우리나라 자동차 등록 대수는 약 2,280만 대이며 이는 매년 10% 정도 증가하고 있는 수치임. 사고 발생건수 또한 작년 기준 약 452만 건으로 비례적 증가 추세

차량의 안전사양 증가 또는 도로구조의 선진화 등으로 인하여 저심도 소액외판 대물사고의 비중이 증가하는 추세

정비공장의 특성에 따라 수리비 청구 견적이 상이하며 지급되는 보험금 또한 담당자의 손해사정 역량에 따라 편차가 발생하여 여러 분쟁사례가 지속적으로 발생하고 있음. 이에 표준화된 수리비 산정시스템 개발의 필요성 대두

핀테크를 활용한 새로운 방식의 업무 시스템 구축으로 증가하는 사고 발생 건에 대한 업무효율화 방안 모색 필요

중국 평안보험에서 2017년 6월부터 AI이미지 인식을 통한 소액 외판 수리비 청구 및 자동지급 업무 시행 중

정보통신기술(ICT)의 발전으로 FinTech를 활용한 업무 방법의 변화 모색과 업무시스템의 지속적인 효율화 노력을 기업 생존의 문제로 인식해야 하는 Industry 4.0의 시대로의 변화

차량의 외판부위를 총 22개 부위로 구분하여 부위별 인식 학습 진행

오픈소스 알고리즘(Mask R-CNN)을 통한 부위별 5,000여 건의 데이터로 반복학습 시행

Mask R-CNN은 물체를 감지하여 테두리를 경계로 물체를 분리하는 특징을 가진 알고리즘으로서 정밀하게 부위경계를 확인해야 하는 자동차 수리견적 범위를 산정하기에 적합함 (물체를 사각형으로 인식하는 기존 Yolo 알고리즘보다 파손부위 인식에 적합)

손해사정 경력이 평균 15년 이상인 보상직원 40명이 부위별 각 5만 장의 학습데이터를 심도별로 분류하였으며 작업에 많은 노력과 시간 소요

파손부위별 6단계의 파손심도(정상, 스크래치, 소손상, 중손상, 대손상, 교환) 학습을 시행하였으며, 중국 평안보험의 경우 부위별 10만장 이상의 학습데이터를 적재하였고 7만 장 이상의 학습 구간부터 현저한 정확도 향상을 확인하였다고 함

Mask R-CNN은 물체를 감지하여 테두리를 경계로 물체를 분리하는 특징을 가진 알고리즘으로서 정밀하게 부위경계를 확인해야 하는 자동차 수리견적 범위를 산정하기에 적합함 (물체를 사각형으로 인식하는 기존 Yolo 알고리즘보다 파손부위 인식에 적합)

현재 오픈된 9개 부위 이외에 추가 13개 부위 외판 학습과 함께 전체부위의 인식 정확도가 일정 수준 이상으로 고도화되면, Auto Re-Labeling을 통한 자가학습시스템을 구축하여 정확도 향상에 주력할 예정임

5개 차종 22개 부위의 부위별 견적을 차종, 모델, 연식, 도장코트별로 구분하여 적재하는 것을 룰베이스라고 함

AI 이미지인식으로 확인된 파손부위, 파손심도의 결과 값을 룰베이스 시스템으로 전송하여 이와 매칭되는 미리 작성된 견적서를 재조합 하는 형태로 구성함

현재 적용된 업무시스템은 차량입고 후 정비공장에서 작성된 AOS선견적 데이터의 차량정보를 기준으로 청구견적과 AI 예상 견적을 한 화면에 동시에 제공해주는 시스템

2018년 12월 현장출동 및 보상담당자 업무용어플에 자동견적기능 탑재 예정

고객과의 현장접촉 시 차량손상에 대해 표준화된 자동견적 시스템 활용으로 차별화된 고객서비스 제공 가능

업무용 모바일어플과 함께 당사 정비공장 협력업체 사이트에서도 AI 자동견적 기능

향후 성능 고도화 및 정비업체 의견수렴 후 일부 우수협력업체부터 단순 외판작업 AI 자동견적으로 수리비청구 – 무사정 지급 Pilot Test 진행하며 보완점 개선으로 업체 확대 예정