어댑셔널 vs 랜딩 AI

어댑셔널 장단점

• P&C 보험 업무에 고도로 최적화되어 있어, 수작업으로 몇 시간씩 걸리던 데이터 입력을 단 몇 분으로 단축하는 등 업무 효율을 획기적으로 개선합니다. 특히 비정형 텍스트나 복잡한 표 형태의 손실 이력 문서에서 데이터 누락 없이 98% 이상의 높은 정확도로 정보를 추출해내는 능력이 탁월합니다. xAI와 Primer 출신의 베테랑 AI 엔지니어들이 설립하여 기술적 신뢰도가 높으며, 보험사의 기존 이메일 시스템이나 핵심 시스템(PAS)과 큰 수정 없이 연동 가능하다는 점이 실제 사용자들로부터 긍정적인 평가를 받고 있습니다.

• 2024년에 설립된 비교적 신생 기업으로, 오랜 업력을 가진 경쟁사들에 비해 대형 보험사(Tier 1 Carrier)들과의 구축 레퍼런스가 상대적으로 적을 수 있습니다. P&C(재산 및 손해) 보험에만 특화되어 있어 생명 보험이나 건강 보험 등 타 분야로의 확장성이 제한적이며, AI의 요약 결과가 복잡한 예외 상황까지 100% 완벽하게 판단하기는 어려워 여전히 전문 언더라이터의 최종 검토(Human-in-the-loop)가 필수적입니다. 또한, 초기 도입 시 보험사 고유의 복잡한 인수 가이드라인을 AI에게 학습시키기 위한 데이터 준비 과정에서 적지 않은 시간이 소요될 수 있습니다.

랜딩 AI 장단점

• 수기 양식이나 병합 셀이 섞인 복잡한 표에서도 기존 OCR보다 추출 정확도가 높습니다
• 양식별 템플릿을 따로 학습시키지 않아도 처음 보는 문서 레이아웃에 바로 대응합니다
• Snowflake 같은 데이터 플랫폼 안에서 직접 처리해 문서를 외부로 내보내지 않고도 보안 요건을 맞출 수 있습니다
• 추출한 값마다 원본 위치 좌표가 함께 남아 감사 추적(Audit Trail)이 가능합니다

• 전문적인 기능이 많아 초보자에게는 초기 설정 과정이 복잡할 수 있음
• 대량 문서 처리를 위한 고성능 모델 사용 시 비용 부담 발생 가능

어댑셔널 주요 기능

• 98% 이상 정확도의 SOV 및 손실 이력 데이터 자동 추출
• 이메일·문서에서 데이터 추출 및 제3자 데이터 실시간 검증
• 위험 성향 기반 지능형 청약 트리아지(Triage)
• 보험사 맞춤형 인수 가이드라인 기반 리스크 분석
• 기존 이메일·핵심 시스템(PAS)과 원활한 통합

랜딩 AI 주요 기능

• DPT-2 기반 Agentic Reasoning: 제로샷 문서 레이아웃 분석
• 복잡한 표·체크박스·서명·스탬프 정밀 인식
• 추출 데이터의 시각적 근거(Visual Grounding) 및 상세 좌표 제공
• Snowflake, AWS, SAP 등 엔터프라이즈 환경과의 네이티브 연동
• Python·TypeScript SDK와 REST API로 자체 앱에 연동
• 수십억 페이지 처리를 위한 고처리량 미션 크리티컬 워크플로우 지원