웨어러블 데이터

심사가 한 번의 사건에서 매일의 감시로 바뀔 때 — 계약 시점이 사라진 언더라이팅

17화에서 본 유전자 정보는 법으로 금지된 영역이었다. 웨어러블 데이터는 정반대다 — 아무도 강제하지 않았는데 가입자가 스스로 원해서 제공하는 정보이며, 이미 전 세계 보험사들이 적극적으로 활용하고 있다. 남아공 디스커버리사의 "바이탈리티" 프로그램이 원형이다 — 가입자가 웨어러블로 걸음 수와 운동량을 기록해 목표를 달성하면 보험료를 할인해주는 구조다. 이 프로그램이 던지는 질문은 지금까지 16화 동안 다룬 언더라이팅과 근본적으로 다르다. 1~16화의 모든 도구 — 포인트 시스템, 건강검진, 직업 코드 — 는 전부 계약 시점의 "한 번의 스냅샷"으로 위험을 평가했다. 웨어러블은 계약 이후에도 매일 데이터를 보내는 "연속된 동영상"이다. 언더라이팅의 시간 축 자체가 바뀐다.

스냅샷에서 동영상으로: 시간 축의 전환

이 전환의 함의는 단순한 데이터 증가가 아니다. 전통적 언더라이팅은 계약 시점에 위험을 "동결"한 뒤, 그 위험 등급을 계약 기간 내내 고정했다. 이 고정 때문에 언더라이팅과 보험료 산정, 준비금 적립이라는 계리적 구조 전체가 성립했다. 위험이 매일 갱신된다면 이 구조의 전제가 흔들린다 — 보험료는 언제 기준의 위험으로 매겨야 하는가, 계약 후 위험이 급등한 가입자의 요율을 실시간으로 올릴 수 있는가. 실시간 데이터는 이론적으로 "동적 요율"을 가능하게 하지만, 이는 보험의 핵심 기능인 위험의 시간적 평활화(risk pooling over time)와 충돌한다. 가입자가 보험을 드는 이유는 미래의 나쁜 상태를 미리 고정된 값으로 헤지하기 위함인데, 요율이 상태에 따라 실시간으로 따라오면 헤지 기능 자체가 약해진다. 그래서 현실의 웨어러블 상품은 대부분 "실시간 요율 조정"이 아니라 "사후 할인 인센티브"라는 온건한 형태를 취한다.

도덕적 해이의 해소, 그러나 부분적으로

이 변화가 정면으로 건드리는 것이 11화에서 다룬 도덕적 해이다. 도덕적 해이의 근본 문제는 계약 이후 가입자의 행동을 보험사가 관찰할 수 없다는 데서 비롯됐다 — 이것이 정보 비대칭의 시간축 버전이었다. 웨어러블은 이 관찰 불가능성을 정면으로 해소한다. 보험사는 이제 가입자가 실제로 운동하는지, 수면 패턴이 어떤지, 심박변이도가 어떻게 변하는지를 실시간으로 볼 수 있다. 이론적으로는 도덕적 해이 문제의 상당 부분이 사라진다 — 계약 이후 행동을 감시할 수 있다면, 행동을 바꿀 유인 자체가 준다. 실제로 바이탈리티 프로그램 참여자의 운동량 데이터를 분석한 연구들은 프로그램 도입 이후 사망률과 입원율이 유의미하게 낮아졌다는 결과를 보고했다.

그러나 이 해소는 부분적이다. 웨어러블은 "관찰 가능한 행동"만 해소할 뿐, 관찰되는 행동과 실제 건강 사이의 간극을 새로 만든다. 걸음 수 목표를 채우기 위해 기기를 반려동물이나 선풍기에 달아두는 식의 게이밍(gaming), 측정되는 지표만 관리하고 측정 안 되는 위험은 방치하는 지표 왜곡이 그것이다. 관찰이 완벽해질수록 사람들은 "관찰되는 것"을 관리하지 "건강 그 자체"를 관리하지 않는 방향으로 최적화한다. 이는 도덕적 해이가 사라진 게 아니라, 관측 지표의 표면으로 이동한 것에 가깝다.

측정이 목표를 대체할 때 — 굿하트의 법칙

이 지표 왜곡은 사회과학에서 잘 알려진 원리의 보험판이다 — "측정값이 목표가 되는 순간, 그것은 더 이상 좋은 측정값이 아니게 된다"는 굿하트의 법칙이다. 걸음 수는 원래 전반적 활동량의 대리 지표로서 건강과 상관이 있었지만, 그 걸음 수 자체에 보험료 할인이라는 보상이 걸리는 순간 사람들은 걸음 수를 "올리는" 데 최적화하기 시작하고, 그 결과 걸음 수와 실제 건강 사이의 원래 상관은 약해진다. 대리 지표에 인센티브를 거는 모든 시스템은 이 함정을 피할 수 없다. 보험사가 대응하는 방향은 단일 지표 대신 여러 지표를 교차 검증하거나(걸음 수와 심박수의 정합성 확인), 조작이 어려운 생체 신호를 함께 요구하는 것이지만, 이는 다시 데이터 수집의 침습성을 높여 프라이버시 문제를 키운다. 관찰을 정교하게 만들수록 조작 방어와 프라이버시 침해가 함께 커지는 이 상충이 웨어러블 언더라이팅의 구조적 딜레마다.

원시 데이터를 판단으로 번역하는 문제

그런데 이 실시간성은 5화에서 다룬 언더라이터의 판단 문제를 새로운 형태로 되살린다. 걸음 수나 심박수 같은 원시 데이터를 "위험이 낮아졌다" 혹은 "높아졌다"는 판단으로 번역하는 규칙은 결국 다시 사람(또는 알고리즘)이 설계해야 한다. 하루 만보를 걷는 게 항상 좋은 신호인가, 아니면 과도한 운동으로 인한 근골격계 손상 위험의 신호일 수도 있는가. 수면 시간이 줄어든 게 불면증의 징후인가, 아니면 단순히 야근이 많은 시기였을 뿐인가. 10화에서 본 자동심사(AU)의 설명 가능성 문제가 여기서는 더 심각해진다 — 정적인 신청서 데이터가 아니라 매일 갱신되는 시계열 데이터를 해석해야 하기 때문에, 어느 한 순간의 이상치가 실제 위험 변화인지 일시적 노이즈인지를 구분하는 일 자체가 훨씬 어려운 통계적 문제가 된다.

자발성의 함정과 역선택의 역전

더 근본적인 질문은 이 데이터의 자발성이 얼마나 진짜 자발적인가다. 웨어러블 프로그램은 처음엔 "참여하면 할인"이라는 유인책으로 시작하지만, 참여율이 높아지고 데이터가 언더라이팅의 표준 재료로 자리잡으면, 참여하지 않는 선택 자체가 "숨길 게 있다"는 신호로 해석될 위험이 생긴다. 이는 2화에서 다룬 역선택 문제를 뒤집힌 형태로 재현한다 — 원래는 위험한 사람이 스스로를 숨기는 것이 문제였다면, 이제는 데이터를 제공하지 않는 것 자체가 "숨기는 행위"로 낙인찍히면서 사실상 반강제적 참여 압박이 생기는 것이다.

이 압박에는 형평성의 그림자가 따른다. 웨어러블 할인 구조는 이미 건강하고, 규칙적으로 운동할 시간과 자원이 있는 사람에게 유리하다. 교대근무·장시간 노동·돌봄 부담으로 걸음 수를 채우기 어려운 사람은 같은 보험을 더 비싸게 사게 된다. 즉 "건강 행동에 대한 보상"으로 설계된 장치가, 건강을 관리할 여유 자체가 계층화되어 있는 현실에서는 사회경제적 불평등을 보험료로 옮겨 담는 통로가 될 수 있다. 19화에서 다룰 알고리즘 편향과 정확히 같은 구조의 문제가 여기서도 반복된다.

"할인"이라는 프레임이 감추는 것 — 벌금과 보상의 대칭성

웨어러블 상품이 거의 예외 없이 "할증"이 아니라 "할인"의 형태로 설계된다는 사실 자체가 중요한 힌트다. 기준 보험료를 높게 잡아두고 건강 행동을 하면 깎아주는 구조는, 형식적으로는 보상이지만 실질적으로는 "건강 행동을 하지 않는 사람에게 더 걷는" 것과 수학적으로 동등하다. 그럼에도 산업이 굳이 할인의 언어를 택하는 이유는, 같은 요율 차등이라도 "벌금"으로 제시될 때보다 "보상"으로 제시될 때 소비자의 수용성과 규제의 관용도가 훨씬 높기 때문이다. 이는 유전자·건강 정보에 근거한 노골적 할증이 사회적·법적 저항에 부딪히는 것과 대비된다 — 같은 세분화라도 어떤 프레임으로 제시되느냐에 따라 허용 범위가 달라진다.

문제는 이 프레임의 유연함이 앞서 본 형평성 문제를 가린다는 데 있다. "건강한 당신에게 할인을 드립니다"라는 문장은, 건강을 관리할 자원이 없는 사람이 기준 보험료 전액을 부담하게 되는 이면을 자연스럽게 지운다. 세분화의 사회적 비용이 "누군가에게 벌금을 물린다"가 아니라 "누군가에게 상을 준다"의 언어로 재포장될 때, 그 비용은 보이지 않는 곳으로 밀려난다. 웨어러블 언더라이팅을 평가할 때 할인율의 크기보다 기준 요율이 어디에 설정돼 있는지를 봐야 하는 이유가 여기에 있다.

프라이버시와 데이터 소유권이라는 뒤따르는 청구서

실시간 건강 데이터는 언더라이팅 재료이기 이전에 가장 민감한 개인정보다. 이 데이터가 누구에게 귀속되고, 계약 종료 후 어떻게 처리되며, 제3자(재보험사·마케팅·다른 상품 심사)에 어디까지 활용되는지는 아직 대부분의 시장에서 명확히 정리되지 않았다. 관찰이 정교해질수록, 그 관찰을 통제할 권리를 누가 갖는가라는 질문이 언더라이팅의 다음 전선이 된다.

한국 보험사들도 건강증진형 특약을 통해 유사한 모델을 도입하고 있지만, 아직은 계약 시점 언더라이팅을 대체하기보다 갱신 시 보험료 할인 인센티브 수준에 머물러 있다. 국내 규제 역시 보험료 할인 폭과 건강관리 서비스 제공 범위를 제한적으로 허용하는 단계에 있어, 실시간 데이터가 인수 자체를 좌우하는 단계까지는 이르지 않았다.

실시간 데이터가 재보험 구조와 만나는 지점

웨어러블이 만드는 변화는 원수보험사 차원을 넘어 재보험 구조에까지 파문을 일으킨다. 전통적으로 재보험사는 원수사가 인수한 위험을 계약 시점의 등급표에 근거해 되받았다. 위험이 계약 시점에 동결돼 있었기 때문에, 재보험 계약도 그 고정된 위험 평가 위에서 안정적으로 설계될 수 있었다. 그런데 위험이 매일 갱신되는 실시간 데이터로 재평가되기 시작하면, "재보험사가 되받는 위험이란 정확히 어느 시점의 위험인가"라는 물음이 새로 생긴다. 계약 시점의 위험인가, 아니면 웨어러블이 매일 갱신하는 최신 위험인가. 이 물음은 아직 산업이 명확한 답을 내리지 못한 영역이며, 실시간 데이터의 활용이 깊어질수록 원수사와 재보험사 사이의 위험 분담 규칙도 다시 쓰여야 한다. 실시간 언더라이팅은 원수사의 심사 방식만이 아니라, 그 뒤에 서 있는 위험 이전의 사슬 전체를 흔드는 변화인 것이다.

건강 증진인가, 위험 선별인가 — 두 목적의 긴장

웨어러블 프로그램은 두 가지 서로 다른 목적을 동시에 표방한다. 하나는 가입자의 실제 건강을 개선해 손해율을 낮추는 것(건강 증진)이고, 다른 하나는 이미 건강한 가입자를 더 정확히 식별해 보상하는 것(위험 선별)이다. 이 둘은 표면적으로는 같은 방향처럼 보이지만 실제로는 미묘하게 다르다. 건강 증진이 목적이라면 가장 큰 관심 대상은 지금 건강하지 않지만 개선 여지가 큰 사람이어야 하고, 위험 선별이 목적이라면 관심은 이미 건강한 우량체에 쏠린다. 프로그램이 걸음 수 목표 달성에 대한 할인처럼 "이미 잘하는 사람에게 보상"하는 구조로 설계되면, 실질적 무게는 건강 증진보다 위험 선별 쪽으로 기운다. 웨어러블 언더라이팅의 사회적 정당성은 이 둘 중 어느 쪽에 실제 무게가 실려 있는지에 달려 있으며, "건강 증진"이라는 명분이 사실은 우량체 선별이라는 실질을 가리는 포장일 수 있다는 점이 이 모델을 둘러싼 논쟁의 핵심이다.

다음 화에서는 이 실시간 데이터를 처리하는 알고리즘 자체가 안고 있는 더 깊은 문제 — AI 언더라이팅이 스스로 편향을 학습하는 메커니즘을 다룬다.