1 보험 리스크 평가 프레임워크 Insurance Risk Assessment Framework

해상보험의 구조

해상보험(Marine Insurance)은 크게 세 가지 주요 영역으로 구분됩니다. 각 영역은 독립된 보험 체계를 가지며, 크루즈 선박의 경우 세 영역 모두에 걸쳐 복합적 리스크 관리가 필요합니다.

  • P&I Club (Protection & Indemnity) — 제3자 책임보험. 승객/선원 상해, 환경오염, 잔해 제거 비용 등을 커버합니다. 상호보험(mutual insurance) 방식으로 운영되며 전 세계 13개 주요 Club이 International Group을 형성합니다.
  • Hull & Machinery (H&M) — 선체 및 기관 보험. 화재, 침몰, 좌초 등으로 인한 선박 자체의 물리적 손해를 커버합니다. 선박 가치(insured value)에 기반하여 보험료가 산정됩니다.
  • Cargo Insurance — 적하보험. 크루즈의 경우 승객 수하물 및 선내 상점 재고(inventory) 보험이 해당됩니다. 일반 화물선 대비 비중은 낮지만 고가 품목 리스크가 존재합니다.

현행 리스크 평가의 한계

전통적인 해상보험 리스크 평가는 과거 사고 데이터(historical loss data)와 선급(Classification Society) 등급에 의존합니다. 이 방식은 다음과 같은 구조적 한계를 내포하고 있습니다:

  • 정적 평가(Static Assessment) — 연간 또는 갱신 주기 기반의 정적 리스크 평가로, 항해 중 실시간 위험 변화를 반영하지 못합니다.
  • 화재 시나리오 세분화 부족 — 화재 발생 위치, 확산 속도, 대피 효율성 등의 세부 변수가 보험료 산정에 충분히 반영되지 않습니다.
  • 데이터 부족(Data Scarcity) — 크루즈 선박 화재 사고는 빈도가 낮아(low-frequency, high-severity) 통계적 신뢰구간 확보가 어렵습니다.
  • 기술 수준 미반영 — 선박 내 화재 감지/대피 기술의 수준 차이가 보험료에 정량적으로 반영되지 않습니다.

FireNavi 데이터 기반 리스크 혁신

FireNavi는 실시간 센서 데이터, AI 기반 화재 예측, 동적 위험지도를 통해 보험사가 활용할 수 있는 새로운 차원의 리스크 데이터를 생성합니다. 이를 통해 보험 인수(underwriting), 보험료 산정(pricing), 손해 예방(loss prevention)의 모든 단계에서 혁신적 개선이 가능합니다.

$0B
글로벌 해상보험 시장
0건/년
크루즈 화재 사고 빈도
$0M+
평균 손해액
0%
FireNavi 적용 시 리스크 감소

2 Monte Carlo 시뮬레이션 모델 Monte Carlo Simulation

Monte Carlo 시뮬레이션은 확률적 입력 변수를 기반으로 대규모 반복 시행을 통해 손해 분포(loss distribution)를 추정하는 핵심 기법입니다. FireNavi 데이터를 입력 변수로 활용하면 기존 보험 계리(actuarial) 모델보다 훨씬 정밀한 리스크 정량화가 가능합니다.

기대 손실 (Expected Loss)

Expected Loss
E[Loss] = (1/N) Σi=1N Li
where   Li = f(fire_location, time_to_detect, evacuation_efficiency, structural_damage)
N = 시뮬레이션 반복 횟수 (100,000+), Li = i번째 시행의 손해액

화재 발생 위치 확률 분포

선박 내 각 구역(zone)별 화재 발생 확률은 Poisson 분포를 따르며, 구역별 발생률(rate parameter) λk는 과거 사고 데이터 및 구역 특성(엔진룸, 갤리, 객실 등)에서 추정됩니다.

Fire Occurrence
P(fire | zonek) ~ Poisson(λk)
λengine = 0.42/year, λgalley = 0.31/year, λcabin = 0.15/year, λother = 0.12/year

피해 규모 분포 (Loss Severity Distribution)

개별 화재 사고의 피해 규모는 Log-Normal 분포를 따릅니다. 이는 대부분의 사고가 중소 규모이나, 간헐적으로 매우 큰 손해(tail risk)가 발생하는 해상 화재의 특성을 잘 반영합니다.

Loss Severity
L ~ LogNormal(μ, σ²)
μ = ln(median loss), σ² = loss volatility parameter
추정값: μ = 17.03 (median ≈ $25M), σ = 1.2

시뮬레이션 구성

파라미터 설정값 설명
반복 횟수 (N) 100,000+ 통계적 수렴(convergence) 보장을 위한 최소 시행 수
신뢰구간 95% CI Expected Loss의 95% 신뢰구간 산출
시간 지평(Horizon) 1년 연간 손해 분포 추정 기준
입력 변수 수 12개 화재 위치, 감지 시간, 대피 효율, 구조 손상 등

VaR & TVaR (Value at Risk / Tail Value at Risk)

보험 리스크 관리의 핵심 지표인 VaR과 TVaR을 Monte Carlo 시뮬레이션 결과로부터 직접 산출합니다. VaR은 특정 신뢰 수준에서의 최대 예상 손실을, TVaR은 VaR을 초과하는 극단 시나리오의 평균 손실을 나타냅니다.

VaR
VaRα:   P(L > VaRα) = 1 - α
α = 0.99일 때, 99%ile 최대 예상 손실
TVaR (Conditional VaR)
TVaRα = E[L | L > VaRα]
VaR을 초과하는 극단 손실 시나리오의 조건부 기대값 (Tail Risk 측정)

FireNavi 미적용 시뮬레이션 결과

$47.3M
E[Loss] (Expected Annual Loss)
$182M
VaR99%
$267M
TVaR99%

FireNavi 적용 시뮬레이션 결과

$28.4M
E[Loss] (Expected Annual Loss)
$109M
VaR99%
$158M
TVaR99%

3 실시간 위험도 산정 모델 Real-time Risk Scoring

FireNavi는 선박 내 다중 센서로부터 수집된 데이터를 실시간으로 통합하여 시간 t에서의 종합 위험 점수(Risk Score)를 산출합니다. 이 점수는 보험사의 동적 리스크 모니터링 및 보험료 조정에 직접 활용됩니다.

Risk Score 산정 공식

Risk Score
RS(t) = Σk=1K wk · Hk(t)
where   Hk(t) = 개별 위험 요소 점수 (individual hazard score at time t)
K = 위험 카테고리 수, wk = 가중치 (historical loss data 기반 보정)

위험 카테고리 (Hazard Categories)

카테고리 기호 가중치 (wk) 데이터 소스 설명
Fire (화재) Hf 0.35 온도/열감지 센서, 화염 감지 카메라 화재 발생 여부, 강도, 확산 범위
Smoke (연기) Hs 0.25 연기 감지 센서, 가시거리 센서 연기 농도, 확산 속도, 가시거리 저하
Structural (구조) Hst 0.20 구조 변형 센서, BIM 데이터 구조물 손상도, 통로 차단, 비상구 상태
Crowd (군중) Hc 0.12 CCTV, IoT 카운터, 승선 명부 구역별 인원 밀집도, 병목 위험
Weather (기상) Hw 0.08 기상 API, 선박 기상 장비 풍속, 파고, 기온 (대피/구조 난이도 영향)

Score 정규화 (Normalization)

Normalization
RSnorm = RS(t) / RSmax ∈ [0, 1]
RSmax = 모든 hazard가 최대치일 때의 이론적 최대 Risk Score

Risk Grade 매핑

정규화된 Risk Score를 5단계 등급으로 매핑하여 보험사 및 선박 운영자에게 직관적인 위험 수준을 전달합니다.

등급 RSnorm 범위 색상 보험사 대응 선박 대응
Low 0.0 – 0.2 Blue 정상 모니터링, 할인율 최대 적용 일상 운항, 정기 점검
Moderate 0.2 – 0.4 Green 관심 구간, 기본 할인율 적용 강화 모니터링, 원인 파악
High 0.4 – 0.6 Yellow 경고 알림, 할인율 축소 비상 대기(standby), 승무원 배치
Very High 0.6 – 0.8 Orange 긴급 통보, 추가 보험료 검토 대피 준비, 구명보트 점검
Critical 0.8 – 1.0 Red 재보험사 통보, claims 대비 체제 전원 대피 명령, 구조 요청

4 보험료 동적 산정 모델 Dynamic Premium Calculation

FireNavi 데이터를 활용한 동적 보험료 산정 모델은 기존의 정적 보험료 체계를 넘어 실시간 리스크 수준에 연동된 정밀 pricing을 가능하게 합니다. 이를 통해 안전 기술 투자에 대한 직접적인 보험료 할인 인센티브를 제공합니다.

기본 보험료 (Base Premium)

Base Premium
Pbase = f(ship_class, tonnage, route, passenger_count)
선박 등급, 총 톤수, 항해 경로, 최대 승객 수에 기반한 기본 보험료

리스크 조정 계수 (Risk Adjustment Factor)

RAF
RAF = exp(β · RSavg)
β = 리스크 민감도 계수 (보험사별 calibration), RSavg = 보험 기간 평균 Risk Score
β 추정값: 0.8 ~ 1.5 (보험사 리스크 선호도에 따라 조정)

안전 기술 할인 (Safety Technology Discount)

STD
STD = 1 - δ · FireNavi_score
δ = 최대 할인율 계수 (0.3 ~ 0.5), FireNavi_score = FireNavi 시스템 성숙도 점수 ∈ [0, 1]
FireNavi 완전 구축 시 최대 30~50% 보험료 할인 가능

최종 보험료 (Final Premium)

Final Premium
Pfinal = Pbase × RAF × STD × (1 + loading_factor)
loading_factor = 사업비 부가율 + 이익 마진 + 재보험 비용

손해율 (Historical Loss Ratio)

Loss Ratio
LR = Claimspaid / Premiumearned
목표 LR: 60~70% (해상보험 업계 평균). FireNavi 적용 시 50~60%로 개선 기대

보험료 산정 예시 (선박 유형별)

선박 유형 총 톤수 승객 수 Pbase (연간) RAF STD Pfinal (연간) 절감액
소형 크루즈 30,000 GT 800명 $2.1M 1.12 0.72 $1.81M -$290K
중형 크루즈 80,000 GT 2,500명 $5.4M 1.15 0.68 $4.47M -$930K
대형 크루즈 150,000 GT 5,000명 $9.8M 1.20 0.65 $8.17M -$1.63M
메가 크루즈 230,000 GT 6,500명 $14.2M 1.25 0.62 $11.66M -$2.54M

* 위 수치는 모델 시뮬레이션 기반 추정치이며, 실제 보험료는 보험사의 인수 정책, 재보험 조건, 선박 이력 등에 따라 변동됩니다. loading_factor = 0.15 적용 기준.

5 P&I Club 연동 모델 P&I Club Integration

P&I Club은 해상보험의 핵심 주체로, 선박 운영자의 제3자 배상 책임을 커버합니다. FireNavi는 P&I Club의 리스크 평가, call 산정, 손해 예방(loss prevention) 프로그램에 직접 연동될 수 있는 데이터 인프라를 제공합니다.

P&I Club Call 산정 반영

P&I Club은 상호보험(mutual) 방식으로 운영되며, 회원사의 리스크 수준에 따라 연간 보험료(call)가 조정됩니다. FireNavi의 실시간 Risk Score 데이터는 개별 선박의 리스크 프로파일을 정밀하게 평가하는 데 활용됩니다.

Claims History Analysis

FireNavi가 수집하는 화재 이벤트 로그, 대피 시뮬레이션 데이터, 센서 이력은 사고 발생 시 claims 처리의 핵심 증거(evidence)로 활용됩니다. 사고 원인 분석(root cause analysis)과 책임 판정(liability determination)의 정확도를 향상시킵니다.

Loss Prevention Credit System

FireNavi 시스템을 도입한 선박에 대해 P&I Club은 손해 예방 크레딧(loss prevention credit)을 부여합니다. 이는 연간 call 할인으로 이어지며, 지속적인 안전 기술 투자를 인센티브화합니다.

  • Tier 1 Credit (5% 할인) — FireNavi 기본 센서 시스템 설치
  • Tier 2 Credit (15% 할인) — 실시간 위험지도 + AI 연기확산 예측 운영
  • Tier 3 Credit (25% 할인) — 전체 시스템 구축 + P&I Club 데이터 연동

실시간 데이터 공유 프로토콜

FireNavi
선박 시스템
→
Encrypted API
TLS 1.3 / REST
→
P&I Club
Risk Platform
→
Reinsurer
Portfolio View

FireNavi에서 P&I Club 리스크 플랫폼으로의 데이터 전송은 TLS 1.3 암호화된 RESTful API를 통해 이루어집니다. 데이터 포맷은 ACORD(Association for Cooperative Operations Research and Development) 표준을 따르며, 실시간 Risk Score, 이벤트 알림, 일일/월간 리포트가 제공됩니다.

주요 P&I Club 목록

P&I Club 본부 선복량 비중 특징 FireNavi 연동 상태
Gard 노르웨이 (Arendal) ~13% 세계 최대 P&I Club, 크루즈 전문팀 보유 협의 진행중
Skuld 노르웨이 (Oslo) ~7% 스칸디나비아 중심, 기술 혁신 선도 초기 접촉
UK P&I Club 영국 (London) ~10% Lloyd's 시장 밀접, 대형 크루즈 다수 인수 협의 진행중
Standard Club 영국 (London) ~8% Charles Taylor 운영, loss prevention 프로그램 우수 초기 접촉
Britannia 영국 (London) ~10% Tindall Riley 운영, 전통 강호 예정
North P&I 영국 (Newcastle) ~9% 디지털 전환 적극 추진 예정
한국 P&I 한국 (서울) ~3% 국내 선사 중심, 아시아 네트워크 강점 파일럿 협의

6 손해 시나리오 분석 Loss Scenario Analysis

크루즈 선박 화재의 주요 시나리오를 유형별로 분석하고, 각 시나리오에서 FireNavi 적용 유무에 따른 손해 규모 차이를 정량적으로 비교합니다.

엔진룸 화재 — 가장 빈번한 시나리오

엔진룸은 연료 시스템, 고온 기관, 전기 설비가 밀집된 영역으로 크루즈 선박 화재의 약 35~40%가 이 구역에서 발생합니다. 연료 누출과 결합될 경우 급격한 화재 확산이 가능하며, 기관 정지로 인한 2차 피해(표류, 충돌)도 리스크에 포함됩니다.

발생 확률
35~40%
예상 손해 (기존)
$80~150M
초기 감지 시간 (기존)
3~8분
전원 대피 시간 (기존)
45~90분

FireNavi 미적용

  • 감지 지연: 평균 5.2분
  • 대피 명령까지: 12~18분
  • 병목 구간 혼잡: 심각
  • 노약자 대피 누락 위험: 높음
  • 예상 인명 피해: 5~25명
  • 예상 총 손해: $120M

FireNavi 적용

  • 감지 시간: 평균 0.8분 (85% 단축)
  • 자동 대피 안내 개시: 1.5분
  • AI 경로 분산으로 병목 해소
  • 건강상태 반영 개별 경로 제공
  • 예상 인명 피해: 0~3명
  • 예상 총 손해: $45M (62% 감소)

갤리(주방) 화재

대형 크루즈의 주방 시설은 다수의 가스 조리 설비와 식용유 저장 공간을 포함합니다. 식용유 화재(grease fire)는 진화가 어렵고, 환기 시스템을 통한 연기 확산이 빠릅니다. 승객이 밀집한 레스토랑/뷔페 구역에 인접해 패닉 유발 가능성이 높습니다.

발생 확률
25~30%
예상 손해 (기존)
$30~80M
초기 감지 시간 (기존)
1~4분
전원 대피 시간 (기존)
30~60분

FireNavi 미적용

  • 감지 지연: 평균 2.5분
  • 식사 시간 대 인원 밀집 (1,500+명)
  • 패닉으로 인한 추가 부상 다수
  • 좁은 통로에서 역류 현상
  • 예상 인명 피해: 3~15명
  • 예상 총 손해: $55M

FireNavi 적용

  • 감지 시간: 평균 0.5분
  • 구역별 분산 대피 경로 자동 안내
  • AI 기반 역류 방지 경로 설계
  • 연기 확산 예측으로 선제적 경로 변경
  • 예상 인명 피해: 0~2명
  • 예상 총 손해: $18M (67% 감소)

객실 화재

객실(cabin) 화재는 주로 전기 합선, 흡연, 충전 중 배터리 과열 등에 의해 발생합니다. 야간 발생 시 승객 인지가 늦어 인명 피해 확대 가능성이 높으며, 긴 복도 구조로 인해 연기가 빠르게 확산됩니다.

발생 확률
15~20%
예상 손해 (기존)
$20~60M
초기 감지 시간 (기존)
2~6분
전원 대피 시간 (기존)
35~75분

FireNavi 미적용

  • 야간 감지 지연: 평균 4.8분
  • 객실 문 개방 시 산소 유입 → 급격 확산
  • 복도 연기 축적으로 시야 확보 불가
  • 노약자/장애인 독립 대피 곤란
  • 예상 인명 피해: 2~12명
  • 예상 총 손해: $40M

FireNavi 적용

  • 감지 시간: 평균 0.6분 (87% 단축)
  • 객실별 개별 알림 + 개인 디바이스 안내
  • 연기 확산 예측 기반 안전 경로 안내
  • 거동 불편자 위치 자동 파악 → 구조팀 배치
  • 예상 인명 피해: 0~1명
  • 예상 총 손해: $12M (70% 감소)

다중 구역 화재 — Worst Case Scenario

가장 극단적인 시나리오로, 엔진룸 화재가 인접 구역(연료 탱크, 전기실)으로 확산되거나, 폭발에 의한 동시 다발 화재가 발생하는 경우입니다. 선박 총 손실(total loss)에 해당할 수 있으며, 대규모 인명 피해 가능성을 내포합니다.

발생 확률
3~5%
예상 손해 (기존)
$500M~$2B
초기 감지 시간 (기존)
5~15분
전원 대피 시간 (기존)
60~180분

FireNavi 미적용

  • 다중 화재원 감지 불가 → 잘못된 대피 경로
  • 통신 시스템 마비 가능성
  • 승무원 혼란으로 대피 지연 심각
  • 구명보트 배치 오류 가능
  • 예상 인명 피해: 20~200+명
  • 예상 총 손해: $800M+

FireNavi 적용

  • 다중 화재원 동시 감지 & 위험지도 즉시 갱신
  • 독립 통신 채널 (Edge Computing) 유지
  • AI 기반 최적 대피 경로 실시간 재계산
  • 구명보트 배치 자동 최적화
  • 예상 인명 피해: 5~30명
  • 예상 총 손해: $300M (62% 감소)

7 규제 및 인증 Regulations & Certification

FireNavi 시스템의 보험 리스크 모델은 국제 보험 규제, 선급 인증, 보험 자본 규제를 모두 충족하도록 설계되었습니다. 아래 각 규제/인증 요건과 FireNavi의 준수 방안을 확인하십시오.

Solvency II — EU 보험 자본 규제

Solvency II는 유럽연합의 보험사 자본 건전성 규제 체계로, 리스크 기반 자본 요건(SCR: Solvency Capital Requirement)을 정의합니다.

  • Pillar 1 (정량적 요건) — FireNavi 데이터는 SCR의 비생명보험(non-life) 모듈 내 해상 리스크 하위 모듈의 파라미터 보정에 활용됩니다.
  • Pillar 2 (정성적 요건) — 리스크 관리 시스템(ORSA) 내 시나리오 분석 도구로 Monte Carlo 시뮬레이션을 제공합니다.
  • Pillar 3 (공시 요건) — 실시간 리스크 데이터 리포팅으로 투명성 및 공시 품질을 향상시킵니다.

FireNavi 준수 수준: Internal Model 방식의 SCR 산출 시, 해상 화재 리스크 서브모듈에 대한 데이터 품질(Data Quality) 등급 향상 기대

IACS — International Association of Classification Societies

IACS는 12개 주요 선급 협회의 연합체로, 선박 안전 기준의 국제적 통일을 주도합니다. FireNavi는 IACS의 화재 안전 관련 통일 규칙(Unified Requirements)에 부합하도록 설계됩니다.

  • UR F (Fire Protection) — 화재 감지, 소화 시스템, 구조적 방화 요건과의 정합성 확보
  • UR E (Electrical Installations) — 센서 네트워크 및 Edge Computing 시스템의 전기 설비 기준 준수
  • Procedural Requirements — 선급 검사 시 FireNavi 시스템 운용 상태 점검 절차 포함
DNV GL Certification

DNV GL(현 DNV)은 세계 최대 선급 협회로, 크루즈 선박의 화재 안전 시스템에 대한 독립적 인증 서비스를 제공합니다.

  • Type Approval — FireNavi 센서 및 Edge Computing 하드웨어의 형식 승인 취득 절차 진행
  • DNVGL-CG-0339 (Fire Safety) — 화재 안전 시스템에 대한 Class Guideline 준수
  • Cyber Security (RP-0496) — 선박 사이버 보안 권고사항에 따른 FireNavi 네트워크 보안 설계
  • Smart Ship Notation — DNV의 Smart Ship 표기(notation) 취득을 통한 보험료 할인 연계
Lloyd's Register Requirements

Lloyd's Register(LR)는 영국 기반의 선급 협회로, 특히 Lloyd's 보험 시장과의 연계가 강합니다. LR의 인증은 Lloyd's 시장에서의 보험 인수 시 유리한 조건을 확보하는 데 중요합니다.

  • ShipRight Procedure — FireNavi 시스템의 설계 검토 및 설치 검사
  • Digital Ships (Cyber-enabled) — 디지털 선박 표기를 위한 사이버 보안 및 데이터 무결성 요건
  • LR's Safety Accelerator — 혁신 안전 기술 인증 가속화 프로그램 활용
한국 P&I Club 적용 방안

한국 P&I Club은 국내 선사 중심으로 운영되며, 아시아 시장에서의 FireNavi 도입 교두보 역할을 할 수 있습니다.

  • 국내 조선소 연계 — 한국 조선소(HD현대중공업, 삼성중공업, 한화오션)에서 건조되는 크루즈에 FireNavi 기본 탑재 추진
  • 해양수산부 협력 — 선박 안전 규정 개정 시 FireNavi 기술 기준 반영 로비
  • KMI(한국해양수산개발원) 공동 연구 — 국내 해상보험 시장의 FireNavi 적용 효과 분석 연구
  • 파일럿 프로그램 — 국내 연안 크루즈(제주 노선 등)에서 시범 운영 후 확대 적용

8 ROI 분석 — 보험사 관점 ROI from Insurer Perspective

보험사 관점에서 FireNavi 기술을 인수 심사(underwriting) 및 리스크 관리에 활용할 경우의 투자 대비 수익(Return on Investment)을 분석합니다. 핵심 가치는 claims ratio 개선, 포트폴리오 리스크 경감, 재보험 비용 최적화, 그리고 데이터 기반 인수 우위(underwriting advantage)입니다.

3.2x
FireNavi 데이터 연동 비용 대비 예상 ROI (3년 기준)

연간 보험료 수입 대비 Claims Ratio 개선

FireNavi가 장착된 선박의 포트폴리오는 기존 대비 10~15% 낮은 claims ratio를 기록할 것으로 예상됩니다. 이는 화재 조기 감지에 의한 손해 규모 축소, 효율적 대피에 의한 인명 피해 감소, 그리고 구조적 피해 최소화에 기인합니다.

Portfolio Risk Reduction

FireNavi 데이터 기반 리스크 세분화(risk segmentation)를 통해 보험사는 포트폴리오 내 고위험 선박을 조기에 식별하고 리스크 편중(concentration risk)을 관리할 수 있습니다. 특히 대형 크루즈 선박의 단일 사고가 포트폴리오 전체에 미치는 영향(catastrophe exposure)을 정량화하여 자본 배분의 효율성을 높입니다.

Reinsurance Cost Optimization

재보험(reinsurance) 계약 시, FireNavi 데이터를 기반으로 한 정밀 리스크 프로파일을 제시하면 재보험사로부터 더 유리한 조건(낮은 재보험료, 높은 수용 한도)을 확보할 수 있습니다. 이는 재보험 비용의 5~10% 절감으로 이어질 것으로 추정됩니다.

Data-Driven Underwriting Advantage

실시간 리스크 데이터를 보유한 보험사는 경쟁사 대비 정보 비대칭(information asymmetry)의 우위를 가집니다. 이를 통해 우량 리스크를 선별적으로 인수하고, 불량 리스크에 대한 적정 보험료를 산정할 수 있습니다.

0%
Claims Ratio 개선
0%
Portfolio Risk 감소
0%
재보험 비용 절감
$0M
연간 순이익 증가 (대형사 기준)

보험사 도입 로드맵

1
PoC (6개월)
데이터 연동 테스트
단일 선박 파일럿
→
2
파일럿 (12개월)
5~10척 적용
보험료 모델 검증
→
3
상용화 (24개월)
전체 크루즈 포트폴리오
동적 보험료 적용
→
4
확장 (36개월)
재보험 연계
글로벌 P&I 표준