保険 / 損害保険
Sompo Japan：社内問い合わせ回答ツールの検索モデル改良実験をAIエージェントで自動化
- 企業
- Sompo Japan
- 国
- 日本
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Google Cloudが2026年7月27日に公式ブログで公開した顧客事例によると、Sompo Japanは代理店や顧客からの、保険に加入できるか、事故が補償されるかといった質問への回答を支援する社員向けツールを運用している。回答の質は社内資料を検索する機械学習モデルが左右するが、このモデルの改良は担当者の経験と勘に頼っており、実験1本に1週間かかることもあったため、実験の良し悪しを見直す作業が追いつかなかった。
使った技術とデータ
Sompo JapanはGoogleのAgent Development Kitでデータ点検用のEDA Agentを内製し、Gemini Enterprise Agent Platform上で動かしている。このエージェントはBigQueryに取り込んだデータに自らSQLを書いて点検し、自動車保険のデータは多いが火災保険のデータはほとんどないといった件数の偏り、文章データのノイズ、全角と半角が混じった表記を見つけ、BigQuery MLで小さなモデルを試して効きそうな前処理の見当をつける。コーディングエージェントである実験オーケストレータは点検結果を踏まえて学習パイプラインを実行し、モデルの成績を評価して、良ければ本番へ回し、不十分ならデータ点検に戻す。業務課題を機械学習のタスクに落とし込みデータセットを作ることと、エージェントの分析が正しいかの最終判断は人が担う。
成果
事例で紹介された担当者の説明によると、データを調べ、学習させ、結果を見直す実験の1サイクルは長いもので1週間かかっていたが、エージェントを使うと1日ほどで終わるようになった。SOMPOホールディングスのAIエンジニアは、以前は1サイクルに3日以上かかっていたが、いまは1日のうちに何度も試せると語った。担当者の頭の中にあった判断の理由がエージェントの記録として残るようになり、特定の担当者に頼る状態もほぐれ、チームは結果を1件ずつ確かめる分析にも取り組めるようになった。
限界と残る課題
検索モデルの改良が回答の正確さに与えた効果と、運用開始の月は原文に記載がない。
出典
- 損保ジャパン、機械学習モデルの開発を AI エージェントで自動化 ─ 1 週間かかっていた実験サイクルが 1 日にcloud.google.com, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。