三井住友海上がNECとの共同で業務特化型LLMを開発し全社員約1.2万人の社内向け生成AI基盤「MS-Assistant」で運用開始した事例です。 プレスリリース(2025-04-23)で公開されました。さらに2026年には貨物海上保険の査定時間を最大8割減(従来→5分程度)に短縮する取り組みも発表されています。
「保険会社の話だから関係ない」と思いがちですが、対象が「定型書類の判定→金額算定→承認プロセス」という、中堅企業の経理・契約・人事評価でも全く同じ構造の業務である点が肝心です。
僕が注目したのは、8割短縮という数字ではなく、「業務特化型LLMを内製で持つ」という戦略選択です。ChatGPT等の汎用LLMをそのまま使うのではなく、自社業務に合わせたLLMを持つことで、ドキュメント検索の精度と信頼性を引き上げています。
文書処理業務の課題
金融・保険・契約業務にありがちな構造はこうです。
- 書類のチェック→金額算定→承認に長い時間がかかる
- 担当者ごとに判定基準がブレ、最終的に上長が再確認する
- 汎用ChatGPTに業務文書を食わせると、機密情報の懸念がある
- 「AIに任せる」と「人が判定する」の境界線がはっきりしない
汎用LLMをそのまま使うと、自社の判定ルール・過去事例・社内規程を反映できません。「業務特化型LLM+人手の最終チェック」を組み合わせる必要がある、というのが三井住友海上の取り組みから読み取れる発想です。
三井住友海上の取り組み
プレスリリース(2025-04-23、2024-05-27他)・日経新聞で公開されている内容は以下です。
- 対象: 三井住友海上の社員 約1.2万人(MS-Assistant)
- 基盤: NECと共同開発した業務特化型LLM(2025-04-23運用開始)
- 学習データ: 約1.2万人の社員フィードバックを分析・学習
- 主な用途: ドキュメント検索、業務効率化
- 2026年4月発表(貨物海上保険AI査定):
- 対象: 海外輸入貨物の貨物海上保険(保険金支払額100万円以下、年約7,000件)
- 成果: 査定時間を最大8割減(従来→5分程度)
- 2024-05-27発表: 事故対応の通話内容要約に生成AI活用
つまり「全社員特化型LLM→特定業務にAI査定」という2層展開で、文書処理を時間と精度の両面で改善しています。
何が真似できるか
三井住友海上の規模感はまったく違いますが、設計思想だけ抜き取るとこうなります。
- 汎用ChatGPTではなく「自社の判定ルール・過去事例」を学習させたAIを持つ
- AI判定の対象を「金額の小さい/件数の多い定型業務」から始める
- 「AIが下書き→人が最終判定」の役割分担を明示する
- 業務特化LLMは「ドキュメント検索」から始めるのが入りやすい
特に「金額の小さい/件数の多い定型業務から始める」割り切りが秀逸です。100万円以下・年7,000件という条件設計は、中堅企業の経費精算や契約書チェックにそのまま転用できます。
中小企業で再現するなら
ここからが本題です。年商10〜100億の中堅企業で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 三井住友海上 | 中堅企業(年商10〜100億・社員50〜500名) |
|---|---|---|
| 対象 | 全社員1.2万人+貨物保険査定 | 全社員+経費精算/契約書チェック等の定型判定 |
| ツール | NEC共同開発 業務特化型LLM | ChatGPT Team(GPTs)+RAG or Microsoft Copilot Studio(月3,000〜4,500円/人〜、2026年4月時点。要最新価格確認) |
| 月額費用 | (規模非公開) | 推定 月10〜50万円(利用者数×ライセンス+RAG) |
| 初期費用 | (記載なし、大規模) | 推定 100〜500万円(過去事例整備+特化GPT/Copilot構築) |
| 体制 | 全社IT+各業務部+NEC | 経営層+IT+対象業務担当+外部AI支援 |
| 期間 | 数年スパン | 6〜12ヶ月でPoC→特化AI運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★☆☆ |
| 難易度(低いほど簡単) | ★★★★☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高い。年7,000件×8割短縮は人件費換算で大きいインパクト
- 再現性は中。LLM内製は無理でも、ChatGPT Team+RAGで近い構造は作れる
- 難易度は高い。「過去事例の構造化データ化」と「判定ロジックの定義」が必要
前提条件・必要データ
- 対象業務の過去事例(数百〜数千件)が電子化・構造化されている
- 業務担当者が「AI下書きをチェックする」業務フローに転換できる
- 機密情報を含む業務に使えるAI契約(Enterprise版等)を結べる予算
- 経営層が「8割短縮」を人員削減ではなく業務拡大に振り向ける方針
失敗条件・適用しないケース
- 過去事例が紙またはバラバラのExcelに散在
- 判定ロジックが担当者の頭の中だけで、文書化されていない
- 「AIに任せて人手レビューを省く」設計をしてしまう
- 削減した時間を新しい業務に振り向けず、評価指標がぼやける
「業務特化LLMで査定が8割減る」のではありません。
過去事例構造化→判定ルール文書化→特化AI設計→人手チェック付き運用→効果測定、という流れが回って初めて、三井住友海上と同じ8割短縮が中堅企業にも見えてきます。
特に「判定ルール文書化」を省くと、AIが「それっぽい」回答を出し続けるだけで、本当の効率化に繋がりません。
出典・参考
- 生成AIによる業務プロセスの革新とさらなる業務効率化を実現(三井住友海上、2025-04-23)
- 二次情報: 三井住友海上、貨物の保険金支払いをAIで自動化 業務時間8割減(日本経済新聞、2026-04)
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら