Media > AI活用ユースケース > 営業 > 損害保険会社の営業支援部が、代理店からの引受照会に、始期日に効く引受基準書と過去の回答を引いて回答の下書きを作る

損害保険会社の営業支援部が、代理店からの引受照会に、始期日に効く引受基準書と過去の回答を引いて回答の下書きを作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

代理店から「この業種・この建物でこの保険金額は引き受けられるか」と照会が届いたときに、始期日に効く引受基準書と過去の回答から、当たる基準の区分と条文を引用した回答の下書きを作ります。引受部との協議が要るものは、基準書の区分で機械的に回します。

サマリー
生成AI
Gemini
AIサービス
Azure AI/Google Vertex AI/OpenSearch
連携・自動化
Python
対象業界
保険/金融
対象部門
営業
対象業務
問い合わせ対応/情報検索
主な課題
判断に時間がかかる/属人化している/情報が見つからない
AIで行う処理
検索(RAG)
主な効果
品質標準化/対応スピード向上/検索時間短縮
導入難易度
★★★☆☆
実装レベル
本格構成
費用感
RAG・個別開発(大)
人間の確認
条件付き
現在工数
120h/月
AI導入後
40h/月
想定削減
67%
年間削減
960h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 担当が代理店システムで照会を開き、商品、業種、建物の構造、築年、保険金額、始期日を読む
  2. 始期日に効く版の引受基準書を開き、業種の区分表と、構造・築年・保険金額の基準を探す
  3. 引受部の通達で、その業種や地域に個別の取扱いが出ていないかを確かめる
  4. 過去に同じような照会があったかを、表を検索するか、周りの担当に聞いて探す
  5. 基準書が「引受部と協議」としている項目なら、引受部に協議の依頼を書く
  6. 基準どおりに答えられるものは、回答を書いて代理店システムの回答の欄に入れる
導入後(After)
  1. 自動代理店システムに照会が登録されると、中継プログラムが照会の項目(商品、業種コード、構造、築年、保険金額、始期日、照会の本文)を受け取る
  2. 自動中継プログラムが、始期日で基準書の版を、照会の日で通達を絞る条件を作る
  3. 自動Agent Search(Vertex AI Search)の answer メソッドが、基準書・通達・過去の回答から当たる区分と条文を探し、引用付きで回答の下書きを返す
  4. 自動中継プログラムが、引用された節の権限の区分を確かめ、`reply`(営業支援部が答えてよい)/`consult`(引受部と協議)に分ける
  5. 人担当が引用を読み、`reply` は下書きを直して代理店システムの回答の欄に入れる
  6. 人`consult` は、下書きと引用を付けた協議の依頼を引受部に回す
  7. 人引受部が協議の結果を返し、担当が代理店に答える。答えた内容は過去の回答として翌晩に取り込まれる
各工程の詳しい説明を読む
  1. 担当が代理店システムで照会を開き、商品、業種、建物の構造、築年、保険金額、始期日を読む
  2. 始期日に効く版の引受基準書を開き、業種の区分表と、構造・築年・保険金額の基準を探す
  3. 引受部の通達で、その業種や地域に個別の取扱いが出ていないかを確かめる
  4. 過去に同じような照会があったかを、表を検索するか、周りの担当に聞いて探す
  5. 基準書が「引受部と協議」としている項目なら、引受部に協議の依頼を書く
  6. 基準どおりに答えられるものは、回答を書いて代理店システムの回答の欄に入れる

(a)基準書と通達と過去の回答が別々にある。 業種の区分は基準書の別表、地域の取扱いは通達、珍しい業種の扱いは過去の回答にあります。3つを開いて突き合わせるあいだ、代理店は顧客との商談の返事を待っています。

(b)始期日の版を取り違える。 いま効いている版で答えたところ、始期日には改定後の版になっていて、築年の線が変わっていた、ということが起きます。申込の段階で分かると、代理店が顧客に条件を言い直すことになります。

(c)引受部へ回す線が担当ごとに違う。 基準書の「協議」の項目でも、慣れた担当は過去の回答を見て自分で答え、新しい担当は基準どおりに答えられるものまで引受部に回します。前者は権限を越えた回答になり、後者は引受部の時間を取ります。

(d)過去の回答が見つからない。 同じ照会に以前どう答えたかが分からず、担当ごとに違う書き方の回答が代理店に返ります。 代理店は、担当によって答えが違うと受け取ります。

  1. 【自動】 代理店システムに照会が登録されると、中継プログラムが照会の項目(商品、業種コード、構造、築年、保険金額、始期日、照会の本文)を受け取る
  2. 【自動】 中継プログラムが、始期日で基準書の版を、照会の日で通達を絞る条件を作る
  3. 【自動】 Agent Search(Vertex AI Search)の answer メソッドが、基準書・通達・過去の回答から当たる区分と条文を探し、引用付きで回答の下書きを返す
  4. 【自動】 中継プログラムが、引用された節の権限の区分を確かめ、reply(営業支援部が答えてよい)/consult(引受部と協議)に分ける
  5. 【人】 担当が引用を読み、reply は下書きを直して代理店システムの回答の欄に入れる
  6. 【人】 consult は、下書きと引用を付けた協議の依頼を引受部に回す
  7. 【人】 引受部が協議の結果を返し、担当が代理店に答える。答えた内容は過去の回答として翌晩に取り込まれる

4番目が、この設計の分かれ目です。 回答の下書きを書くのはAIですが、下書きが「引き受けられます」と書いていても、引用した節が協議の区分なら引受部へ回ります。 線を引くのは、基準書の節に付けたメタデータと中継プログラムの照合です。

2番目で、始期日をAIに読み取らせないのも同じ考えです。 版を選ぶ日付は、本文ではなくフォームの始期日の欄から取ります。

02今回想定するシステム構成

構成図
引受基準書(商品・版)  引受部の通達  過去の照会と回答
   │  商品・文書の種類・版の期間・節の権限の区分を付ける
   ▼
Cloud Storage ── メタデータ(JSON Lines)
   ▼
Agent Search(Vertex AI Search)── データストア(レイアウト パーサー、見出しの付与)
   │   product/doc_kind/effective_from/effective_to/authority
   ▼
代理店システム ──【トリガー】照会の登録
   ▼
中継プログラム(Python、Cloud Run)
   ├──▶ 始期日と照会の日で、文書の種類ごとに版を絞る
   ├──▶ answer メソッド:基準書を上に寄せて引用付きで下書き
   └──▶ 引用した節の権限の区分で reply / consult
   ▼
営業支援部の確認の画面  /  引受部の協議の一覧
役割想定する製品代替候補
検索基盤Vertex AI Search(Agent Search)の answer メソッドAzure AI Search、Amazon OpenSearch Service
生成AIGemini(answer メソッドの回答の生成に使うモデル)─
連携中継プログラム(Python。Cloud Run で動かし、代理店システム・検索・確認の画面・協議の一覧をつなぐ)Node.js で同じものを書く
保管Cloud Storage(基準書・通達・過去の回答の写しとメタデータ、照会と下書きの記録)─

代理店システムからは照会を読むだけで、回答の欄には書き込みません。 回答を入れるのは担当です。下書きがそのまま代理店に届く経路は作りません。

検索の土台は、Agent Search(Vertex AI Search から改称中)の answer メソッドです。 公式のドキュメントでは、検索の指定(searchSpec.searchParams)に絞り込みの filter と並べ替えの boostSpec を書け、一度に引く結果は既定で10件、最大で25件です。回答の生成の指定には、引用を付ける includeCitations(既定は無効)、関係の薄い内容で答えない ignoreLowRelevantContent、答え方を指示する promptSpec.preamble があります。根拠の強さを測る groundingSpec もあり、この構成ではここを使って、根拠の弱い下書きを最初から出さないようにします。

基準書の取り込みには、レイアウト パーサーを使います。 公式では、段落・表・見出しを検出し、チャンクに上位の見出しを付ける設定(includeAncestorHeadings、既定は無効)があり、チャンクの大きさは100〜500トークンです。業種の区分表の1行が単独で引かれても、どの商品のどの版の表かが分かるように見出しを付けます。 チャンクの設定はデータストアを作った後に変えられないので、最初に決めます。

03どうやって実装するのか

Step1

処理の起点を決める

起点は、代理店システムに照会が登録されたことです。 知らせ方(通知の呼び出し、または数分おきの一覧の読み出し)はシステムの作りに合わせて選び、中継プログラムは照会の番号を受け取って中身を読み直します。

フォームの項目書き方使い道
商品火災/賠償/業務災害絞り込み
業種コード保険会社の業種の区分表のコード絞り込み、検索の文
建物の構造・築年構造の区分、建築の年検索の文
保険金額・限度額数字検索の文、上限の確かめ
始期日日付(必須)基準書の版を選ぶ
照会の本文自由記述検索の質問文

始期日の欄が空の照会は、検索しません。 「始期日をお知らせください」という下書きだけを作り、担当に渡します。

もう一つのトリガーは、基準書の改定と通達の発出です。 引受部が新しい版を置き、メタデータに版の期間を書きます。前の版は消さず、終わりの日を書いて残します。 取り込みは毎晩まとめて行います。

Step2

入力データを集める

データ中身取得元
照会フォームの6項目、代理店コード、照会の日代理店システム
引受基準書業種の区分表、構造・築年・保険金額の基準、引受の条件。商品ごと・版ごと引受部の文書(PDF)
引受部の通達業種や地域ごとの個別の取扱い、発出の日と効力の期間引受部の文書(PDF)
過去の回答照会の要旨、回答、根拠の条文、前提の版、回答の日、協議の有無代理店システムの照会と回答の一覧から作る

質を決めるのは、基準書の節ごとに付ける権限の区分です。 基準書は「引受可」「条件付きで引受可」「引受部と協議」「引受不可」のような区分を業種や条件ごとに書いています。営業支援部が答えてよいのはどれかを、引受部が節ごとに決めて authority に書きます。

過去の回答には、協議して決めたものかどうかも書きます。 協議による回答はその申込の事情を見ての個別の判断なので、decision に「基準どおり」か「協議による個別の判断」かを入れます。

Step3

データの取得方法を決める

基準書は商品ごと・版ごとに章で分け、通達と過去の回答は1件ずつファイルにして Cloud Storage に置きます(公式では1ファイル200MB、一度に10万ファイルまで)。メタデータは JSON Lines で、1行ごとに id、structData、content(mimeType と uri)を書きます。

{"id":"fire-sme-guide-v12-ch4-sec2","structData":{"doc_kind":"guide",
 "product":["fire_sme"],"industry_code":["5610","5620"],
 "authority":"consult",
 "effective_from":"2026-04-01T00:00:00Z",
 "effective_to":"2099-12-31T23:59:59Z"},
 "content":{"mimeType":"application/pdf","uri":"gs://uw-docs/fire-sme-guide-v12-ch4-sec2.pdf"}}

authority は営業支援部で回答可(support)か引受部と協議(consult)、過去の回答には回答の日 answered_date と decision も持たせます。照会のたびに、中継プログラムが絞り込みの条件を作ります。 公式の構文では、文字の項目は ANY() に並べた値のどれかと完全に一致するかを見られ、日時の項目は ISO 8601 の文字列と比べられ、AND・OR と括弧で組み合わせられます。項目はスキーマで索引可能にしておかないと絞り込みに使えません。

product: ANY("fire_sme") AND industry_code: ANY("5610")
AND (
 (doc_kind: ANY("guide") AND effective_from <= "2027-01-01T00:00:00Z"
  AND effective_to >= "2027-01-01T00:00:00Z")
 OR
 (doc_kind: ANY("notice","past_reply") AND effective_from <= "2026-10-15T00:00:00Z"
  AND effective_to >= "2026-10-15T00:00:00Z")
)

基準書は始期日、通達と過去の回答は照会の日です。 過去の回答の effective_to には、前提にした基準書の版が終わった日を書きます。改定されると、その版を前提にした回答は検索から外れます。

並べ替えは boostSpec で行います。 公式では、conditionBoostSpecs の条件に −1〜1 の値を付けて上げ下げでき、日時の項目の経過期間で上げ下げする指定(FRESHNESS)もあり、0.1以下の小さな値から始めるよう勧めています。

"boostSpec": {"conditionBoostSpecs": [
  {"condition": "doc_kind: ANY(\"guide\")", "boost": 0.1},
  {"condition": "doc_kind: ANY(\"past_reply\")",
   "boostControlSpec": {"fieldName": "answered_date",
     "attributeType": "FRESHNESS", "interpolationType": "LINEAR",
     "controlPoints": [{"attributeValue": "30D", "boostAmount": 0.05},
                       {"attributeValue": "365D", "boostAmount": -0.05}]}}
]}

基準書を上に寄せ、過去の回答は新しいものを上に、1年を過ぎたものを下に寄せます。

Step4

AIへ渡す前に整形する

  1. 基準書を節ごとに見出しを付けて分ける … 引受部の原稿からHTMLで書き出し、業種の区分表は業種コードの範囲ごとに分けます
  2. 節ごとに権限の区分を付ける … 引受部が authority を書きます。「可」と「協議」が混ざる節は、分けるか consult にします
  3. 版の期間を付ける … 改定の履歴から、版ごとの始まりと終わりの日を書きます
  4. 過去の回答を整える … 1件ずつ文書にし、代理店名・代理店コード・顧客の名称・番地を外し、 根拠の条文、前提の版、decision を書きます
  5. 照会の本文を整える … 顧客の名称や人名は検索の文から外し、記録に印を付けます

4番目で代理店と顧客を外すのは、引用の中にほかの代理店の顧客の名前が出ないようにするためです。 業種と建物の条件が残っていれば材料としては足ります。2番目で迷ったら consult に倒します。 狭めに取って失うのは、引受部の数分の時間です。

Step5

AIに処理させる

させるのは、始期日の版の基準書と、いま効いている通達・過去の回答から、照会に当たる区分と条文を探し、引用して回答の下書きを書くことです。

させること中身
当たる区分を示す業種・構造・築年・保険金額の区分を、基準書の名前・版・節の番号を付けて
条文を引用する区分を決めている本文と、引受の条件(免責金額、補償の制限など)
通達を示す業種や地域に通達があれば、番号と本文を
足りない情報を挙げる照会に無い事実(作業の内容、防火の設備、事故の内容)
回答の下書きを書く区分と条件と足りない情報を並べた文
させないこと理由
引受の可否の最終の結論協議の区分は引受部が決める
保険料や割増の計算料率と条件で別の仕組みが計算する
基準書に無い業種を一般論で補う根拠の無い回答になる
過去の個別の判断を基準として書くその申込の事情によるもの
引受部へ回すかの判断節の authority で中継プログラムが決める

4つ目が、いちばん起きやすい失敗です。 協議で決まった過去の回答は、文としては基準と同じ形をしているからです。

answer メソッドの設定は次のようにします。

設定値理由
includeCitations有効区分と条文に出典を付ける(既定は無効)
ignoreLowRelevantContent有効関係の薄い節で答えない
filter商品、業種、文書ごとの版の期間始期日と照会の日に効く文書だけを引く
boostSpec基準書を上に、新しい回答を上に過去の回答を基準書の下に置く
groundingSpecincludeGroundingSupports を有効、filteringLevel を FILTERING_LEVEL_HIGH根拠の弱い下書きを出さない
promptSpec.preamble下の指示答え方の規則を与える

filteringLevel を高くすると、根拠の弱い回答は生成されず、answerSkippedReasons に LOW_GROUNDED_CONTENT が返ります(関係の薄い内容で止まったときは NO_RELEVANT_CONTENT)。どちらでも下書きは作らず、担当が基準書を開きます。

Step6

指示内容を固定する

answer メソッドの promptSpec.preamble に、次の指示を入れます。中継プログラムは、商品、業種コード、構造、築年、保険金額、始期日、照会の日を検索の文の先頭に付けます。

あなたは損害保険会社の営業支援部の担当として、代理店からの引受の
照会に、引受基準書と通達を根拠に回答の下書きを作る立場です。
読むのは営業支援部の担当で、代理店に返す前に必ず確かめます。

【前提】
検索の文の最初に、商品、業種コード、建物の構造、築年、保険金額、
始期日、照会の日が並んでいます。基準書は始期日に効く版、
通達と過去の回答は照会の日に効くものだけが検索の対象です。

【答え方】
1. 照会に当たる区分を、基準書の名前・版・節の番号を付けて示す
2. 区分を決めている本文と、引受の条件を、本文のまま引用する
3. 業種や地域に通達があれば、通達の番号と本文を引用する
4. 区分を決めるのに足りない事実を、代理店に聞くこととして3つまで挙げる
5. 以上を、代理店の担当に向けた丁寧な文で、300字程度にまとめる

【厳守事項】
- 「お引き受けできます」「お引き受けできません」と言い切らないで
  ください。基準書の区分を、区分の名前のまま書いてください。
- 保険料、割増、割引の額や率を書かないでください。計算もしないでください。
- 検索結果に無い基準、別の版の基準書で答えないでください。
- 一般的な保険の引受の考え方で補わないでください。
- 過去の回答だけが根拠のときは、「過去の回答による」と書き、
  回答の日を書いてください。協議による個別の判断の回答は、
  「過去に協議で個別に判断した例」と書き、基準として書かないでください。
- 代理店名、顧客の名称、人の名前を書かないでください。
- 当たる区分が見つからないときは、
  「基準書で該当する区分を確認できませんでした」とだけ書いてください。

「区分の名前のまま書く」を明記しないと、AIは区分を言い換えます。 「条件付きで引受可」を「お引き受けできる見込みです」と書き、代理店はそれを顧客に「引き受けてもらえます」と伝えます。 条件の落ちた回答は、申込の段階で覆ります。

Step7

出力形式を固定する

answer メソッドの返り値と照会の項目を、中継プログラムが次の形にまとめます。

{
  "inquiry_id": "",
  "product": "fire_sme | liability | work_injury",
  "industry_code": "",
  "inception_date": "",
  "guide_version": "",
  "draft_reply": "",
  "citations": [ { "doc_kind": "guide | notice | past_reply", "title": "",
                   "section": "", "authority": "support | consult",
                   "decision": "", "quote": "", "uri": "" } ],
  "missing_facts": [],
  "grounding_score": 0,
  "route": "reply | consult",
  "route_reasons": []
}

引用は references から取ります。各要素にはチャンクの本文と文書の structData が付くので、authority と decision はそこから中継プログラムが写し、AIの文からは読み取りません。 引用の位置(startIndex/endIndex)は UTF-8 のバイト数なので、日本語の文を文字数で切るとずれます。

route は次の規則で決めます。

route_reasons立てる条件
consult_section引用した基準書の節に authority が consult のものがある
individual_only根拠が、協議による個別の判断の過去の回答だけ
past_reply_only根拠が過去の回答だけで、基準書の節が無い
notice_present業種や地域に通達があり、基準書と違う取扱いを定めている
amount_over保険金額・限度額が、中継プログラムが持つ営業支援部の回答の上限を超える
decisive_words下書きに「お引き受けできます」「お引き受けできません」などの語がある
skippedanswerSkippedReasons が返った

どれにも当たらないものだけが reply です。 引受部へ回るのは consult_section・individual_only・notice_present・amount_over で、past_reply_only と skipped は担当が基準書を開いて答え、decisive_words は語を消して担当に戻します。

Step8

システムへ連携する

つなぎ先方式内容
代理店システム照会の番号で読み出し照会の6項目と代理店コードを読む。回答の欄には書き込まない
Agent Searchanswer メソッド区分と条文の引用、回答の下書き
営業支援部の確認の画面中継プログラムが一覧を作る下書き、引用、route を並べる
引受部の協議の一覧1行足すconsult を回す
過去の回答担当が答えた内容を書き出す翌晩に整えて取り込む

協議の1行には、照会の6項目、引用、route_reasons、下書きを付けます。 引受部は引用を読んで判断するところから始められ、結果は decision を「協議による個別の判断」として過去の回答に入ります。

Step9

人が確認する

代理店に答えるのはいつも営業支援部の担当で、協議の区分を判断するのはいつも引受部です。

  1. 版を確かめる … guide_version が始期日に効く版かを見ます
  2. 引用を読む … 区分を決めている本文が照会の業種と条件に当たっているかを読み、境目の業種は別表で確かめます
  3. 足りない事実を聞く … missing_facts を代理店に聞きます
  4. consult は引受部へ回す … 代理店には「引受部で確認しています」と返します

2番目を省かないでください。 区分表は似た名前の業種が隣り合い、検索が隣の行を引くことがあります。引受部は毎週、consult の一覧と reply の抜き取りを読み、 同じ協議が続く業種を基準書の改定の候補にします。

Step10

例外に対処する

起きること対応
始期日の欄が空検索せず、始期日を聞き返す下書きだけを作る
始期日に効く版の基準書が無いskipped 相当として担当へ。版の登録漏れを疑い、引受部に知らせる
業種コードが区分表に無い検索の文を照会の本文だけにし、consult
1つの照会に複数の建物・複数の商品建物ごと・商品ごとに分けて検索し、厳しいほうの route を取る
下書きに言い切りの語が出た語を消し、decisive_words で担当へ
検索の呼び出しが失敗した下書き無しで確認の画面に載せ、担当が従来どおり答える

4行目は、工場と倉庫をまとめる照会で起きます。 まとめて引くと、片方の基準が漏れます。

Step11

記録を残す

  • 照会の6項目(顧客の名称と人名は外したもの)、代理店コード、照会の日、担当
  • 選ばれた基準書の版と、絞り込みの条件、boostSpec と preamble の版
  • answer メソッドの返り値の全文(answerText、citations、references、根拠のスコア、answerSkippedReasons)
  • route と route_reasons、担当が直した後の回答の全文、引受部の協議の結果
  • 担当が直す前と後の差分

選ばれた版を残すのは、後から誤りを問われたときに、担当の読み違いか版の登録の誤りかを切り分けるためです。

04実装レベルの3段階

最小構成:基準書の章を手元のAIサービスに貼り、照会を1件ずつ入れる / 区分と条文を探して引用する
半自動化:上記+基準書・通達・過去の回答をデータストアに取り込み、担当が検索の画面に照会を写して使う / 版で絞った検索と引用、下書き
本格構成:上記+代理店システムの照会を起点に自動で動かし、権限の区分で `reply`/`consult` に分け、協議の一覧まで作る / 照会の受付から下書き、引受部への切り分けまで

最小構成では件数がさばけません。 版ごとの章を毎回貼る手間がかかり、確かめるための段階です。 半自動化で、15分が9分程度になります。 探す時間は減りますが、照会の項目を画面に写す手間と、引受部へ回すかを担当が決める手間が残ります。本格構成で5分になり、この段階が本記事の想定です。 差が大きいのは、始期日の版の選択と、権限の区分による振り分けが自動になることです。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
8 名
月間件数
480 件
1件あたり現在時間
15 分
1件あたり導入後時間
5 分
現在  480件 × 15分 ÷ 60 = 120 時間/月
導入後 480件 × 5分 ÷ 60 = 40 時間/月
月間削減時間
80h
削減率
67%
年間削減時間
960h
年間金額換算(時間単価3,800円)
365万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 中小企業向けの火災保険・賠償責任保険などを数百から千を超える代理店を通じて販売し、代理店からの引受の照会を本社または支店の営業支援部が受けて答えている損害保険会社。引受基準書が商品ごとにあり、年に何度か改定され、始期日によって見る版が違う場合。過去の照会と回答が記録として残っているが、探せずに担当の記憶に頼っている場合。
向いていない
  1. 商品が少なく引受基準が数ページに収まり、担当が覚えていられる場合。引受の可否そのものをAIの回答で決めたい場合(この構成は基準書の区分と条文を示すだけで、協議が要るものは引受部が判断します)。代理店が自分でチャットに聞いて回答をそのまま顧客に伝える形にしたい場合(営業支援部の担当が読んでから返す前提です)。

07最小構成で試す方法

  1. 照会の多い商品と業種(飲食店の火災保険、製造業の賠償責任保険など)について、いまの版と1つ前の版の基準書の章を集める
  2. 過去3か月の照会から20件を拾う(改定をまたぐ始期日のもの、協議に回したもの、業種の境目のものを数件入れる)
  3. 手元のAIサービスに基準書の章を貼り、第7章の指示を貼って、始期日を添えて1件ずつ入れる
  4. 出てきた下書きを、当時の担当の回答と引受部の協議の結果と突き合わせる
出てきた内容判断
当時と同じ区分と条文を引用した検索基盤への取り込みに進む
「お引き受けできる見込みです」と書いた指示で直るか試す。直らなければ語の照合を最初から作る
業種の区分表の隣の行を引いた区分表の分け方と見出しの付け方が先

3行目が出ることは珍しくありません。 区分表は1枚の大きな表なので、表をどう分けるかを取り込みの前に決める必要があると分かります。

08実装時につまずきやすいポイント

問題対策
始期日ではなく照会の日の版で答える基準書は始期日で絞り、欄が空なら検索しない
協議の区分なのに下書きが答えてしまう引用した節の authority で中継プログラムが回す
「条件付きで引受可」が言い換えられる区分の名前のまま書かせ、言い切りの語を照合で消す
過去の個別の判断が基準として広まるdecision で区別し、個別の判断だけが根拠なら consult
改定の前の版を前提にした過去の回答が引かれる過去の回答の effective_to に、前提の版の終わりの日を書く
業種の区分表の隣の行を引く表を業種コードの範囲で分け、見出しを付ける。担当が別表で確かめる
ほかの代理店の顧客の名前が引用に出る過去の回答を作るときに代理店と顧客の名称を外す
引用の位置がずれる位置は UTF-8 のバイト数。文字数で切らない

上の4行が、この構成の失敗のほとんどです。 版の当て方と権限の線を、AIの外の規則で守ります。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 引受基準書と通達(保険会社の内部の文書)、過去の照会と回答、照会の内容(顧客の業種、建物、保険金額、過去の事故を含む)です。

  1. 引受基準書を社外に出さない … 基準書は、代理店にも全文は渡していない内部の文書であることが多いはずです。検索の画面は営業支援部と引受部だけが使い、代理店には担当が直した回答だけを返します
  2. 過去の回答から、代理店と顧客を外す … 担当はどの代理店の照会にも答えます。ほかの代理店の顧客の名前や所在地が引用に出ないよう、取り込みの前に外します
  3. 引受の判断を急がせない … この構成で早くなるのは、基準書と過去の回答を探すところまでです。協議の区分は、これまでどおり引受部が申込の事情を見て決めます
  4. データの置き場所を確かめる … 公式では、データストアの場所は global・us・eu で、日本のリージョンはありません。us・eu を選ぶと保存されるデータはその地域に留まるとされています。照会の記録と過去の回答をどこに置くかを、社内の情報の取扱いの規程と合わせて確かめてください
  5. 基準書の改定の手順に、メタデータの更新を入れる … 更新されないと、古い区分で答え続けます

誤りが起きた場合のリスクは、代理店に、営業支援部の権限を越えた回答や、条件の落ちた回答を返すことです。 どちらも、顧客への説明が引受の段階で覆ることにつながります。権限の線は基準書のメタデータに、版の線は始期日に置き、AIの文では動かさない設計にします。

10まず何から始めるか

1週目:権限の区分を決める

照会の多い商品から、基準書の節ごとに営業支援部が答えてよいか(support)、引受部と協議するか(consult)を引受部と決めます。迷う節は consult にします。

2週目:20件の照会で試す

手元のAIサービスに基準書の章を貼り、過去の照会20件を始期日を添えて入れます。区分を言い換えていないか、始期日の版の条文を引いているかを最優先で見ます。

3週目:過去の回答を整える

照会と回答の一覧から、よく出る照会を50件ほど、根拠の条文と前提の版と decision を付け、代理店と顧客の名称を外して文書にします。

4週目:データストアを作り、担当が検索の画面で使う

基準書・通達・過去の回答を取り込み、担当が照会を検索の画面に写して使う運用を始めます。並べ替えの値を、過去の照会で見ながら決めます。

2か月目: 代理店システムの照会を起点にした自動の検索、権限の区分による振り分け、語の照合、協議の一覧を作り、1つの商品で始めます。3か月目以降: ほかの商品に広げます。基準書の改定のたびに、版の期間と権限の区分が改定の決裁と一緒に更新され、どの担当が答えても同じ区分の回答が返るのが当たり前になった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-15/最終更新:2026-10-15
確認した内容情報源確認日
Vertex AI Search が Agent Search へ改称中であること。answer メソッドの searchSpec.searchParams に filter・boostSpec を書けること、maxReturnResults が既定10・最大25であること。includeCitations(既定は false)、ignoreLowRelevantContent、promptSpec.preamble。groundingSpec の includeGroundingSupports と filteringLevel(FILTERING_LEVEL_LOW/FILTERING_LEVEL_HIGH)、根拠の弱い回答で LOW_GROUNDED_CONTENT、関係の薄い内容で NO_RELEVANT_CONTENT が返ること。references にチャンクの本文と structData が付くこと。引用の startIndex/endIndex が UTF-8 のバイト単位であることGoogle Cloud: Get answers and follow-ups2026-10-15
conditionBoostSpecs の condition と boost(−1〜1)、boostControlSpec の fieldName・attributeType(NUMERICAL/FRESHNESS)・interpolationType(LINEAR)・controlPoints、期間の書き方("59D" など)。0.1以下の小さな値から始めるよう勧めていることGoogle Cloud: Boost search results2026-10-15
絞り込みの ANY() が列挙した値との完全一致を見ること、AND/OR と括弧での組み合わせ、日時の項目を ISO 8601 の文字列と比べられること、項目を索引可能にする必要があることGoogle Cloud: Filter custom search for structured or unstructured data2026-10-15
レイアウト パーサーが段落・表・見出しを検出すること。チャンクの大きさが100〜500トークンで、includeAncestorHeadings(既定は false)で見出しを付けられること。チャンクの設定がデータストアの作成後に変えられないことGoogle Cloud: Parse and chunk documents2026-10-15
非構造化データの対応形式と、1ファイル200MB・一度に10万ファイルの上限。メタデータを JSON Lines で id・structData・content(mimeType・uri)として書くことGoogle Cloud: Prepare data for ingesting2026-10-15
データストアの場所が global・us・eu で、日本のリージョンが無いこと。us・eu では保存されるデータがその地域に留まることGoogle Cloud: Locations2026-10-15

引受の可否、引受の条件、営業支援部が答えてよい範囲は、各社の引受基準書と引受部の判断に従ってください。 本記事は Google Cloud の公式ドキュメントで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-1630)についてのご相談はこちらから。

AI活用について相談する
目次