フィンテック中国
← ステッカーウォール
AGENT · DETAIL
Cybernative保険金請求審査エージェント：資料確認を3秒で完了、中小保険会社の請求コストを年間30%削減
ワークフロー：毎日定時に代理店がアップロードした保険証券と請求資料を自動取得し、OCRで証券番号、診断書、請求金額を抽出します。これらを約款データベースと照合して支払額を算出し、さらに不正検知ルールエンジンを実行して重複請求や資料の矛盾をチェックします。
AGENT
主要項目
FIELD STAMPS業界フィンテック
地域中国
規模中小企業
チャネルオンライン
🔧 ワークフロー
毎日定時に代理店がアップロードした保険証券と請求資料を自動取得し、OCRで証券番号、診断書、請求金額を抽出します。これらを約款データベースと照合して支払額を算出し、さらに不正検知ルールエンジンを実行して重複請求や資料の矛盾をチェックします。信頼度スコア付きの査定レポートを店長に通知し、人間が確認ボタンを押すと自動的にアーカイブされます。1件あたりの平均処理時間は2時間から5分に短縮され、人間はフラグが立てられた疑わしい案件のみを再確認します。システムは毎日深夜に過去の不正案件データベースと自動照合し、異常があれば証拠の要約を添えて即座にアラートを送信し、追跡調査を支援します。
🛠 構築のハードル
高度なプログラミングスキルは不要で、保険の請求プロセスを理解していれば十分です。n8nを使用してOCRノードと大規模言語モデル（LLM）のAPIを連携させるだけで開始でき、モデルの学習は不要です。保険約款の知識ベース（RAGで読み込み可能）を用意し、合合信息や百度OCRと連携して書類解析を行えば、2〜4週間で最小限の閉ループを構築し、店舗での試験運用が可能です。Dockerが動作するサーバーまたはミニPCを用意し、MySQL、MinIO、ベクトルデータベースをローカルに配置することで、機密性の高い画像データの外部流出を防ぎます。CozeやDifyでワークフローを構築することも可能ですが、プライベート環境へのエクスポートがより安全です。
🧰 ツールチェーン
- 🔧 n8n
- 🔧 合合信息OCR API
- 🔧 Claude API
- 🔧 DeepSeek API
💰 収入
中小保険会社や代理店に対し、年間6万〜10万元のサブスクリプション料金を請求し、店舗の月間平均請求件数に応じて1件あたり2〜3元の呼び出し手数料を徴収します。個人で初期に2〜3社の顧客と契約すれば月収は約2万〜4万元となり、更新や紹介を含めると年間30万元規模の収益が見込めます。請求件数に応じた成功報酬型に変更する場合、1件あたり5〜10元を徴収すれば、月間5000件の処理で2.5万〜5万元の収益となり、上限はありません。
💸 コスト
合合OCRのページ単位料金が月額500〜1500元、LLM APIの月額支出が約3000元、n8nのセルフホストサーバー代が月額200元で、総コストは月額5000元以内に収まります。初期段階で1店舗のみ対応する場合、OCRの無料枠を活用すればコストを月額800元まで抑えることができ、利益率をさらに高められます。
⏱ 時間投入
初期は週30時間、安定後は週20時間程度で、主に人間による再確認とルールベースの更新に費やします。ルール更新は月末に集中して行い、平日は毎日30分ほどアラート記録を確認し、週末に顧客のフィードバックに基づいてプロンプトやデータベースを調整します。
🚀 初心者ガイド
馴染みのある保険代理店や自動車保険の修理工場を見つけ、まずは「当日の事故受付資料をエージェントに取り込み、自動で一次審査意見を作成する」という最小機能（MVP）を提供します。n8nでOCRと約款照合の閉ループを構築し、審査工数の削減実績を基に年間サブスクリプション契約を交渉し、その後、同地域の他の代理店へ横展開します。手回（Shouhui）や合合情報の公開デモを使って店長に「3秒で査定意見が出る」様子を実演し、試行契約を結ぶことで、口先だけの提案を避けます。
🔑 成功のカギ
- ✅ 保険約款の構造化分解
- ✅ 人間による再確認のセーフティネット設計
- ✅ 分単位のレスポンス体験
- ✅ 件数課金による業務量との連動
- ✅ 実際の不払い事例を用いた境界条件の学習
⚠️ 风险
- ⚠️ 診断資料の偽造は100%の識別が困難であり、AIの結論は直接的な支払い決定の代わりにはならないため、最終判断は人間が行う必要がある。
- ⚠️ 保険データのコンプライアンス要件は厳しく、導入時にはローカライズや匿名化処理が必要。また、地域をまたぐ営業には適切な資格が必要であり、違反すると規制当局による処罰のリスクがある。
- ⚠️ LLMの出力にはハルシネーション（幻覚）のリスクがあり、約款照合で誤りが発生する可能性がある。定期的に実際の請求サンプルを用いてルールベースをテストしなければ、誤判定率の蓄積により顧客離れを招く恐れがある。
📌 実例
- 📌 合合情報のClaim Agentインテリジェント請求プラットフォームが請求資料の3秒審査を実現し、全プロセスのインテリジェント化を推進。
- 📌 元保がマルチエージェントアーキテクチャを通じて請求プロセスを分単位に短縮し、保険業界におけるAI導入のモデルケースとなった。
- 📌 Qusarの請求自動化がGuidewireフレームワーク下で約30%のコスト削減を実証。個人エージェントが小規模保険会社向けに同様の効果を量産可能。
- 📌 手回の2026年中期レポートによると、AIが引受・請求の全プロセスに浸透しており、小規模チームは同社のデータパイプラインを参考に独自のSOPを設計できる。