학과소식(웹진) 게시판 게시판목록

언론보도 산업경영공학과 정광민 교수, [연구기관 탐방] 포스텍 보험계리 및 위험관리 연구실

포스텍 보험계리 및 위험관리 연구실 POSTECH Actuarial modeling, Insurance and Risk Management Lab. 글. 포스텍 산업경영공학과 정광민 교수 랜섬웨어 공격으로 병원 전산망이 마비되고, 태풍 한 번에 수조 원의 피해가 발생한다면 우리 사회는 어떻게 회복할 수 있을까요? 리스크는 언제나 존재하지만, 그것을 얼마나 잘 이해하고 대비하느냐가 개인과 기업, 그리고 사회의 회복력(Resilience)과 지속가능성(Sustainability)을 결정합니다. 포스텍 보험계리 및 위험관리 연구실(AIRM, Actuarial modeling, Insurance and Risk Management Lab)은 사이버 리스크와 기후 재난, 기술 혁신에서 파생되는 새로운 리스크에 대한 규명과 대응 전략 수립을 핵심 연구 분야로 삼고 있습니다. 사이버 리스크와 보안: 디지털 사회의 신뢰를 구축하다 사이버 리스크는 더 이상 막연한 미래의 위협이 아닌, 기업의 생존을 위협하는 실질적인 경영 위기로 자리 잡았습니다. 개인정보 유출, 랜섬웨어, 시스템 마비와 같은 사고는 통신, 유통, 금융 등 다양한 분야에서 실제 피해로 이어지고 있습니다. 2022년 카카오톡 서비스 중단 사태는 디지털 인프라의 마비가 사회 전반의 혼란으로 번질 수 있음을 보여주었고, 2025년 SK텔레콤 유심 정보 유출 사고와 쿠팡 개인정보 유출 사고는 사이버 사고가 단순한 기술적 결함을 넘어 사회적 신뢰와 국가적 안전망에 직결된 문제임을 일깨워주었습니다. AIRM 연구실은 사이버 리스크를 정확히 규명하고, 효과적으로 대응하기 위한 연구를 수행하고 있습니다. 개별 기업의 사고가 공급망과 자본시장을 통해 다른 기업으로 확산되는 ‘사이버 리스크의 전염성’을 분석해 시장 충격을 과학적으로 예측하는 한편, 기업의 관리 체계와 대응 노력의 실효성도 함께 검토합니다. 또한, 기업 내부 역량만으로 통제하기 어려운 사이버 리스크의 특성을 고려하여 보험과 재보험1, 그리고 자본시장으로의 위험 전가(Risk Transfer)2 모델도 탐구하고 있습니다. 이러한 다각적인 연구는 개별 기업의 사이버 리스크 대응 역량을 제고하는 동시에, 관련 보험상품 개발과 제도적 보완을 위한 과학적 근거로 활용되며, 보다 안전한 디지털 사회를 만드는 데 기여하고 있습니다. 그림 1. 보험사 규모에 따른 시나리오별 지급여력비율 변화로, 일별 보고 기간(X축)과 계약자의 운영 복원력(Y축)이 보험사의 지급여력비율(Z축)에 미치는 영향을 보여준다. 인공지능과 보험: 기술 혁신의 리스크를 규명하다 인공지능(AI) 기술은 개인별 맞춤형 보험 설계와 보험금 자동 심사 시스템 등을 통해 보험 산업의 효율성을 크게 높일 수 있습니다. 한편, AI 기술의 확산은 새로운 리스크도 함께 가져옵니다. 사실과 다른 정보를 생성하는 정보 왜곡(Hallucination)이나 딥페이크처럼, AI 자체가 리스크의 원인이 되는 사례도 늘고 있습니다. AIRM 연구실은 보험산업에서 AI를 효과적으로 활용하는 방안을 모색하는 동시에, 기술 확산이 야기하는 인공지능 리스크를 과학적으로 진단하고 관리하기 위한 연구도 함께 수행하고 있습니다. 그림 2. 유럽연합 인공지능 법에서 분류한 위험 등급별 인공지능 시스템은 인공지능 리스크 관리 필요성을 보여준다. / KDI 경제교육・정보센터 리스크 전략과 재무 의사결정: 기업의 불확실성을 전략으로 극복하다 오늘날 기업은 전통적인 재무 리스크를 넘어, 환경(E)・사회(S)・지배구조(G)와 같은 비재무 리스크도 관리해야 하는 시대에 놓여 있습니다. 변화하는 정책적 요구사항을 충족하고, 투자자의 신뢰와 시장 경쟁력을 확보하기 위해 통합적인 리스크 관리 체계를 갖추는 일이 점점 더 중요해지고 있습니다. 리스크 관리 전략은 경영진의 위험 인식 및 기업 지배구조와 긴밀하게 맞물려, 기업 보험 가입과 같은 구체적인 재무 의사결정으로 이어집니다. 이러한 결정은 기업의 가치와 성과를 좌우하는 핵심 요인이 됩니다. AIRM 연구실은 이처럼 빠르게 변화하는 규제 환경 속에서, 데이터를 이용해 기업의 불확실성을 효과적으로 관리하고 지속 가능한 성장을 이어갈 수 있도록 전략적 인사이트를 제공합니다. 그림 3. 기업은 환경(E)・사회(S)・지배구조(G) 요인을 종합적으로 고려한 통합 리스크 관리 전략을 통해 지속 가능한 기업 가치를 창출하고 시장 경쟁력을 확보한다. / Notebook LM으로 생성한 이미지 기후 리스크와 보험: 데이터로 미래의 충격에 대비하다 2022년 태풍 힌남노로 인한 포항 냉천 범람은 포스코 포항제철소를 침수시켜 약 2조 원의 재산 피해와 영업이익 46.7% 급감이라는 막대한 손실을 초래했습니다. 이처럼 예측하기 어려운 대규모 기후 리스크가 현실화될 때, 산업계의 경제적 회복력을 뒷받침하고 사회적 안전망 역할3을 수행하는 보험의 중요성은 더 커집니다. AIRM 연구실은 기후 리스크 시나리오에 기반한 스트레스 테스팅(Stress-testing)4 연구를 통해, 대형 기후 충격이 발생했을 때 예상되는 손실과 피해 규모를 과학적으로 추정합니다. 보험사별 손해액과 요구자본5을 정밀하게 산출.비교함으로써, 산업계와 정부가 기후변화에 실효성 있게 대응할 수 있는 객관적인 데이터 근거를 마련하고, 나아가 제도적 개선을 끌어내는 역할을 수행하고 있습니다. 그림 4. 미래 시점 기후 변화로 인해 발생할 수 있는 손해액과 보험사의 요구자본을 산출하였다.6 현대 사회의 급격한 발전과 함께 전통적 리스크의 패러다임이 진화하고, 새로운 리스크가 지속적으로 발생하고 있습니다. AIRM 연구실은 이러한 위협으로부터 사회를 보호하고 지속 가능한 안전을 확보하기 위한 혁신적인 리스크 관리 방안을 연구합니다. 재난이 닥쳤을 때 사회가 다시 일어설 수 있도록 든든한 안전망을 설계하는 것, 그것이 우리가 연구하는 보험과 리스크 과학의 역할입니다. 다가오는 위험을 예측하고, 우리 사회의 회복력을 높이는 연구에 함께하고 싶다면 언제든지 연구실로 편하게 연락을 주시길 바랍니다. [각주] 1. 보험회사가 인수한 리스크의 일부를 다른 보험사에 다시 전가하는 보험 2. 리스크를 보험 및 파생상품 등을 통해 제3자가 부담하도록 하는 것 3. 보험은 개인이나 기업이 감당하기 어려운 대규모 손실을 사회 전체가 분담하는 위험 분산 메커니즘을 통해 재난 이후 경제 주체들이 빠르게 회복할 수 있도록 도울 수 있음 4. 극단적 상황을 가정해 손실 규모를 사전에 추정하는 분석 기법 5. 보험사가 예상치 못한 손실에도 지급 능력을 유지하기 위해 규제상 반드시 보유해야 하는 최소한의 자본 6. 기후 변화가 보험사 요구자본에 끼치는 영향은 코퓰라(copula) 함수로 모델링 할 수 있음. 코퓰라 함수는 여러 변수 간의 비선형적 상관관계를 모델링하는 함수 포스텍 보험계리 및 위험관리 연구실 홈페이지 바로가기(airm.postech.ac.kr) 출처: [포스텍 홈페이지 - 이공계 진로설계안내서] https://postech.ac.kr/kor/newscenter/postechian_list.do?mode=view&articleNo=46983

2026.06.01 269

언론보도 산업경영공학과 모상우 교수, 거대 AI의 시대, ‘구조’의 힘을 묻다

▲단순한 규모 확장을 넘어 ‘확장 가능한 사전 지식(Scalable Prior)’으로(출처: ChatGPT) ‘더 크게, 더 많이’가 만든 AI 혁명 오늘날 인공지능의 눈부신 발전은 하나의 거대한 법칙으로 요약된다. 바로 △모델의 크기 △데이터 △컴퓨터 연산 자원을 늘릴수록 인공지능의 성능이 비약적으로 성장한다는 ‘스케일링 법칙(Scaling Law)’이다. 과거에는 인공지능에게 언어를 가르치기 위해 인간 설계자가 수많은 문법 규칙을 일일이 코딩해 컴퓨터에 입력해 줘야 했다. 반면 최신 거대 언어 모델(LLM)은 인간이 평생 읽을 수 없는 엄청난 양의 글을 컴퓨터에 통째로 학습시키는 방식을 택했다. 인터넷에서 수집한 수조 개의 문장 속에서 다음에 올 단어를 맞히는 과정을 수없이 반복하며, 문장의 통계적 패턴을 스스로 깨치게 만든 것이다. 이처럼 단순한 원리도 그 규모를 키우자, 인공지능이 스스로 맥락을 파악하고 창의적인 결과물까지 내놓기 시작했다. 이는 인간이 규칙을 직접 설계하던 시대를 넘어, 데이터와 컴퓨터 성능이라는 ‘규모의 경제’가 거둔 승리였다. 지금 우리가 마주한 AI의 성공은 이처럼 양적인 팽창이 질적인 도약으로 이어진 결과다. 스케일링 법칙이 마주한 한계 그러나 최근 인공지능 학계에서는 이런 방식이 명백한 한계에 직면했음을 지적한다. OpenAI의 공동 창업자인 일리야 수츠케버(Ilya Sutskever)는 현재의 학습 속도를 고려할 때, 거대 언어 모델이 인터넷에 있는 언어 데이터를 모두 소진하여 머지않아 쓸 수 있는 데이터가 고갈될 것으로 전망한다. 즉, 학습할 재료가 사라지므로 단순히 규모만 키우는 방식은 물리적 한계에 부딪힐 것이며, 인공지능이 한 단계 더 진화하기 위해서는 단순한 규모 확장이 아닌 새로운 알고리즘적 혁신이 필요하다는 지적이다. 얀 르쿤(Yann LeCun)과 리처드 서튼(Richard Sutton) 같은 학자들 역시 현재의 거대 언어 모델 방식으로는 진정한 일반지능(AGI)으로 나아갈 수 없다고 비판한다. 글자들의 통계적 배열만 맞추는 지금의 모델은 실제 세계의 물리적 법칙이나 인과 관계를 전혀 이해하지 못하기 때문이다. 방대한 텍스트로부터 ‘사과가 땅으로 떨어진다’라는 문장을 학습해 출력할 수는 있어도, 사과가 왜 아래로 떨어지는지 이해할 구조적 틀이 없는 셈이다. 막대한 비용 부담과 데이터 고갈이라는 현실적인 한계, 그리고 모델이 어떤 근거로 판단하는지 알 수 없다는 불확실성은 이제 학계로 하여금 단순한 ‘양’을 넘어 ‘구조’라는 새로운 돌파구를 모색하도록 이끌고 있다. ▲ICCV 2025 학회에서 사전 구조의 중요성을 강조하는 모상우 교수 사전 지식을 통한 구조의 결합 이런 한계를 극복하기 위한 열쇠가 바로 인간이 미리 반영해 두는 규칙인 ‘사전 지식(Prior)’의 결합이다. 예를 들어 최신 인공지능들은 복잡한 문제를 풀 때, 질문을 받자마자 정답을 바로 출력하지 않는다. 그 대신 인간이 문제를 풀 때처럼 중간 풀이 과정을 스스로 적어 내려가는 ‘단계적 추론 과정(Chain-of-Thought)’을 거친다. ‘A는 B보다 크고, B는 C보다 크므로, 가장 큰 것은 A다’와 같이 생각의 사슬을 이어가는 식이다. 이처럼 모델 내부에 논리적 구조를 부여함으로써, 거대 언어 모델은 기존의 통계적 확률 맞추기를 넘어 단순한 문장 암기로는 해결할 수 없는 어려운 수학 및 코딩 문제까지 성공적으로 해결하기 시작했다. 현재 학계에서는 사전 지식을 지나치게 정교하게 설계할 경우, 인공지능이 새로운 패턴을 배우는 유연성이 저하되어, 대규모 학습에서 오히려 성능의 발목을 잡는다는 시각이 많다. 그러나 사전 지식이 스케일링 법칙과 언제나 대립하는 것은 아니며, 둘은 거대한 데이터 안에서 얼마든지 긴밀하게 상호보완할 수 있다. 앞서 거대 언어 모델의 사례가 보여주듯, 인공지능에게 글쓰기를 가르치기 위해 문법 규칙을 일일이 규정해 주는 방식은 데이터 규모가 커질 때 아무런 도움이 되지 않는 ‘확장 불가능한 방법’이다. 반면, 문제를 풀 때 생각의 단계를 밟아가게 만드는 구조는 데이터와 연산 자원이 늘어날수록 그 효과가 함께 커지는 ‘확장 가능한 방법’이다. 결국 방대해지는 데이터의 힘을 저해하지 않으면서도 지능의 효율적인 틀을 제공하는 ‘확장 가능한 사전 지식(Scalable Prior)’의 정교한 설계가 중요하다. 물리 에이전트의 부상과 새로운 도전 이런 구조적 지식은 최근 로봇이나 자율주행처럼 현실에서 직접 움직이는 ‘물리 에이전트(Physical Agent)’가 등장하면서 그 가치가 더욱 선명해지고 있다. 화면 속 텍스트만 다루는 언어 모델과 달리, 물리 에이전트들은 3차원 공간에 대한 시각적·공간적 인지는 물론 주변 환경과 상호작용하기 위한 물리적 법칙까지 깊이 이해해야 하기 때문이다. 특히 이들이 실제 세상에서 스스로 부딪히며 활동하려면 안전성과 효율성이라는 장벽을 넘어야 한다. 가상 세계와 달리, 현실에서의 사소한 시행착오는 치명적인 사고나 막대한 비용 손실로 직결된다. 결국 인공지능의 무대를 물리 세계로 확장하기 위해, 과연 어떠한 시각적·공간적·물리적 ‘확장 가능한 사전 지식’이 필요한가에 대해 여전히 많은 연구적 도전이 남아 있다. 모상우 / 산경 조교수 학계의 AI 연구가 나아갈 방향 최근 빅테크 기업들이 압도적인 자본으로 스케일링 연구를 주도하자, 학계 연구실에서는 독자적 연구의 입지가 좁아졌다는 회의적인 목소리가 나오기도 한다. 그러나 시스템의 ‘구조’가 다시금 주목받는 지금, 학계의 역할은 그 어느 때보다 중요하다. 예를 들어 현재 이미지 생성 모델의 핵심인 확산 모델(Diffusion Model) 역시 대학 연구실의 소수 연구자가 처음 제안한 아이디어였다. 이 기반 위에 기업의 자본과 인력이 더해지면서 지금의 폭발적인 성능 도약으로 이어졌다. 이처럼 학계가 거대 기업과 자본력으로 경쟁할 필요는 없다. 대신 학계가 방대한 데이터 속에서 효율적으로 작동할 새로운 구조적 아이디어를 제안하고, 기업이 이를 대규모로 확장하는 상호보완적 생태계를 구축해야 한다. 자본의 규모를 넘어 지능의 본질을 탐구하는 학계 고유의 시각이 살아있을 때, 비로소 다음 세대 인공지능의 진정한 돌파구가 열릴 것이다. 출처: [포항공대신문] https://times.postech.ac.kr/news/articleView.html?idxno=24211

2026.06.01 288

홍보 · 소식

학과소식