LASSIC Media らしくメディア

事故に遭った車や、災害で傷んだ建物の損害を見積もり、支払う保険金を決める——保険の損害査定は、専門知識と経験が要る業務です。事故や災害が集中した時期には査定の件数が跳ね上がり、担当者の負担や支払いまでの日数が課題になります。そこで検討されるのが、損害の写真から傷んだ箇所や修理費の目安を読み取る、保険の損害査定AIです。

ただ、保険の損害査定AIは「保険引受・査定システム」としばしば同じ文脈で語られますが、担う役割は別物です。混同したまま要件を固めると、必要な機能が抜けたり重複したりしかねません。本記事では、保険会社や関連するシステム化を検討する発注担当者に向けて、保険の損害査定AIの位置づけ・できること・扱うデータ・進め方の勘所を整理します。

保険の損害査定AIとは——引受・査定システムとの違い

保険の損害査定AIとは、事故車や被災した建物などの画像を解析し、損傷している箇所や損傷の程度、修理費の目安を読み取って、査定担当者の見積もりや判断を支える仕組みを指します。似た文脈で語られる引受・査定システムと並べると、役割の違いがはっきりします。

保険引受・保険金査定システムは、引受の可否や保険金支払いの審査といった業務の流れを回すための仕組みです。いわば査定業務の「運用」を担います。これに対して保険の損害査定AIは、その業務のなかで、画像から損害の程度を「見積もる」部分を受け持ちます。システムが査定の手続きを進める土台だとすれば、損害査定AIは写真を見て損害の当たりを付ける担当にあたる、と捉えると分かりやすいでしょう。多くの場合、両者は組み合わせて使われます。

なお、査定の場面では、請求の内容が事実と合っているか、不審な点がないかという観点も重要になります。ただし、これは損害の程度を見積もる損害査定AIとは別の役割で、不正検知AIが扱う領域です。損害の見積もりと、不審な請求の見極めは、目的の違う別の仕組みだと切り分けて考えると、要件を整理しやすくなります。

どのような場面で使われるか

保険の損害査定AIは、損害を画像で確かめる場面で活用が進んでいます。対象や重視する点が場面ごとに変わるため、自社の用途がどこに当てはまるかを整理しておくのが近道です。代表的な場面を次の表にまとめました。

いずれの場面でも、AIが示すのは「見積もりの目安」であって「確定した査定額」ではありません。損害の見え方は写真の角度や明るさで変わり、隠れた損傷は写真だけでは分からないものです。どこまでをAIに任せ、どこからを担当者が確かめるかの線引きが、実務では重要になります。

仕組み——画像から何を見積もるか

保険の損害査定AIは、過去に査定した損害の画像と、そのときの査定結果（どこがどれだけ傷んでいて、修理費がいくらだったか）を学習し、新しい画像から損害の程度や費用の目安を推定します。画像から読み取るのは、大きく次のような要素です。損傷している箇所（どの部位が傷んでいるか）、損傷の程度（軽微か、大きいか）、そこから導く修理費の目安、といったものです。

ここで大切なのは、見積もりの数字だけでなく、なぜその見積もりになったのかという根拠を併せて示せることです。保険金の支払いに関わる判断のため、根拠が分からないままでは契約者への説明も社内の合意も難しくなります。処理の流れを図にすると次のとおりです。損害の画像から損傷箇所や程度を読み取り、修理費の目安を出して査定担当に示し、担当者が最終的な査定を行い、その結果を学習に戻す——この流れが基本になります。

精度と運用の難しさ

保険の損害査定AIを機能させるうえで、想定しておきたい論点がいくつかあります。着手前に押さえておくと、導入後のつまずきを避けやすくなります。

一つ目は、画像のばらつきです。損害の写真は、撮る角度や明るさ、距離によって見え方が大きく変わります。同じ程度の損傷でも写り方が違えば、見積もりもぶれやすくなります。二つ目は、写真では分からない損害があることです。表面からは見えない内部の損傷は、画像だけでは捉えきれません。AIの見積もりはあくまで表に見える範囲の目安であり、詳しい確認が要る場面は残ります。三つ目は、説明責任です。査定額の根拠を契約者や社内に示せる状態にしておく必要があり、数字だけを出すブラックボックスでは運用が立ちゆきません。四つ目は、担当者との役割分担です。支払いに関わる最終的な判断は査定担当が担い、AIはその材料を提供する立場だという線引きを、はっきりさせておくことが求められます。加えて、扱う画像や契約の情報は個人情報にあたるため、収集や利用は個人情報保護法などの枠組みに沿って進める必要があります。

導入で扱うデータと前提

保険の損害査定AIの精度は、学習に使うデータの質と量に大きく左右されます。着手前に確認しておきたいのは、過去の損害画像と、そのときの査定結果（損傷の程度や修理費）が対になって記録されているかどうかです。この結果がなければ、何を正解として学ばせるかが定まりません。

また、対象とする損害の種類（自動車なのか建物なのか）によって、必要なデータも作り方も変わります。車種や建物の構造は多様で、対象を広げるほど幅広いデータが要ります。まずは件数が多く見積もりの型が決まりやすい損害から始め、結果を蓄積しながら対象を広げていくといった、段階的な進め方が現実的でしょう。自社の過去データで学習・検証することも欠かせません。他社や別の条件のデータだけで作ったものは、自社の査定の考え方に合わないことがあります。

外注時に確認しておきたい点

保険の損害査定AIの開発や導入を外部に委託する場合は、次の点を事前にすり合わせておくと、認識のずれを防ぎやすくなります。まず、対象とする損害の種類と、AIにどこまで任せるか。全件を自動で見積もるのか、金額の大きい案件は担当者が確かめるのかで、設計は大きく変わります。次に、学習に使えるデータの状況。過去の損害画像と査定結果がどれだけそろっているかは、成果を左右する前提です。

さらに、見積もりの根拠をどう示すか、既存の引受・査定システムとどうつなぐか、そしてAIの見積もりを担当者がどう確かめて査定につなげるかという運用の流れも、あらかじめ整理しておきたい点です。保険の損害査定AIは、一度作って終わりではなく、実績を見ながら精度を保ち続ける取り組みになります。開発までを切り出すのか、運用や見直しまで含めて依頼するのかを明確にしておくと、導入後の進め方が見通しやすくなります。

まとめ：保険の損害査定AIで押さえる3つの視点

保険の損害査定AIは、引受・査定システムとは役割の異なる「画像から損害の程度を見積もる」部分を担う仕組みです。検討するうえで押さえたい視点は3つに整理できます。第一に、業務の運用を担う引受・査定システム、損害を見積もる損害査定AI、不審な請求を見極める不正検知を切り分け、自社が必要としているのがどれなのかを見極めること。第二に、画像の写り方のばらつきや、写真では分からない損害を前提に、AIの見積もりは目安と捉え、担当者が確かめて最終判断する運用を組むこと。第三に、査定額の根拠を示せる設計にし、過去の損害画像と査定結果を土台に段階的に対象を広げること。この3点を踏まえておけば、「見積もりは出るが根拠を説明できない」といったつまずきを避けやすくなります。データや体制に不安があれば、要件整理の段階から外部の知見を借りるのも一つの選択肢です。

よくある質問

著者：テレリモ総研編集部　鈴木 亮佑

ご不明な点はお問い合わせフォームからもご連絡いただけます。

1. *1　出典：一般社団法人 日本損害保険協会（https://www.sonpo.or.jp/）

Tweet