米国の某地域保険会社、Polygraf AIで不審な請求の審査時間を約72時間から3時間未満に短縮

米国のある地域保険会社は、Polygraf AIのモデルを社内のプライベートネットワークに導入し、不審な保険金請求1件あたり平均3日かかっていた手作業の審査を見直しました。導入から最初の1カ月で、請求の審査時間は約72時間から3時間未満になり、コンプライアンス分析担当者の作業量は38%減りました。人員は増やしていません。

導入前：手作業の審査では偽造を見抜けない

不正請求の見分け方は長らく、不自然な誤字や使い回しの写真を探すことでした。現在の損害査定担当者は、ディープフェイクの警察報告書、合成された負傷写真、実在しない人物の声による電話に向き合っています。それでも疑わしい案件は全て従来通りページごとに念入りに確認され、3日目にずれ込むこともあり、その間は正当な請求も待たされます。

2024年に12億件の顧客通話を分析したPindropの調査では、保険会社を狙った音声合成による詐欺の試みが2023年比で475%増えました。Swiss ReのSONARは、ディープフェイクとAIで生成された文書を、業界にとって影響の大きい不正の要因に挙げています。米国の保険契約者が負担する不正のコストは年間約3,080億ドルに上ります。米国アクチュアリー会（American Academy of Actuaries）は、損害保険（P&C）の保険料の少なくとも12%が不正に流れているとし、平均的な世帯の保険料は不正によって年間約900ドル押し上げられているとされています。

同社では、疑わしい請求1件あたりの手作業の審査に平均3日かかっていました。音声や文書の偽造は初期の防御をすり抜け、コンプライアンス担当チームは、ファイルを社内で回覧する前に、保護対象保健情報（PHI）、個人を特定できる情報（PII）、決済カード情報（PCI）のマスキングに何時間も費やしていました。

導入の仕方：社内ネットワークに閉じて動かす

Polygraf AIのコンテナ化されたモデルは同社のプライベートネットワーク内に導入され、データは社外に出ていません。ブラウザー拡張機能とREST APIでPDF、スキャン画像、通話の文字起こしを取り込む構成にしたため、基幹システムの改修は必要ありませんでした。

取り込んだ情報は、次のモデルを組み合わせて処理しました。AI Content Detectorは、テキスト、画像、音声をまたぐマルチモーダル分析で、ディープフェイクの請求やAIで生成された保険書類を200ミリ秒未満で検出しました。Groundtruthは、契約者の申告内容をAIで突き合わせ、出所をリアルタイムで確認して請求と証拠を検証し、対応策を提案しました。Secret Markerは、AIによる文書の抽出でPCIデータやPHIなどの機密データを国際的な基準に沿ってマスキングし、非構造化の保険コンテンツから自然言語処理（NLP）で重要なデータを取り出しました。

数字で見た導入効果（最初の1カ月）

請求の審査時間は約72時間から3時間未満に

請求の審査時間は約72時間から3時間未満になり、96%短縮しました。正当な請求も処理が早まり、支払いが速くなりました。

コンプライアンス分析の作業量は38%減

コンプライアンス分析担当者の作業量は100%から62%になり、38%減りました。追加の人員はゼロです。

この導入事例からの学び

同社の事例から読み取れる確認点は2つあります。1つ目は、処理をどこで動かすかです。モデルはプライベートネットワーク内で動き、データは社外に出ていません。Polygraf AIのモデルはオンプレミスでもプライベートクラウドの閉じた環境でも動き、プライバシーとコンプライアンスのルールをデータのある場所で適用します。基盤の作り直しや人員の追加なしに、処理の速さと不正対策を高め、機密データを手元で管理できます。

2つ目は、取り込みの方法です。ブラウザー拡張機能とREST APIで既存の書類や通話記録を取り込んだため、基幹システムを改修せずに済んでいます。保険金請求のように、PHIやPIIを含む書類を扱いながら審査の速さも求められる業務では、データを外に出さない構成と、既存システムに手を入れない取り込み方が、検討の出発点になります。

出典：Polygraf AI