フィンテック養成勉強会#64 保険 x AI のあり方
>100 Views
March 19, 26
スライド概要
system engineer
関連スライド
Meta XR SDK(V66-74)でQuestアプリを開発
あうぜん
1.2M
各ページのテキスト
保険 x 生成AI のあり方 ~ Generativeの「生成」からAgenticな「自律」へ~ フィンテック養成勉強会 #64 Koki Imanaka © 2024 Finatext Holdings Ltd.
Finatextグループの紹介 顧客志向の金融サービスを開発・展開するFintechベンチャー 設立 上場 社員 数 2013年12月 2021年12月 406名 ※ 東京証券取引所グロース市場 （証券コード：4419） 2025年10月現在 大手金融機関を中心に幅広く協業させていただいておりま 2 す © 2024 Finatext Holdings Ltd.
会社紹介 と 自己紹介 ● 会社紹介 ○ グループのミッション "金融を "サービス" として再発明する" ○ 証券、保険、貸金の金融の基幹システムをプラットフォームとして提供 ○ データ・AIソリューション事業として生成AIを活用に関するコンサルティング ・システムの開発 ○ “AI+” をグループミッションを掲げ、今の業務にAIを組み込むのではなく、AI を前提としたプラットフォームへのアップデートに取り組み中 ● 自己紹介 ○ ○ ○ 名前: 今中 公紀 2021年に株式会社 Finatextに入社 Insurtech事業でサーバーサイドとインフラを主に担当 © Finatext Holdings Ltd. 3
保険業界での生成AI活用の現状 ● 海外の調査では保険会社の 74% がAIの取り組みを進めている一方、主要業務に 適用できているのはわずか 7% に止まっている*1 ○ 多くが社内のパイロットに止まり顧客接点への展開はほとんどできていない ● 2026年はこれらの壁を乗り越え、PoCの多くが実装へと進む年になると予想 ○ Finatextではグループの保険会社を ”日本一AI-readyな保険会社” にするとい うチャレンジを掲げ、業務フローをAI前提に見直しを進めている *1 https://www.mosaicinsurance.com/wp-content/uploads/2026/02/Insurtech-UK-and-NashTech-whitepaper.pdf © Finatext Holdings Ltd.
Generative vs Agentic ● LLMの本質は入力されたテキストに対して「次に来 るべき言葉」を確率的に予測するプログラム ○ 裏を返せば、その出力は常に「最も確からしい推 測」に過ぎない Generative（生成） ○ ○ LLMの生成能力をそのまま活用 入力に対して回答を生成する1問1答やチャット Agentic（自律） ○ ○ 根本的に異なり、リーズニングループと呼ばれる サイクルを自律的に回す 多段階の判断プロセスで対応できるため保険業務 のような複雑な判断プロセスに対応可能 © Finatext Holdings Ltd.
Agentの呼び出し方法 ● Agentの呼び出し方法は、大きく二つのトリガーパターンがある 人による呼び出し ○ ○ ユーザーが明示的にAIを起動するパターン 「この書類をチェックして」とボタンを押す、従来の延長線上 Ambient（イベント駆動型） ○ ○ ○ ○ 特定のイベントや条件をトリガーとしてAIが自動的に起動するパターン 新しい契約申し込みがシステムに登録された瞬間、AIが自動的に引き受け審査 のワークフローを開始する。 深夜に発生しても翌朝の営業開始をまたずに一次処理が完了している Amibentなトリガーが実現すれば、人間が介在しなくても業務が流れ続ける ”完全自動化” が見えてきます © Finatext Holdings Ltd.
保険業務に完全自動化をそのまま使えるか？ ● 実際には「完全自動化」はガバナンスの観点から難しいケースが多い ○ ○ ○ 会社・商品ごとにリスク許容度が異なる 業務フローやコンプライアンスの要件もある 生成AIは確率的な予測の積み重ねで動作するため、従来のアプリケーションの ように100%の再現性を確保できない © Finatext Holdings Ltd.
ワークフローの有無による違い ● ● ● ● 保険業務にAgenticをそのまま適用すると Agenticの強みであるはずの「自律」がリス クになりえる 例えば保険金査定をAgentに任せると、ゴー ルに向かって自由にリーズニングループを 回します この時Agentが契約の状態から不要だと判断 してステップを飛ばしてしまうと、本来必 須だったレビューが実施されないリスクが ある 万が一問題が発生した場合に、不払い問題の調 査のために過去の査定結果や見解の提出が求め られることもある © Finatext Holdings Ltd.
ワークフローの有無による違い ● ● ● ● この問題を解決するのがワークフロー ワークフローの導入によってAgentに各ス テップを強制させ、Agentにはそのステップ における制限された自由度を与えることがで きます Agentが各ステップにフォーカスできるため 適切に設計できればコンテキストや精度面で もメリットがある この “ワークフローによる全体制御 x ステッ プ内のAgentの自律性” という二層構造が保 険業務においては鍵になる © Finatext Holdings Ltd.
Human-in-the-Loop（HITL） ● ● ● ワークフローを導入し、精度が高くなったとしても「人が責任を持って判断す る」ことそのものに意味がある場面がある HITLを導入した時Agentは “判断を下す” のではなく、判断のための “材料を整 理し提示する” という役割を担います 例えば保険金請求の文脈では ○ ○ ○ ○ ● AIが請求内容を理解 必要な情報を自動で収集・整理し 過去の類似事例の一覧か さらに、不備や矛盾点があればフラグを立てる これによって人の作業が情報収集から、人がするべき「判断そのもの」にシフ トし、時間と品質の向上につながります © Finatext Holdings Ltd.
実現に必要なこと 生成AIの特性への理解 ○ ○ ハルシネーション、コンテキストウィンドウ、プロンプトエンジニアリング これらを理解した上で適切なハーネスエンジニアリングを考える必要がある 保険業務への深い理解 ○ ● ワークフローを適切に設計するためには引受、保全、保険金請求など保険業務 の業務フロー、規制、「なぜそのステップが存在するのか」という業務の理解 が不可欠 つまり、エンジニアと保険業務のオペレーターが密に連携し、業務の意図や ニュアンスを深く理解した上で、実装に落とし込む必要がある © Finatext Holdings Ltd.