Allstate와 IBM은 컴퓨터 과학에서 잘 알려진 ‘배낭 문제’의 복잡한 버전을 처리함으로써 양자 컴퓨팅이 보험사가 가치와 위험 사이에서 더욱 균형 잡힌 포트폴리오를 구축하도록 도울 수 있는지 탐색하고 있다. 공동 연구 결과는 2026년 5월 arXiv 플랫폼에 게재되었으며, IBM은 2026년 6월 18일 세부 내용을 공개했다.
배낭 문제는 일정한 무게 또는 용량 한도를 초과하지 않으면서 가능한 가장 높은 가치를 달성하는 요소 집합을 선택하는 문제다. 보험에 적용하면 보험 증권은 포트폴리오에 선택해야 하는 요소를, 잠재적 손실은 무게를, 포트폴리오 가치는 예상되는 편익 또는 수익을 나타낸다. 요소의 수가 많고 무게가 고정된 수치가 아니라 불확실한 범위일 때 문제는 어려워진다.
주택보험 포트폴리오는 왜 다른가?
모든 위험이 같은 방식으로 움직이는 것은 아니다. 자동차 사고는 대체로 다른 운전자가 겪는 사고와 독립적일 수 있지만, 날씨와 관련된 위험은 많은 보험 증권에 한꺼번에 영향을 미칠 수 있다. 산불, 허리케인, 눈보라는 한 지역의 많은 주택에 피해를 줄 수 있으며, 이로 인해 손실은 서로 분리된 사건이 아니라 상관된 사건이 된다.
Allstate의 최고 분석·데이터 책임자인 에릭 홀즈는 주택보험은 개별 위험만이 아니라 포트폴리오의 관점에서 사고해야 한다고 말했다. 따라서 각 부동산을 개별적으로 평가한 뒤 결과를 합산하는 것만으로는 충분하지 않다. 보험사는 여러 손실이 동시에 발생할 때 어떤 일이 일어날 수 있는지 추정하고, 극단적인 시나리오가 회사가 수용하는 위험 수준 안에 계속 머무는지 확인해야 한다.
Allstate는 현재 잠재적 결과를 추정하기 위해 고전적 시뮬레이션을 사용한다. 회사는 10만 개의 미래 시나리오를 실행할 수 있지만, 드물고 비용이 큰 사건은 여전히 과제다. 이 시나리오 중 최악의 1%에 초점을 맞추면 약 1,000개의 사건만 남으며, 이는 광범위한 지리적 지역에 걸친 여러 유형의 위험을 분석할 때 충분한 확실성을 제공하지 못할 수 있다.
양자 컴퓨팅과 고전 컴퓨팅을 결합한 접근법
팀은 주택보험 포트폴리오에 맞춘 양자 접근법을 시험했다. 이 접근법은 IBM Quantum Heron 프로세서에서 작동하는 양자 회로를 사용해 후보 해 집합을 생성하며, 가치와 예산 또는 허용 가능한 손실 한도를 모두 충족하는 조합으로 계산을 유도한다.
그 다음 고전적 단계가 결과를 정제한다. 이 단계는 예산을 초과하는 해를 수정하고, 좋은 해에 자주 나타나는 주택을 학습한 뒤, 이 정보를 사용해 다음 계산 라운드를 유도한다. 이렇게 과정은 반복되며, 매번 결과를 개선하는 것을 목표로 한다.
연구진은 대규모 문제에 양자 회로를 학습시킬 때 나타나는 잘 알려진 문제에도 직면했다. 문제의 규모가 커질수록 학습 신호가 약해질 수 있기 때문이다. 이를 극복하기 위해 팀은 작은 문제 버전에서 회로를 학습시킨 다음, 학습한 내용을 더 큰 버전으로 이전했다.
IBM의 양자 컴퓨팅 연구원이자 논문 공동 저자인 바이바브 쿠마르는 현재의 고전적 방법이 여러 시나리오의 시뮬레이션에 의존하거나, 가능한 최악의 범위에 초점을 맞춘다고 설명했다. 전자는 정확하지만 계산 비용이 높고, 후자는 더 안전하지만 지나치게 보수적일 수 있다.
전통적인 최적화 방법과의 비교
새로운 접근법의 성능을 측정하기 위해 팀은 충분한 시간이 주어지면 증명된 최선의 답에 도달할 수 있는 정확한 해법과 결과를 비교했다. 또한 속도와 정확성 사이에서 균형을 이루는 다음 네 가지 일반적인 근사 방법과도 비교했다.
- 시뮬레이티드 어닐링.
- 타부 탐색.
- 병렬 어닐링.
- 유전 알고리즘.
각 방법에는 문제당 30분이 주어졌다. 최대 75개의 요소를 포함한 문제에서는 모든 방법이 증명된 최선의 결과에 도달했다. 문제 규모가 커지자 양자-고전 접근법은 가장 강력한 고전적 휴리스틱 방법들과 경쟁력을 유지했으며, 그 성능에 근접했고 엄격한 제약 조건에서는 근소하게 앞섰다.
그러나 이 접근법은 아직 정확한 해법이 너무 느려져 유용성을 잃는 규모를 처리하지 못한다. 따라서 결과는 미래에 실질적인 가치를 실현할 가능성을 보여주는 초기 신호이지, 양자 컴퓨팅이 이미 대규모 상업적 수준에서 보험 포트폴리오 구축 문제를 해결했다는 증거는 아니다.
Allstate는 실험에서 무엇을 배우고 있는가?
Allstate는 목표가 양방향 다리를 구축하는 것이라고 본다. 즉, 현재 양자 장치가 무엇을 할 수 있는지 이해하고, 장치가 개선될 때 어떤 비즈니스 문제가 혜택을 받을 수 있을지 파악한 다음, 기술적 역량과 실질적 요구가 만나는 지점을 찾는 것이다.
홀즈는 상업적 가치에 도달하는 일정이 불확실하다고 해서 기다려야 하는 것은 아니라고 말했다. 역량을 구축하고 적절한 문제를 조기에 파악하는 기업이 기술이 발전했을 때 더 잘 대비할 수 있기 때문이다. 홀즈와 Allstate 보험 제품 조직의 데이터 과학자이자 기술 책임자인 잔 오텍은 기술을 활용 사례와 분리해 연구하기보다 사업에 중요한 실제 문제에서 시작하는 것이 중요하다고 지적했다.
파트너십은 이 분야를 처음 접하는 조직을 위한 IBM의 Quantum Accelerator 프로그램을 통해 시작되었으며, 이후 2년에 걸친 공동 연구로 발전했다. 오텍에 따르면 연구 결과와 코드, 데이터를 공개해 다른 사람들이 이를 검토하고 발전시킬 수 있도록 하는 등 작업은 투명하게 진행되었다.
양자 워크플로가 보험사의 의사결정과 포트폴리오 구축에서 어떤 역할을 할지에 대해서는 여전히 해결되지 않은 질문이 남아 있다. 그러나 이번 실험은 Allstate에 문제를 정식화하고, 적절한 작업을 선택하며, 양자 처리를 고전적 방법과 통합하는 실무 경험을 제공했다. 하드웨어가 개선되고 노이즈가 감소함에 따라 IBM은 고전적 측면에서 수행해야 하는 작업의 비중이 줄어들 것으로 예상한다.