보험사기(fraud in insurance)는 부정한 방법으로 보험금을 받거나 보험료를 부당하게 줄이려는 행위를 말한다. 사고를 조작·과장하거나, 가입 시 중요사실을 숨기는 것 등이 포함된다. 보험사기는 보험단체 전체의 손해율을 높여 선량한 가입자의 보험료를 올리는 사회적 비용을 낳는다.
경성사기(hard fraud)는 사고를 처음부터 꾸며내는 계획적 범죄(허위사고·고의 방화·살인보험금). 연성사기(soft fraud)는 실제 사고에서 손해를 부풀리거나 가입 시 사실을 살짝 숨기는 ‘기회적’ 부정이다. 연성사기는 흔하고 적발이 어려워 누적 비용이 크다.
보험사기는 보험자와 가입자 사이의 정보 비대칭에서 비롯된다. 가입 전 위험을 숨기는 역선택(adverse selection), 가입 후 행동이 달라지는 도덕적 해이(moral hazard)가 그 토대다. 보험은 손해를 보상하므로 손해를 부풀리거나 예방을 게을리할 유인이 생긴다. 자기부담금·공동부담·보상한도는 이런 유인을 줄이는 장치다.
현대 보험사기 대응은 데이터·통계 기반이다. 청구의 이상치를 찾는 이상탐지(anomaly detection), 과거 사기사례로 학습한 예측모형·기계학습, 조직적 사기를 찾는 네트워크(연결관계) 분석이 쓰인다. 계리적으로는 사기로 인한 손해율 상승분을 추정해 요율·준비금에 반영하고, 탐지투자의 비용–편익을 평가한다.
손해를 부풀리는 연성사기를 줄이려면 보험설계를 어떻게 하나?
손해의 일부를 가입자가 지게 하는 자기부담금·공동부담(coinsurance)을 두면, 손해를 부풀려도 일부는 본인이 부담하므로 유인이 줄어든다. 또 정직한 청구에 빠른 보상, 과장청구에 대한 정밀심사를 병행해 비용을 관리한다.
보험사기는 한국 손해보험의 손해율을 끌어올리는 구조적 문제다. 금융감독원에 따르면 2024년 보험사기 적발금액은 1조 1,502억 원으로 역대 최대였고, 이 가운데 자동차 고의사고 등 자동차보험 관련이 약 절반을 차지했다. 입원·진단·수술을 과장하는 이른바 "나이롱환자"와 조직적 고의사고가 대표적 유형이다.
제도적으로는 보험사기방지 특별법(2016년 시행)이 근간이며, 2024년 개정으로 보험사기 알선·유인·광고 행위까지 금지·처벌(최대 10년 이하 징역 또는 5천만 원 이하 벌금)하도록 강화되었다. 업계는 보험사기 인지·조사 전담조직(SIU)과 보험개발원·건강보험심사평가원 자료를 연계한 이상징후 분석으로 대응한다.
본문이 강조한 정보 비대칭·탐지 문제는 한국에서 데이터 분석으로 풀린다. 다수 보험사 청구를 통합한 보험사기 인지시스템(IFAS), 의료기관·정비업체 네트워크 분석, 머신러닝 이상탐지가 보편화되었다. 적발은 곧 선량한 가입자의 보험료 부담을 줄이는 일이라는 점에서 사회적 의의가 크다.