INSURANCE FORUM 保険業界のテクノロジー活用と業務変革＜アフターレポート＞

ソニー生命のITを活用した事務サービス向上と効率化の追求

ソニー生命は、お客さまに合った合理的な保障の提供や継続的なアフターフォローの実施を重視し、ダイレクト販売や銀行窓販ではなく、高度な専門知識を持ったライフプランナーによるコンサルティングセールスを中心に展開している。手続のペーパーレス化もこの基本姿勢に追従する形で取り組んできた。

当社ではまず始めに、書類の多さや不備などに起因する煩雑なプロセスにより、お客さまの不満や機会損失を招いていた新契約の場面からペーパーレス化を進めた。署名を含め、お客さまがペンでタブレット端末を操作することで新契約が完結する仕組みを導入したことで、複数商品をまとめた手続や自動エラーチェック、本社や管理者によるリアルタイムなデータチェックなどが可能となり、これによりお客さまと取扱者双方の手間が大幅に軽減した。

現在では、ほぼ全ライフプランナーが新契約ペーパーレスを利用しており、軽微な不備がなくなったことで、不備率は約70%削減、また、成立処理日数も紙での手続に比して約半分にまで短縮するなど、目標を大幅に上回る効果を上げている。

体況情報に基づく医務査定の場面では、MRAS社の自動査定エンジンを活用したペーパーレス化を行った。自動査定エンジンは、被保険者のケースデータに基づいて告知質問を行い、詳細情報が必要だと判断される回答を得た場合には傷病ルールに基づきさらなる詳細な質問を展開することで、査定結果を自動導出する仕組みとなっている。

お客さまは傷病の検索や質問の回答、手書きによる詳細記入などを画面上の操作で行える。質問プロセスは、傷病ごとに医務査定に必要な情報を過不足なく確認することと、自動査定結果を導出できるかを判断することを目的としており、質問の過程で自動査定ではなく査定者による確認が必要と判断されれば、後続の質問を省略して手書きによる詳細記入に切り替えるなど、合理的に進められる構造となっている。質問の展開方法と、回答パターンごとの自動査定結果は、全告知患者の95%程度をカバーできるほど多数定義されている。

現在では、この自動査定エンジンと新契約ペーパーレスを活用して、ペーパーレス告知手続後即時に医務査定結果をお客さまに提示し、特別条件を含めたペーパーレス申込手続と引受けの通知までのプロセスを、最短当日で完結できる仕組みを構築している。

ペーパーレスのさらなる価値拡大に向けての最大の課題は、現在75%程度に留まっている自動査定率の向上だ。規模拡大に伴い膨大に蓄積されてきたお客さまの過去情報の中には、名寄せ以外の詳細情報がデータ化されておらず、人為的な査定作業を要するケースが多くあり、これが自動査定率を下げる大きな一因となっていた。

そのため当社では、査定結果に影響のない過去情報を抽出除外するデータメンテナスを行い、自動査定率の向上に取り組んでいる。また、想定していないシナリオや、未登録の傷病が告知されるケースを極小化すべく、傷病ルールのメンテナンスや査定基準の見直しも継続的に行っている。

自動査定エンジンは、保険金領域でも活用の取り組みを始めている。お客さまから得る請求予定内容をベースに、請求可否や支払予定額、請求方法、必要書類などを導出できるガイダンスエンジンの構築を検討している。

効率化を進めるにあたっては、取扱者に求める役割をどう変えていくかがポイントとなる。事務手続は取扱者が介在するものだという考えをなくし、不備なくスムーズな手続の実現を徹底追及することが必要だ。また、人が判断すべきものは何かを再定義し、AIやBIを組み合わせながら効率化を進めていくことが重要だと考えている。

FinTechのその先に－金融業界およびそのエコシステムの勢力図に変革をもたらす8つの要因

2017年発表のWEF（世界経済フォーラム）とデロイトの共同レポートでは、多くのグローバル金融機関やFinTech企業などを参加者とする世界最大規模のワークショップなどを通じて明らかとなった、FinTechを中心とする金融業界の実態と金融の未来に関する課題と展望などがまとめられている。

銀行業界は保険業界に比べてイノベーションが進んでおり、特に資産運用や決済の分野で既存金融機関よりも優れたサービスを安く簡単に提供できるベンチャーが急速に台頭してきている。

一方で、大手銀行によるFinTech企業の買収など、銀行側もビジネスモデルを急速に変化させながら対応しており、現時点ではFinTech企業が金融機関を脅かす程の劇的な競争環境の変化は起きていない。しかし、変化のスピードは確実に加速しており、あらゆる機能を持ったベンチャーの続出が金融機関の既存バリューチェーンを脅かしつつあることは事実だ。

欧州におけるPSD2の例のように、金融業界はグローバル規模で参入障壁撤廃の潮流にあり、保険分野においても異業種からの参入が今後加速するといえるだろう。

同レポートでは、今後金融機関とそのエコシステムの勢力図に影響を与え得る要因として、以下8点を挙げている。

保険各社で特にバックオフィスオペレーションの効率化が進むと、①Cost Commoditizationにより、将来的にはコスト面での差別化が困難となるため、顧客接点など他の要素での差別化が重要となる。

②Profit Redistributionは、テクノロジー活用や様々なプレイヤーとの協業により、既存のバリューチェーンを通さずに行えるようになるだろう。全ての機能を自前で行う必要はなく、例えば、販売や決済を他社に任せて自社は商品開発に徹するなどの戦略も可能となる。

顧客接点の観点からは、③Experience Ownershipと、④Platform Risingが重要な要素だ。顧客の期待値は急速に高まっているため、今後はカスタマーエクスペリエンスの支配者にパワーバランスがシフトするだろう。また、顧客に合った商品のキュレーションや、ライフデータに基づいた商品提案を行うなど、金融機関や商品を横断的に網羅できるプラットフォームが重要な販売チャネルとなり得る。

シェアリングエコノミーの普及など、契約者のライフスタイルの変化に伴い、求められる保険商品も変わってくる。その中では、いかにデータを集め、分析し、価値あるデータに変換してマネタイズするかという⑤Data Monetizationの発想と実用化が欠かせない。また、今後更なる機械化が進めば、⑥Bionic Workforceのマネジメントも重要となる。人的資本の役割が根本的に変化していく中、労働力を持つことの意義の再考を迫られるだろう。

⑦Systemically Important Techsの観点では、レガシーシステムを維持しながらも、新たなデジタル領域の活用に向けて、AWSやGoogleなどの大手テクノロジー企業のケーパビリティ活用も必要不可欠となる。GAFAのようなプレイヤーが世界規模で新たな経済圏を確立する中、規制や顧客ニーズなど、地域それぞれの状況にあったモデルを確立する⑧Financial Regionalizationも重要なポイントとなるだろう。

規制の変化とテクロノジーの進化により、金融機関は現在のフルモデルサービスモデルから、外部とつながるオープンモデルへと転換せざるを得ない。他社との協業でエコシステムを形成しつつ、自社がどの役割に重点を置いていくかを見極めながらビジネスモデルを構築することが重要だ。

AIプロジェクトの正しい進め方

昨今のAI分野の技術革新は凄まじく、新技術が次々に出現している、特に機械学習、深層学習、強化学習など、コンピュータが目や耳のような認識機能を持つようになることを可能とする第三次AIの進化により、多様性の爆発的拡大への期待から世界的にAIへの注目度が高まっている。ビジネスの未来を描く際には、このAI技術の今後の急速な発展を前提としなければならない。

その中で重要となるのは、業種や特定のソリューションにとらわれない技術応用の発想だ。例えば、自動運転の世界で培われた物体検出技術は、野球選手の試合中の行動把握への活用が応用発想できる。それはさらにビジネス文書の文字検出に応用され、非定型・多フォーマット文書の自動読み取りなど、保険業界でも十分活用可能な技術に進化している。新技術活用によるビジネスモデル革新も中長期的に重要だが、いち早くアイデアを出してすぐに試す短期的プロジェクトを繰り返しながら、AIプロジェクトのノウハウを蓄積していく姿勢も欠かせない。

データサイエンティストによるAI導入の進め方は、プロジェクトの一部しかカバーしていないため、結果的に本来の目的を達成できず中断を余儀なくされる事態が起きやすい。鳥瞰視点で全体のスコープを的確にとらえ、ビジネス効果のあるグランドデザインを描くために、押さえるべき企画立案のポイントは3点ある。

1点目はAIファーストの要件定義だ。一般的な要件定義は、業務担当者へのヒアリングにより業務フローやルールを定義し、それをベースに新業務をデザインすることが主流だが、目や耳の認識機能を持つコンピュータの活用を前提とするAIプロジェクトの場合は、データサイエンティストによる現地現物確認が最も重要となる。業務担当者が実際に何を見てどのような判断をしているかという点まで踏み込んで把握しなければ、AI化のデザインは困難だ。

2点目はデータデザインによるプロジェクト・リスクマネジメントで、このプロセスが不十分だとプロジェクト頓挫リスクが非常に高くなる。データをもとに仮説を立てる際は、熟練者が把握している知見をベースにAI化する方法が有効な手法の一つだが、複数の熟練者間で判断基準が異なるケースもあるため、注意深く事実確認を行う必要がある。また、データ収集は操作・検索ログ等の既存システムから取得することが多いため、気の利いたITの専門家と連携して取得可否を十分に確認することも重要だ。

3点目はAIの精度評価の考え方だ。AIが統計をベースとしている以上、精度100%は保証できず、また、いくら高精度でもそこにビジネス効果が得られなければ意味がない。AI化した特定業務の効果だけで評価せず、前後の業務も含めた全体としての業務改善効果を測定することが重要だ。

AIパートナーの選定においては、プロジェクトの進め方を確認しながら当該パートナーの得意分野を把握し、対応できない範囲があれば、それをどうカバーするかを考える必要がある。数理解析、機械学習、深層学習という各手法にはそれぞれ特徴があるため、解決したいイシューに合わせて手法を選択し、その手法に強みを持つパートナーを選ぶことが重要だ。

AI化を目指す分野がプロダクト・サービス領域か事業オペレーション領域か、求められる開発特性がアルゴリズム活用か基礎技術活用かを正しく捉え、適性があるパートナーを選定しなければならない。

当社では実践的なコンサルティングサービスとしてFuture AIを提供している。多くの事例で蓄積してきたノウハウを駆使しながら、保険業界のAI化を幅広くサポートしていきたい。

システム品質向上を実現するテストデータ作成業務の変革

当社は、設立以来約20年間に渡り、あらゆる業界の企業におけるシステム開発を数多く手がけてきた。保険業界向けにも、少額短期保険に特化したパッケージを提供するなど多くの実績を積んでいる。

労働時間短縮や新たな保険ニーズの発生、短サイクルのIT技術の到来などの外部環境変化に加え、業務効率化やセキュリティリスクへの対応など、社内からの要請もあり、IT部門は常に変化が求められている。特に経営層がIT部門に寄せる期待は現在大きな変化の潮目にあり、安定したシステム基盤整備を重視する現在の姿から、業務改革やIT戦略などの企画管理の推進が強く求められる時代へと変わりつつある。

今後は、開発や運用への関与比率をいかに低減していけるかが重要な鍵となるだろう。アウトソーシングや標準化など、あらゆる手段が解決策となり得るが、当社では、特に作業負荷が大きいテストデータ作成プロセスの部分において、ツール導入により負担を軽減するソリューションを提案している。

本番環境に極力近い条件でテストを行いたいという要望から、本番データをベースにテストデータを作成するケースは多いが、保険会社の場合データに個人情報が多く含まれることから、マスキングや疑似データへの変換などに非常に大きな作業負荷がかっている。そこで当社は、本番データ上にある個人情報や会計情報などの機密情報を秘匿化し、データ品質を担保しつつ安全なテストデータを作成する「テストエース」というツールを開発した。

テストエースには、特許を取得した変換定義設定アシスト機能を搭載している。データベース内のテーブル情報を自動解析して個人情報が含まれるカラムを特定し、疑似データ変換、マスキング変換、ランダム変換、ユーザ定義関数変換などの中から最適な変換定義を選択する。疑似データは、氏名や住所など全31カテゴリ、25万件のデータを標準搭載しており、漢字とカナ表記、郵便番号と実在住所などを紐付けた上でランダムに表示できる点がポイントだ。

個人情報の取り扱いに厳しい生損保業界、ECサイト、公共系などの企業を中心としてこれまで50社以上で導入され、テストデータ作成においては平均して10分の1程度の工数削減効果を上げている。

個人情報を含む複数マスタを定期的にテスト環境に作成するために膨大な工数を要し、また本番環境に相当する数千万レコードものデータ量を準備できないという課題を持っていた某大手生保会社では、テストエース導入によりデータ作成工数は初回設定を除いてほぼゼロになり、本番データを元ネタとすることで本番環境相当のデータ量の確保を実現した。

某大手損保会社では、テストを行う開発部門から依頼を受けた運用部門が、本番環境に接続してデータを取得し、必要箇所をマスキングして開発部門に提供するという手順をとっていたため、案件ごとに異なるマスキング要件への対応負担と、人が本番データを参照することによる個人情報漏えいリスクがあった。テストエースを活用して、開発部門がWeb申請することにより、人手を介さず本番データの取得、マスキング処理、テスト環境への自動データ送信を行える仕組みを導入したことで、作業負担と個人情報漏えいリスクの両方を解決した。

IT部門に求められる期待の変化に対応すべく、保険業界においても、IT部門の開発・運用領域の作業負担軽減は重要で、このテストエースは保険業界の業務効率化に非常に大きく貢献すると考えている。現在当社では、このツールをテストデータ作成のみならず、改正個人情報保護法に対応する個人情報の匿名化にも応用できないか検討を進めている。

日本生命保険が取り組むAIとOCRを取り込んだRPAロボットとは

労働人口の減少、労働市場の枯渇という環境変化の中、人が行う事務処理は極力削減する潮流にある。日本生命でも、大規模なシステム開発では投資対効果が得られない少量業務を中心に、安くて簡単に導入できるRPAによる業務代替を積極的に推進している。現在では、合計で22種類の業務でRPAを活用しており、今後さらに10業務を追加する予定だ。

例えば、保全領域を中心に人が行う事務が多く残存していた窓販部門では、請求書に記載されている証券記号番号や手続き種類をシステムに入力する単純作業を、RPAにより代替した。当業務だけで、月間約300時間程度の削減効果を上げている。

RPA導入決定に向けては、各システム上でロボットが正確に稼働するか検証すべく、トライアルロボットを作成し実端環境で十分なテストを行うことが重要だ。システムへの認証、画面遷移、印刷などの各機能で親和性の評価を実施し、ロボットで実現できない操作があれば個別の代替策で解決する必要がある。

RPA導入にあたっては、まず運用対象業務の選定において、費用対効果が確実に得られ、現場が早期に効果を実感できる業務を選ぶことが重要だ。当社では、事務現場から提示された269業務から、効果の大きい10業務を最初のロボ化対象業務として優先的に取り組みを開始した。効果の小さい業務については、単機能化や部品化の徹底によるロボ内製化を実現した他社事例を参考に、低コストでの自動化を図っている。

プロジェクトを進める上では、事務現場の主体的な参画が成功の鍵となる。事務を十分理解しているユーザー部門が設計から関わることが重要で、BPMNの手法を活用して業務プロセスの可視化を行い、関係者が共通認識を持った上で設計を進める手法が有効だ。極端に品質を重視するあまり、類似業務が重複しているプロセスがあれば、効率化重視へと発想を切り替えて事務工程改革を行うことも場合によっては必要となる。また、ロボットへ渡すインプット情報のデータ化業務をいかに効率化できるかも重要なポイントだ。

RPA導入後の最重要課題は、ロボットの管理態勢の在り方である。当社では、リスクと費用対効果、機動性により保守管理体制を区分している。照会や検索などの顧客に影響が少ない処理はPC型ロボットとしてユーザー部門で管理を行い、大量処理や顧客影響の大きい処理はサーバー型ロボットとしてIT部門で管理する体制をとっている。

PC型ロボットのうちリスクが低く少量の業務については、サーバーと連携して複数作業を実行するRPA製品ではなく、PC単体で作業を行うRDA製品で対応することでコストを抑えながら管理を簡素化することも有効だろう。ただし、RPAをスケールアップするためには、IT部門で一括して管理、運用、監視を担う態勢が必須となろう。

今後、RPAの活用によりさらなる業務の効率化を目指すためには、最新技術であるAIやBPMといった他のソリューションとの組み合わせが有効だ。当社では、AI-OCRを活用し紙情報のデジタル化を行うことで、書面をスキャンし情報をデータ化するプロセスも含めた紙事務プロセス全体の効率化（自動点検・自動入力）を目指している。

現在はAI-OCRを活用した実証実験を行っており、読取困難な文書のノイズ除去、事前登録した帳票イメージとの比較による帳票識別、辞書機能によるオートコレクタを備えた文字認識、自動点検などの最新技術を活用した研究を進めている。