保険金請求データ抽出 完全ガイド（2026年版）
自動車事故の一件の請求から、請求者からのACORD 2書式、対応機関の警察報告書、板金工場の修理見積書、負傷があれば医療受付書類、そして3台のスマートフォンからの写真が発生します。各書類は異なる形式、異なる送信元、異なるレイアウトで届き、アジャスターはそれらすべての構造化データを同一の請求記録に紐付ける必要があります。これこそが保険金請求データ抽出の真の課題であり、ほとんどの抽出ツールが対応できるように設計されていない課題です。
保険金請求データ抽出とは
保険金請求データ抽出とは、ACORD損失通知書、警察報告書、修理見積書、診療記録など、請求関連書類から主要項目を自動的に読み取り、スプレッドシートや請求管理システム、分析プラットフォームで利用可能な構造化データに変換するプロセスです。単一の書類タイプを対象とする標準的な請求書やレシートの抽出とは異なり、請求データ抽出では、各書類が独自の形式、主要項目、抽出要件を持つ複数書類パケットを処理する必要があります。
その範囲は初回損失通知（FNOL）にとどまりません。完全な請求データ抽出戦略は、受け付けから決済までに請求ファイルに入力されるすべての書類を対象とします。すなわち、初期のACORDフォーム（自動車、不動産、一般賠償責任、労災のいずれか）、損失を裏付ける添付書類、そして請求の進行に伴い蓄積される継続的な通信文や請求書類です。特に初期のACORDフォームからAIが抽出できる項目とできない項目の詳細なフィールドレベルの内訳については、関連記事「AIは保険金請求のFNOLフォームを読み取れるか」をご参照ください。
このカテゴリが他の書類抽出タスクと異なる点は、請求パケットの階層構造にあります。ACORDフォームの構造化されたヘッダーフィールド（保険証券番号、事故発生日、被保険者名、事故場所）は予測可能なパターンに従い、確実に抽出できます。しかし、「損失の説明」セクションの自由記述テキストはそうではありません。また、管轄区域ごとに異なる警察報告書、異なるソフトウェアシステムからの修理見積書、さらに別のシステムからの診療記録といった添付書類は、それぞれ個別の抽出戦略を必要とします。完全なアプローチは、最も扱いやすい層だけでなく、これら3つの層すべてを考慮する必要があります。
手動の請求データ入力が、見た目以上にコストがかかる理由
手動による請求データ入力の目に見えるコストは単純です。データ入力係やアジャスターが、各書類のフィールド値を一文字ずつ請求システムに入力していく作業です。マッキンゼーは、自動化により請求処理時間を最大50%短縮し、請求処理にかかるコストを最大30%削減できると試算しています。しかし、これらの総合的な数字は、手動処理が実際に業務にもたらすコストを過小評価しています。なぜなら、真の費用は、ほとんどの企業が別々の予算で管理している4つの異なる経路を通じて発生するからです。
直接的な転記作業コスト。 アジャスターや請求係が1件の請求パケット（ACORDフォームと2～3枚の添付書類）を処理する場合、データ入力だけで約20～30分かかります。週50件の請求では、純粋なタイピング時間は17～25時間になります。経験豊富な請求処理担当者の時間単価（諸経費込み）が35～45ドルだとすると、週あたり600～1,100ドルの人件費が、請求に何ら判断価値を加えることなく消費されていることになります。
エラーによる税金。 保険書類の手動データ入力では、フィールドレベルで推定3～5%のエラー率が発生します。ACORDフォームと添付書類全体で25～40の抽出可能なフィールドがある請求パケットの場合、1件あたり1～2件のエラーが発生することを意味します。誤入力された保険証券番号は資格確認を遅らせ、間違った事故発生日は被保険者へのフォローアップ電話を引き起こします。修理見積もりの金額を誤って入力すると、準備金に不一致が生じ、調整に時間がかかります。業界のベンチマークによると、請求データの入力ミス1件の修正には15～30ドルのコストがかかり、エラーが受付時ではなく後工程で発見された場合、そのコストはさらに増大します。
アジャスター時間の機会費用。 マッキンゼーの調査によると、引受査定人や請求アジャスターは、データ入力や書類検索などの管理業務に時間の30～40%を費やしています。100～150件の未処理請求を抱えるシニアアジャスターの場合、週に12～20時間を、保険調査、和解交渉、複雑な案件管理の代わりにタイピングに費やしていることになります。この時間の金銭的コストはアジャスターの給与全額です。機会費用は、その時間を判断を要する業務に振り向けていれば生み出せたであろう、請求処理速度と顧客満足度です。
サイクルタイムの遅延。 書類受領からデータ利用可能になるまでの手動ステップが1つ増えるごとに、請求ライフサイクルに数時間が追加されます。大量の請求を処理する業務（1日200件以上の請求を処理するTPA、急増する件数に対応する災害対応チーム）では、これらの数時間が数日間に蓄積されます。J.D.パワーの請求満足度調査では、事故受付（FNOL）処理の速さが顧客満足度の最も強い原動力の一つであることが一貫して示されています。手動処理による1日の遅延は、顧客体験を悪化させ、訴訟、規制当局への苦情、エスカレーションの可能性を高めます。
これら4つのコストは、選択肢ではなく、積み重なるものです。 直接的な請求データ入力作業に月額2,500ドルを費やしている業務では、エラー修正、アジャスターの生産性低下、サイクルタイムの遅延において、同額のコストが発生している可能性が高いです。手動による請求データ入力の真のコストは、目に見える人件費の項目の約2倍であり、単一のレポートで総額が明らかになることのない、複数の予算に分散して埋もれているのです。
保険金請求書類の抽出が他の書類と異なる点
保険金請求書類の抽出は、請求書やレシートの抽出と技術的には同じ基盤（同じビジョン・ランゲージモデル、同じカスタム列アプローチ）を持ちますが、3つの構造的要因により、本質的により困難な問題となっています。
1. 保険会社および商品ラインごとのフォーマットのばらつき。 ACORD 1（財産損失通知書）とACORD 2（自動車損失通知書）は、収集する情報が異なるため見た目が違います。しかし、同じACORD 1でも、Applied Epicの代理店管理システムで作成されたもの、Vertafore AMS360で作成されたもの、手書きで記入されたものでは、それぞれ表示が異なります。ACORDは800以上の標準化されたフォームタイプを管理しています。米国には約39,000の独立系損害保険代理店があり、それぞれが独自のシステム設定、印刷設定、記入習慣でこれらのフォームを作成します。固定フィールド座標に依存するテンプレートベースの抽出は、レイアウトが少しでも変わると機能しなくなります。フィールドラベルを読み取って値を特定するセマンティック抽出は、保険会社ごとの設定なしでこのばらつきに対応できます。この違いについては、従来のOCRとAI駆動型抽出の比較解説で詳しく説明しています。
2. 複数書類からなるクレームパケット。 請求書抽出ツールは1枚の請求書を処理します。クレーム抽出ワークフローはフォルダ全体を処理します。ACORDフォーム、警察報告書、修理見積書、医療記録、写真、場合によってはレッカー伝票やレンタル契約書などです。各書類には独自の標準フィールド、レイアウト規則、抽出列定義があります。課題は、単一の書類を抽出することではなく、これらすべてを一貫したワークフローで抽出し、出力を同じクレームレコードにリンクさせたままにすることです。
3. 構造化フィールドと自由記述テキストの同一書類内での混在。 ACORDフォームは、これら両方のモードを1ページに融合させている点でユニークです。ヘッダーには明確にラベル付けされた短い値のフィールドがあり、AIは高精度で抽出します。一方、「損失の説明」セクションは、50語から500語、手書きかタイプか、要点がまとまっているか散漫かに関わらず、自由な散文を記入する空白のボックスです。これら2つのモードは同一書類内に共存し、根本的に異なる処理が必要です。
構造化フィールド：確実に抽出できる情報
ACORDフォームの構造化ヘッダーフィールドは、AI抽出が最も価値を発揮する部分です。これらのフィールドは、印刷されたラベル、制限された値の範囲、一貫した意味パターンを持ち、視覚言語モデルにとって理想的な条件です。以下に、P&C保険金請求の大部分をカバーする4つの主要なACORD FNOLフォームタイプ別に、主要フィールドを分類します。
ACORD 1 — 物件損失通知
| フィールド | 形式 | 現実的な精度 |
|---|---|---|
| 証券番号 | 英数字、8～15文字 | 95%以上 |
| 被保険者氏名・連絡先 | 氏名＋住所＋電話番号 | 95%以上 |
| 事故発生日時 | 日付＋時刻 | 95%以上 |
| 事故発生場所 | 住所または交差点 | 90%以上 |
| 事故種別（チェックボックス） | チェックボックス：火災/風災/雹/水災/盗難 | 85～90% |
| NAIC保険会社コード | 5桁の数字 | 95%以上 |
| 推定損害額 | 金額 | 90%以上 |
| 証券自己負担額 | 金額 | 90%以上 |
| 抵当権者/担保権者 | 氏名＋住所 | 85%以上 |
| 警察報告書番号 | 英数字 | 80%以上（未記入の場合が多い） |
ACORD 2 — 自動車事故報告書
| 項目 | 形式 | 実用的な精度 |
|---|---|---|
| 証券番号 | 英数字 | 95%以上 |
| 被保険者氏名・連絡先 | 氏名＋住所＋電話番号 | 95%以上 |
| 運転者・請求者情報 | 氏名＋住所＋電話番号＋免許証番号 | 90%以上 |
| 車両情報 | 車台番号＋年式＋メーカー＋モデル | 85～90%（手書きの車台番号が最も困難） |
| 事故発生日時・場所 | 日付＋時刻＋住所 | 95%以上 |
| 事故の種類 | チェックボックス：衝突／盗難／破壊行為 | 85%以上 |
| 損傷の説明 | チェックボックス領域：前面／後面／側面／上面 | 85～90% |
| 推定損害額 | 金額 | 90%以上 |
| 目撃者情報 | 氏名＋電話番号 | 85%以上 |
| 警察報告番号・管轄署 | 英数字＋部署名 | 80%以上 |
ACORD 3 — 一般賠償責任事故通知書
| 項目 | 形式 | 実用的精度 |
|---|---|---|
| 証券番号 | 英数字 | 95%以上 |
| 被保険者氏名・連絡先 | 氏名＋住所 | 95%以上 |
| 請求者氏名・連絡先 | 氏名＋住所＋電話番号 | 90%以上 |
| 発生日時・場所 | 日付＋時刻＋住所 | 95%以上 |
| 事故種別 | チェックボックス：敷地内／業務中／製品 | 85～90% |
| 負傷内容 | チェックボックス＋テキスト（負傷の種類） | 85%以上 |
| 医療費支払額 | 金額 | 90%以上 |
| 目撃者情報 | 氏名＋電話番号 | 85%以上 |
3種類のフォームすべてで一貫したパターンが見られます。ラベル付き項目の短い値は、タイプ入力でも手書きでも85～95%以上の精度で抽出されます。ばらつきの原因は、手書きの読みやすさ（急いで書いた「5」がVINで「S」と誤読されるなど）やチェックボックスのマーク品質（薄い鉛筆のチェックが未チェックと判定されるなど）にあり、AIがページ上の項目位置を特定できないことではありません。意味的抽出は固定座標ではなく項目ラベルを読み取るため、「証券番号」の同じ列定義が、保険会社ポータルのPDF上のACORD 1でも、路上で撮影されたACORD 2でも機能します。テンプレートや保険会社ごとの設定は不要です。
自由記述のナラティブ：異なる戦略
「損失の説明」セクションは、ACORDフォームにおいてAI抽出が構造的な限界に直面する部分です。このセクションには、請求者自身による出来事の説明が散文形式で書かれています（通常200～500語）。そこには抽出可能なパターンはありません。自動車事故の説明では「メインストリートの信号で停車中、後ろからトラックに追突されました」、物的損害の説明では「午後3時頃、台所の床に水があるのに気づき、屋根裏に行ったら水道管が破裂していました」といった具合です。同じ衝突シナリオでも、3人の異なる請求者がそれぞれ異なる文構造、語彙、詳細度で記述します。
最新のビジョンAIは、このナラティブのテキストを高い精度で抽出できます。手書きや印刷された文字を読み取り、スプレッドシートのセルにテキストブロックとして出力します。この部分は確実に機能します。しかし、多くの請求チームが実際に望むステップ、つまりそのナラティブを「損失原因カテゴリ」「過失当事者」「傷害の重症度」などの構造化フィールドに自動分類することは、うまくいきません。この分類を言語モデルで試みると、エラー率は25～30%に達し、結果の正確性に依存する後続処理には高すぎます。
請求業務における推奨アプローチは、ナラティブを生テキストとして単一のフィールドに抽出することです。 アジャスターはそのフィールドを読むだけで、紙のフォームから読むのとまったく同じです。一方、構造化フィールド（保険証券番号、事故発生日、金額、車両詳細）はすでにスプレッドシートに入力されています。時間の節約は、それらの構造化フィールドを再入力する必要がないことから生まれ、ナラティブを対応不可能な分類に無理やり当てはめようとするからではありません。
添付書類：1件の請求、複数の抽出戦略
実際の請求パケットは、ACORDフォームだけであることは稀です。添付書類は通常、主要フォームの2～3倍の量に及び、書類の種類ごとに独自の抽出プロファイルが必要です。以下は、最も一般的な添付書類と抽出戦略の対応関係です。
警察報告書
警察報告書は最も頻繁に添付される証拠書類です。これらには、捜査官の氏名とバッジ番号、報告書番号、報告書が提出された日時、過失運転者の指定、違反切符情報、天候および道路状況のメモ、そして申立人がACORDフォームに記入した内容を繰り返したり拡張したりする記述セクションなど、重要な構造化データが含まれています。警察報告書の抽出における課題は、フィールドの複雑さではなく、フォーマットの多様性です。米国には約18,000の法執行機関があり、それぞれが独自の報告書レイアウトを使用しています。標準的なNHTSAモデル交通事故報告書を使用する機関もあれば、州固有のフォーム（カリフォルニア州CHP 555、テキサス州CR-3）を使用する機関もあります。多くの機関は、記録管理システムによって生成されたカスタム報告書フォーマットを使用しています。テンプレートベースのアプローチでは、すべての機関に対して個別のテンプレートが必要になります。セマンティック抽出は、報告書上のラベル（「捜査官名」、「報告書番号」、「過失」）がページ上のどこにあっても読み取るため、1つの列定義ですべてを処理できます。
修理見積書
自動車修理工場からの自動車修理見積書と、請負業者からの不動産修理見積書には、準備金の設定や和解交渉に不可欠な明細項目が含まれています。抽出可能な主要フィールドは次のとおりです：工場または請負業者の名称と連絡先、見積日、車両または不動産の識別子、ラインごとの労働時間とレート、部品コスト（OEM vs アフターマーケット vs 中古）、塗装と材料、小計、税金、および合計。修理見積書は、ラインごとのテーブルとして抽出される場合に最も価値があります。これにより、特定の費用カテゴリを省略する可能性のある単一の手書き合計に依存するのではなく、すべての項目の合計から推定損害総額を計算できるためです。また、見積書はそれを裏付ける請求記録にリンクされる必要があります。つまり、抽出ワークフローは、たとえ余白に手書きされていても、見積書に記載されている請求番号または保険証券番号を取得する必要があります。
診療記録と受付書類
自動車事故、労災、施設管理責任など、傷害が絡む請求では、医療書類が迅速に請求ファイルに追加されます。救急外来の受付票、救急車の活動記録、画像診断の指示書、初診の診療録などには、構造化されたフィールド（患者名、診療日、医療機関NPI、診断コード、請求コード）と診療録が混在しています。抽出戦略はACORDと同様で、構造化フィールド（日付、コード、医療機関情報、請求額）を列定義とともに抽出し、診療録は担当者や看護師ケースマネージャーが確認するための自由文として残します。
写真
損害の写真（車両衝突、火災損害、水濡れ、機器破損）は、従来の意味での構造化データとして抽出することはできません。写真から「金額」を読み取ることはできません。しかし、コンピュータビジョンモデルは、損害の種類（例：「前面衝突」「ひょうによる屋根損傷」「天井の水染み」）を識別・分類できます。これは、請求処理業務に自動損害コード化のユースケースがある場合に限ります。ほとんどの請求チームにとって、実用的なアプローチは、写真を裏付け証拠として扱い、請求受付システムがそれを受領して請求記録にリンクさせることであり、構造化抽出は試みないことです。
すべての添付書類タイプに共通する運用上の重要なポイントは、各書類に独自の抽出列定義が必要であり、ワークフローはすべての書類からの出力を同じ請求記録にリンクさせ続けなければならないということです。これは単一の抽出問題ではありません。これは、1つの請求イベントを中心に構成された一連の抽出問題です。
従来手法 vs AI抽出
保険金請求データ入力の従来のアプローチには、手動入力とテンプレートベースのOCRの2つがあります。どちらも同じ根本的な限界を共有しています。つまり、各請求書類のレイアウトが予測可能であると想定している点です。しかし、実際の請求受付ではそうではありません。
| 比較項目 | 手動入力 | テンプレートOCR | セマンティックAI抽出 |
|---|---|---|---|
| キャリア別フォームの設定 | 不要（人間が対応） | フォーム×代理店システムごとにテンプレート | 不要 — フィールドごとに1つの列定義 |
| 複数キャリアの混在バッチ | 順次、1件ずつ | 同一レイアウトのフォームのみ | キャリア混在、フォーム種別混在 |
| 添付書類 | 書類種別ごとに個別読み取り | 書類種別×レイアウトごとにテンプレート | 書類種別ごとに1つの列セット |
| 構造化フィールドの手書き文字 | 大半の手書きを読み取り | 大半の手書きで失敗 | 構造化フィールドで85～95% |
| フォーマット変更への耐性 | 該当せず — 人間が対応 | テンプレート更新まで使用不可 | 新レイアウトに自動対応 |
| クレーム1件あたりの処理時間 | 20～30分 | 5～10分（テンプレートがある場合） | 5～10秒 |
| フィールド単位のエラー率（構造化） | 3～5% | 非テンプレート形式で5～8% | ラベル付きフィールドで2%未満 |
セマンティックAIアプローチ — テンプレート不要の文書抽出 — は、実際のクレーム受付におけるフォーマットの多様性を考慮すると、他のどの文書カテゴリよりもクレーム処理において重要です。キャリアポータルからのクリーンなPDFとして届くACORD 2と、手書きフィールドが余白に記入されたFAXコピーとして届く同じフォームは、同じ文書種別であり同じ列が必要ですが、テンプレートベースのシステムでは2つの設定が必要になります。セマンティックシステムは1つの設定で両方を処理します。
複数キャリアの請求書類の一括処理
1日50～200件の請求を処理するチームにとって実用的なワークフローは、一括処理です。請求書類のフォルダをアップロードし、すべての構成文書から構造化フィールドを抽出し、請求番号をキーとして各文書タイプの行をリンクした統合スプレッドシートにエクスポートします。
一般的な一括ワークフローは次のとおりです。
一括処理を優先することは、請求業務において後付けの考えではありません。TPAが50もの異なるキャリア（それぞれ異なるACORDレンダリングを使用）からの請求を処理し、サポート文書が十数もの異なる intake チャネルから届く場合に、スケールする唯一のワークフローです。
請求書抽出ツールの選び方
すべての抽出ツールが保険請求に適しているわけではありません。構造化されたフォーム、自由記述のテキスト、複数の添付ファイルが混在するドキュメントには、汎用OCRツールでは対応できない特定の機能が必要です。以下は、請求業務に特化した重要な評価基準です。
テンプレート不要型かテンプレート型か。これが最も重要な判断です。保険会社、フォームタイプ、受付チャネルごとにテンプレートの作成と管理が必要なツールでは、実際の請求受付におけるフォーマットの多様性に対応できません。テンプレート不要型のアプローチ（列定義がフォームタイプ、保険会社、レイアウトを問わず機能する）は、概念実証フェーズ後に請求自動化パイロットが頓挫する原因となる設定負債を排除します。
複数ドキュメントタイプのサポート。ツールは、ACORDフォーム、警察報告書、修理見積書、医療記録を、それぞれ異なる列定義を持つ個別のドキュメントタイプとして処理できなければなりません。すべてを「1つのドキュメント」として扱うものでは不十分です。
手書き文字認識機能。請求書のかなりの割合が、路上、病院、クリップボード上で手書きで記入されます。構造化フィールドにおける手書き文字の認識精度が85%未満の場合、多くの出力に修正が必要となるため、構造化フィールドの自動化は機能しません。
スプレッドシートまたは請求システムへの一括エクスポート。出力は、Guidewire ClaimCenter、Duck Creek Claims、またはその他の請求管理プラットフォームに手動での再フォーマットなしで読み込める構造化ファイル（Excel、CSV）である必要があります。
トレーニング不要。請求チームには、カスタムモデルをトレーニングするだけのボリュームはありません。フォームタイプごとに10～50件のサンプル文書を必要とするツールは、新しい保険会社のフォーマットや補足文書のバリエーションが定期的に発生する保険受付のユースケースには適していません。
よくある質問
保険金請求データ抽出の対象となる書類の種類は？
請求抽出の対象は、請求パケット全体です。ACORD損失通知書（物件用ACORD 1、自動車用ACORD 2、一般賠償責任用ACORD 3、労災補償用ACORD 4）、警察報告書、自動車および物件の修理見積書、医療記録と請求書、関連する通信文が含まれます。書類の種類ごとに個別の抽出列定義が必要ですが、すべての出力は請求番号または証券番号で紐付けられ、統合処理が可能です。
保険金請求書類におけるAI抽出の精度は、手動入力と比較してどの程度ですか？
証券番号、被保険者名、事故発生日・場所、金額といった構造化されたヘッダーフィールドでは、AI抽出は90～95%以上の精度を達成しており、これは手動データ入力のフィールドレベルエラー率3～5%よりも明らかに優れています。残りのエラーは特定のフィールドタイプ（手書きのVIN、部分的なチェックマーク）に集中しており、予測可能であるため、対象を絞ったスポットチェックワークフローを構築できます。対照的に、手動エラーはランダムであり、どのフィールドでも何らかの理由で誤りが発生する可能性があるため、すべての書類を再度読み直さなければ発見が困難です。
AIは請求書から「事故状況説明」の記述を抽出できますか？
記述のテキスト自体は高精度で抽出可能です。手書きまたはタイプされた単語を読み取り、スプレッドシートのセルにテキストブロックとして表示します。ただし、その記述を「事故原因」や「過失当事者」のような構造化フィールドに確実に分類することはできません。記述分類を試みる言語モデルでは25～30%のエラー率が発生し、その出力は補償や責任の判断には信頼できません。推奨されるワークフローは、記述を生テキストとして抽出し、アジャスターが直接読むことです。一方、データ入力作業の大部分を占める構造化フィールドは自動化されます。
AI抽出は異なる管轄区域の警察報告書でも機能しますか？
はい — ここでテンプレート不要の抽出が従来のOCRに対して決定的な優位性を持ちます。米国には約18,000の法執行機関があり、それぞれ異なる報告書レイアウトを使用しています。テンプレートベースのOCRでは機関ごとに個別のテンプレートが必要です。意味抽出は各報告書のフィールドラベル — 「担当官名」「報告番号」「過失運転者」 — を読み取って値を特定するため、1つの列定義ですべての機関フォーマットに対応できます。同じ原理は、見積システム（CCC、Mitchell、Audatex）によって異なる修理見積書にも適用されます。
AIは手書きの請求書をどの程度正確に処理できますか？
明確なフィールドラベルがある構造化フィールドでは、手書き請求書の抽出精度はほとんどの筆跡品質で85～90%です。主な失敗モードはフィールド全体の失敗ではなく、個々の文字の誤認識 — 手書きの「5」を「S」と読む、「0」を「O」と読む — です。事故後の路肩や薄暗い部屋など、不利な条件下で記入された請求書は筆跡が乱れやすく、精度はこの範囲の下限に近づきます。実用的な請求処理ワークフローでは、各請求書の最重要2～3フィールドをスポットチェックする1～2分の検証ステップを含めることをお勧めします。
抽出した請求データをGuidewireやDuck Creekに直接エクスポートできますか？
はい。抽出出力は構造化ファイル（Excel、CSV、JSON）で、バッチデータアップロードに対応するあらゆる請求管理システムにインポートできます。列ヘッダーは抽出設定時に定義したフィールド名と一致するため、データは正しいシステムフィールドに配置されます。大量処理を行うチーム向けには、バッチエクスポートを設定して、請求番号または保険証券番号でリンクされた書類タイプごと（ACORDフィールド、警察報告書フィールド、見積書フィールド）に個別のシートやファイルを生成することも可能です。
労災の請求書にも対応していますか？
はい。労災のファースト・ノーティス・オブ・ロス（FNOL）書式は、他のACORDベースの請求書と同じ構造です。つまり、ラベル付きのヘッダーフィールド（事業者名、従業員名、負傷日、負傷の種類、負傷部位、主治医）と、事故の説明文で構成されています。構造化フィールドの抽出精度は、物的損害や自動車の請求と同程度です。また、労災請求では、医師の初診報告書、復職書類、給与明細書などの追加書類も発生しますが、それぞれ専用の抽出列セットで処理できます。
AIは車両損傷の写真からデータを抽出できますか？
従来の意味での構造化データは抽出できません。コンピュータビジョンモデルは、損傷の種類（前面衝突、雹害、火災）を分類し、重症度の範囲を推定することはできますが、写真だけから金額や部品リストを出力することはできません。写真は請求記録にリンクされた証拠資料として扱うのが最適です。一方、修理工場や業者からの構造化された見積もりが、財務準備金や和解金の計算に必要なデータを提供します。
1回のバッチで処理できる請求書の最大数は？
AI抽出におけるバッチサイズに実質的な上限はありません。請求チームは通常、1回のバッチで100～200件の請求書パケットを処理しています。これには、複数の保険会社のACORD書式、さまざまな機関の警察報告書、複数の工場の修理見積もりが混在します。処理時間はドキュメント数に比例し、形式や保険会社に関係なく、1ドキュメントあたり平均5～10秒です。大量の場合は、チームプランによる同時処理にも対応しています。
自分の請求書でAI抽出のテストを始めるには？
スキャンしたACORD書式（物的損害、自動車、一般賠償責任）または記入済みの請求書の写真をアップロードしてください。初回テストは登録不要です。請求システムに必要な列（証券番号、事故発生日、被保険者名、事故発生場所、見積金額、損害の種類）を定義してください。抽出結果は数秒で表示されます。複数の保険会社の書式や添付書類を含むバッチ処理の完全なチュートリアルについては、特定の請求書類タイプ別のステップバイステップガイドをご覧ください。
請求処理におけるセマンティック抽出の利点は、各保険会社、書式タイプ、受付チャネルごとにテンプレートを作成する必要なく、すでに手動で対応している形式のばらつきに適応することです。ACORD書式、警察報告書、修理見積書の構造化フィールドは、書類がポータルPDF、FAXコピー、スマートフォン写真のいずれで届いても同じです。列を一度定義すれば、ラベルがどこにあってもAIが値を検出します。
ご自身の請求書類でお試しください