200만 달러 홍수 보험금이 물과 그림자를 가리는 데 달려 있을 때

처음 이것이 정말로 실감났던 순간, 나는 자정 무렵 보조 모니터에 뜬 흑백 이미지 한 장을 들여다보고 있었다. 그것은 Sentinel-1 레이더 프레임이었다 — 홍수 업무를 하는 모든 사람이 처음 접하는 무료 유럽 위성 데이터 — 그리고 그 프레임 어딘가에 홍수가 있었다. 레이더는 잔잔한 물을 어둡게, 거의 검게 그려낸다. 평평한 수면이 신호를 위성 쪽으로 되돌리지 않고 다른 방향으로 튕겨내기 때문이다. 그래서 나는 그 어두운 부분을 찾고 있었다.

문제는 어두운 부분이 두 군데였다는 것이다. 하나는 홍수 물이었다. 다른 하나는 레이더 기하학에서 산등성이가 드리우는 그림자였는데, 지형이 빔을 가로막아 아무것도 되돌아오지 않는 곳이었다. 그 시각의 화면에서 둘은 쌍둥이처럼 보였다. 그리고 나는 그 특정한, 불편한 생각을 기억한다: 어딘가에 있는 어느 보험사는 이 둘 중 어느 것을 내가 물이라고 부르는지에 따라 보험금을 지급하거나 지급하지 않을 것이다.

그것이 바로 패러메트릭 보험을 위한 위성 홍수 인텔리전스의 전체 문제를 하나의 이미지로 압축한 것이다. 패러메트릭 보험은 손해사정사가 침수된 창고를 조사하기를 기다리지 않는다. 측정된 트리거가 발동되면 자동으로 지급된다 — 위성이 홍수가 일정 범위에 도달했다고 말하면 돈이 움직인다. 재난이 가속화되는 세상에서는 아름다운 발상이다. 그것은 또한 위성의 분류가 곧 보험 청구 그 자체이라는 뜻이다. 그것을 뒤집을 수 있도록 물속에 서 있는 사람은 아무도 없다.

패러메트릭 트리거는 하나의 위성 픽셀에 대한 한 번의 판독을 송금으로 바꿔놓는다.

그리고 위성은 양방향 모두에서 틀린다.

아무도 슬라이드 자료에 넣고 싶어 하지 않는 물리학

이 부분을 받아들이는 데 내가 가장 오래 걸렸다. 나는 이것이 내가 공학적으로 능가할 수 있는 소프트웨어 문제라고 가정하고 들어왔기 때문이다. 광학 위성 영상에서 구름 그림자와 홍수 물은 거의 동일하게 보인다 — 비슷한 정도가 아니라, 중요한 대역에서 동일하다. 둘 다 근적외선과 단파적외선 빛을 흡수한다. 둘 다 부드럽고 형체가 모호한 경계를 가진다. 둘 다 그 아래에 있는 것의 질감을 균일한 얼룩으로 뭉개버린다.

표준 물 탐지 지수 — NDWI와 MNDWI, 모든 홍수 파이프라인이 의존하는 수식 — 는 둘 다 "물과 유사함"으로 표시한다. 근본적인 물리학이 실제로 동일하기 때문이다: 적외선 대역 전반에서의 반사율 감소다. 폭풍우 중에 촬영된 단일 광학 프레임은 그림자와 홍수를 신뢰할 수 있게 구별할 수 없으며, 아무리 영리한 임계값 설정을 해도 원천에서부터 진정으로 모호한 신호를 고칠 수는 없다.

나는 한 달 동안 답은 더 나은 모델이라고 확신했다. 우리 편에는 딥러닝 문헌이 있었고, 그것은 진정으로 인상적이다 — 다중 편파 레이더와 지형 데이터를 입력받은 수정된 DeepLabV3 네트워크는 발표된 연구에서 전체 정확도 98.4%를 달성했고, 트랜스포머 어텐션을 갖춘 U-Net은 95.5%를 보고했다. 그 수치들은 진짜다. 나는 초기 피칭에서 그것들을 인용했다. 내가 소리 내어 말하지 않은 것은, 아직 그것을 이해하지 못했기 때문인데, 그 정확도들은 엄선된 벤치마크 장면에서 측정되었으며 그들이 학습하는 재난 훈련 세트는 의도적으로 한쪽으로 기울어져 있다는 점이다.

그것들은 인도적인 이유로 기울어져 있다. 실제 홍수를 놓치면 사람이 죽을 수 있으므로, 레이블과 손실 함수는 홍수를 놓치는 것을 오탐보다 훨씬 더 가혹하게 벌한다. 그 결과는 체계적으로 방아쇠에 손이 빠른 분류기 세대다 — 신호가 애매할 때 그것들은 "홍수" 쪽으로 기운다. 그것은 인도적 조기경보 시스템에는 정확히 옳은 편향이지만, 오탐이 반올림 오차가 아닌 200만 달러 지급 승인에는 정확히 잘못된 편향이다. 그것은 송금이다.

산을 침수로 표시한 데모

우리는 당연한 것을 먼저 만들었다. 구름을 뚫고 볼 수 있도록 레이더 주도로, 강하게 튜닝한 단일 프레임 분류기였고, 우리가 골라둔 장면들에서 깔끔하게 시연되었다. 나는 그것이 자랑스러웠다. 그런 다음 실제로 레이더 기하학을 이해하는 동료가 그것을 산악 시험 지역에 돌렸는데, 그것은 어느 경사면을 높은 확신도로 침수로 켜버렸다. 애매한 판단이 아니라 — 확신에 찬 판단이었다. 그것은 레이더 그림자를 찾아냈다. 그 자정의 프레임에서 나를 불안하게 했던 것과 같은 종류의 어두운 부분을, 물이라고 불렀다.

나는 그 장면이 실제 트리거였다면 만들어냈을 상상 속 이메일을 아직도 생각한다. 세 시간대 떨어진 곳에 있는 어느 보험계리사가, 언덕 사면이 2미터 물속에 잠겨 있다는 우리의 자동 판정을 보며, 유일하게 중요한 질문을 되묻는다: 그게 그림자가 아니라 정말 물이라고 확신합니까? 그리고 우리 시스템은 그럴 자격도 없는 확신도 점수 말고는 아무 답도 갖고 있지 않았다.

확신도 숫자는 증거가 아니다. 그것은 소수점이 붙은 의견일 뿐이다.

그것이 그 이후의 모든 것을 값어치 있게 만든 실패였다. 교훈은 "모델을 더 세게 튜닝하라"가 아니었기 때문이다. 교훈은 어떤 단일 프레임도, 어떤 단일 센서도 그 증명을 감당할 수 없다는 것이었고, 나는 물리학이 이미 진 논쟁을 이기려 애쓰고 있었던 것이다.

레이더는 해결책으로 팔린다 — 어쨌든 광학 센서가 하지 못하는, 구름을 뚫고 보니까. 하지만 레이더 후방산란은 잔잔한 물 위에서 떨어진다. 그리고 험한 지형의 지형 그림자, 레이오버, 전경축소에서도 떨어진다. 레이더는 건조한 지면에서, 동결-융해 주기에서, 산업 작물에서, 그리고 무엇보다 도시에서 자체적인 오탐을 가진다. 도시에서는 건물에 부딪힌 신호의 이중 반사가 고인 물을 완전히 가려버릴 수 있다. NASA 자체의 전 지구 준실시간 홍수 산출물이 행성 규모에서 이 점을 보여준다: 그 하루 합성 영상은 오탐이 너무 많아서 NASA는 이를 공개 Worldview 뷰어에 게시하기를 거부한다. 시간을 사용하는 — 단일 관측이 아니라 — 이틀 및 사흘 합성 영상만이 운영 가능한 것으로 간주된다. 새 저수지는 영구 수역 마스크가 따라잡을 때까지 최대 3년 동안 그 산출물에서 홍수로 읽힌다.

그 패턴은 내내 거기 놓여 있었다. 오탐에 대한 해결책은 결코 더 선명한 이미지가 아니었다. 그것은 두 번째 관측, 그리고 세 번째 관측이었다 — 시간에 걸친 같은 장면이었다.

무엇이 실제로 홍수와 그림자를 구별하는가?

홍수와 그림자를 구별하는 것은 한 프레임에서 어떻게 보이느냐가 아니다. 그것은 여러 프레임에 걸쳐 어떻게 행동하느냐다. 산의 레이더 그림자는 일 년 내내 모든 통과마다 똑같은 자리에 있다 — 그것은 날씨가 아니라 기하학이다. 홍수 물은 건조한 기준선 위에 나타났다가 물러난다. 구름 그림자는 다음 맑은 날이면 사라진다. 판별하는 신호는 픽셀이 아니라 시간 스택에 있다.

그래서 우리는 "이 픽셀이 물인가?"라고 묻기를 멈추고 "이 장소가 평소에 어떻게 보이는지에 대해 우리가 아는 모든 것에 비추어, 오직 홍수만이 설명할 수 있는 방식으로 변했는가?"라고 묻기 시작했다. 그 재구성이 우리가 결국 만들어낸 것의 전체 아키텍처이며, 그것이 우리가 하나에 걸기보다 여러 센서에 의존하는 이유다. 폭풍 구름을 뚫고 보는 레이더 프레임. 건조한 기준선을 확립하고 물러남을 확인하는 전후의 광학 프레임. 둘 모두에서 물을 위조하는 기하학을 배제하는 지형 모델. 레이더와 다중분광 광학의 융합은 단일 센서 방식보다 구름과 그림자의 영향을 받는 지역에서 탐지를 23% 넘게 향상시키는 것으로 나타났다 — 센서 각각이 개별적으로 더 나아서가 아니라, 각 센서의 실패 방식이 다른 센서들이 꿰뚫어 볼 수 있는 것이기 때문이다.

이것이 우리가 Veriprajna에서 구축하는 계층이다: 위성 홍수 검증 시스템, 시간적 SAR-광학 융합을 사용해 그림자와 물을 분리하고, 모든 트리거 이벤트에 대해 법의학 수준의 증거 흔적을 생성한다 — 판결이 아니라, 보험계리사나 법정에 건넬 수 있는 논증이다.

정직한 공학적 유의점, 계약서에 서명하기 전에 구매자가 들었으면 하는 것: 무료 데이터에는 시계가 있다. 복원된 2기 위성 Sentinel-1 편대는 6일 재방문 주기를 제공한다. 통과 사이에 정점을 찍고 빠지는 홍수 정점은 무료지만 느린 데이터에 의해 놓칠 수 있다. 그래서 기술의 일부는 무료 Sentinel 데이터가 충분한 때와 이벤트가 상용 레이더 위성 태스킹을 요구하는 때를 아는 것이다 — 상용 위성은 해상도와 긴급성에 따라 장면당 천 달러에서 오천 달러 사이 어딘가로 든다. 그 절충은 구독 등급이 아니라 이벤트별 판단이다.

왜 그냥 홍수 보고서를 사지 않는가?

우리는 이것 중 어느 것이라도 구축할 가치가 있는지를 두고 진짜 내부 논쟁을 했다. 반대 논리는 간단했다: 이미 회사들이 홍수 보고서를 판다. 그것들을 재판매하면 되지 않는가?

정당한 문제 제기이고, 그 벤더들은 진정으로 훌륭하다. ICEYE는 세계 최대의 상용 레이더 편대를 보유하고 있다 — 60기가 넘는 위성 — 그리고 허리케인 헐린 동안 폭풍 구름을 뚫고 150장이 넘는 이미지를 밀어냈고 플로리다에서 8만 채가 넘는 건물을 지도화했다. 그것은 놀라운 일이다. 하지만 당신은 그들의 제품을 사는 것이지, 인텔리전스 역량을 구축하는 것이 아니다. 그리고 포트폴리오 규모에서의 이벤트별 법의학적 검증은 그들의 가격에 금세 부딪힌다. Munich Re의 지원을 받고 Capella 레이더 편대와 제휴한 Floodbase는 진정한 종단 간 패러메트릭 솔루션을 구축했다 — 트리거 설계, 가격 책정, 지급 인증. 하지만 당신이 얻는 것은 그들의 방법론이며, 그들의 센서 제휴에 맞춰 튜닝된 것이지, 당신의 특정한 사업 장부에 맞게 형성된 시스템이 아니다.

그리고 무료 최고 표준에도 그 나름의 한계가 있다. 유럽의 코페르니쿠스 긴급관리서비스는 한 대륙이 재난 지도화를 위해 신뢰하는 시스템이다. 그러나 그 신속 지도화 서비스 등급은 근무일에 한해 브뤼셀 시간 오전 8시부터 오후 8시까지 운영된다. 나는 2024년 10월 발렌시아를 자꾸 떠올린다 — 여덟 시간 만에 1년 치 비가 내렸고, 227명 넘게 사망했다. 코페르니쿠스는 홍수 범위를 게시하는 데 3~4일이 걸렸다. 그것이 나왔을 때, 15,633헥타르와 약 19만 명의 피해를 확인했다. 그 지연은 버그가 아니었다. 결정적인 첫 24시간은 밤사이와 저녁으로 접어들며, 서비스 시간대 밖에 떨어졌다. 그 대륙의 홍수 인텔리전스 시스템은 가장 필요했던 시간 동안 사실상 문을 닫고 있었다.

그래서 그 논쟁은 스스로 결론이 났다. 벤더들은 그들이 만들어진 목적에는 탁월하다. 그들 중 누구도 벤더 중립적 검증 계층이 되도록 만들어지지는 않았다. 이벤트가 실제로 요구하는 어떤 센서든 융합하고 당신의 트리거에 대한 방어 가능한 증거를 건네주는 계층 말이다. 그 공백이 곧 회사였다.

더 아프게 하는 실패: 지급되지 않는 홍수

오랫동안 나는 이 일을 오탐 문제로 생각했다 — 일어나지 않은 홍수에 대해 시스템이 지급하지 못하게 막는 것. 그러다 나가랜드에 관해 읽었다.

인도 나가랜드의 한 패러메트릭 홍수 계획은 폭우와 현장에서 확인된 침수에도 불구하고 트리거되지 못했다. 위성 유도 임계값이 지상 현실에 비해 너무 높게 설정되어 있었다. 사람들은 침수되었다. 보험은 지급하기로 되어 있었다. 지급되지 않았다. 그것이 다른 실패 방식이며, 인간적 관점에서는 더 나쁜 쪽이다.

이것이 업계에서 베이시스 리스크라고 부르는 것이다 — 트리거가 측정하는 것과 보험계약자가 실제로 겪는 것 사이의 간극. 오탐은 보험사의 준비금을 소진시키고 사기를 부른다. 미탐은 보험계약자의 신뢰를 파괴하고 소송을 낳는다. 두 실패 모두 같은 것을 공격한다: 패러메트릭 모델 그 자체의 신뢰성 — 그것이 판매를 더 어렵게 하고 규제 당국의 승인을 더 어렵게 한다. 한 방향을 다른 방향으로 더 세게 기울여서 해결할 수는 없다. 잘못된 지급을 막으려 임계값을 조이는 것이야말로 정확히 나가랜드를 제조하는 방법이다.

당신은 어느 방향으로 틀릴지를 선택함으로써 베이시스 리스크를 해결하지 못한다. 실제로 무엇이 물속에 있었는지를 증명할 수 있음으로써 그것을 해결한다.

그래서 우리 시스템의 산출물은 예/아니오가 아니다. 그것은 감사 추적이 딸린 픽셀별 확신도 지도다 — 무엇이, 어떤 센서로, 어느 시각에, 어떤 확실성으로 관측되었고, 무엇이 배제되었는지. 보험계리 검토와 법적 정밀 조사에서 살아남는 증거다. 이 업계에서 트리거 결정은 결국 거기 있지 않았던 누군가에 의해 논쟁될 것이기 때문이다.

왜 패러메트릭 홍수 보장이 갑자기 모두의 문제가 되었는가?

이 모든 것이 해마다 더 중요해지는 이유는 잔인할 정도로 단순하다: 물이 이기고 있다. 2025년 전 세계 보험 부보 자연재해 손실은 1,290억 달러에 달했다. 그리고 보호 격차 — 아무도 보험에 들지 않은 재난 손실의 비중 — 는 전 세계적으로 약 52~56%에 이른다. 2024년, 기후 재난은 3,680억 달러의 손실을 일으켰고 그중 2,230억 달러가 무보험이었으며, 이는 61% 격차다. 미국에서는 단독주택의 연간 홍수 손실이 244억 달러에 달하고, 그중 약 70%가 무보험이다.

패러메트릭 보험은 그 격차를 메우기 위해 존재하며, 빠르게 성장하고 있다 — 2026년 210~240억 달러 시장이며 2030년까지 387억 달러를 향해 전망된다 — 바로 그것이 몇 달이 아니라 며칠 만에 지급할 수 있고 전통적 보험이 결코 닿지 못하는 사람들에게 도달할 수 있기 때문이다. 2026년 3월, AXA Climate, Swiss Re, ICEYE를 포함한 컨소시엄이 설계한 패러메트릭 홍수 계획이 나이지리아 라고스에서 가동에 들어가, 400만 명을 보장했다. 물이 어디에 있었는지에 대한 위성의 판독으로 청구가 결정될 400만 명이다.

그 규모가 검증을 제대로 해내야 하는 근거다. 트리거가 400만 명을 보장할 때, "아마 침수됨"은 방어 가능한 기준이 아니다. 패러메트릭 프로그램과 평판 재앙 사이에 서 있는 것은, 트리거가 그림자가 아니라 물에 발동되었음을 프레임 하나하나 증명할 수 있는지 여부다.

사람들은 AI 기상 예측이 위성 계층을 불필요하게 만드는지 내게 묻는다 — 예측 홍수 모델은 진정으로 좋아지고 있다. 그렇지 않다. 예보는 무슨 일이 일어날 수 있는지를 알려주지만, 패러메트릭 지급은 무슨 일이 실제로 일어났는지의 증명을 요구한다. 다른 이들은 일부 보험사가 베이시스 리스크를 줄이려 사용하는 물리적 수심계인 지상 센서가 위성을 불필요하게 만드는지 묻는다. 그것들이 있는 곳에서는 엄청나게 도움이 되지만, 지구상 모든 킬로미터의 범람원에 수심계를 놓을 수는 없다. 위성은 아무도 계측하지 않은 곳을 보는 방법이며 — 재난 중에는 그런 곳이 대부분이다.

두 개의 어두운 부분을 가진 그 자정의 프레임은 여전히 이 일에 대해 내가 가진 가장 참된 그림이다. 하나는 물이었다. 하나는 그림자였다. 이 분야 전체는 어느 쪽인지를 알려줄 수 있는 시스템을 구축하는 것으로 귀결된다 — 그런 다음 돈을 움직이려는 그 사람에게 그 작업 과정을 보여주는 것으로. 만약 당신이 패러메트릭 홍수 프로그램을 설계하거나 인수하고 있고 그 구별이 당신을 밤잠 못 이루게 한다면, 이것이 우리가 구축하는 문제다.

물은 읽기 더 쉬워지지 않을 것이다. 증명이 곧 제품이다.