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。
保険会社の引受査定（アンダーライティング）の業務内容｜AI化のアプローチを解説
引受査定（アンダーライティング）は、保険の申込みに対してリスクを評価し、引受の可否・条件を判断する保険会社の中核業務です。生命保険では申込者の健康状態、損害保険では物件・事業のリスクを精査し、適正な保険料を算出します。
本記事では、引受査定の具体的な業務フロー（申込受付→書類審査→リスク評価→引受判断→再保険手配）を詳細に解説し、AI化の可能性を分析します。エヌエヌ生命保険はDataRobot社のAIプラットフォームを活用した引受業務の自動化に取り組んでおり、従来2〜3日かかっていた引受業務を数分に短縮できる見込みです（出典：DataRobot公式ブログ）。
引受査定部門の役割とミッション
引受査定のミッションは、「適正なリスク選択」と「公平な保険料の算出」です。リスクが高い申込みをそのまま引き受ければ保険金支払いが増大して経営を圧迫し、逆に過度に厳しく査定すれば顧客を失います。このバランスを取ることが引受査定の専門性です。
第一生命保険の採用サイトでは、アンダーライティング部門について「保険料率の決定、契約・引受規定の作成、リスク分析による引受条件等の決定、各種統計・保険収支の分析、引受リスクの管理、募集文書の検証、再保険等」と広範な業務を紹介しています（出典：第一生命保険 基幹職採用サイト2026）。
引受査定の主要業務とAI化の可能性
業務1：申込書類の受付・確認
現在の業務フロー
- 保険申込書、告知書（健康状態の自己申告）、本人確認書類を受付
- 申込書の記載内容の完全性チェック（記入漏れ、矛盾の確認）
- 告知内容と申込内容の整合性確認
- 必要に応じて追加告知・医師の診断書を依頼
AI化のアプローチ
- 申込書のAI-OCR読取：手書き申込書をAI-OCRで自動データ化し、記入漏れ・矛盾を自動検出
- 告知内容の自動チェック：告知書の記載内容をLLMが引受基準と照合し、「要精査」「追加告知必要」等を自動判定
- 人間が判断すべきポイント：告知内容の医学的解釈、追加告知の要否判断
業務2：医的査定（生保）
現在の業務フロー
- 告知書の既往歴、現症、通院歴の確認
- 健康診断結果（BMI、血圧、血糖値、肝機能等）の確認
- 必要に応じて医師の診断書の精査（手書きの診断書を読解）
- 疾病リスクの評価（追加保険料、部位不担保、引受拒否等の判断）
- メディカルアフェアーズ部門への照会（判断が困難なケース）
課題・ペインポイント
- 診断書が手書きで読みにくく、読解に時間がかかる
- 査定者の経験によって判断のばらつきが生じやすい
- 医学知識のアップデートが必要（新しい治療法の登場による引受基準の見直し）
AI化のアプローチ
現代のOCR技術はAI（NLP・機械学習）と組み合わされ、低品質なスキャン、多様なレイアウト、手書きのメモにも対応できるレベルに達しています（出典：Infrrd "OCR in Insurance 2026"）。
- 診断書のマルチモーダルAI読解：手書き診断書をAI-OCRで読み取り、病名・治療内容・経過をテキストデータに構造化
- リスク判定の一次スクリーニング：構造化された告知・診断データを引受基準テーブルと自動照合し、「標準体引受」「条件付引受」「要精査」に自動分類
- 査定判断の一貫性確保：過去の査定事例をRAGに格納し、類似ケースでの判断をLLMが参照して提案。査定者間のばらつきを低減
業務3：企業審査（損保）
現在の業務フロー
- 企業の事業内容、業種、規模の確認
- 過去の損害履歴（クレームヒストリー）の分析
- 安全対策の実施状況の確認（防火設備、セキュリティ、BCP等）
- リスクの定量評価と保険料率の算出
AI化のアプローチ
- 企業情報の自動収集：公開情報（登記情報、信用情報、ニュース）をLLMが自動収集し、企業プロファイルを生成
- 損害履歴の傾向分析：過去のクレームデータをAIが分析し、リスクパターンを可視化
- リスク評価レポートのドラフト：収集情報からLLMがリスク評価の骨子を自動作成
業務4：引受判断・条件設定
現在の業務フロー
- リスク評価結果に基づき引受の可否を判断
- 引受条件の設定（標準体/割増保険料/部位不担保/引受拒否）
- 引受権限の確認（権限を超える案件は上位者の承認を取得）
- 引受結果を営業部門・代理店に通知
AI化のアプローチ
- ストレートスルー処理（STP）：標準的なリスクの申込みをAIが自動判定し、人手を介さずに引受完了。STPにより、引受の大部分を自動化し、査定者は複雑な案件のみに集中
- 引受条件の自動提案：リスク評価結果と引受基準からLLMが最適な引受条件（保険料率、免責条件等）を提案
- 人間が判断すべきポイント：複雑なケース（複数の既往歴、特殊な職業リスク等）の最終引受判断
業務5：再保険手配
現在の業務フロー
- 自社で引き受けるリスクの上限（保有限度額）を超える案件の出再（再保険への出し）を検討
- 再保険会社への出再条件（再保険料率、出再範囲）の交渉
- 再保険契約の管理・更新
AI化のアプローチ
- 再保険条件の自動比較：複数の再保険会社からの見積条件をLLMが比較表にまとめ、最適な出再案を提示
- 出再要否の自動判定：引受案件のリスク量と保有限度額を自動比較し、出再が必要な案件をアラート
業務6：引受基準・マニュアルの整備
現在の業務フロー
- 引受基準書の作成・改定（疾病ごとの引受可否・条件の基準）
- 査定マニュアルの整備（査定手順、判断のガイドライン）
- 医学・疫学の新知見に基づく基準の見直し
AI化のアプローチ
- 医学文献の自動モニタリング：新しい治療法・疫学データをLLMが自動収集し、引受基準への影響を分析
- 引受基準のRAG化：引受基準書をRAGに格納し、査定時に「この疾病の引受条件は？」とLLMに即座に照会可能に
業務別AI化の優先順位マトリクス
| 業務 | AI化の効果 | 導入の難易度 | 優先度 |
|---|---|---|---|
| 医的査定（診断書読解） | ★★★★★ | 中（AI-OCR+LLM） | 最優先 |
| 引受判断（STP） | ★★★★★ | 中（基準テーブル整備） | 最優先 |
| 申込書類の確認 | ★★★★ | 低（AI-OCR） | 高 |
| 企業審査（損保） | ★★★★ | 中（データ連携） | 高 |
| 再保険手配 | ★★★ | 中（条件比較） | 中 |
| 引受基準の整備 | ★★★ | 低（RAG構築） | 中 |
汎用LLMで引受査定を変革する｜Renue視点
引受査定のAI化で最も重要なのは、「査定の一貫性」と「処理速度」の両立です。人間の査定者は経験豊富なベテランほど高品質な判断ができますが、査定者間でのばらつきが課題です。AIを活用すれば、ベテランの判断基準をシステム全体に均一に適用できます。
- 引受基準をRAG化する：疾病ごとの引受条件、過去の査定事例をRAGシステムに格納。新規申込みの査定時に「この既往歴で過去どう判断したか」をLLMが即座に検索・回答
- ストレートスルー処理を段階的に拡大する：まず明らかな標準体（告知事項なし、健診結果正常）をAIで自動引受→次に軽微な告知事項をAI判定→複雑な案件のみ人間が対応、という段階的アプローチ
- 診断書読解のマルチモーダルAI化：手書き診断書→AI-OCRでテキスト化→LLMが病名・治療内容を構造化→引受基準との照合を自動化
あるAIコンサルティング企業では、保険提案エージェントの開発を通じて、保険業務の判断プロセス（保障と資産形成の優先順位判断など）をAIに実装する取り組みを進めています。引受査定も同様に、「判断のルール」を構造化してAIに移転することで、査定品質の底上げと処理速度の向上を同時に実現できます。
まとめ
保険会社の引受査定は、書類受付→医的査定/企業審査→引受判断→再保険→基準整備の6つの業務で構成されています。AI化の優先度が最も高いのは以下の2業務です。
- 医的査定：マルチモーダルAIによる診断書読解と引受基準との自動照合（OCR技術は手書き対応レベルに到達）
- 引受判断（STP）：標準リスクの自動引受により、査定者は複雑案件に集中（DataRobot×エヌエヌ生命の事例で数分への短縮を目指す）
次の記事では、引受査定AIのストレートスルー処理における具体的な判定ロジックの設計方法について解説します。