대조해야 한다는 결론이 실무에 바로 쓰이겠어요.

암간병자금이 사건 필터 때문에 후보에서 빠진 사례를 보고, 결과에 "빠진 후보"도 같이 보여주는 도구 설계로 바뀐 것도 인상 깊었어요. 꼬리 탁! 치고 응원하고 갑니다 🐈‍⬛

DECK 프로필 이미지
DECK2026.10.21

표에서 답이 빨리 나오면 정본과 같은 내용이라고 안심할 것 같아요. 미해결 항목이 옛 상태로 남은 대목에서는, 제가 답을 받은 속도와 근거의 시점을 함께 확인한 것처럼 생각했구나 싶었습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기