株式会社renue
アウトソーシング効率化エージェント
アウトソーシング効率化エージェントで、この記事のテーマを実務に落とし込めます
renueが社内で運用しているシステムをサービス化したものです。何ができるか、どう動くかをサービスページでご覧ください。
保険会社の事故受付を通話テキスト化→要約AIで効率化する方法|パイプラインの設計を解説
保険会社の保険金支払部門では、事故報告の電話を受け付け、事故の状況・損害の内容・当事者の情報をヒアリングし、案件情報としてシステムに登録します。1件の通話は10〜30分に及び、通話後の案件情報入力にさらに時間がかかります。
本記事では、「通話→テキスト化→要約→CRM自動登録」のパイプラインを設計案として、技術選定からプロンプト設計、導入ステップまで解説します。記事内の設計例と、個別企業が公表した仕様は分けて示します。三井住友海上火災保険とNECは、事故対応向けに通話内容をリアルタイムでテキスト化し、生成AIで要約するシステムを共同開発しています(出典:日本経済新聞)。
通話→要約AIパイプラインの全体像
パイプラインは4つのステージで構成されます。
- 音声認識(STT):通話音声をリアルタイムでテキストに変換
- 構造化:テキストを案件情報のカテゴリに自動分類
- 要約:LLMが通話内容を所定のフォーマットで要約
- システム登録:要約結果を保険金支払システムに自動登録
ステージ1:音声認識(Speech-to-Text)
技術選定のポイント
三井住友海上の事例では、NECの「NEC Enhanced Speech Analysis(高性能音声解析)」を採用し、話者の識別と事故対応の専門用語の学習を行うと2024年5月27日の公式発表で説明しています。音声認識の精度は、単語/文字の誤り率、対象音声と録音条件をそろえて検証します。方言の追加学習を同社の公表仕様とせず、下記は一般的な設計例として示します(関連文献:AIsmiley)。
認識精度向上のための設計例
- 業界用語辞書の追加:「車両保険」「人身傷害」「対物賠償」「免責金額」「過失割合」「交通事故証明書」などの保険用語をカスタム辞書として登録
- 方言・なまりへの対応:全国の保険金支払センターで利用するため、地域ごとの方言パターンを学習データに追加
- 話者分離(ダイアライゼーション):「オペレーター」と「契約者」の発話を自動で区別し、誰が何を言ったかを明確化
ステージ2:テキストの構造化
分類カテゴリの設計
以下の5分類は本記事の抽出・分類設計例です。三井住友海上・NECの公表仕様そのものではなく、実装時には登録先の項目と業務ルールに合わせて検証します。
| カテゴリ | 抽出する情報 |
|---|---|
| 事故概要 | 事故日時、事故場所、事故の態様(追突/出合い頭等) |
| 当事者情報 | 契約者名、相手方の情報、同乗者の有無 |
| 損害状況 | 車両の損傷部位・程度、けがの有無・程度 |
| 契約情報 | 証券番号、保険種目、特約の有無 |
| 次のアクション | 修理工場の手配、レッカー要否、診断書の取得依頼 |
ステージ3:LLMによる要約生成
プロンプト設計
三井住友海上・NECの公式発表は、Azure OpenAI Serviceによる要約を担当者が確認して「BRIDGE」に登録する運用を示しています。具体的なモデル名・要約文字数や、下記の3層プロンプト・5項目の構造が同社の実装仕様かは未確認です。下記は本記事の設計例として示します(関連文献:日本経済新聞)。
プロンプトの構造
- 第1層(役割定義):「あなたは保険会社の保険金支払部門のアシスタントです。事故報告の通話記録から、案件登録に必要な情報を抽出・要約してください」
- 第2層(出力フォーマット):「①事故概要(日時/場所/態様を1文で)②当事者③損害状況④契約情報⑤次のアクション の5項目で構造化してください」
- 第3層(業務ルール):「けがの有無が明確でない場合は『要確認』と記載」「修理工場の手配依頼があった場合はアクションに必ず含める」のような業務固有のルールを組み込む
ステージ4:保険金支払システムへの自動登録
三井住友海上・NEC「事故対応に生成AIの文章要約技術を導入」では、事故対応の通話内容をテキスト化し、生成AIで要約した結果を担当者が確認した上で、損害サービスシステム「BRIDGE」に登録する運用が紹介されています。
- 担当者がAI要約結果を画面上で確認・修正する。以下の操作・タスク連携は本記事の設計例として扱う
- 確認完了後、ワンクリックで登録する操作を設計する場合は、登録項目・権限・確認記録を検証する。元事例のワンクリック操作仕様は未確認
- 次のアクション(修理工場手配、相手方への連絡等)をタスクとして自動生成する連携を設計する場合は、担当者の確認と重複登録防止を組み込む。元事例の自動タスク生成仕様は未確認
付加価値機能:カスハラ対策AI
三井住友海上のカスタマーハラスメント対策AIについては、日経クロステックを参考文献として挙げています。カスハラ対策の導入範囲は、対象システム・時点・拠点の定義をそろえて個別の公表資料で確認します。通話要約システムの2024年の一部センター先行導入・全国展開予定と、カスハラ検知の導入実績は区別して確認する必要があります。
他業種での類似パイプライン
| 業種 | 通話→テキスト→要約の活用例 |
|---|---|
| 銀行 | 顧客相談の記録→CRM自動登録 |
| 証券 | 顧客面談の記録→提案書の素材生成 |
| コンサルティング | クライアントMTGの議事録→アクションアイテム自動抽出 |
| カスタマーサポート全般 | 問い合わせ内容→FAQ候補の自動生成 |
導入ステップと注意点
導入の3フェーズ
- Phase 1(1〜2ヶ月):通話録音データの事後テキスト化+要約から開始。リアルタイムではなく、通話後にバッチ処理でテキスト化→要約を実行
- Phase 2(3〜4ヶ月):リアルタイムテキスト化を実装。通話中にテキストが画面に表示される環境を構築
- Phase 3(5ヶ月〜):保険金支払システムとの連携を構築し、要約→自動登録のパイプラインを完成
注意点
- 通話録音の同意:通話の録音・テキスト化について、利用目的の通知・公表など個人情報保護法上の対応が求められる場合があります
- 認識精度の継続改善:音声認識の精度は完璧ではないため、テキスト化結果の確認プロセスを必ず組み込む
- 機密情報の管理:通話内容には個人の健康情報や事故の詳細が含まれるため、閉域環境でのAI処理が必須
- 要約の正確性検証:LLMが重要な情報を落とさずに要約しているかの定期的な品質チェック
汎用LLMで実現する|renue視点
通話→テキスト→要約パイプラインの構築には、「音声認識」と「LLM」の2つの技術を組み合わせるだけで基本的な仕組みが実現できます。三井住友海上の事例ではNECの専用音声認識エンジンを使用していますが、Azure Speech ServiceやGoogle Cloud Speech-to-Text等のクラウド音声認識サービスでもPhase 1は十分に開始できます。
重要なのは、要約の「出力フォーマット」を保険業務に合わせて設計することです。汎用的な「通話の要約」ではなく、「保険金支払システムに登録するための構造化情報の抽出」という目的に特化したプロンプトを設計することで、実務に直結する成果が得られます。
音声録音・再生・保存の基盤とLLM処理を連携させる構成は、通話業務のAI化における一般的な設計論点です。通話AIパイプラインは保険業界に限らず、あらゆる電話対応業務に応用可能な汎用性の高い技術です。
まとめ
保険会社の事故受付における通話テキスト化→要約AIパイプラインは、以下の4ステージで構成されます。
- 音声認識:業界用語への対応を検証。対象音声・録音条件と評価の単位を定め、誤認識と確認・修正工数を測定(参考文献:AIsmiley)
- 構造化:事故概要/当事者/損害/契約/アクションに自動分類
- LLM要約:3層プロンプトは本記事の設計例。公表事例はAzure OpenAI Serviceで要約し担当者が確認、具体的なモデル・プロンプト仕様は未確認(日経新聞、NEC公式発表)
- システム登録:要約結果を保険金支払システムに自動連携
Phase 1は通話録音の事後バッチ処理から始められ、段階的にリアルタイム化→システム連携へ発展できます。
