株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
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リスク予測モデルを導入し、楽天生命はAI引受システムを本格稼働させています。
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（4〜8週間）
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ひまわり生命の事例のように、確信度に基づく制御（高確信度は自動処理、低確信度は人手確認）を実装します。
ステップ2：引受基準のデータベース化（2〜4週間）
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（4〜8週間）
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。楽天生命の事例では段階的な自動化範囲の拡大に成功しています（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「生成AI医務査定支援システム（フェニックス）」2025-10公式、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」、中国平安「S4C」2025公式、中国人寿「95.8%智能核保」ほか）を踏まえ、生命保険の引受査定業務における生成AI／機械学習導入で繰り返し観察される「設計上の落とし穴」を3つの論点として整理する。特定ベンダーや社内プロジェクト事例には触れず、公開ガイドライン・業界報告に限って設計観点を提示する。
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2025-10-02に「フェニックス」医務査定支援システム（マルチAIエージェント・最新OCR・生成AI・RAG・Web検索・過去査定DB統合）を業界公開発表、医務査定時間業界公開水準（平均30%短縮）、2025年内の医務査定精度業界公開水準（9割）達成目標を掲げている（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 AI医務査定 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）取扱い厳格化+契約者明示同意、（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AIDP 2025-03準拠の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――が業界公開ベンチマークで推奨される。
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「Magnum」自動引受プラットフォームは業界公開水準（一部市場最大90%・全球平均75%）のアプリケーションをStraight-through処理、Forrester Wave™で自動化引受エンジントップ評価を受けている。Swiss Re Underwriting EaseはOCR＋NLP＋LLM統合でアンストラクチャード申込データを正規化し、北米で展開されています。Munich Re「alitheia」はMachine Learning＋AI統合で電子健康記録（EHR）自動評価を実装、John Hancock生命と2025年に引受自動化強化で提携している。Sapiensは「UnderwritingPro v14」を2025-02に業界公開発表、Gen AIドキュメント要約＋予測分析＋Life & Annuities業務向けAI機能を搭載（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、John Hancock×Munich Re alitheia 2025、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（Genetic Information Nondiscrimination Act 2008）準拠の遺伝情報生保引受利用規制遵守、（b）シンガポール「Moratorium on Genetic Testing and Insurance」（2021-01以降施行）モデルを参照した遺伝子検査結果の保険引受利用制限、（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医療文書抽出の業界公開水準（70%処理時間短縮）を活用するMedical Review Automation、（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）McKinsey推定の業界公開水準（$50-70B）GenAI Insurance Revenue Potentialを狙う設計、（g）EU AI Act 2026-08-02 High-risk System分類（保険引受AI）対応のRight to Explanation＋Human Review＋Bias Testing――が業界公開ベンチマークで推奨される（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S4C×中国人寿95.8%智能核保×Multi-regional Life Underwriting Governance
中国では2025年時点で、中国平安が2024年に生保引受業界公開水準（93%）秒級核保達成、反欺詐智能拒賠で業界公開水準（64億元）損失削減（YoY+4.3%）。中国人寿は数字核保員で智能核保率業界公開水準（95.8%）、平安寿険は二級核保業界公開水準（94%）を達成。中国平安「S4C」2025はドメイン特化モデル訓練＋マルチモーダルインタラクション＋プライバシーコンピューティング基盤により、セールスロボット→秒級核保→智能反欺詐のフルフロー変革を業界公開水準で実現。中国人寿は非センシティブシナリオ向けオープンソース大模型プライベート展開＋大模型応用管理プラットフォーム構築を業界公開発表。商用核保システムは医療用語から業界公開水準（120以上）の一般的疾患を業界公開水準（92%）精度で認識する（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（GINA 2008+HIPAA+state insurance departments+NAIC Unfair Trade Practices）／EU（GDPR Art.9特別カテゴリ+EU AI Act 2026-08-02 High-risk+EIOPA）／英国（FCA Consumer Duty+PRA Insurance+UK MIB Concordat）／シンガポール（Moratorium on Genetic Testing and Insurance 2021-01）／中国（保険法+国家金融監督管理総局+PIPL+跨境個人情報移転規定2023-09-28+中国網信弁生成AIサービス管理弁法2023-08-15+工信部大模型備案+医療衛生健康委員会規則）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（GINA+HIPAA+GDPR+PIPL同時遵守+Informed Consent多言語+遺伝情報取扱い規制差分吸収）」の3層設計が業界共通解となる。
