FurtherAI, 보험 업무를 AI로 혁신하기 위해 2,500만 달러의 시리즈 A 투자 유치

보험 산업은 7.5조 달러의 규모를 가지고 있으며, 일반적으로 노동 집약적인 수동 프로세스에 의해 구동됩니다. 전문가들은 문서를 분석하고 시스템을 조정하며 위험을 평가합니다. FurtherAI는 이 현실을 변화시키기 위해 노력하고 있습니다. 2025년 10월 7일, 샌프란시스코 기반의 스타트업은 2,500만 달러의 시리즈 A 투자를 안드로슨 호로위츠(Andreessen Horowitz)로부터 유치했습니다. 이는 몇 개월 전 500만 달러의 시드 라운드를 받은 후 총 3,000만 달러의 자금을 확보한 것으로, 보험 분야의 도메인 특화 AI에 대한 투자자의 信念을 보여줍니다.

새로운 자금을 통해 FurtherAI는 보험 업무를 위한 워크플로우 라이브러리를 확장하고, 캐리어와 브로커 시스템과의 통합을 강화하며, 시장 진출을 확대할 계획입니다. 목표는 전문가를 반복적인 업무에서 해방시키고 가치 창조에 집중할 수 있도록 하는 것입니다.

문서 혼란에서 통합 속도로

보험 전문가들은 오랫동안 단편화된 시스템, 중복된 데이터 입력, 구조화되지 않은 문서의 홍수와 싸워왔습니다. 전통적인 도구는 정책, 보증, 규제 제출서의 세부 언어를 해석하는 데 어려움을 겪어왔으며, 언더라이터와 클레임 전문가는 위험 분석보다 서류 작업에 매몰되어 있습니다.

FurtherAI의 접근법은 보험 운영을 위한 통합된 “AI 워크스페이스”를 구축하는 것입니다. 일반적인 자동화에 의존하지 않고, 보험 용어와 워크플로우에 대한 여러 대형 언어 모델을 결합합니다. 아키텍처는 모듈식으로 설계되어 있어 보험사에서 단일 프로세스, 즉 제출서 수신 또는 정책 비교에서 시작하여 점진적으로 감사, 클레임, 컴플라이언스 등 다른 프로세스를 커버할 수 있습니다.

플랫폼은 주요 정책 관리 시스템과 통합되어 데이터가 자유롭게 흐를 수 있도록 합니다. 성공적인 채택을 위해 회사에서는 AI 엔지니어를 클라이언트 팀에 직접 배치하여 론칭을 지원합니다. 이 “전방 배치 엔지니어링” 모델은 자동화가 각 조직의 고유한 프로세스에 맞게 맞춤형으로 제공될 수 있도록 합니다.

현재까지의 결과는 측정 가능합니다. FurtherAI를 사용하는 보험사에서는 생산성이 두 배로 증가하고, 제출서에서 인용까지의 비율이 개선되고, 정책 비교에서 95% 이상의 정확도를 달성하며, 제안서를 작성하는 시간이 크게 단축되었습니다. 주요 캐리어와 브로커 네트워크에서는 이미 시스템을 통해 수십억 달러의 프리미엄을 처리하고 있습니다.

타이밍이 맞는 이유

보험 분야의 AI는 새로운 것이 아닙니다. 그러나 이전의 시도는 종종 부족했습니다. 일반적인 모델은 복잡한 정책 언어를 잘못 해석하며, 좁은 점 해결方案은 워크플로우의 작은 조각만을 해결합니다. 산업의 실제 필요는 연결된, 도메인 네이티브 플랫폼입니다. 이는 기능을 가로지르며 규정 준수, 감사 가능성, 인간의 감독을 유지하는 것입니다.

이 변화는 중요한 순간에 도착했습니다. 산업은 동시에 노동력 부족, 기후 위험의 증가, 규제 요구의 강화와 같은 압력을 받고 있습니다. 이익률이 좁아지면서 보험사에서는 자동화를 실험으로 다룰 수 없습니다. 측정 가능한 운영 영향을 미치는 도구가 필요합니다. 반복적인 작업을 자동화하면서 인간이 제어를 유지하는 플랫폼은 빠르게 “필수”로 전환되고 있습니다.

앞으로: 보험 AI의 다음 단계

보험 분야에서 AI의 영향은 향후 몇 년 동안 비즈니스 운영 방식을 재정의할 수 있습니다.

제출 처리는 수동적인 병목 현상에서 거의 보이지 않는 프로세스로 변할 수 있습니다. 브로커의 패킷은 단일 인터페이스에서 AI가 즉시 데이터를 추출, 검증, 조직화하여 언더라이터에게 제공할 수 있습니다. 전문가들은 오류를 찾는 대신 위험을 평가하고 보험료를 결정하는 데 시간을 할애할 수 있습니다.

클레임 처리도 유사한 방식으로 발전할 수 있습니다. AI 에이전트는 문서, 사진, 센서 데이터를 분석하여 자동으로 클레임을 분류하고, 단순한 경우를 신속하게 처리하고, 복잡하거나 고위험 사례를 검토하기 위해 플래그를 설정할 수 있습니다. 사기 탐지 모델도 계속 개선되어 초기에 비정상성을 탐지하고 불필요한 지불을 줄일 수 있습니다.

감사와 정책 비교는 완전한 자동화로 이동할 수 있습니다. 시스템은 실시간으로 캐리어와 갱신 간의 불일치를 식별할 수 있습니다. 언더라이터는 가상 시나리오를 테스트하여 검토 주기를 단축할 수 있습니다.

가격 모델도 적응형으로 발전할 수 있습니다. 실제 데이터가 시스템에 더 많이 공급됨에 따라 보험사에서는 동적 또는 매개변수 제품을 제공하여 조건이 변경됨에 따라 약정을 조정할 수 있습니다.

그러나 인간의 역할은 사라지지 않을 것입니다. 언더라이터, 클레임 관리자, 컴플라이언스 담당자는 행정 작업에서 해방되어 해석, 전략, 관계 관리에 집중할 수 있습니다. 성공하는 회사들은 AI를 일상적인 의사 결정에 통합하는 회사들이 될 것입니다.

현재의 추세가 계속된다면, 보험 산업은 이전과는 달리 속도, 투명성, 데이터 기반의 새로운 단계로 진입할 수 있습니다. 앞으로의 길은 사람들을 대체하는 것이 아니라, 반복적인 작업에서 해방되어 더 많은 것을 성취할 수 있도록 하는 것입니다.