AIはトラック運送業界の保険をより正確にできるのか、それとも速くするだけなのか？

人工知能を活用すれば、保険会社は書類審査を自動化し、申込書から情報を抽出し、過去の記録を分析する新たな手段を得られます。トラック運送会社にとって、こうした機能は、保険に加入する手続きを複雑にする事務上の遅れを減らすのに役立つ可能性があります。

業務の効率化は重要です。保険の手続きが遅れると、運送事業者はトラックを稼働させたり、新たな契約を引き受けたり、予定どおりに事業を続けたりできなくなるおそれがあります。

しかし、判断が速くなったからといって、必ずしも判断の質が上がるわけではありません。

トラック運送業界の保険における課題は、これまでデータがまったくなかったことではありません。保険会社は、検査履歴、安全記録、事故報告、事業運営の許認可、法令遵守に関する書類を検討できます。課題は、そうした記録から事業者について実際に何が分かるのか、また何が抜け落ちているのかを見極めることです。

AIによってトラック運送業界の保険を改善するには、保険引受審査を速めるだけでは不十分です。保険会社がリスクをより正確に把握できるよう支援する必要があります。

安全記録だけでは全体像は分からない

保険業界に入る前、私はトラック運送会社と直接関わり、安全対策や法令遵守を支援していました。運送事業者が事業運営に必要な許認可を取得し、運転手の資格確認書類を整理して記録を管理し、規制上の要件に対応できるようサポートしていたのです。その経験から、重要な教訓を得ました。法令遵守に関する記録は役立ちますが、車両群が日々どのように運用されているかを必ずしも反映するわけではありません。

車両の台数、事業歴、検査記録が似ている2社のトラック運送会社を考えてみましょう。一方は、定期的な予防整備の計画を守り、運転手の訓練に投資し、安全上の懸念が違反につながる前に対処しているかもしれません。もう一方は、問題が起きてから対応する、より場当たり的なやり方を取っているかもしれません。リスク管理の姿勢が異なっていても、書面上は両社が似ているように見える可能性があります。

逆のことも起こり得ます。運送事業者の記録に違反や事故があっても、その出来事だけでは、現在の安全対策や事故が起きた状況を十分に説明できない場合があります。

米連邦自動車運送事業安全局（FMCSA）の安全性測定システムは、路上検査、事故、調査のデータを用いて、安全対策の対象となる可能性がある運送事業者を特定するための支援を行います。規制当局の監督に役立つ一方で、これらの記録は、運送事業者の安全状態全般や保険加入の適格性を完全に評価する目的で作られたものではありません。

FMCSAは、データの十分性や、さまざまな用途に情報をどれほど確実に活用できるかといった点を含め、安全性測定システムのデータに関する制約についても記録しています。

AIはこうした記録をすばやく分析できますが、速さだけでは記録の限界は解消されません。

不完全な情報を自動処理するリスク

商業保険の事務作業を減らすためにAIを活用できる余地は明らかにあります。自動化システムは、申込書の未記入欄を見つけ、複数の書類に記載された情報を照合し、安全記録を整理し、確認が必要な不一致を検出するのに役立つ可能性があります。

こうした改善は、書類の収集に複数の関係者やシステムが関わることの多いトラック運送業界で、特に大きな価値をもたらす可能性があります。

自動化された評価を最終的な結論として扱うと、リスクが生じます。たとえば、AIシステムが不利な安全指標を理由に運送事業者へ警告を出すことがあります。システムは該当する記録を正しく特定できても、その後の業務改善や、事故の解釈を変える追加情報を考慮しない可能性があります。

FMCSAの事故の回避可能性判定プログラムは、状況を踏まえることが重要な理由を示しています。このプログラムでは、一定の要件を満たす事故について、運送事業者が審査を申請できます。FMCSAが事故を回避できなかったと判断した場合、その事故は安全性測定システムの「事故指標」カテゴリーの算定対象から除外されますが、事故の記録自体は残ります。

このプログラムは、事故記録が存在するかどうかだけでなく、事故を取り巻く状況も重要であると認めています。

小規模な車両群を評価する際には、この違いが特に重要になります。大手運送会社には専任の安全管理担当者や統合された報告システムがある一方、小規模事業者では、表計算ソフトやメール、外部のサービス提供会社に記録が分散していることがあります。

たとえば、整備記録が見つからない場合、整備が実施されなかったことを意味するかもしれません。一方で、システムからアクセスできない場所に記録があるだけかもしれません。この2つの状況を自動的に同じ評価に結び付けるべきではありません。

米国国立標準技術研究所のAIリスク管理フレームワークは、AIシステムの信頼性、透明性、信頼に足る性質を評価するための任意の指針を示しています。

トラック運送業界の保険会社にとって、こうした原則は、自動評価を裏付ける情報が最新で、十分に網羅され、想定される用途に適しているかを判断するうえで、有用な指針となります。

AIには、さらなる情報が必要な場面を見極める力が求められる

AIシステムが持ち得る最も有用な能力の一つは、判断に追加の情報が必要なタイミングを見極めることです。

申請をすべて単純な承認か却下かの二択として扱うのではなく、情報が十分なケースと、確認が必要なケースを区別できるシステムが効果的です。

事業者の営業実態が最近変化したケースを考えてみましょう。自動化システムがその変化を検知できたとしても、追加で質問すれば、会社が異なる貨物分野に事業を広げたのか、車両や機材を追加したのか、新たな安全手順を導入したのかが明らかになる可能性があります。

こうした要因はいずれも、リスクの評価方法に影響する可能性があります。

ここで重要になるのが、説明可能性です。AIシステムが特定の判断結果を推奨する場合、その判断を担う人々は、どの情報が判断に影響したのか、また結論が妥当なのかを理解できなければなりません。

NISTの信頼できるAIに関する指針は、説明可能性、透明性、信頼性、説明責任を、信頼できるシステムの重要な特性として挙げています。また、AIの性能を評価するうえで人間の判断が果たす役割も認めています。

トラック保険の引受審査で目指すべきなのは、質問をなくすことではありません。プロセスのより早い段階で、適切な質問を見極めることです。

人間の専門知識は今なお重要

AIの導入は、自動化と人間による意思決定のどちらかを選ぶ問題として語られることがあります。実際には、どの業務がテクノロジーの恩恵を受け、どの業務に専門家の判断が必要なのかを見極めることが、より有効なアプローチです。

AIは情報の整理、パターンの特定、反復的な事務作業の削減に役立ちます。記録が曖昧な場合や、事業者の状況が標準化された区分にうまく当てはまらない場合には、人間の専門知識が特に重要になります。

トラック運送事業に詳しい人なら、特定の安全上の問題がなぜ重要なのか、事業環境の違いがリスクの度合いにどう影響するのか、最近の業務上の変更をなぜ詳しく調べる必要があるのかを理解できるでしょう。

そうした専門知識を自動化の障害と見なすべきではありません。自動化による評価を、より有用なものにすることができます。

説明責任についても、重要な考慮点があります。

2023年12月、全米保険監督官協会は、ガバナンス、リスク管理、適用される保険法の遵守に関する規制上の期待を示す保険会社による人工知能の利用に関するモデル通知を採択しました。

この通知の規制上の効力は、各州による採択と実施に左右されますが、保険会社がAIを活用した判断をどのように監督するかへの関心が高まっていることを示しています。

人間の判断もまた、絶対に正しいとは限りません。人は一貫性を欠く判断をしたり、関連情報を見落としたりすることがあります。AIの一貫性と情報処理能力を、複雑な状況を解釈するために必要な業務知識と組み合わせることに可能性があります。

効率だけでなく、正確性を測る

AIによって保険引受審査が改善しているかを知りたいなら、保険会社は処理時間以外の指標も評価する必要があります。

申請の処理を数日ではなく数分で終えられれば、業務上の成果と言えるでしょう。しかし、それだけで最終的な評価の正確性が高まったとは限りません。

より有意義な評価では、自動化による推奨がさまざまな種類の事業者に対しても信頼できるか、評価がどの程度の頻度で修正を要するか、システムが不足情報や矛盾した情報を適切に特定できるかを検証します。

小規模な車両保有事業者には、特に注意を払う必要があります。大量のデジタル記録を持つ事業者ではモデルが良好に機能しても、書類の形式が標準化されていない企業では性能が振るわない場合、その有効性にはばらつきが生じる可能性があります。

テストでは、評価対象となる事業者の多様性を反映する必要があります。

評価は導入後も継続しなければなりません。規制、業務慣行、利用可能な情報の変化は、システムの信頼性が時間の経過後も維持されるかどうかに影響する可能性があります。

保険会社は、システムがさまざまな種類の情報をどのように評価するかについても、見直しを行えるよう備えておく必要があります。たとえば、ある安全指標を一貫して過度に重視するモデルでは、事業者の業務に関係するほかの要因を見落とすおそれがあります。

目標とすべきなのは、単なる処理の高速化ではなく、継続的な改善です。

リスクをより深く理解することこそ真の好機

AIには、トラック保険の効率を高め、事務処理の遅れを減らし、見落とされる可能性のある情報を保険会社が特定できるよう支援する力があります。

しかし、その最大の価値は、業界がより多くの情報に基づいて判断できるよう支援することにあるかもしれません。

車両保有事業者は検査履歴だけで語れるものではなく、安全記録も違反の集積にすぎないわけではありません。リスクを理解するには、企業がどのように事業を運営し、問題にどう対処するのか、そして利用可能な情報が現在の状況を反映しているかを考慮する必要があります。

最も有用なAIシステムは、必ずしも最も速く回答を出すものとは限りません。保険会社が、入手可能な情報で判断できる場合と、さらなる評価が必要な場合を見極めるのに役立つシステムこそが、有用なものとなるでしょう。

結局のところ、問われているのは、AIによってトラック運送保険の手続きを迅速化できるかどうかではありません。業界の判断の精度を高められるかどうかです。

AIの成功は、最終的にこの基準に照らして評価されるべきです。