保険・損保のAI活用事例【2026年10月】東京海上日動・SOMPO AIエージェントと不正検知AIを徹底解説

保険・損保業界のAI活用は2026年、社内の業務効率化にとどまらず、引受査定・保険金不正検知・代理店との対話といった「本業プロセス」に入りました。9月以降はさらに焦点が移り、生成AIで加工された画像による不正請求への防御と、AIを社内でどう統治するか（AIガバナンス）が大手各社の主なテーマになっています。

この記事では、各社の公式プレスリリースと金融庁の公表資料を一次情報として、2026年10月上旬時点で確認できる国内保険会社のAI導入事例を整理しました。発表を並べるだけで終わらせず、公表されている数値が「実績」「見込み」「目標」「報道値」のどれにあたるかまで区別して書いています。

この記事でわかること

• 東京海上・SOMPO・MS&AD・主要生保のAI導入事例と、公式に出ている効果数値の性質
• 2026年9月に相次いだ新しい発表（東京海上日動の生成AI画像検知、かんぽ生命×日本IBMのAI駆動開発、日本生命のAI管理基本方針、AIロープレ「Talktice」）
• 生成AIを使った不正請求に対し、損保2グループと生保がどう備えているかの比較
• 金融庁「AIディスカッションペーパー第1.1版」の正しい位置づけと、AIに任せてはいけない業務の線引き
• 大手・中堅・保険代理店ごとの現実的な進め方と、費用の見方

こんな方に向けた記事です

• 生損保・共済のDX／IT／事業企画／コンプライアンス部門の担当者
• 保険代理店（とくに乗合代理店）の経営者・管理責任者
• 保険業界向けにAIソリューションを提供するベンダー、コンサルタント
• 金融業界の動向を追うアナリスト・調査担当者

2026年の保険業界AI活用は「本業プロセス」と「防御・統治」の段階へ

2026年の保険業界は、全社員へのAI配布が当たり前になり、競争の中心が保険固有の業務へ移った年です。社内文書検索や議事録作成は前提条件になり、差がつくのは引受査定・支払査定・不正検知・代理店管理にどこまでAIを入れられたかになりました。

2026年10月時点で確認できる主な変化は次のとおりです。

1. 全社展開の規模が大きくなった — SOMPOグループは2026年7月時点でAIエージェントを3万4,000人に提供し、社内で1万件を超えるエージェントが作られたと公表しています。明治安田生命の営業職員向けアプリ（約3万6,000人）、第一生命の「デジタルバディ」も同じ流れです。
2. 査定・不正検知に入った — チューリッヒ生命が7月に引受査定へマルチAIエージェントを導入し、ネオファースト生命は4月から給付金の不正請求検知AIを本格運用しています。
3. 「AIで攻められる」前提の防御が始まった — 8月に三井住友海上・あいおいニッセイ同和損保が、9月に東京海上日動が、生成AIで作成・加工された画像を検知する機能を導入しました。損保大手2グループがそろって対応したことで、業界全体の課題になったといえます。
4. AIを統治するルールづくりが始まった — 日本生命は2026年9月1日に、8つの原則からなる「AI管理基本方針」を制定しました。
5. システム開発や外販にもAIが広がった — 東京海上日動に続き、かんぽ生命も日本IBMとAI駆動開発を始めました。東京海上日動はAIロールプレイングサービス「Talktice」を他社向けに提供しています。

公表されている効果数値まとめ（実績・見込み・目標を区別）

各社の発表から、数値が確認できるものだけを抜き出しました。同じ「○%削減」でも性質がまったく違うため、性質の列を必ずあわせて読んでください。

この表からわかるのは、保険業界のAI効果は「時間削減」で語られることがほとんどで、売上や成約率で語られる例はまだ少ないという点です。人手不足への対応と事業費率の改善が、当面の主な目的になっています。

保険業界AI活用の最新タイムライン（2025年7月〜2026年10月）

直近1年強の主な発表を時系列で並べると、2026年6月以降に発表が集中し、9月だけでも新しい取り組みの発表が5件あることがわかります。

AIエージェントという言葉の定義や仕組みは、AIエージェントとは？仕組み・種類・活用事例をわかりやすく解説で整理しています。

なぜ2026年に一気に進んだのか — 制度変更がAI導入を後押しした

2026年に損保各社が代理店向けAIを相次いで投入した直接の理由は、制度変更です。技術が成熟したから導入した、という順番ではありません。

改正保険業法の施行（2026年6月1日）

2025年5月に成立した改正保険業法が、2026年6月1日に施行されました。損害保険会社・保険代理店をめぐる一連の不祥事を受けた改正で、主な内容は次のとおりです。

• 特定大規模乗合保険募集人に対する体制整備義務の強化
• 苦情処理体制の整備
• 兼業業務の適切な管理
• 保険会社等による過度な便宜供与の禁止

いずれも、代理店が業務品質を客観的に点検・記録・説明できる状態を求める方向の改正です。

代理店業務品質評価制度の本格展開（2026年6月）

並行して、日本損害保険協会の代理店業務品質評価制度が2026年6月から業界共通の枠組みとして本格展開されました。運営は中立的な第三者である代理店業務品質評議会です。

この制度で保険会社が担うのは、代理店の自己点検結果をもとに対話し、品質向上を支援する役割です。問題は担当社員の力量差で、数千〜数万の代理店に対して指摘の深さや目線がばらつけば、制度がうまく機能しません。この「目線をそろえる」「準備の手間を減らす」という課題に、損保各社が生成AIを当てたのが2026年6月以降の一連のリリースです。三井住友海上の対話支援ツールが10月に全国展開を予定しているのも、2026年度の自己点検サイクルに合わせた動きと読めます。

カスハラ対策の義務化（2026年10月1日）

2026年10月1日には、改正労働施策総合推進法によりカスタマーハラスメント防止措置が企業に義務付けられました。コンタクトセンターや代理店窓口を抱える保険会社にとって直接関係する制度で、東京海上日動のAIロープレ「Talktice」の外販や、ゆうちょ銀行の導入もこの流れの中にあります。

同じ制度対応で異なるアプローチ（損保ジャパン vs 三井住友海上）

代理店業務品質評価制度への対応で、2社の設計は対照的です。

どちらが優れているかという話ではありません。社内データをすでに1つの基盤に集約している会社は前者、立ち上げのスピードを優先して既存の代理店管理プロダクトを活かしたい会社は後者が合います。中堅損保や共済が検討する場合は、自社にデータ統合基盤があるかどうかが最初の分かれ目になります。

東京海上グループのAI活用事例

出典: 東京海上日動火災保険 公式サイト

東京海上グループの特徴は、業務効率化・不正対策・システム開発・事故予防・AIの外販という複数方向に同時に手を広げている点です。1つの基盤に寄せず、領域ごとにパートナーを選ぶスタイルが一貫しています。

火災保険の生成AI画像検知（2026年9月運用開始）

2026年9月30日の公式発表によると、東京海上日動は火災保険の保険金支払業務で、提出された画像に生成AIによる作成・加工が疑われる特徴がないかを検知する機能を追加し、9月から運用を始めました。連携先は、2022年から協業しているフランスのAIインシュアテック企業Shift Technologyです。

この取り組みは段階的に高度化されてきました。

背景には、写真や見積書のデータ提出が進んで利便性が上がった一方、画像編集ソフトによる改ざんに加え、生成AIで精巧な画像を作ることが容易になった事情があります。

押さえておきたいのは人の判断の位置づけです。公式発表には「検知結果は、保険金のお支払い可否を機械的に決定するものではありません」「最終的な判断は従来どおり当社担当者が行います」と明記されています。検知精度などの数値効果は公表されていません。

AIアバターロープレ「Talktice」（2026年9月提供開始）

「Talktice（トークティス）」は、東京海上日動が提供する生成AIを使ったAIアバターとのロールプレイング研修サービスです。報道によるとAVITAと連携して開発され、2026年9月に提供が始まりました。

• 「理不尽な要求」「威圧的な言動」など、実際のカスハラ事例をもとにしたシナリオで練習できる
• AIが応対内容に即時フィードバックを返す
• ゆうちょ銀行が2026年12月から、直営店・貯金事務センター・コールセンターの管理者など約500名を対象に導入すると発表（同行は「金融業界初」と表記）

この事例が示すのは、保険会社がAIを自社の効率化だけでなく、他社のリスク対策を支援する商品として外販し始めたことです。企業のリスク対策支援は損保の本業でもあり、AIとの相性がよい領域です。料金や提供形態の詳細は、現時点では確認できていません。

コンタクトセンターAI（2026年3月導入・年間約9万時間の削減見込み）

2026年3月4日の公式リリースによると、東京海上日動は通話内容をリアルタイムでテキスト化して問い合わせ内容を自動認識し、回答案をオペレーターに提示する仕組みを導入しました。入電から終話後の管理業務までを一貫して支援します。

年間約200万件超の入電がある東京海上日動コミュニケーションズでの削減見込みは、2024年度実績をもとに次のように試算されています。

• 顧客向け：最大約30%、年間約5万8,000時間
• 代理店向け：最大約10%、年間約3万2,000時間
• 合計：年間約9万時間（見込み）

将来的にはAIエージェントによる24時間365日の自動応対を目指すとしていますが、現在稼働しているのはあくまでオペレーター支援で、無人対応ではありません。他業界の構成と比べたい場合は、コンタクトセンターのAI活用事例｜AmiVoice・ボイスボット導入ガイドが参考になります。

OpenAIとの戦略的連携とAI駆動開発

2025年9月25日、東京海上ホールディングスはOpenAIとの戦略的連携を発表しました。契約・照会・文書処理などに生成AIを組み込み、将来はAIエージェントを中心とした業務基盤へ移行する構想です。2025年8月にはSalesforceの「Agentforce」の採用も発表しています。

システム開発でもAI活用が進んでいます。2026年6月の日経クロステックの報道によると、東京海上日動は要件定義書・設計書・ソースコード・テストケースをAIで作る「AI駆動開発」を導入し、AWSの開発ツール「Kiro」などを使って2026年度に基幹系を含む10件以上の本番案件で検証する方針です。2027年度には東京海上日動システムズの標準開発プロセスにすることを目指しているとされます。Kiroの機能や特徴はKiroとは？AWS製AIエディタの機能・料金・使い方で解説しています。

自動車保険DAPのAI事故防止機能（2026年12月提供予定）

2026年8月17日、東京海上日動は自動通報サービス付き自動車保険「ドライブエージェント パーソナル（DAP）」の最新機種に、「スマホながら運転警告機能」「誤踏み注意喚起機能」を追加すると発表しました。走行データ・事故データをAIで分析して危険運転の兆候を検知するもので、2026年12月の提供開始が予定されています。事故後の対応を効率化するAIから、事故そのものを減らすAIへと目的が広がっていることを示す事例です。

東京海上グループのAI活用一覧

SOMPOグループのAI活用事例

出典: SOMPOホールディングス 公式サイト

SOMPOグループの特徴は、AIを配って終わりにしない定着の仕組みです。全社員へのAIエージェント配布に加え、現場社員が自部門用のエージェントを作る市民開発を進め、その利用状況を数値で開示しています。

SOMPO AIエージェント：3万4,000人への展開と利用実績

2025年12月26日の発表時点で対象は国内グループ約3万人でしたが、2026年7月時点では3万4,000人に提供されています。メインの基盤はGoogle Cloudの「Gemini Enterprise」で、一部でMicrosoftの「Copilot Studio」も検証しています。基盤選びの理由として、約款・マニュアルなど社内ナレッジとの相性と、Gemini Notebookの存在を挙げています。

2026年7月30日のGoogle Cloud Next Tokyo '26では、同社の担当役員が次の数値を公表しました。

• 市民開発により、数カ月で1万件超のAIエージェントが誕生
• 週1回以上利用する社員が80%超
• 部長以上の利用率は98%

いずれも登壇で示された社内実績で、第三者の監査を経た数値ではありません。ただ、管理職以上には「SOMPO AIエージェントリーダーシップ研修」の受講が必須とされており、98%という利用率は研修の必須化とセットで実現したものと読むのが妥当です。

現場から生まれたエージェントには、自動車事故のレッカー費用の妥当性を一次チェックする「レカみる」、写真やスクリーンショットをテキスト化する「モジオコ」、目標設定を支援する「モクさぽ」、会議の録音をGemini Notebookに自動追加する「SOMPO音声メモアプリ」などがあります。レカみるのように保険固有の判断を扱うエージェントが現場から出てくる点が、汎用ツールを配っただけの導入との違いです。Gemini系の法人向けエージェント基盤については、Gemini Enterprise Agent Platformとはで詳しく紹介しています。

損保ジャパン「対話・フィードバック補助機能」（2026年7月末）

2026年8月7日の公式リリースによると、損害保険ジャパンは代理店業務品質評価システムを機能拡張し、7月末に社内展開を始めました。Palantir FoundryとPalantir AIPを基盤に、代理店の自己点検結果を法令内容や自社の判定基準、定量データと合わせて分析し、生成AIが対話シナリオの素案を作成します。

公式に挙げられている効果は、フィードバックの目線統一と対話スキルの底上げ、自己評価と実態のずれを踏まえた客観的な対話、準備から評価までの効率化の3点です（いずれも定性的な表現）。素案には必ず社員が確認・修正で関わるHuman-in-the-Loopを徹底すると明記されています。

このほか損保ジャパンは、代理店や営業店の照会に答える「おしそんLLM」（2025年7月〜、RAG型）、ELYZAと共同開発したコールセンター向け対話要約モデル、AI insideの「Heylix」による固定資産台帳の転記自動化（精度95%）を公表しています。社内ナレッジ検索の仕組みはRAGとは？仕組み・構築方法・最新動向で解説しています。

Mysurance：保険金請求AIで翌日支払いへ

損保ジャパン系の少額短期保険会社Mysurance（マイシュアランス）は、日経報道（2026年3月26日）によると、オンラインで提出された見積書などをAIで解析し、不備をその場で指摘する仕組みを2026年中に導入します。これにより申請の翌日に保険金を支払えるようになるとされています。リードインクスと共同で「保険金請求AIアシスタント」を開発・実証してきた取り組みです。対象商品や開始日などの詳細は、一次情報ではまだ確認できていません。

SOMPOひまわり生命「まんなか」：顧客が直接使うAI

2026年7月31日、SOMPOひまわり生命はMILIZEと共同開発した無料AIリスク診断サービス「まんなか」を始めました。「介護（親）」「健康（自分）」「老後資金」の3つのリスクを可視化するもので、個人情報の登録が不要な設計です。顧客に直接AIを使ってもらう領域に慎重な金融機関が多いなか、個人情報を取得しない形で顧客接点にAIを出した点に実務的な意味があります。

SOMPOグループのAI活用一覧

MS&ADグループのAI活用事例

出典: MS&ADインシュアランスグループホールディングス 公式サイト

MS&ADグループで2026年に最も注目されたのは、生成AIで作られた不正請求をAIで見つける取り組みと、代理店品質管理へのAI活用です。なお三井住友海上とあいおいニッセイ同和損保は2027年4月をめどに合併し、「三井住友海上あいおい損害保険」になる予定です。この記事では2026年10月時点の社名で記載しています。

生成AI画像による不正請求の検知（2026年8月・国内保険会社初と発表）

2026年8月3日、三井住友海上・あいおいニッセイ同和損保・テックユニオンは、生成AI画像を使った保険金不正請求の検知機能を導入したと発表しました。国内の保険会社が保険金支払業務にこの種の機能を導入するのは初めてとしています。

• 対象：損害状況写真、修理見積書、領収書などの損害立証資料
• 検知内容：生成AIで作成・加工された画像、改変・流用が疑われる画像
• 仕組み：電子的な特徴と付随情報を複数の技術で多層的に分析（3社共同で特許出願中）
• 位置づけ：検知結果は保険金支払業務の「参考情報」

AIが不正を認定する仕組みではなく、担当者の判断材料の1つです。3社はこれを不正対策の「第一段階」と位置づけ、技術の進化にあわせて拡充するとしています。

三井住友海上：代理店自己点検の対話支援ツール（10月から全国展開の計画）

2026年6月、三井住友海上はhokanと連携して、代理店の自己点検の回答と実際の業務運営の乖離をAIが分析し、保険業法などに照らした改善ポイントと対話アドバイスを作るツールを発表しました。代理店監査の情報や顧客アンケートといった実態データを使う点が特徴で、対話内容の記録管理もできます。6月に一部の部支店で先行導入し、2026年10月から全国で本格展開する計画です。

事故対応・顧客対応でのAI活用

• 事故対応の通話要約（三井住友海上×NEC、2024年5月発表）：事故対応の通話を自動でテキスト化し、Azure OpenAI Serviceで要約したうえで、担当者が内容を確認してから事故対応システムに登録する仕組み。
• 三井住友海上あいおい生命のAIチャット（日経報道、2026年7月）：公式サイトから、保険金の請求方法などの質問にAIが24時間回答する。コールセンターの負担軽減が目的とされています。
• あいおいニッセイ同和損保「AI Central Voice」（2026年1月）：テックタッチのAIエージェントで、顧客の声や照会内容などの非構造化データを構造化し、苦情要因や頻出照会の分析に使っています。
• あいおいニッセイ同和損保の運転アドバイス：テレマティクス自動車保険の走行データから、ドライバーごとのアドバイスを生成AIで作成する実証を2025年11月から行っています。

生命保険会社のAI活用事例

出典: 第一生命ホールディングス 公式サイト

生保で2026年に大きく進んだのは、引受査定、書類審査、給付金の不正検知、営業職員の支援です。9月には日本生命のAIガバナンス方針と、かんぽ生命のAI駆動開発という新しい動きも加わりました。

チューリッヒ生命「New Business 2.0」：12体のAIエージェントで引受査定

2026年7月1日、チューリッヒ生命は生命保険業界初とするマルチAIエージェント搭載の新契約査定システム「New Business 2.0」を導入しました。医務査定・環境査定・モラル査定（不正検知）・情報集約などに特化した12体のAIエージェントが並行して動き、データ分析や引受コメント案の作成を行います。

目標値は「自動査定率60%」「手動査定案件の査定時間77%削減」です。どちらも目標で、達成実績ではありません。 自動査定率の目標が60%ということは、残り約4割は人が査定する前提です。同システムはInsurance Asia Awards 2026で「AI Initiative of the Year」を受賞しています。

日本生命：AI管理基本方針と書類審査AI

日本生命は2026年9月1日、AIを適切に扱うための考え方と体制を定めた「AI管理基本方針」を制定しました。生成AIによる知的財産権の侵害や偽情報の生成といった新しいリスクへの対応が背景にあります。8つの基本原則は次のとおりです。

1. 人間中心のAI活用
2. 安全性の確保
3. 公平性の確保
4. プライバシー保護
5. セキュリティ確保
6. 透明性の確保
7. アカウンタビリティの徹底
8. 教育・リテラシー向上

大手生保がAIのガバナンス原則を明文化して公表したことで、中堅保険会社や代理店が自社ルールを作るときのひな形ができたといえます。

業務面では、日経報道（2026年7月16日）によると、申込書類・請求書・募集用パンフレットなどの社内書類審査にAIを導入しました（8月〜）。PDFから各項目を読み取って社内ルールに合っているかを確認し、異なる図表間の情報の照合もできるとされます。年約1万時間の業務削減、1件あたりの審査時間を約7割短縮できる見込みと報じられています。このほか、2024年から全内務職員約2万人が生成AIチャット「N-Chat」を使える環境を整えています。

第一生命：次世代AI-OCRと「デジタルバディ」

第一生命は2026年4月24日、Azure OpenAIとAzure Document Intelligenceで構成した次世代AI-OCRの業務利用を始めました。公式発表では、本人確認書類の帳票・文字認識精度が約2割向上し、オンプレミスからクラウドへの移行でランニングコストが約1/2になったとしています。人の確認・判断を組み込んだHuman-in-the-Loopの画面設計を採用している点も特徴です。精度とコストの両方に公式の実績値が出ている事例は少なく、投資対効果を社内で説明するときの参考になります。

営業職員（生涯設計デザイナー）向けには、伴走支援型AI「デジタルバディ」を2026年4月に本格導入し、9月以降も機能強化を続けています。業界メディアの報道によると主な機能は次の4つです。

• 社内ルールに基づく情報照会
• 次回面談に向けた提案準備
• 顧客の同意を得たうえでの面談の録音・文字起こし・要約
• メール・レター文案の作成（使用前に職員が確認）

基盤はMicrosoft Azure（Azure OpenAI・Azure Speech）で、統合CRMと連携しています。利用人数や効果の数値は公表されていません。また日経報道（2026年4月）では、5年間のデジタル投資を1,000億円上積みして約4,000億円規模にし、保険加入審査にもAIを使う方針が伝えられています。

ネオファースト生命：給付金の不正請求検知AI（2026年4月本格運用）

第一生命グループのネオファースト生命は2026年3月26日、給付金の不正請求を検知するAIの本格運用を4月から始めると発表しました。過去の請求データの傾向から「通常と異なる特徴の請求」「過去事例と似た動き」を自動で抽出します。

仕組みはアンサンブル学習による二段階モデルで、1段目がわずかな兆候も広く拾い、2段目が注意すべき請求を見極めて対応の優先度を判断します。AIは専門スタッフの判断を支援する位置づけで、正当な請求への迅速な支払いと、不正の疑いへの早期対応の両立を狙っています。効果の数値は公表されていません。

かんぽ生命×日本IBM：AI駆動開発（2026年9月）

かんぽ生命と日本IBMは2026年9月14日、AI駆動開発による新しいシステム開発の取り組みを始めると発表しました。

• 独自の「かんぽスペック駆動開発標準」を整備し、AIへの指示方法、成果物の作り方、品質確認の方法、人とAIの役割分担を体系化
• ベテラン社員の暗黙知を、AIも理解できる形で文書化
• 日本IBMの開発支援AI「IBM Bob」と「AI Lifecycle Shared Engineering Artifacts（ALSEA）」を活用
• 要件定義から設計、コーディング・単体テスト、結合テストまでをAIエージェントが担い、AIのレビューに加えて人がレビューする
• 開発工数を従来比50%削減することが目標

住友生命・明治安田生命：営業職員の育成と活動支援

住友生命は2026年1月、新人営業職員向けAIロールプレイングを刷新し、生成AIのアバターと台本なしで自由に練習できるようにしました。明治安田生命は、生成AIを搭載した活動支援アプリ「MYパレット」を営業職員約3万6,000人に提供しています。定量的な成果は公表されていません。明治安田生命はNEC×Anthropic×金融8社のコンソーシアムにも参加しています。

営業職員向けAIの比較

営業職員チャネルを持つ生保3社の取り組みを並べると、狙いの違いがはっきりします。

業務別に見る保険業界のAI活用マップ

会社別ではなく業務別に整理すると、自社がどこから手をつけるべきか判断しやすくなります。

着手しやすい順番

効果を数字で示しやすく、規制面のリスクが比較的小さい順に並べると、次のようになります。

1. 社内文書・社内業務全般（全社員が対象で、効果が積み上がりやすい）
2. 代理店・営業店からの照会応答（RAGで実装しやすく、制度対応にも直結）
3. コンタクトセンターのオペレーター支援（削減時間で効果を説明しやすい）
4. 書類のデータ化・社内審査（AI-OCRの刷新でコスト削減も見込める）
5. 不正請求検知・引受査定の一次処理（データの蓄積とガバナンス整備が前提）
6. 顧客に直接AIが回答する領域（規制面の論点が最も重い）

業種をまたいだ事例は生成AIの企業活用事例50選｜業種別・業務別に整理にまとめています。

生成AIで攻められ、AIで守る — 不正請求検知の比較

保険業界にとって生成AIは、業務効率化の道具であると同時に新しいリスクでもあります。2026年に表面化したのが、生成AIで作成・加工した損害写真や見積書、領収書による保険金の不正請求です。

これまでの不正請求は、実在する写真の使い回しや事実と異なる申告が中心でした。画像生成AIの普及で、存在しない損害をリアルに作り出すことが誰にでもできるようになり、写真を損害の証拠とする損害保険の支払査定の前提が揺らいでいます。これに対し、2026年は損保大手2グループと生保1社が具体的な検知の仕組みを公表しました。

3社に共通するのは、AIに不正を認定させず、人の判断を支える道具として位置づけている点です。また、どの社も精度を公表しておらず、生成技術の進化に合わせて検知側も更新し続ける前提で設計されています。

中小の保険会社や共済がすぐに同じ仕組みを入れるのは現実的ではありません。それでも、「提出された画像が生成AI製である可能性」を査定時に想定すべきリスクとして手順に加えることは、規模を問わず今日から始められる対策です。

もう1つの変化が、顧客側が生成AIを使って保険会社と向き合うケースです。日本生命の米国法人（Nippon Life Insurance Company of America）は2026年3月、和解済みの保険金訴訟を元請求者がChatGPTの助けを借りて蒸し返したとして、OpenAIを米国の連邦地裁に提訴したと報じられています。訴訟は係争中ですが、保険金請求や苦情対応の現場でも、相手が生成AIを使っている前提での備えが必要になりつつあります。

生成AIのリスクを体系的に知りたい場合は生成AIのセキュリティリスクと対策、他業界の不正検知と比べたい場合は決済・キャッシュレス業界のAI活用事例｜不正検知が参考になります。

保険会社のAI駆動開発（東京海上日動 vs かんぽ生命）

出典: 日本IBM 公式サイト

保険会社のAI活用は業務側に目が向きがちですが、2026年はシステムを作る工程そのものをAIで変える動きが損保・生保の両方で始まりました。

両社とも「AIに任せる工程」と「人が確認する工程」を先に決め、開発標準として文書化している点が共通しています。仕様を先に固めてAIに実装させる「スペック駆動開発」の考え方は、Kiroなどの開発ツールが採用しているものです。ツールの違いはKiro vs Cursor 比較で整理しています。

保険会社が選んだAI基盤の比較

各社の基盤選びには、既存のIT環境と用途がそのまま表れています。

基盤選びで大切なのは、「どのLLMが一番賢いか」ではなく「社内のどのデータとつなぐか」です。SOMPOが約款・マニュアルとの相性を理由に挙げ、損保ジャパンがデータ統合基盤の上にAIを載せているのは、どちらも同じ考え方です。

保険以外の金融機関と比べたい場合は、銀行・金融機関のAI活用事例、金融・銀行のAI活用事例｜メガバンク・地銀の導入比較、証券会社のAI活用事例が参考になります。

金融庁「AIディスカッションペーパー第1.1版」の正しい読み方

保険会社のAI導入でよく引用される文書ですが、規制文書ではありません。2026年10月上旬時点で最新は2026年3月3日公表の第1.1版で、それ以降の改訂は確認できていません。

位置づけ

• 正式名称は「AIディスカッションペーパー（第1.1版）— 金融分野におけるAIの健全な利活用の促進に向けた初期的な論点整理 —」
• 本文に「モニタリング上の目線や金融機関等に求める具体的対応を示すものではない」と明記されている
• 根拠になったアンケートの回答は130社で、保険会社は11.5%

「金融庁がこれを義務付けた」「監督指針が改訂された」という書き方は誤りです。論点整理であり、社内ルールを作るときの参考資料として使うのが正しい読み方です。

金融庁のスタンス

1. 「チャレンジしないリスク」も認識すべきとし、経営陣の主体的な関与を求めている
2. 技術中立が基本。既存の法令は、AIを使っているかどうかにかかわらず適用される
3. 問題が起きても金融機関を過度に萎縮させない行政対応を行い、規制の適用関係の明確化に努めると表明している

保険業務との関係では、保険金請求管理の自動化、引受審査、保険金不正請求の検知がユースケースとして挙がっています。また金融庁のAI官民フォーラムでは、保険固有の論点としてAIチャットボットの利用が保険募集にあたるかどうかが議論されていると解説されています。顧客向けのAIチャットを検討する保険会社・代理店は、回答範囲の設計で注意が必要です。

社内チェックリストに使える課題一覧

同ペーパーが挙げる課題は、そのまま社内のAIガバナンス整備の項目として使えます。

• 全社的な体制：データ整備、AIガバナンスと社内ルール、専門人材、投資対効果、モデルリスク管理、委託先の選定、情報セキュリティ、金融犯罪対策
• 個々のAIシステム：説明可能性、公平性・バイアス、ハルシネーション、個人情報保護
• 生成AI特有の課題：回答精度、基盤モデルの選択、基盤モデルの頻繁なバージョンアップへの対応

最後の項目は見落とされがちです。基盤モデルが更新されると出力が変わるため、査定や照会応答に使う場合はバージョン変更時の再検証手順を業務手順に入れておく必要があります。AIに関する法制度全般は法律・法務のAI活用事例｜AI法施行・LegalTechで解説しています。

AIにできないこと・任せてはいけないこと

各社の公式資料に書かれている線引きは、ほぼ共通しています。先進的な事例ほど、AIに最終判断をさせていません。

1. AI単独で判断を確定させない

• 東京海上日動：画像検知の結果は「支払可否を機械的に決定するものではない」、最終判断は担当者
• MS&AD：生成AI画像の検知結果は「参考情報」
• ネオファースト生命：AIは専門スタッフの判断を支援し、優先度を示すまで
• 損保ジャパン：対話シナリオの素案は必ず社員が確認・修正
• 第一生命：AI-OCRに人の確認・判断を組み込んだ画面設計
• かんぽ生命：AI駆動開発でも人のレビューを工程に明記
• 金融庁DP：顧客に重要な影響を与える業務では「人の関与を必須とする運用が大半」

2. 顧客に直接AIの回答を返す用途は慎重に

金融庁DPは、顧客に直接サービスを提供する分野での生成AI利用について、より保守的に運用している金融機関が大半と整理しています。一方で2026年は、SOMPOひまわり生命「まんなか」、三井住友海上あいおい生命のAIチャット、Mysuranceの請求AIなど、顧客が直接使う事例が増えてきました。これらは個人情報を取らない、案内や不備チェックにとどめるなど、AIに任せる範囲を絞った設計になっています。

3. 引受査定・支払査定の完全自動化には至っていない

最も踏み込んだチューリッヒ生命でも、自動査定率の目標は60%です。「AIが査定を置き換えた」という表現は、現時点では正確ではありません。

4. データの量と質で精度が決まる

金融庁DPには、不正検知で自社の学習データが足りず精度が出なかったため本番利用を見送った例も紹介されています。ネオファースト生命は専門スタッフの知見と過去の査定データを学習させ、東京海上日動は外部パートナーの知見や気象データなどの外部データで補っています。

5. 要配慮個人情報とシャドーAIのリスク

傷病歴や健康情報は要配慮個人情報にあたり、扱いを誤ると影響が大きくなります。2026年9月には、他業界で、保険証の記号番号や疾患情報を含むデータが私用の生成AIサービスにアップロードされた事案も報じられました。社員が会社の許可なくAIを使う「シャドーAI」の対策はシャドーAIとは？企業リスクと対策、エージェントに権限を与えるときの注意点はAIエージェントのセキュリティ対策で解説しています。

AI利用ルールのひな形として使える項目

日本生命の8原則と金融庁DPの論点をもとに、代理店や中堅保険会社が最初に決めておきたいルールを整理しました。

規模別の現実的な進め方と費用の考え方

大手の事例をそのまま持ち帰っても、組織の規模が違えばうまくいきません。規模ごとに、今狙える領域ははっきり分かれます。

費用の見方

保険会社の大型導入は個別見積のシステム開発が中心で、導入費用を公表している事例はほぼありません（2026年10月時点）。「相場は○○円」と言い切る情報には注意が必要です。

公表されているコスト関連の数値は、第一生命のAI-OCRでランニングコストが約1/2になった実績と、かんぽ生命の開発工数50%削減という目標くらいです。基盤の利用料（Gemini Enterprise、Azure OpenAI、OpenAIの法人向けプランなど）は各ベンダーの料金体系に左右され、保険会社向けの特別価格は公表されていません。

代理店規模なら、法人向け生成AIは現時点で1ユーザーあたり月数千円程度のプランから始められるケースが多く見られます（最新の料金は各ベンダーの公式サイトで確認してください）。ライセンス費用よりも、業務ルールづくりと教育にかかる時間を見積もっておく方が実態に合います。申込書チェックを自動化する場合の具体的な構成と費用の試算は、保険代理店の申込書チェックを自動化する方法と費用で解説しています。

導入前に確認したい7項目

1. 対象業務を1つに絞ったか — 効果を数字で説明できる業務から始める
2. その業務のデータはそろっているか — マニュアルや過去データが整理されていないと精度が出ない
3. 法人向けの分離された環境か — 入力データがモデル学習に使われない契約条件かを確認する
4. 人の確認をフローに組み込んだか — 顧客に影響する業務では、AIの出力をそのまま使わない
5. 基盤モデル更新時の再検証手順があるか — バージョンが変わると出力も変わる前提で運用する
6. 効果測定の指標を決めたか — 削減時間だけでなく利用率・定着率も測る
7. AI利用ルールを文書にしたか — 日本生命の8原則などを参考に、入力禁止情報や確認義務を明文化する

こんな保険会社・代理店におすすめ／慎重に進めたいケース

AIエージェントの全社導入を進めやすい組織

• 社内文書・照会応答・議事録など、全社員に共通する業務の量が多い
• 約款・マニュアル・過去の照会履歴など、AIに参照させるナレッジが整理されている
• Microsoft／Google／AWSのいずれかと大規模契約があり、分離された環境を作りやすい
• 経営層が業務プロセスや組織の見直しまで関わる意思がある
• 利用率・定着率まで含めて効果を測る文化がある

まず1業務に絞って段階的に進めたい組織

• 社員数十人規模の代理店で、AI専任の担当者を置けない
• 社内のAI利用ルールがまだない
• 顧客の健康情報・契約情報を扱う業務が中心で、AIへの入力範囲が決まっていない
• 基幹システムが古く、外部AIとつなぐ仕組みがない
• 過去データがExcel・紙・個人フォルダに散らばっている

段階的に進める場合は、次の順番が現実的です。

1. 顧客情報を入力しない前提で、社内文書の要約・作成に限って生成AIを使い始める
2. 入力禁止情報、確認義務、ログ保存などの社内ルールを文書にする
3. マニュアルや過去の照会履歴を整理し、社内ナレッジ検索を試す
4. 自己点検や体制整備報告書の下書きなど、制度対応の業務に広げる
5. 効果を数値で確かめてから、顧客接点や査定への活用を検討する

よくある質問

Q1. 生成AIで加工した写真で保険金を請求したら見抜かれますか？

大手損保では検知の仕組みが入り始めています。三井住友海上・あいおいニッセイ同和損保は2026年8月に、東京海上日動は9月に、生成AIによる作成・加工が疑われる画像を検知する機能を導入しました。東京海上日動は複数の請求で同じ画像が使い回されていないかも確認しています。各社とも検知精度は公表しておらず、検知結果だけで不正と決めることもありませんが、担当者が詳しく確認するきっかけになります。

Q2. AIが保険金の支払いを否認することはありますか？

2026年10月時点で公表されている国内の事例では、AIが単独で支払いの可否を決める設計はありません。東京海上日動は「検知結果は支払可否を機械的に決定するものではない」と明記し、MS&ADは検知結果を「参考情報」、ネオファースト生命はAIを「専門スタッフの判断の支援」と位置づけています。

Q3. 保険会社のAI導入費用は公開されていますか？

大手各社とも導入費用やライセンス額は公表していません。確認できるのは、第一生命のAI-OCRでランニングコストが約1/2になった実績や、かんぽ生命の開発工数50%削減という目標など、間接的な数値にとどまります。

Q4. 保険代理店がまず取り組むべきAI活用は何ですか？

顧客の個人情報を入力しない用途から始めるのが現実的です。社内マニュアルや過去の照会履歴を使ったナレッジ検索、申込書・募集資料のチェック支援、自己点検や体制整備報告書の下書き作成などが候補になります。導入前に、入力データがモデル学習に使われない契約条件かどうかを必ず確認してください。

Q5. チューリッヒ生命の「自動査定率60%」は達成済みですか？

いいえ、目標値です。手動査定の時間77%削減も同じく目標で、実績としては公表されていません。目標が60%であることから、残り約4割は人が査定する前提で設計されていることもわかります。

Q6. 東京海上日動の「年間約9万時間削減」は実績ですか？

削減見込みです。2024年度の入電実績（年間約200万件超）をもとに、顧客向け最大約30%・代理店向け最大約10%の削減を試算した数値で、2026年3月4日の公式リリースに記載されています。

Q7. 金融庁のAIディスカッションペーパーに従わないと処分されますか？

いいえ。同ペーパーには「モニタリング上の目線や金融機関等に求める具体的対応を示すものではない」と明記されており、規制ではなく論点整理です。2026年10月上旬時点の最新は第1.1版です。ただし既存の保険業法や個人情報保護法は、AIを使うかどうかに関係なく適用されます。

Q8. 日本生命の「AI管理基本方針」とは何ですか？

2026年9月1日に日本生命が制定した、AIを適切に扱うための基本的な考え方と体制を定めた方針です。人間中心、安全性、公平性、プライバシー保護、セキュリティ、透明性、アカウンタビリティ、教育・リテラシーの8原則で構成されています。社内のAI利用ルールを作る際のひな形として参考になります。

Q9. MS&ADの合併でAIの取り組みは変わりますか？

三井住友海上とあいおいニッセイ同和損保は2027年4月をめどに合併し、「三井住友海上あいおい損害保険」になる予定です。2026年8月の生成AI画像検知はすでに両社共同で導入されていますが、合併後のAI施策の統合方針は現時点で公表されていません。

Q10. 保険業界のAI導入率の最新統計はありますか？

2026年時点の網羅的な統計は確認できていません。参考値として、NRIの調査では国内保険会社の生成AIの取り組み件数が2023年の11件から2024年には26件に増えています。これは2024年時点の数値で、2026年の実態を示すものではありません。

まとめ

2026年10月時点の保険・損保業界のAI活用は、次のように整理できます。

• 競争の中心が本業プロセスに移った：全社AIエージェントは前提になり、引受査定・書類審査・不正検知・代理店品質管理で差がつく段階に入った
• 制度がAI導入を後押しした：改正保険業法（6月）、代理店業務品質評価制度（6月）、カスハラ対策義務化（10月）が、代理店支援AIやAIロープレの導入理由になっている
• 防御のAIが業界の課題になった：生成AI加工画像による不正請求に対し、MS&AD（8月）と東京海上日動（9月）が検知機能を導入し、生保でもネオファースト生命が給付金の不正検知AIを運用している
• AIを統治する段階に入った：日本生命が8原則の「AI管理基本方針」を公表し、ガバナンスの明文化が始まった
• AIの対象がシステム開発と外販に広がった：東京海上日動とかんぽ生命がAI駆動開発に取り組み、東京海上日動はAIロープレ「Talktice」を他社に提供している
• 数値は性質を区別して読む：第一生命の精度約2割向上・コスト約1/2（実績）、東京海上日動の年間約9万時間（見込み）、チューリッヒ生命の60%・77%とかんぽ生命の50%（目標）は、意味がまったく違う
• 最終判断は人が担う：Human-in-the-Loopは業界の事実上の標準で、AIが支払可否や不正を単独で決める設計の事例はない

保険業界のAI関連の状況は数カ月単位で変わります。導入を検討するときは、解説記事だけでなく各社の公式プレスリリースと金融庁の公表資料を一次情報として必ず確認してください。

あわせて読みたい関連記事

• 保険代理店の申込書チェックを自動化する方法と費用
• AIエージェントとは？仕組み・種類・活用事例をわかりやすく解説
• 銀行・金融機関のAI活用事例
• コンタクトセンターのAI活用事例
• 生成AIのセキュリティリスクと対策
• 生成AIとは？仕組み・種類・活用例をわかりやすく解説