【業種別】保険代理店 — 規制の厳しさをAI標準化の追い風にする

サマリ

保険代理店の生成AI活用で、最初に狙うべきは、AIが顧客に商品を選んで売ることではありません。面談後の記録から、顧客の意向、比較した範囲、推奨理由、重要事項の説明、次回確認事項に抜けがないかを点検し、人が修正できる状態をつくることです。

保険募集では、顧客の意向を把握し、その意向に沿って提案し、契約内容が合っていることを顧客が確認できる機会を設けるなど、守るべき工程が明文化されています。乗合代理店の比較・推奨では、どの商品群から何を基準に絞り、なぜ提案したかを説明できることも求められます。

規制が厳しいことは、生成AIを使いにくくする条件に見えます。しかし、正しい説明の型と保存すべき記録が定義されているため、人へ戻す条件を設計しやすく、品質平準化と相性が良い業界です。AIに自由回答をさせるのではなく、承認済みの募集ルールと商品資料を基準に、抜けや不一致を見つける役割を持たせられます。

本レポートの結論は、最初の1業務を「乗合代理店における面談後の募集記録点検」に絞ることです。AIは契約の可否や推奨商品を決めず、不足項目と根拠候補を募集人・承認者へ返します。説明品質がそろって初めて、複数社の商品を扱うことや店舗統合の規模が、顧客の選択肢と組織の生産性につながります。

データ：業界の現在地

損害保険の89.0%は代理店を通る

日本損害保険協会「2025年度 損害保険代理店統計」によると、2025年度の損害保険は、元受正味保険料ベースで代理店扱が89.0%、直扱が9.9%、保険仲立人扱が1.1%でした。金融庁「2025年 保険モニタリングレポート」では、生命保険も2025年3月末時点の年換算保険料ベースで、一般代理店が32%、金融機関代理店が30%を占めています。

0%50%100%

損害保険（2025年度）

• 代理店扱損保・元受正味保険料
  89.0%

生命保険（2025年3月末）

• 一般代理店生保・年換算保険料
  32%
• 金融機関代理店生保・年換算保険料
  30%

※損保は元受正味保険料、生保は年換算保険料であり、両者の棒を市場規模として比較する図ではありません。代理店が主要な販売チャネルであることを各指標で示しています。

募集品質のばらつきは、一部の専門店だけの問題ではありません。代理店扱が保険料ベースで大きな比重を占めるため、意向把握や説明の抜けを早く見つける仕組みは、保険会社・代理店の双方にとって主要な販売チャネルの品質向上につながります。

代理店12万4,024店の半数超は、自動車関連業である

日本損害保険協会の「2025年度 損害保険代理店統計」は、国内会社32社・外国会社10社を合わせた2025年度末の代理店実在数を12万4,024店、募集従事者数を173万6,427人としています。

チャネル別では、自動車販売店・自動車整備工場などの自動車関連業が6万9,971店で全体の56.4%、保険販売を専門に行う専業代理店が2万1,804店で17.6%、不動産業が1万81店で8.1%でした。

0%50%100%

• 自動車関連業6万9,971店
  56.4%
• 専業代理店2万1,804店
  17.6%
• 不動産業1万81店
  8.1%

※上位3チャネルだけを表示しているため合計は100%になりません。チャネル別統計は、専業・副業別等の別統計とは集計システムが異なる会社があり、専業代理店数に差があります。

保険募集だけを行う店舗と、自動車販売、整備、不動産などの本業を持つ店舗では、教育時間、管理者の配置、顧客データの所在、利益相反のリスクが異なります。全代理店へ同じ長いマニュアルを配るだけでは、日々の面談で同じ品質を再現できません。

品質評価への参加は、規模が小さいほど限られる

生命保険協会の2026年度業務品質調査資料は、2026年1月末現在の生命保険乗合法人代理店1万5,508社を、募集人数別に集計しています。母集団は、複数の生命保険会社と募集委託契約を締結する法人代理店で、個人代理店、金融機関代理店、金融機関関係代理店、日本郵政グループを除きます。

このうち、過年度の認定代理店と2026年度調査申込代理店を合わせた152社が各規模区分に占める割合は、募集人数100人以上で21.6%、50〜99人で7.3%、20〜49人で3.2%、10〜19人で1.0%、10人未満で0.1%でした。

0%50%100%

• 募集人数100人以上73社 / 338社
  21.6%
• 50〜99人24社 / 328社
  7.3%
• 20〜49人29社 / 894社
  3.2%
• 10〜19人19社 / 1,944社
  1.0%
• 10人未満7社 / 1万2,004社
  0.1%

※任意の認定・調査への参加状況であり、参加していない代理店の品質を示す調査ではありません。規模別に品質評価へ接続できている範囲を読むための数値です。

この結果から「小規模代理店の品質が低い」とは言えません。認定・調査へ自ら参加した代理店の構成であり、未参加先を評価していないからです。一方、共通の評価項目へ接続できている範囲に大きな規模差があることは確認できます。少人数の店舗でも日常業務の中で使える点検手段を作る余地があります。

データ：この業界だけの構造

正しい説明の「型」が、すでに明文化されている

金融庁の現行監督指針では、保険会社または保険募集人が顧客の意向を把握し、その意向に沿った契約を提案し、内容を説明し、契約時に顧客の意向と契約内容が合っていることを確認する機会を提供しているかが、監督上の着眼点として示されています。

さらに、意向把握に使ったアンケートや設計書など、当初の意向と最終的な意向を確認できる帳票を保存し、適切な遂行を後から確認できる措置が例示されています。乗合代理店の比較・推奨でも、比較対象、絞り込みの基準、提案の理由を分かりやすく説明し、適切性を確認する体制が求められます。

一般的な営業では「良い説明」の定義が担当者の経験に寄りやすい一方、保険募集には点検可能な工程があります。以下は監督指針の着眼点を中心に、運用上の追加確認項目も加えた導入用チェックリストです。

• 顧客の当初意向と最終意向が区別されているか
• 比較できる商品の範囲と、絞り込んだ条件が残っているか
• 推奨理由が顧客の意向と結び付いているか
• 重要な不利益、条件、免責などの説明記録があるか
• 顧客が契約内容との一致を確認した記録があるか
• 説明できなかった事項や次回確認事項が残っているか

この明文化された型が、生成AIによる品質平準化の基準になります。AIに「良い提案を考えて」と頼むのではなく、募集記録を項目ごとに点検し、不足を質問として返させます。

一つの面談が、商品・意向・説明・証跡をまたぐ

乗合代理店の面談では、商品特性や顧客の状況に応じて、家族構成、収入、資産、既契約、公的保障、将来計画などを確認し、複数社の商品から候補を絞り、保障内容、保険料、期間、解約時の扱い、リスクなどを説明します。説明内容は商品資料、社内規則、顧客の意向、募集人の記録に分かれています。

そのため、単に会話を要約しても、募集品質はそろいません。必要なのは、発言の要約ではなく、次の対応関係です。

1. 顧客のどの意向を把握したか
2. その意向で比較対象をどう絞ったか
3. どの理由で提案したか
4. 何を説明し、顧客が何を確認したか
5. どの原資料と記録へ戻れるか

1. 1面談を項目へ対応意向、比較対象、推奨理由、重要事項、未確認事項を分ける。→↓
2. 2承認済み資料と照合商品資料・募集ルールの版と該当箇所を示し、抜けや不一致を出す。→↓
3. 3募集人と承認者が確定顧客への追加確認、記録修正、エスカレーションを人が判断する。

✓AIの出力は適法性の保証や推奨判断ではなく、人が確認すべき論点をそろえた点検票です。

乗合・統合の価値は、説明品質がそろって初めて出る

複数の保険会社の商品を扱う乗合代理店は、顧客の条件に合う選択肢を広げられます。店舗統合や共同化も、教育、管理、システム、専門人材を共有できれば規模の利点があります。

しかし、募集人ごとに意向の聞き方や推奨理由の書き方が違えば、管理者は案件を横断して比較できません。買収・統合した店舗で記録様式や商品資料の版が分かれていれば、拠点が増えるほど点検の負荷も増えます。選択肢の多さを売上へつなぐ前に、説明の再現性をそろえる必要があります。

生成AIの機会は、判断を中央へ奪うことではありません。各拠点の面談を同じ点検項目へ写し、不足を早く戻し、どのルール・資料を参照したかを後から確認できるようにすることです。これにより、管理者は全件を最初から読み直すのではなく、重大な不足や例外へ時間を使えます。

服部の分析

服部が複数拠点を持つ営業組織で見てきた差を、個社が特定されない形でまとめると、問題は「募集人がルールを知らない」ことだけではありません。研修では正しく答えられても、面談中は顧客の質問、商品資料、入力画面、次回予定が同時に動きます。時間が押すと、推奨理由が定型文になり、当初意向から何が変わったかが記録に残りません。

管理者側も、月末に長い記録をまとめて読むと、追加確認が顧客へ届くまで時間が空きます。形式上は項目が埋まっていても、「なぜこの商品か」が顧客の言葉と結び付いていないことがあります。

ここで生成AIに商品を選ばせると、責任分界が逆になります。商品情報の更新、顧客の個別事情、適合性、法令・社内規則の適用は、人と組織が責任を持つ領域です。NISTの生成AIリスク管理プロファイルも、出力を人が監督・検証できること、根拠確認、機密情報の管理、問題の記録を重視しています。

先に使うべきなのは、面談後の「赤入れ」です。例えばAIが、次のように返す状態をつくります。

• 当初意向は記録されているが、最終意向との差分がない
• 3商品を比較したが、2商品を外した基準が記録されていない
• 推奨理由が商品特徴だけで、顧客の意向と結び付いていない
• 重要事項説明の記録はあるが、顧客の質問への回答根拠がない
• 使用した商品資料の版が特定できない

募集人は面談当日に補足し、必要なら顧客へ追加確認します。承認者はAIの判定を承認するのではなく、原文と資料を見て、記録修正、再説明、相談部門へのエスカレーションを決めます。

この運用で初めて、売上・付加価値の機会が生まれます。差戻しを面談直後に返せれば再確認の往復が減り、管理者は例外案件へ集中できます。説明品質がそろえば、乗合による選択肢の多さを顧客価値として示しやすくなり、統合した店舗でも同じ基準で教育できます。ただし、その効果は自社の差戻し時間、再説明件数、苦情、成約後の取消し、監査指摘などで確かめる必要があります。

提言 — どう付き合っていくか

1. 最初の1業務を「面談後の募集記録点検」に絞る

顧客向けチャット、商品推奨、契約入力の自動化から始めないでください。まず一つの保険種目・一つの募集プロセスを選び、面談記録がそろった直後に、意向、比較対象、推奨理由、重要事項、未確認事項を点検します。対象は、比較・推奨の記録が発生しやすい乗合代理店の新規契約面談から始めます。

2. 承認済みの点検表と資料だけを使う

法務・コンプライアンス、募集管理、商品部門、現場責任者で点検項目を確定します。商品資料と社内規則には版、有効期間、所有部門を付けます。AIが参照してよい情報を限定し、出力から原文と資料の該当箇所へ戻れるようにします。顧客情報の利用目的、保存期間、閲覧権限、外部サービスへの送信可否も先に決めます。

3. AIは不足を示し、人が再説明を決める

AIには「適法」「問題なし」と確定させません。不足項目、矛盾、使用資料の版違い、追加確認候補を、根拠と一緒に出させます。募集人が修正し、承認者が原記録と照合します。高額契約、苦情、意向変更、例外商品、利益相反の可能性がある案件は、AIの評価に関係なく人へ渡します。

4. 差戻し時間と品質指標を見てから広げる

4週間などの試行期間を置き、面談から点検完了までの時間、不足項目の検出数、再説明までの時間、管理者の確認時間、誤検出、見逃しを記録します。売上だけで成功判定せず、苦情、取消し、監査指摘が悪化していないことを確認します。その後に更新手続、保全、別商品、別拠点へ広げます。

着手順は、面談後の募集記録点検 → 承認済み資料との照合 → 人による修正・再説明 → 別商品・別拠点への展開です。最初の1業務は、乗合代理店の新規契約面談後に、意向・比較対象・推奨理由・未説明事項を点検することです。規制を避けるためにAIを小さく使うのではありません。明文化されたルールを、すべての募集人が再現できる品質基準へ変えるために使います。