홍수 보험은 재난 관련 손실을 완화하는 효과적인 전략이지만, 미국의 위험 인구의 참여율은 현저히 낮습니다. 본 연구는 보험 결정의 행동 메커니즘을 이해하고 모델링하기 위해 LLM을 활용합니다. 보험 구매 확률을 포착하는 벤치마크 데이터 세트를 구축하고, LLM의 능력을 평가했습니다. LLM은 질적인 요인 이해는 보여주었지만, 정량적 확률 추정에는 미흡했습니다. 이를 해결하기 위해, 지각, 검색, 추론, 행동, 메모리 등 5개의 모듈로 구성된 LLM 기반 에이전트인 InsurAgent를 제안했습니다. 검색 모듈은 RAG를 활용하여 정확한 확률 추정을 달성했으며, 추론 모듈은 LLM의 상식을 활용하여 맥락 정보를 포착했습니다. 메모리 모듈은 롤러코스터 인생 궤적을 통해 시간적 결정 진화를 시뮬레이션했습니다. InsurAgent는 행동 모델링 및 정책 분석을 위한 가치 있는 도구입니다.
