株式会社renue
物品管理AI
物品管理AI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。
保険会社の引受査定（アンダーライティング）部門の業務内容｜リスク評価から再保険まで徹底解説
引受査定（アンダーライティング）部門は、保険契約の引き受け可否を判断する部門です。申込者のリスクを正確に評価し、適切な保険料と条件で引き受けることが使命です。生命保険では健康状態の医的査定、損害保険では企業の事業リスク評価が中心となり、保険会社の収益性と健全性を左右する最重要部門のひとつです。
本記事では、引受査定部門の主要業務（医的査定、環境査定・企業審査、引受基準の策定、再保険手配、提出書類チェック）を具体的に解説します。
引受査定部門の主要業務
業務1：医的査定（生命保険）
業務の詳細
- 告知内容の確認：申込者が告知書に記載した健康状態（既往歴、現在の治療、服薬等）の内容を確認・評価
- 健康診断書の読解：血液検査、心電図、胸部X線等の健診結果を読み取り、リスクを評価
- 医師の診断書の評価：通院・入院歴がある場合、主治医の診断書の内容を専門的に判断
- リスクの点数化：疾病ごとのリスクを査定基準に沿って点数化し、引き受け可否を判定（出典：KOTORA "引受査定とは"）
- 引受判定：標準体（通常条件で引受）、条件体（特別条件付きで引受：保険料割増、特定疾病不担保等）、謝絶（引受不可）の判定
この業務で人間にしかできないこと
- 複雑な病歴の総合判断（複数の疾患が組み合わさった場合のリスク評価は経験に基づく専門判断）
- グレーゾーンの判断（基準に明確に当てはまらないケースの「引き受けるべきか」の最終判断）
業務2：環境査定・企業審査（損害保険）
業務の詳細
- 企業リスクの評価：損害保険（火災保険、賠償責任保険等）の引き受けにあたり、企業の事業内容、工場の安全対策、過去の事故履歴を評価
- 現地調査：工場や事業所を実際に訪問し、防火設備、安全管理体制、周辺環境を確認
- 引受条件の決定：リスク評価に基づく保険料率の設定、免責金額、補償限度額の決定
- 職業・生活環境の評価：生命保険においても、申込者の職業（危険職種：高所作業、炭鉱等）や生活環境を評価
この業務で人間にしかできないこと
- 現地調査での五感による判断（「この工場は安全管理が行き届いている/いない」の直感的判断）
- 特殊リスクの評価（前例のない事業やリスクの引き受け可否判断）
業務3：引受基準の策定・運用
業務の詳細
- 査定基準（アンダーライティングマニュアル）の作成：疾病・職業・年齢等のリスク要因ごとの引受基準を文書化
- 基準の見直し：医学の進歩（新しい治療法の登場等）や疾病統計の変化に応じた基準の更新
- 引受ポリシーの策定：全社的な引受方針（引受リスクの上限、重点引受分野等）の策定
- 自動査定ルールの設計：システムによる自動査定の判定ルール（告知内容に基づく自動承認条件等）の設計
この業務で人間にしかできないこと
- 医学の進歩に応じた基準更新（「この疾患は以前よりリスクが低くなった」の専門的判断）
- 引受ポリシーの策定（収益性・社会的役割・競争力のバランスを考慮した経営判断）
業務4：再保険手配
業務の詳細
- 再保険の設計：自社の引受リスクの一部を再保険会社に移転するプログラムの設計
- 再保険条約の交渉：再保険会社（Swiss Re、Munich Re等）との条件交渉
- 任意再保険（ファカルタティブ再保険）：大口契約や高リスク案件の個別再保険の手配
- 再保険コストの管理：再保険料と自社保有リスクのバランス最適化
この業務で人間にしかできないこと
- 再保険会社との交渉（国際的な再保険マーケットでの条件交渉は高度な専門知識と交渉力が必要）
- 再保険プログラムの設計（自社のリスクプロファイルに最適な再保険構造の判断）
業務5：提出書類のチェック・事務査定
業務の詳細
- 申込書類の確認：申込書、告知書、本人確認書類の記載内容と整合性の確認
- 不備書類の対応：記入漏れ、署名不足等の不備書類の差戻し・再取得
- モラルリスクの検知：保険金詐取を目的とした不正な申込みの兆候を検知
- 契約妥当性の確認：保険金額が年収に対して過大でないか等の契約妥当性のチェック
この業務で人間にしかできないこと
- モラルリスクの察知（「この申込みは不自然だ」という違和感を感じる経験的直感）
- 総合的な引受判断（書類上は問題ないが、複数の要素を組み合わせると不自然なケースの判断）
AI化の可能性と限界
AIで効率化できる業務
- 告知書・診断書のOCR読取：マルチモーダルAIが手書きの告知書や診断書を自動読取し、構造化データに変換
- リスクスコアリングの自動化：告知内容に基づくリスクの自動点数化と引受判定の第一次スクリーニング（出典：Gen Re "AIと生命保険核保"）
- 標準体の自動承認：リスクが低い申込みの自動承認（ストレートスルー・プロセッシング）
- 不正申込みの異常検知：過去の不正パターンをAIが学習し、不審な申込みを自動フラグ
- 提出書類の不備チェック：AIが書類の記入漏れ・不整合を自動検出
人間にしかできない業務
- 複雑な病歴の総合判断：複数疾患が重なるケースの引受可否は専門家の判断が必要
- グレーゾーンの最終判断：基準に明確に当てはまらないケースの意思決定
- 現地調査によるリスク評価：工場や事業所の安全性を五感で判断する力
- 再保険会社との交渉：国際的な再保険マーケットでの高度な専門交渉
- 引受基準の更新判断：医学の進歩を踏まえた基準改定は専門的な知見が必要
まとめ
保険会社の引受査定部門は、医的査定、環境査定・企業審査、引受基準の策定、再保険手配、書類チェック・事務査定の5つの業務で構成されています。AIは告知書のOCR読取やリスクスコアリングの自動化、標準体の自動承認で大きな効率化に貢献しますが、複雑な病歴の総合判断、グレーゾーンの意思決定、現地調査、再保険交渉は完全に人間の専門性と判断力の領域です。
設計観点の整理: 保険引受査定（アンダーライティング）AI導入の3大落とし穴
2025-2026年時点の公開文献（Swiss Re「Underwriting Ease」/「AI Predictive Underwriting」公式資料、Munich Re「REALYTIX ZERO」/「The new frontier of underwriting AI risk」公表資料、IAIS-FSI Insights No.65「気候関連プロテクション・ギャップ」2025-03、RGA「Genetics and Insurance」、明治安田生命「健活未来予測モデル」業界公開発表、iResearch 2025年保険行業AI応用全景洞察報告ほか）を踏まえ、保険会社の引受査定（アンダーライティング）・再保険部門における生成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 生命保険医的査定×ウェアラブル・健診ビッグデータ×告知義務の再設計×遺伝情報取扱い
生命保険の引受査定は、従来、告知書・健康診断書・医師診断書に基づくMedical Underwriting（医的査定）を中心に実施されてきた。2025年時点で業界公開報告されている主要変化は、（a）匿名医療ビッグデータとAIによる傷病別給付発生率シミュレーション、（b）ウェアラブルデバイスからのリアルタイム・ヘルスデータ（安静時心拍数・心拍回復率・睡眠時間・活動量）を加味したリスクスコアリング、（c）Swiss Re「Underwriting Ease」による手動査定案件の医療データ集約と、Munich Re「REALYTIX ZERO」による引受・商品設定の自動化。後者の引受判断はルールエンジンで設定し、生成AIのCoPilotは商品設計・設定の支援を担う――である（業界公開レポート参照：Swiss Re AI Predictive Underwriting L&H、ウェアラブルデータ活用に関する協業 2025-08、DataRobot 保険AI意思決定変革）。日本ではオリックス生命が2023年7月20日、SCOR SEの「バーチャルアンダーライティング（VUW）」を活用する新引受査定ルールの構築着手を発表した。給付金支払データから傷病別の給付発生率をAIでシミュレーションし、従来特別条件付きだった傷病の引受範囲を拡大する計画である。発表時の無条件引受の見通しは告知時点で治療中の顧客を除くもので、全申込者への適用や実績値を示すものではない。
設計観点として整理すると、医的査定AI最大の落とし穴は「告知義務の再設計と遺伝情報取扱い」である。日本の保険法第37条は、生命保険契約で保険契約者または被保険者となる者が、保険者から告知を求められた重要事項を告知する義務を定める。傷害疾病定額保険は66条、損害保険は4条に対応する。ウェアラブル・健診ビッグデータをAIが活用する場合、（a）顧客が明示的に告知しない情報（活動量・睡眠パターン等）をリスク評価に使うことの契約法的整合性、（b）個人情報保護法2条3項の要配慮個人情報に該当する病歴・健診結果等について、20条2項の例外を除く取得時の本人同意と、特定した利用目的内での利用を確保すること（個人情報保護委員会・通則編）、（c）遺伝情報の取扱いの法域差。米国GINAは健康保険・雇用が対象で、生命・障害・長期介護保険は対象外（州法による保護は別）。英国のCode on Genetic Testing and Insuranceは政府と保険協会の自主合意で、予測的遺伝子検査の結果は原則利用せず、生命保険の総保障額50万ポンド超ではハンチントン病の検査結果に例外がある。日本は生命保険協会のQ&Aに従い検査結果を引受・支払時に収集・利用しない取扱いと、発症済み疾病の告知を分けること――が横断的な設計課題となる。RGA Genetics and Insurance: Challenges and Opportunities IIIは2021年9月の公表時点で、生命・健康保険の引受に新たな遺伝子検査を要求する市場はないと説明している。検査結果が提供された場合の扱いは各国法で差があり、多拠点展開保険グループは各国の遺伝情報規制差への対応が必要となる（業界公開レポート参照：RGA Genetics and Insurance III、Swiss Re Genetic Testing Life Health）。設計原則として、ウェアラブル・健診ビッグデータAIは「医師診断書・告知書の代替ではなく、補完シグナル」として位置付け、標準的な申込みには事前に承認したルールで自動査定を適用し、複雑な病歴や例外案件は査定医・アンダーライターへ回す範囲と責任を定める（Swiss Reの自動査定と手動査定の区分）。CMO等が全件を個別決裁するという一律の法定要件や、業界共通の検証結果を示すものではない。
② 損害保険カタストロフ査定×気候関連プロテクション・ギャップ×Parametric Reinsurance×AI Catastrophe Modeling
損害保険（P&C）の引受・再保険領域では、気候変動・自然災害の激甚化により伝統的なCAT Modeling（Catastrophe Modeling、主要ベンダーAIR／RMS等）の限界が顕在化し、AI活用による「リアルタイム・リスク再評価」「Parametric Insuranceの普及」「衛星画像・IoT活用による損害検証」が業界共通の設計テーマとなっている。FSI Insights No.65（2025年3月）は、気候関連プロテクション・ギャップ（災害損害のうち保険でカバーされない部分）をめぐり、気候リスクを踏まえた再保険料率・引受や代替的リスク移転の論点を分析する。著者の見解であり、IAIS等の監督命令ではない。AIによる気象予測を引受や再保険設計に使う可能性と検証課題は、別資料のGen Reによる2025年9月の技術解説で扱われている（業界公開レポート参照：IAIS-FSI Insights 65 気候関連プロテクション・ギャップ 2025-03、Gen Re 生成AIと気候リスク管理 2025-09）。
設計上の論点は、（a）AIによるSpatial Risk Score（空間リスクスコア）の日中更新、（b）再保険Treaty／Facultativeの新規・更改時に、更新したリスク評価でAttachment Point／Reinstatement構造の候補を比較すること。契約中の条件変更には契約上の根拠と当事者の合意が必要で、AI予測の更新だけでは変更しない、（c）Parametric Insuranceでのトリガー指標（風速・地震マグニチュード・降雨量）のデータソース多重化（気象庁・NOAA・衛星画像・IoTセンサー）、（d）損害発生時の第三者データ（衛星画像・IoTセンサー）による支払いトリガー検証――に集約される（業界公開レポート参照：Munich Re 生成AIによる保険自動化、Risk & Insurance 極端気象リスクAI、McKinsey AI気候関連財産リスク）。
設計観点として、P&C AIの落とし穴は「モデル集中リスク（Model Concentration Risk）」である。業界公開報告では、複数の大手保険者・再保険者が同一のCAT Modelベンダー／同一基盤モデル（Foundation Model）・同一衛星データソースに依存することで、災害発生時に業界全体の損害見積もり・再保険ニーズが同時・同方向に動くsystemic riskが指摘されている（業界公開レポート参照：Swept AI 再保険AI存在脅威）。対策としては（a）CAT Modelの複数ベンダー併用＋Internal Modelによるチャレンジ、（b）Foundation Modelに依存しないDomain-specific Modelの保持、（c）ORSA（Own Risk and Solvency Assessment）プロセスへのAIモデルリスク組み込み、（d）IAISが2024年12月に採択したICSへの各法域の実装を確認しつつ、グループ全体のAIモデル管理を強化すること――が設計パターンとして推奨される。また明治安田生命の「健活未来予測モデル」は、匿名医療ビッグデータを使う機械学習モデルで、2025年1月発売の「循環器病 対策Pro」のうち健診書を提出した契約年齢50歳以上の契約で、従来の医学査定と組み合わせて活用されている。太陽生命保険×日本IBM「給付金支払査定システム」（生成AI活用）は2027年1月から順次運用予定の給付金支払査定システムで、対象業務・技術・導入段階が異なる。これらの日本市場の公開事例は、医療データの取扱い、文書処理、判断支援をそれぞれの用途に合わせて設計する参考になる（業界公開レポート参照：IBM 保険業界生成AI最新事例、Microsoft AI Agent Pitch Day 保険業界）。
③ 中国保険業大模型核保×Huawei連携ウェアラブル×巨災再保険×多地域規制対応
中国保険業の核保（引受査定）領域では、2025年時点で大模型（LLM）とマルチモーダルAIの統合による「秒級核保（Second-level Underwriting）」「全流程自動化」が業界公開水準で拡大している。業界公開レポートによれば、AI技術がマルチテクノロジーフュージョンで核保全プロセス自動化を実現し、運営効率向上・リスクコントロール強化・顧客体験最適化・モデル革新を同時に達成している（業界公開レポート参照：知乎 2025年保険行業AI応用全景、北京大学 呉誠卓 大模型保険業務全場景）。
代表的取り組みは、（a）iResearchが2025年7月報告21頁で紹介する平安人寿の「S4C」理念と秒級核保・不正請求検知、（b）Huaweiと平安健康（Ping An Healthcare and Technology）の2023年中間業績発表にある「Smart Wearable + Health Service」協業とHuawei Watch Dを通じた健康サービス。平安人寿の保険引受やウェアラブル連動保険商品の発表とは区別する、（c）DeepSeek等オープンソース大模型のカスタム訓練による産品・行銷・核保・理賠・客服フル・ライフサイクル展開、（d）iResearchが同報告22頁で紹介する商涌科技の健康管理AI（大模型・深層学習・知識グラフ・連邦学習の統合）。同報告は保険会社・プラットフォーム100社超、サービス提供対象8,000万人超と紹介しており、業界全体の規模や全員がAIを利用した実績ではない――である（業界公開レポート参照：iResearch 2025年保険行業AI応用全景洞察報告、財経 保険大模型革新 全面自動化倒計時、武漢市金融局 AI+保険業新引擎）。
設計観点として、中国保険AI核保の構造課題は「巨災再保険グローバル連携」と「多地域の規制差への対応」である。中国の巨災再保険（Catastrophe Reinsurance）市場は国家金融監督管理総局主導の巨災保険制度体系拡充（地震・洪水・台風共済スキーム）と、中国再保険（China Re）等再保険会社のAI活用によるリスク引受・パラメトリック設計で進展している。一方、多拠点展開保険グループは（a）中国の生成AIサービス暫行管理弁法（2023年8月15日施行）と網信部門の生成AIサービス備案。公衆向け提供が対象で企業内利用のみは同弁法対象外、世論属性・社会動員能力を持つ場合は17条の安全評価・アルゴリズム備案も確認、（b）PIPL（2021年11月1日施行）と「データ越境流動の促進・規範化規定」（2024年3月22日公布・施行）に基づくウェアラブル・健康データの越境処理。重要データ、敏感個人情報、件数、契約上の必要性等で安全評価・標準契約・認証や免除の適用を分ける、（c）EU AI ActのAnnex III 5(c)（自然人の生命・医療保険のリスク評価・価格設定AIが対象、全保険引受AIではない）。2026年7月発効の改正後、Annex III要件の適用開始は2027年12月2日、（d）NAIC Model Bulletin（2023年12月採択）を踏まえた各州の監督対応。モデル文書自体は州法ではなく、州の採択内容と既存法を確認、（e）IAIS ICS（2024年12月5日採択）。国際的に活動する保険グループ向けの資本基準で、各法域が実装し、2026年は導入状況の基準となる自己評価を行う――の複数規制枠組みを統合した再保険・引受AIアーキテクチャが必要となる。公開文献に基づく設計観点として、多拠点展開保険グループは、Ocean RE Regional Underwriting Platformsのような地域規制・市場特性に応じた引受体制、Ledger Investing (Ledger Reports)のような再保険会社・ILS投資家向けのデータドリブンなレポーティング、Celent AI Orchestration Layerのような保険コアシステムにおけるAI統制レイヤーの考え方を参照し、法域別規制遵守とグローバル再保険ポートフォリオ最適化を両立させる設計を検討できる（業界公開レポート参照：Genesis Global Re AI Arms Race Reinsurance、Klover AI Munich Re戦略）。
