# 米国アクチュアリー協会(Casualty Actuarial Society)が CAS 資金による概念実証研究を発表:二段階の LLM パイプラインが非構造化の保険金請求書類から36個の構造化アクチュアリー変数を抽出した

ページ: https://flyvolo.ai/ja/changes/ev-20260622-actuary-5
日付: 2026-06-22 · 段階: 技術的能力
この記録は業務の判断を動かせますか? できない
職業: https://flyvolo.ai/ja/careers/actuary

## 適用範囲

米国の損害保険数理士の団体である Casualty Actuarial Society 自身の査読制研究フォーラム(CAS Forum, Vol. 2026)に2026年6月22日付で掲載された論文で、論文自身が CAS Artificial Intelligence Working Group からの資金提供と支援を明記している。5人の著者のうち3人は大学(Thomas Jefferson University、William and Mary University)に所属し、残り2人はそれぞれ小さなコンサルティング会社(Lieberthal and Associates LLC、MDSight LLC)を営んでいる。両社が商用の LLM 理賠分析製品を販売している形跡は検索では見つからなかったため、これは業界団体自身の研究であり、ベンダーの売り込み資料ではないと判断した。論文自身がこのシステムを「概念実証」と呼んでいる:非構造化の保険金請求文書 —— 診療記録、損害査定担当者のメモ、通話記録 —— を読み取り、準備金・料率算定・クレーム管理のために36個の構造化されたアクチュアリー変数を抽出する二段階の LLM パイプラインである。論文が報告するすべての結果 —— 36変数の抽出、2人の独立した臨床専門家による14個の中核変数の確認(5段階評価で少なくとも4、評価者間の一致度は中程度)、そしてチェーンラダー法による準備金計算に組み込んで回帰テストの誤差を6.5%から4.0%に下げた結果 —— はすべて、Synthea FHIR ツールで生成した合成理賠データと、LLM が書いた診療記録・通話記録に対して出されたものであり、どの保険会社の実際の理賠データでもない。論文自身の本文は、ある組織の実際の理賠ポートフォリオに対してこのパイプラインを検証することを、投入本番前のまだ行っていない次のステップとして書いている。これが確立しているのは、アクチュアリーという職業自身の団体が、この仕事のうちデータ整理にあたる半分について、合成データでしか検証していない稼働するプロトタイプを持っているということであり、どの保険会社がそれを使っているか、どれだけの本物の経験分析を代替できるか、あるいはこの仕事に何人のアクチュアリーが携わっているかについては何も確立していない。

## 出典

- Casualty Actuarial Society — CAS Forum (Lieberthal, Tran, Phan, Singh and Sottung), "Leveraging Large Language Models for Unstructured Claims Data Analysis" — https://forum.casact.org/article/163733-leveraging-large-language-models-for-unstructured-claims-data-analysis (一次資料)

## これが意味すること

アクチュアリー自身の職業団体が、LLM を使って非構造化の保険金請求文書を読み取り、これまで人の手による確認が必要だった構造化変数のうち36個を取り出す、稼働するプロトタイプを発表した。

## まだ示していないこと

これは合成データでしか検証されていない概念実証であり、どの保険会社の実際の理賠データでも検証されていない。どの保険会社がそれを使っているかも、本物の経験分析をどれだけ代替できるかも、この仕事に携わるアクチュアリーの人数についても、何も示していない。

## 自分で確かめる方法

自分の保険会社が理賠の記述文から自動的に情報を取り出す仕組みを試したことがあるか、試したことがあるなら、それが自社の実際の理賠データで検証されたのか、それとも合成テストデータだけで検証されたのかを聞いてみてほしい。


詳しくは: https://flyvolo.ai/llms.txt