手回集团AI引受フルチェーンソリューション

📌 背景

保険テックは単一ツールからフルチェーンAI化の段階に入り、スマート引受は補助審査から相談・審査・推奨一体型ソリューションへアップグレードしている。健康保険会社がIPOを目指す一方でトラフィックが頭打ちとなり、コスト削減と効率向上が中核的要請に。AI引受は差別化の切り口となる。手回集团がAI引受フルチェーンソリューション「手小智」を発表（会社開示ベース）。まさにこの領域に切り込む。本項目では、そのフルチェーン引受サービスの課金モデルを分解する。

👤 ターゲット顧客

課金対象は中小保険会社、保険仲介プラットフォーム、健康保険会社。利用場面は、申込前の相談Q&A、引受ルールの自動審査、商品推奨によるコンバージョン。顧客は引受件数または座席数に応じて課金される。具体的な契約社数と注文件数規模は開示ベース（契約規模は未検証）。

💰 収益ポイント

1）SaaSサブスクリプション料：引受件数または座席数に応じて年額で徴収；2）オンプレミス導入費：データを域外に持ち出せない要件のある顧客に対し、導入費を一時金で、保守費を年額で徴収；3）効果連動課金：引受通過率または人員代替効果に応じてレベニューシェアを約定；4）データ付加価値（機会項目——ルールベース更新と経営分析でどれだけ収益化できるかは、まだ規模開示なし）：レポート単位または年額で、引受ルールベース更新と経営分析サービスの費用を徴収。

🧮 コスト構造

硬直コストはAIモデルの訓練・推論に必要な計算資源と、引受ルールベースの継続保守であり、次に営業およびオンサイト実施チームの人件費である。このうち推論計算資源は受注拡大に伴って1件あたりコストが薄まる。最も変動が大きいのは大口顧客のカスタム実施投入である。

🛡️ 参入障壁

参入障壁は、相談・審査・推奨のフルチェーン一体化能力、および実際の引受事例が蓄積したルールベースとリスク管理ノウハウにある。引受システムの切り替えは業務プロセス改革を伴うため、置き換えコストが高い。独自アルゴリズムではなく、データとプロセスの結び付きと記す。

🔑 成功のカギ

• フルチェーンでのシナリオカバレッジ能力
• 大手保険会社とのベンチマーク協業事例
• コンプライアンスとデータセキュリティ能力

⚠️ リスク

• 保険業界の調達サイクルが長い
• モデルの誤判定が保険金請求紛争を引き起こす

🏢 事例

• 手回集团がAI引受フルチェーンソリューション「手小智」を発表（会社開示ベース、独立検証なし）

📊 SWOT分析