野村総合研究所の保険業務向けAI開発フレームワーク「AIsure/CORE」 AIsure/CORE
野村総合研究所（NRI）が保険会社向けに2026年11月に提供を始めた、保険業務のAIを作るためのフレームワーク（枠組み）。業務マニュアルと担当者が過去に下した判断から暗黙知を取り出し、モデルの外のファイルに蓄えてAIが参照する。保険会社と行った概念実証（PoC）では、精度の指標F1値が募集文書の審査で80%以上、書類の受け付けで95%以上だった。特許を出願中で、導入のコンサルティングと組み合わせて提供する。料金は公表されていない。
詳細解説
🏭 製造工場
この製品を作る工場と、それぞれの役割。会社の発表・有価証券報告書・官公庁の資料で確かめた拠点だけを載せた。
| 工場 | 所在地 | 役割 | 備考 | 出所 |
|---|---|---|---|---|
| 公表されていない | 公表されていない | AIsure/COREを動かす基盤がクラウドかNRIのデータセンターかと、使う大規模言語モデル（LLM）の名前は公表されていない | nri.com |
⚙️ 技術・仕組み
どう動くか。方式・構造・制御・材料を、会社の技術資料と特許・論文で確かめた範囲で書いた。
- AI知的資産
- 社内の形式知と暗黙知を、AIの判断の質を保つ「AI知的資産」に組み直し、業務ドメインのコンテキスト（AIが参照する前提情報）として複数のファイルに蓄える nri.com
- COREループ
- NRI独自の自律的な改善サイクルで、コンテキストを更新し続けて精度を上げる nri.com
- 逆強化学習
- 担当者の過去の判断結果をまとめて学ばせ、判断の背後にある基準を推し量ってコンテキストに残す。事例を丸暗記せず、似た案件にも基準を当てはめる。因果推論を使う nri.com
- 事後の検証
- 学んだ内容をLLMのパラメーター（重み）ではなく外部のファイルに記録し、人が中身を直接確かめて直せる。監査時の説明に使える nri.com
- WHY分析
- 業務ルールを記録するとき、そのルールがなぜ要るかをたどって根拠も残す。法改正や業務変更のとき、根拠を失ったルールや過剰な審査工程を見つける手がかりにする nri.com
主要諸元
🔩 各部品と部品メーカー
部品は諸元表と発表で存在を確かめたものを並べ、メーカーは会社か部品メーカーの発表、有価証券報告書、分解調査の報道で供給元を確かめられたときだけ社名を書いた。確かめられない部品は「公表されていない」。載っていない会社は「関与していない」ではなく「公表資料で確かめられていない」。確度 A は会社の一次資料、B は報道。
🔗 部品製造サプライチェーン
材料から部品・組み立て・販売までを、上流から下流の順に並べた。
- 1業務知識保険会社がマニュアルと判断実績を出し、有識者が検証して直す期間に加わる企業: 保険会社
- 2設計・運用業務分析からAI知的資産の設計、COREループの運用までをコンサルティングと一緒に支援する企業: 野村総合研究所
🏗️ 製造ライン
工場の中でこの製品がどう作られるか。工程の順に、ラインの構成・設備・自動化・検査・生産能力を、会社の発表と工場見学の記録で確かめた範囲で書いた。
- 1導入の手順業務分析、AI知的資産の設計、初期コンテキストの自動整理、過去の判断の一括学習、有識者が検証して直す期間、COREループによる継続改善の順に進める設備・企業: 野村総合研究所
💴 販売価格
| 型番・グレード | 税込価格 (円) | 時点 | 出所 |
|---|---|---|---|
| AIsure/CORE（初期導入のコンサルティングを含む） | 公表していない | 2026-11-11 | nri.com |
🛒 購入方法
| 経路 | 内容 | 出所 |
|---|---|---|
| NRIへの問い合わせ | 初期導入に向けたコンサルティングとあわせて提供する。窓口は保険デジタル企画部 | nri.com |
🛠️ アフターサービス・保守サービス
🌏 海外輸出
| 仕向け地 | 内容 | 出所 |
|---|---|---|
| 日本 | 日本の保険会社向け。海外での提供は公表されていない | nri.com |
📈 販売の実績
| 期間 | 指標 | 値 | 単位 | 備考 | 出所 |
|---|---|---|---|---|---|
| 2026年11月時点 | 導入社数・売上高 | 公表されていない | 提供開始の月 | nri.com |
💰 金額
| 項目 | 値 | 備考 | 出所 |
|---|---|---|---|
| 開発費・価格 | 公表されていない | nri.com |
解析 — 部品・製造・販売の特徴
NRIはAIsure/COREで、判断の根拠をモデルの中に埋め込まず、人が読めるファイルに残す設計を選んだ。学んだ内容を人が直接確かめて直せるため、監査時の説明に使える。根拠を外に出しておけば、規則が変わったときも人がファイルを書き換えればよい。PoCの精度は業務で差があり、書類受付の95%以上に対し、募集文書審査は80%以上だった。NRIはこの差を、担当者の経験にもとづく判断の重みが業務ごとに違うためと説明する。当初の対象には、決まった基準で判断する査定や審査のようなチェック業務が向くとしている。NRIは2025年4月の特化型LLMの発表でも、営業コンプライアンスチェックを題材にしており、保険の審査業務に研究を重ねてきた。
公表されていないこと
- PoCに協力した保険会社の名前は公表されていない
- 使う大規模言語モデルと動かす基盤は公表されていない
- 価格と導入社数は公表されていない
出所
- 野村総合研究所 ニュースリリース「保険業務向けAI開発フレームワーク「AIsure/CORE」を提供開始」 (2026-11-11)
- 野村総合研究所 ニュースリリース「業界・タスク特化型LLMの構築手法を独自に開発」 (2025-04-15)
出所との照合日: 2026年11月12日。数字は出所の書類のまま。株価・時価総額は扱わない。
野村総合研究所 のほかの製品
🧰 ツール・特集の入口
一次データで動く 14 本 — 銘柄の絞り込み・供給網・比較・一次データの台帳・解説・規制レンズ (すべて無料)