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。
生命保険の引受査定をAIで効率化する方法｜診断書・告知書のマルチモーダルAI読解からリスク判定の自動化まで
生命保険会社の引受査定は、申込者の健康状態を評価し、保険引受の可否・条件を判断する最重要業務です。診断書、健康診断書、告知書等の医療文書をOCRで読み取り、過去の引受データと照合してリスクを判定する——この一連のプロセスをマルチモーダルAIとLLMで効率化する動きが急速に広がっています。明治安田生命は2025年1月にAIリスク予測モデルの導入を公表し、楽天生命は2022年1月にAI引受システムの本格稼働を公表しています。
業務の詳細フロー（現状の手作業）
ステップ1：申込書・告知書の受領
保険の申込書と告知書を受領します。告知書には、申込者の過去の傷病歴、現在の健康状態、服薬状況、健康診断の結果等が記載されています。告知書は紙またはWeb告知で提出されます。
ステップ2：医的書類の確認
告知内容に基づき、追加の医的書類（診断書、健康診断書、人間ドック結果、主治医の意見書等）の提出を求める場合があります。これらの書類はPDFまたは紙で提出され、内容の読み取り・データ化が必要です。
ステップ3：医学的リスクの評価
査定担当者（アンダーライター）が、告知内容と医的書類を読み込み、申込者の医学的リスクを評価します。既往症の重篤度、現在の治療状況、将来の悪化リスク等を判断し、引受査定マニュアル・引受基準表と照合します。
ステップ4：引受判断の決定
医学的リスクの評価結果に基づき、引受の可否と条件を決定します。「標準体」（通常条件で引受）、「条件体」（保険料割増・特定部位不担保等の条件付き引受）、「謝絶」（引受不可）のいずれかを判定します。
ステップ5：結果通知・対応
判定結果を申込者（営業担当者経由）に通知します。条件体の場合は条件の内容を説明し、申込者の承諾を得ます。謝絶の場合はその旨を丁寧に伝えます。
課題・ペインポイント
- 医的書類の読み取り負荷：手書きの診断書やフォーマットが異なる健康診断書の読み取り・データ化に時間がかかる
- 査定のリードタイム：書類の不備→再提出→再査定のサイクルが長期化し、顧客の契約意欲が低下するリスク
- 査定品質のばらつき：アンダーライターの経験により判断にばらつきが生じ、同じケースでも異なる結果になることがある
- 専門人材の不足：医学知識と保険知識の両方を持つ査定担当者の育成に時間がかかり、人材が不足
- 新しい医療情報への対応：新しい疾病、治療法、薬剤に関する査定基準のアップデートが追いつかない
AI化のアプローチ（マルチモーダルAI×LLMによる実装イメージ）
入力データの設計
- 告知書データ：Web告知の場合は構造化データ、紙告知の場合はOCRで自動抽出
- 医的書類：診断書、健康診断書、人間ドック結果のPDF/画像（マルチモーダルAIで読み取り）
- 引受基準：自社の引受査定マニュアル、引受基準表、疾病別の査定ガイドライン
- 過去の査定データ：類似ケースの過去の査定結果と判断根拠（RAGで参照）
- 医学情報データベース：疾病の予後、治療法の最新情報、薬剤情報
処理パイプライン
- OCR/マルチモーダルAIによるデータ抽出：診断書・健康診断書から疾病名、検査値、治療内容、処方薬等を自動抽出（出典：COMITX "保険審査AI-OCR"）
- データの構造化・標準化：抽出データを標準フォーマットに変換（疾病名のICD-10コード化、検査値の基準値との比較等）
- 引受基準との自動照合：構造化されたデータを引受基準表と照合し、該当する査定区分を自動判定
- リスクスコアリング：AIが複数の要因を統合的に評価し、リスクスコアを算出（出典：明治安田生命 "AIリスク予測モデル導入"）
- 査定意見書のLLMドラフト生成：LLMが査定結果と判断根拠をまとめた査定意見書のドラフトを自動生成
人間が判断すべきポイント
- 条件体・謝絶の最終判断：AIのスコアリング結果を参考にしつつ、最終的な引受判断はアンダーライターが行う
- 非定型ケースの判断：告知内容が複雑、複数の既往症がある、希少疾患等の非定型ケースは人間の専門判断が必要
- 営業部門との調整：「大口契約で条件緩和の相談がある」等のビジネス判断を含むケース
- 申込者への説明：謝絶や条件付き引受の結果を申込者に説明する対面コミュニケーション
他業種の類似事例
- 銀行の住宅ローン審査：申込情報＋信用情報のAIスコアリングで定型案件を自動承認（本シリーズ参照）
- 損害保険の損害調査：事故写真＋聞き取りメモからマルチモーダルLLMが報告書を自動生成（本シリーズ参照）
- 製薬会社の臨床データ分析：治験データの自動読み取り・構造化・分析レポート生成
導入ステップと注意点
ステップ1：医的書類のOCR構築（帳票種類と精度検証量から期間を見積もる）
診断書・健康診断書のフォーマットは医療機関によって異なるため、多様なフォーマットに対応できるOCRモデルを構築します。SOMPOひまわり生命の2024年7月の公表事例は、保険金・給付金の請求書類入力が対象です。同社は高確信度の項目の目視確認を省略し、低確信度の項目は人が確認・補正しています。引受査定に応用する際も、このような確信度に応じた確認の分担を設計します。
ステップ2：引受基準のデータベース化（基準の量と構造化の範囲から期間を見積もる）
自社の引受査定マニュアル・基準表をAIが参照可能な構造化データベースに変換します。疾病別の判定基準、条件体の基準、謝絶基準をルール化します。
ステップ3：スコアリングモデルの構築・検証（データ整備と検証計画に応じて設定）
過去の査定データ（引受結果とその後の保険金支払い実績）を学習データとして、リスクスコアリングモデルを構築・検証します。
ステップ4：段階的自動化（継続）
まず「標準体」の自動判定から開始し、精度検証を経て「条件体」の一部にも自動化を拡大します。楽天生命は2022年1月にAI引受システムの本格稼働を公表しています。自動化の拡大範囲は、自社の商品・引受基準ごとに検証して決めます（出典：楽天生命 "AI引受業務DX"）。
注意点
- 公平性・差別禁止：AIの判定が特定の属性（年齢、性別、地域等）に対して不当に差別的にならないようバイアスチェックが必要
- 説明可能性：説明責任を求める規制・ガイドラインがあり、AIの判定根拠が説明可能であることが重要
- 医療情報の機密性：診断書・健康診断書は最高レベルの個人情報であり、厳格なセキュリティ管理が必要
renue視点：専用ツールではなく汎用LLMで実現する理由
引受査定の核心は「医的書類を読む→リスクを評価する→判断根拠を書く」という言語処理です。査定担当者の暗黙知——「この疾病でこの治療経過なら標準体で引受可能」「この検査値の組み合わせは要注意」——を言語化してプロンプトに落とし込めば、汎用LLMが査定意見書のドラフトを生成できます。専用の引受システムに比べ、汎用LLMは非定型情報も柔軟に扱える点が特長であり、柔軟性で大きなアドバンテージがあります。
まとめ
生命保険の引受査定は、OCR/マルチモーダルAIによる医的書類の読み取り→データ構造化→引受基準との照合→リスクスコアリング→査定意見書のLLMドラフト生成のパイプラインで大幅な効率化が可能です。明治安田生命のAIリスク予測モデル、楽天生命のAI引受システムなど、業界での実装も加速しています。ただし、条件体・謝絶の最終判断、非定型ケースの専門判断、申込者への説明は完全にアンダーライターの医学知識と保険の専門性の領域です。
設計観点の整理: 生命保険引受査定AIの3大落とし穴
2025-2026年時点の公開文献（明治安田生命「生命保険引受査定AIリスク予測」2025-01-21公式プレス、FWD生命「AIによる医務査定サポート」2025-10-02公式発表、Swiss Re「Magnum」「Underwriting Ease」「Underwriting Assistant」公式資料、Munich Re「alitheia」×John Hancock 2025提携、Sapiens「UnderwritingPro v14」2025-02公式、Aviva「AI Underwriting Tool」2025-11公式、RGA「GenAI in Insurance Q2 2025」、iResearch「2025保険業AI応用全景」、iResearchによる平安人寿の「S4C」理念の紹介（2025年7月）、中国人寿の2025年上半期の核保智能审核率95.8%ほか）を参照し、生命保険の引受査定業務に生成AI／機械学習を導入する際に確認したい設計上の論点を3つに整理する。以下の各社の公開事例・公表資料と、本記事が提案する設計観点は区別して読む。自社への適用時は、商品や処理対象の違いを確認する。
① 生保引受査定AI×明治安田健活未来予測×FWDマルチAIエージェント×医務査定自動化
日本市場では、明治安田生命が2025-01-21に業界公開発表の「健活未来予測モデル」で循環器病対策Pro引受査定にAIリスク予測を導入、従来医学査定＋AIハイブリッドで引受可能範囲拡大を実現。FWD生命は2025年10月2日、「AIによる医務査定サポート」の導入を発表した。最新OCR・生成AI・マルチエージェント・RAG・Web検索・過去査定データベースを組み合わせ、同社では医務査定時間を平均30%短縮したと報告している。対象はFWD医療Ⅱ・FWD収入保障・FWD終身（低解約返戻金型）で、今後の目標は50%以上の業務効率化である。これは同社の対象業務における実績と目標であり、業界平均や査定精度90%を意味しない（業界公開レポート参照：明治安田生命 AIリスク予測モデル 2025-01、日経 明治安田AI引受査定 2025-01、GoodWay 明治安田AI引受査定、シンニチ保険WEB 明治安田AI引受査定 2025-01、日経XTECH FWD生命マルチAIエージェント、FWD生命公式発表（共同通信PRワイヤー掲載）2025-10、FWD生命 PRTimes、DCross FWD医務査定AI、Behavior 生保AI査定落とし穴 2025-11、BizAIdea FWD生命マルチAIエージェント）。
設計観点として整理すると、生保引受査定AIの最大の落とし穴は「保険法第37条告知義務×医療情報機密性×AI判定の説明責任」である。設計原則として（a）AI生成リスク予測は「医務査定医・査定担当者のドラフト補助」位置付け、最終引受決定（標準体・特別条件付・謝絶）は人間査定医、（b）告知書・診断書マルチモーダル読解精度のAudit Log（OCR誤認識・署名認識・手書き文字解釈の記録）、（c）個人情報保護法要配慮個人情報（病歴・診療情報・健診結果）の取得・利用目的と取扱いの厳格化＋本人の同意等の適用要件の確認（契約者と被保険者が異なる場合は、情報の本人を確認）、（d）金融庁「保険会社向けの総合的な監督指針」・日本アクチュアリー会「保険数理ガイドライン」との整合、（e）金融庁AIディスカッションペーパー（2025年3月）の論点を参考とするExplainability（AI判定理由の自然言語説明）・公平性（遺伝情報・DNA検査結果取扱い）・セキュリティ確保、（f）AI提案否決ケースの人間査定医再判定プロセス＋契約者への適切な説明責任――以上を本記事の検討項目として提案する。
② グローバル生保引受AI×Swiss Re Magnum/Underwriting Ease×Munich Re alitheia×Sapiens UnderwritingPro v14
グローバル動向として、Swiss Reの2025年8月の記事は、自動引受エンジン全般について、一部市場では最大90%、世界平均では約75%の申込を自動処理すると説明している。Magnum単独の達成率ではなく、地域・商品によって異なる。同社の2022年投資家向け資料では、MagnumのForrester Waveでの評価も紹介されている。Swiss Re Underwriting EaseはEHR等の医療情報をまとめ、確認すべきリスクを可視化する製品である。生成AIによる情報整理と北米展開については、2025年8月公表のMagnumXP Underwriting Assistantの説明と区別する。Munich Re「alitheia」はMachine Learning＋AI統合で電子健康記録（EHR）自動評価を実装、Manulifeの2025年第3四半期報告書でも、米国でJohn HancockがMunich Re Life USのalitheiaを活用して引受の効率化を進めたことが報告されている。Sapiensは「UnderwritingPro v14」を2025年2月11日に発表し、予測分析を含むAI連携、代理店とのコミュニケーション、引受ルール・ワークフロー管理の改善を紹介している（業界公開レポート参照：Turing Multimodal LLM Underwriting、Sixfold AI Insurance Underwriters、Aviva AI Underwriting Tool 2025-11、arXiv LLMs Agentic AI Insurance、RGA GenAI Insurance Q2 2025、SmartDev AI Underwriting 2025、ScienceSoft AI Underwriting 2025、Galileo Best LLMs Insurance、InsuranceNewsNet LLMs Actuarial、Insurance Business Swiss Re Underwriting Ease、Swiss Re Reimagining Life Insurance Underwriting、Swiss Re Magnum公式、Swiss Re Underwriting Ease公式、Munich Re Underwriting Medical、Manulife 2025年第3四半期報告：John Hancockとalitheia、FinTech Global Sapiens UnderwritingPro v14 2025-02、Sapiens UnderwritingPro公式）。
設計観点として、グローバル生保引受AIの落とし穴は「遺伝情報・PRS（Polygenic Risk Score）×GINA×シンガポール遺伝子テスト・モラトリアム」である。設計原則として（a）米国GINA（2008年）の保護は健康保険・雇用が対象で、生命保険には適用されないことを区別し、生保引受での遺伝情報利用は州法等の追加規制を確認、（b）シンガポール「Moratorium on Genetic Testing and Insurance」（2021年10月27日開始、2025年6月30日以降の契約には2025年改訂版）に基づき、検査の種類・保障額等による例外も含めて遺伝子検査結果の引受利用を確認、（c）Polygenic Risk Score（PRS）の乳がん・冠動脈疾患等への活用の倫理的ガイドライン整備、（d）NLPによる医療文書抽出を用いるMedical Review Automation（短縮率は対象文書と確認工程をそろえて実測）、（e）電子健康記録（EHR）・臨床ノート・プレスクリプション・ラボ結果のMultimodal統合分析、（f）生成AIの生産性改善を、自社の査定時間・追加確認率・処理費用で評価する設計（業界全体の生産性試算を、自社の増収額と同一視しない）、（g）EU AI Act附属書III 5(c)の生命・健康保険における自然人のリスク評価・価格設定AIについて高リスク分類を確認し、人による監督・バイアス検証・必要な説明を設計。欧州委員会の適用日程（2026年9月確認）では、附属書IIIの高リスク規則は2027年12月2日からで、一般的な適用日と区別する――以上を本記事の検討項目として提案する（業界公開レポート参照：RGA Genetics Insurance Challenges III、Accenture GenAI Insurance Guide、Gen Re Genetics Insurance、LatentView GenAI Insurance、Reinsurance News McKinsey $50-70B、Digital Insurance AI Reinsurance Underwriting、Gen AI Insurance USA 2025、Munich Re Future of Underwriting）。
③ 中国寿険核保AI×平安人寿のAI活用×中国人寿の智能核保×Multi-regional Life Underwriting Governance
中国平安は2024年決算発表で、平安寿険の保険契約の93%が秒単位で引受審査されたと報告している。2025年上半期報告書に記載された64.4億元は、平安産険の不正請求検知による損失削減額であり、生保の引受査定の指標とは異なる。中国人寿の2025年上半期報告書は、数字核保員により核保智能审核率が95.8%になったと記載している。一方、中国平安の同期間の94%は寿険保険契約の「秒級核保」の割合で、「二級核保」ではない。両社で指標の定義が異なるため、そのまま優劣比較には使えない。iResearch「2025年保险行业AI应用全景洞察报告」21頁は、S4Cを平安人寿が2025年に提唱した理念として紹介し、ドメイン特化モデル訓練・マルチモーダル技術・プライバシー計算を用いた販売・引受・不正検知の変革を説明している。独立した市販製品名や、保険業界全体の実装標準として扱うものではない。非センシティブな業務でオープンソース大規模モデルのプライベート展開やアプリケーション管理基盤を検討する場合も、利用対象・評価方法・データ管理を分けて設計する。商用核保システムの疾病認識は、対象疾病数、医療文書の種類、誤検出・見逃しの定義をそろえて評価する。対象製品と検証条件が特定できない「120疾患・精度92%」は、導入判断の共通基準にはできない（業界公開レポート参照：知乎 2025保険業AI応用全景、清華PBCSF 中国互聯網保険発展報告2024、未来智庫 2025保険業AI応用全景、53AI 4家保険公司大模型実践、新浪新聞 保険業AI業務核心渗透、新浪財経 AI保険業価値重塑 2025-11、エネットコム 2025保険AI応用TOP30、聯合資信 保険業季度観察 2025-Q1、腾讯新闻 AI保険公司更新降本増効 2025-09、新浪財経 AI保険降本増効 2025-09）。
設計観点として、Multi-regional展開生保引受AIの構造課題は「遺伝情報規制×医療データ跨境処理×Informed Consent多言語対応」である。日本（保険法第37条告知義務+個人情報保護法要配慮個人情報+金融庁AIDP+保険会社向け総合的監督指針+日本アクチュアリー会GL）／米国（州保険監督当局の規則等を確認。GINAは生保を対象とせず、HIPAAも生命保険会社すべてに一律適用されるものではないため、医療データを提供する機関との関係を整理）／EU（GDPR第9条の特別カテゴリーのデータ＋AI Actの用途別分類・適用時期＋EIOPA等の監督上の要件）／英国（FCA・PRAの適用規則＋英国政府とABIのCode on Genetic Testing and Insurance。旧Concordatに代わる取決め）／シンガポール（Moratorium on Genetic Testing and Insurance：2021年10月27日開始、2025年6月30日以降の契約は改訂版）／中国（保険法・国家金融監督管理総局の規則＋PIPL＋データ越境流通規定〔2024年3月22日施行〕＋生成AIサービス暫定管理弁法〔2023年8月15日施行〕。同弁法は国内公衆向けサービスが対象で、世論属性・社会動員能力のあるサービスの安全評価・アルゴリズム届出は国家網信部門の規定を確認する。国家衛生健康委員会等の医療情報関連規則も業務に応じて確認）が並存する。公開文献に基づく設計観点として、多拠点展開生保は「Regional Life Underwriting AI Engine（法域別保険法+医療情報規制+遺伝情報モラトリアム+現地言語告知書）＋Global Life Risk Intelligence Layer（匿名化リスクパターン+Mortality Data+Medical Terminology標準化）＋Cross-jurisdictional Underwriting Governance Orchestration（法域・取扱主体ごとの適用規則の管理＋Informed Consentの多言語対応＋遺伝情報取扱いの規制差分への対応）」の3層に分けて確認事項を整理する方法が考えられる。これは本記事の設計案であり、規制当局が定めた共通方式ではない。
