AI가 COI 문서를 읽을 수 있을까?
가능합니다 — ACORD 양식부터 규정 준수 데이터까지

AI가 오늘날 COI 문서를 읽는 정확도

ACORD 25 — "책임보험 증명서" —는 미국 상업 보험에서 사용되는 표준 양식입니다. 한 페이지에 보험 증권 번호, 일반 책임 하위 한도 5개, 자동차 책임, 산재 보상, 포괄 보험, 그리고 증명서 보유자, 추가 피보험자, 생산자, 보험사 등 관련 당사자 등 전체 보험 적용 세부 정보를 담고 있습니다. 하청업체의 준수 여부를 확인하는 건설 프로젝트 관리자에게 이러한 각 필드는 중요합니다. 집계 한도가 잘못 입력되면 7자리 책임 공백이 발생합니다.

AI는 ACORD 25 구조를 잘 처리합니다. 양식이 밀집되어 있지만 예측 가능하기 때문입니다. 모든 증명서는 대략 동일한 배열로 동일한 필드 범주를 가지고 있습니다. 개별 기관이 여백을 조정하거나, 글꼴을 변경하거나, 자체 헤더를 추가하더라도 마찬가지입니다. 여기서 추출 메커니즘이 중요해집니다. 예상 필드 위치 주변에 경계 상자를 그리는 위치 기반 도구는 기관이 다른 양식 소프트웨어를 사용하는 순간 작동이 중단됩니다. 필드가 0.5인치 이동하면 도구가 잘못된 텍스트를 읽습니다.

의미론적 추출 — 현대 AI 문서 판독의 기반이 되는 접근 방식 — 은 다르게 작동합니다. 페이지에서 필드가 어디에 있는지 보는 대신 전체 문서를 읽고 각 값을 의미를 기준으로 식별합니다. 한 기관의 "GEN'L AGGREGATE LIMIT"와 다른 기관의 "GENERAL AGGREGATE"가 약어, 위치 또는 글꼴 크기에 관계없이 동일한 보장 유형을 나타낸다는 것을 인식합니다. 이것이 바로 사용자 정의 열 추출입니다. 필요한 출력 열("증권 번호", "GL 각 사고 한도", "만료일")을 정의하면 AI는 좌표를 일치시키는 것이 아니라 문서 내용을 이해하여 각 값을 찾습니다. 이 메커니즘이 기존 접근 방식과 어떻게 비교되는지 자세히 알아보려면 COI 데이터 추출 작동 방식을 참조하세요.

ACORD 25의 보장 그리드는 대부분의 추출 도구가 어려움을 겪는 부분이므로 특별한 주의가 필요합니다. 일반 책임 섹션만 해도 간결한 표에 최대 5개의 하위 한도가 표시됩니다.

위의 정확도 수치는 현대 보험 기관 출력물에서 지배적인 형식인 깨끗하고 디지털로 생성된 ACORD 25 PDF에 적용됩니다. 기관 간에 열 정렬이 다를 때 — 한 곳은 "각 사고"를 왼쪽 정렬하고 다른 곳은 모든 하위 한도 레이블을 중앙 정렬하는 경우 — 위치 기반 도구는 잘못된 행에서 금액을 읽습니다. 의미론적 추출은 의미를 기준으로 레이블-값 관계를 읽기 때문에 이를 피합니다. "$1,000,000"이 "각 사고"를 의미하는 레이블 옆에 있으면 그리드 정렬에 관계없이 올바르게 귀속됩니다.

AI가 COI 문서에서 잘하는 점

주요 보험사의 디지털 ACORD 25 PDF. 이것이 기본 사례이며 AI가 가장 뛰어난 성능을 발휘하는 부분입니다. 보험 대행사가 Applied Epic, Vertafore 또는 다른 플랫폼에서 증명서를 생성하면 일관된 글꼴, 명확한 필드 경계, 예측 가능한 데이터 배치를 가진 깔끔한 기계 생성 PDF가 출력됩니다. AI는 규정 준수 결정을 좌우하는 구조화된 필드(보험 증권 번호, 금액, 날짜, 명명된 개체)를 95~99% 정확도로 읽습니다. 나머지 1~5%는 비정상적인 형식의 NAIC 번호나 일반적인 패턴을 벗어난 대행사별 약어 같은 예외 사례입니다.

하청업체가 이메일로 보낸 스캔 COI. 건설업에서 하청업체는 원본 디지털 증명서를 거의 보내지 않습니다. 대신 스캔본(때로는 깨끗한 평판 스캔, 때로는 현장 사무실에서 찍은 스마트폰 사진)을 이메일로 보냅니다. AI는 깨끗한 스캔본을 최소한의 정확도 손실(2~5% 포인트)로 처리합니다. 비전 모델은 약간의 기울기와 해상도 변화를 여러 대행사 형식을 처리하는 방식과 동일하게 보상합니다. 즉, 픽셀 단위 정렬에 의존하지 않고 의미론적으로 읽습니다.

여러 보험 대행사에 걸친 일괄 처리. 40명의 하청업체를 관리하는 일반 건설업자는 각각 고유한 ACORD 25 서식 특징을 가진 수십 개의 다른 대행사로부터 COI를 받습니다. 의미론적 추출은 대행사별 템플릿에 의존하지 않기 때문에 State Farm, Liberty Mutual, Travelers 및 지역 보험사의 모든 증명서를 하나의 배치에 넣고 단일 처리 실행에서 모든 증명서에서 동일한 필드를 추출할 수 있습니다. 출력은 각 대행사가 양식을 어떻게 배치했는지에 관계없이 COI당 한 행씩 있는 하나의 스프레드시트입니다. 하청업체 COI 일괄 추적은 추출 계층이 구성 없이 형식 변형을 처리할 때만 실용적이 됩니다.

추가 피보험자 및 증명서 보유자 식별. ACORD 25의 하단 섹션(증명서 보유자 이름, 추가 피보험자 상태, 업무 설명)은 텍스트가 조밀하고 보장 내역 그리드보다 대행사 간 차이가 더 큽니다. AI는 이 섹션을 고정 위치 필드가 아닌 자연어로 이해하여 처리합니다. 추가 피보험자가 "XYZ General Contractors, Inc."로 나열되든 CG 20 10 보증 참조와 함께 "XYZ GC"로 나열되든 AI는 개체 이름과 첨부된 보증 코드를 추출합니다. 그러나 어떤 추출 도구도 주장하지 않는 것, 즉 나열된 보증 문구가 계약 요구 사항을 충족하는지 평가하는 것은 하지 않습니다. 그것은 규정 준수 전문가의 판단에 달려 있습니다.

AI가 COI 문서를 읽을 때 여전히 어려움을 겪는 부분

AI 정확도가 현저히 떨어지는 세 가지 시나리오는 모두 동일한 근본 원인을 공유합니다: 사람이 읽어도 애매모호할 정도로 시각적 품질이 저하된 문자입니다.

수기로 작성된 종이 ACORD 양식. 디지털 증명서 발급이 표준화되기 전, 보험 에이전트는 볼펜으로 카본지 ACORD 25 양식에 직접 작성했습니다. 이러한 양식은 특히 소규모 지역 대행사와 오래된 보험 증권에서 여전히 유통됩니다. 문제는 복합적입니다: 필체는 문자 인식 정확도를 떨어뜨리고, 카본지 복사로 인한 열화(번짐, 흐림, 뒷면 번짐)는 시각적 노이즈를 추가합니다. 평균적인 필체의 수기 COI에서는 필드 수준 정확도가 70-80%로, 데이터 입력 가속화에는 유용하지만 추출된 모든 값을 체계적으로 검토해야 합니다. 흐릿한 카본지에 지저분한 필체의 경우 정확도는 70% 미만으로 떨어지며, 수동 재입력이 검증보다 더 빠를 수 있습니다.

수십 년 된 타자기 증명서. 타자기로 작성된 COI는 또 다른 문제를 제기합니다. 타자기 문자는 인쇄되어 있어 필기가 아니지만, 오래된 타자기 양식은 불균일한 타자 압력, 정렬되지 않은 기준선, 15-20년에 걸쳐 고르지 않게 바랜 잉크 등의 문제가 있습니다. AI는 대부분의 문자를 읽을 수 있지만 타자가 약하게 찍힌 개별 문자는 오독합니다. 상단 곡선이 희미한 "3"은 모델이 잘못 추측할 수 있는 모호한 문자가 됩니다. 이러한 양식은 또한 저해상도로 구형 장비에서 스캔되는 경우가 많아 가독성 문제를 악화시킵니다.

대폭 수정된 비표준 대행사 레이아웃. 일부 대행사는 표준 ACORD 25 양식 대신 자체 레터헤드로 증명서를 발행합니다. 특히 전문 책임 보험이나 환경 오염 책임 보험과 같은 틈새 보장 유형의 경우 그렇습니다. 이러한 비표준 증명서는 동일한 데이터 범주(증권 번호, 한도, 날짜, 당사자)를 유지하지만 맞춤형 섹션 제목과 함께 대행사별 레이아웃으로 재배열합니다. AI는 여전히 이를 읽습니다(이것이 의미론적 추출의 장점입니다). 그러나 모델의 학습 분포가 표준 ACORD 구조에 가중치를 두기 때문에 정확도는 3-8% 포인트 떨어집니다. 하청업체 풀에 비표준 증명서를 발행하는 소규모 대행사가 많다면, 샘플 배치를 테스트하여 기대치를 조정하십시오.

현장에서 촬영된 종이 증명서 사진. 하청업체가 트럭 대시보드 위에서 COI 사진을 찍어 현장 관리자에게 문자로 보냅니다. 사진은 기울어지고, 조명이 나쁘고, 각도가 비뚤어지며, 저해상도로 촬영됩니다. AI는 여전히 추출을 시도할 수 있으며(최신 비전 모델은 적당한 기울기와 조명 변화를 보정합니다), 현장 사진의 정확도는 60-75%로 떨어집니다. 해결책은 기술적이기보다 절차적입니다: 계약 준수 조건으로 하청업체가 디지털 사본이나 깨끗한 평판 스캔을 제출하도록 요구하십시오.

AI COI 판독에서 최상의 결과를 얻는 방법

1. 하청업체로부터 디지털 ACORD 25 양식을 요청하세요. 가장 큰 영향을 미치는 조치는 절차적입니다: 하청업체 계약서에 보험 증명서를 사진 촬영된 종이 양식이 아닌 디지털 생성 PDF로 제출하도록 요구하는 조항을 포함하세요. 대부분의 보험사는 2010년대 중반부터 디지털 증명서 발급을 표준 관행으로 채택했습니다. 하청업체가 여전히 수기로 작성된 종이 양식을 제출한다면, 해당 에이전트가 5분 이내에 디지털 대체본을 생성할 수 있습니다. 이 한 가지 요구사항만으로 추출 정확도가 70-80%에서 95% 이상으로 향상됩니다.

2. COI 필드 구조와 일치하는 구체적인 열 이름을 정의하세요. AI는 의미적 매칭을 통해 읽습니다 — 입력한 열 이름이 AI가 찾을 대상을 안내합니다. "Policy Info"보다 "Policy Number"가 더 정확합니다. "Liability Limit"보다 "GL Each Occurrence Limit"가 더 정확합니다. 복잡한 보장 그리드의 경우 각 하위 한도를 별도의 열로 지정하세요: "GL Each Occurrence", "GL Damage to Premises", "GL Medical Expense", "GL Personal Injury", "GL General Aggregate". AI는 열 이름을 문서에 대한 의미적 쿼리로 사용합니다 — 쿼리가 구체적일수록 매칭 정확도가 높아집니다.

3. 동일한 갱신 주기의 COI를 함께 일괄 처리하세요. COI는 물결처럼 도착합니다 — 분기별 푸시 후 40개 하청업체 갱신, 프로젝트에 15개 신규 하청업체 추가. 이러한 자연스러운 그룹을 반영하여 일괄 처리하면 추출된 데이터가 체계적으로 유지됩니다: 프로젝트 또는 갱신 주기당 하나의 배치, 배치당 하나의 스프레드시트, COI당 하나의 행. AI는 배치 내에서 모든 증명서를 병렬로 처리하며, 병합된 출력 덕분에 40개의 개별 추출을 확인하는 대신 하나의 테이블만 검증하면 됩니다.

4. 규정 준수 결정을 내리기 전에 항상 보장 한도를 검토하세요. 디지털 양식에서 99% 정확도를 달성하더라도, 200개 증명서 중 하나의 종합 한도 오타는 책임 공백으로 이어집니다. COI 추출에 적합한 워크플로는 다음과 같습니다: AI가 모든 필드 추출 → 사용자가 보장 한도 및 추가 피보험자 문구 확인 → 데이터가 규정 준수 스프레드시트에 입력. 시간 절약은 필사 작업 제거에서 비롯됩니다 — 증명서당 5-10분 입력 대신 10-20초 검토만 수행합니다. 건설 분야 COI 규정 위반 비용이 너무 높아 검증을 생략할 수 없습니다.

5. 추적 스프레드시트에 직접 출력하는 도구를 사용하세요. 추출과 규정 준수 기록 사이의 단계가 적을수록 복사-붙여넣기 오류 가능성이 낮아집니다. 규정 준수 추적이 Excel 또는 Google Sheets에 있다면, 해당 형식으로 직접 내보내는 추출 도구를 선택하세요 — 중간 CSV 다운로드나 재가져오기 단계 없이. 도구 간 전환은 데이터 열 이동이나 서식 손실의 기회가 됩니다. 직접 실습해보려면, 자신의 증명서로 COI 데이터를 Excel로 추출해 보세요.

실제 사례: AI COI 판독이 만들어내는 차이

건설 하도급업체 COI 추적

중견 건설사가 3개 프로젝트에서 50개 하도급업체를 관리하며 COI를 수시로 접수합니다. 신규 업체 합류, 기존 업체 갱신, 클레임 후 보장 변경 등이 발생할 때마다 각 증명서에서 12~15개 항목(피보험자, 증권번호, 보험사, 일반배상책임 5개 하위한도, 자동차배상책임, 산재보상, 포괄보험, 효력일, 만료일, 증명서보유자, 추가피보험자)을 추출해야 합니다. 수동 입력은 증명서당 5~10분 소요. 분기별 갱신 시 연간 200건 — 순수 데이터 입력에 16~33시간이 걸립니다.

AI 추출은 데이터 입력 단계를 증명서당 1분 미만으로 단축합니다. 프로젝트 관리자는 12개 대리점의 COI 50건을 한 번에 업로드하고, 추출 항목을 한 번 정의하면 모든 필드가 채워진 구조화된 스프레드시트를 받습니다. 검증이 타이핑을 대체합니다: 4시간 입력 대신 45분 검토. 진정한 이점은 시간이 아니라, 클레임이 거부될 때까지 아무도 발견하지 못하는 보장 한도 값의 입력 오류를 없애는 데 있습니다. 하도급업체 청구 서류 데이터 추출 관련 과제는 건설 인보이스 추출을 참조하세요.

공급업체 및 협력사 규정 준수 확인

한 제조 시설이 연간 200개 이상의 공급업체를 온보딩하며, 각 업체는 현장 출입 전 일반배상책임 보험 증명을 제출해야 합니다. 온보딩 시즌에 COI가 쏟아집니다. 행정 직원 2명이 2주 동안 증명서 데이터(증권번호, 보험사명, 효력일, 만료일, 보장 한도)를 규정 준수 스프레드시트에 수동 입력합니다. 공급업체는 COI가 대기열에 쌓인 채 승인을 기다립니다.

AI 추출은 전체 온보딩 배치를 1시간 이내에 처리합니다. 규정 준수 담당자의 역할은 데이터 입력에서 예외 처리로 전환됩니다 — 한도가 기준 미만인 플래그된 증명서 검토, 누락 필드 후속 조치, 추가피보험자 확인. 워크플로는 다음과 같습니다: AI가 모든 것을 읽음 → 담당자가 예외 사례 검토 → 준수 업체 승인, 미준수 업체에 업데이트된 보장 요청. 병목 현상이 전체 배치에서 실제로 사람의 주의가 필요한 5~10%의 증명서로 이동합니다.

임대인 보험 증명서 확인 (Property Management)

4개 건물에 걸쳐 80명의 임차인을 관리하는 상업용 부동산 관리자는 모든 임차인이 임대차 계약에 명시된 일반 배상 책임 보험(통상 사고당 $1,000,000, 총 한도 $2,000,000)을 유지하는지 확인해야 합니다. 각 임차인의 COI 갱신일은 모두 다릅니다. 관리 사무실 직원은 매주 한 달 동안 갱신 증명서 데이터를 추적 스프레드시트에 입력하고 만료일 순으로 정렬하여 예정된 보험 공백을 파악하는 데 일주일을 소비합니다.

AI 추출이 지속적인 업무 흐름을 처리합니다. 한 달 동안 이메일로 도착하는 갱신 증명서는 도착 즉시 추출됩니다. 직원은 증명서당 몇 분이 아닌 몇 초 만에 보험 한도와 만료일을 임대차 계약 요건과 대조하여 검토합니다. 항상 최신 상태인 스프레드시트 덕분에 관리자는 "이번 달에 보험이 만료되는 임차인은 누구입니까?"라는 질문에 PDF 파일을 뒤지지 않고 열을 필터링하여 답할 수 있습니다.

자주 묻는 질문

AI가 여러 보험사의 COI 문서를 한 번에 읽을 수 있나요?

네, 가능합니다. 이것이 의미 기반 추출이 템플릿 기반 도구보다 뛰어난 점입니다. AI는 고정된 위치가 아닌 필드 의미로 읽기 때문에, 각각 다른 ACORD 25 형식을 가진 5개 보험사의 COI를 한 번에 업로드하여 모든 문서에서 동일한 필드를 추출할 수 있습니다. AI는 "증권 번호"가 한 양식에서는 오른쪽 상단, 다른 양식에서는 중간 왼쪽에 있더라도 찾아냅니다.

AI가 "사고당"과 "일반 총 한도"의 차이를 이해하나요?

네, 이해합니다. 최신 AI 모델은 "EACH OCCURRENCE", "PER OCC", "EA OCC"가 모두 동일한 보험 하위 한도를 의미하며, 각 레이블 옆의 금액이 해당 한도(페이지의 다른 숫자가 아님)임을 이해합니다. 이것이 템플릿 OCR보다 의미 기반 추출의 핵심 장점입니다. 모델이 각 필드 레이블의 의미를 이해하므로, 보험사마다 열 정렬이 달라도 값을 정확하게 귀속시킬 수 있습니다.

AI가 수기로 작성된 COI 양식을 읽을 수 있나요?

부분적으로 가능합니다. 깨끗한 용지에 진한 잉크로 또박또박 인쇄된 필체의 경우 AI가 75~85% 정확도로 추출합니다. 지저분한 필기체나 희미한 카본 사본의 경우 정확도가 70% 미만으로 떨어지며, 이 경우 검증보다 수동 입력이 더 효율적일 수 있습니다. 일관되게 수기 증명서를 제출하는 하청업체의 경우, 해당 보험 대리인에게 디지털로 생성된 대체 양식을 요청하는 것이 더 신뢰할 수 있는 방법입니다. 대부분의 대리점은 5분 이내에 디지털 ACORD 25를 발급할 수 있습니다.

디지털 ACORD 25 COI 양식의 정확도는 어느 정도인가요?

주요 보험사의 깨끗하고 디지털로 생성된 ACORD 25 PDF의 경우, 최신 AI 추출은 구조화된 필드(보험 증권 번호, 금액, 날짜, 피보험자 이름, 보험사 이름)에 대해 95~99%의 필드 수준 정확도를 달성합니다. 보장 범위 그리드 하위 한도의 정확도는 대행사 간 모호한 약어 표기로 인해 약간 낮습니다(93~98%). 업무 설명과 같은 자유 텍스트 필드의 정확도는 90~95%입니다. 모든 필드에서 100% 정확도를 달성하는 추출 도구는 없으므로, 규정 준수 결정을 내리기 전에 보장 한도와 추가 피보험자 조항을 반드시 확인해야 합니다.

AI가 보장 한도가 제 계약 요구 사항을 충족하는지 감지할 수 있나요?

아니요. AI 추출은 증명서에 명시된 내용("일반 배상 책임: 사고당 $1,000,000")을 읽고 해당 값을 구조화된 데이터로 출력합니다. 추출된 값을 계약상 최소 금액과 비교하지는 않습니다. 비교("이 하청업체의 $500,000 총 한도가 우리의 $2,000,000 요구 사항을 충족하는가?")는 데이터 추출 작업이 아닌 규정 준수 결정입니다. 일부 COI 추적 플랫폼은 워크플로 레이어의 일부로 이 비교를 자동화합니다. 독립형 추출 도구는 데이터를 제공하며, 규칙을 적용하는 것은 사용자의 몫입니다.

COI 추출과 OCR은 같은 것인가요?

아니요. OCR은 증명서 이미지를 기계가 읽을 수 있는 문자로 변환합니다. 즉, "이 페이지에 어떤 텍스트가 있는가?"라는 질문에 답합니다. COI 추출은 더 나아가 어떤 텍스트가 보험 증권 번호인지, 일반 배상 책임 총 한도인지, 만료일인지 식별하고 각 값을 스프레드시트의 레이블이 지정된 열에 배치합니다. OCR은 증명서 전체를 하나의 차별화되지 않은 텍스트 블록으로 제공합니다. 추출은 "보험 증권 번호" 열, "GL 총 한도" 열, "만료일" 열(각각 정확히 하나의 값을 포함)이 있는 규정 준수 준비 테이블을 제공합니다.

AI가 COI 문서에서 추출할 수 있는 필드는 무엇인가요?

기본 세트에는 다음이 포함됩니다: 피보험자명, 증권 번호, 보험사, NAIC 번호, 대리점/대리인, 모든 일반 배상 책임 하위 한도(각 사고, 임차 재산 손해, 의료비, 개인 및 광고 상해, 일반 총 한도), 자동차 배상 책임 한도, 포괄/초과 배상 책임 한도, 산재 보상 한도, 증권 개시일, 증권 만료일, 증서 보유자 이름 및 주소, 추가 피보험자 이름, 작업 설명. 필요한 하위 집합을 정의하면 AI가 해당 열만 추출합니다.