JP6609873B1 - 保険免責可能性判断プログラム、保険特約条項適用可能性判断プログラム、保険条件提案プログラム - Google Patents

Abstract

【課題】利用者に対して保険免責可能性を容易に判断することが可能な保険免責可能性判断プログラムを提供する。【解決手段】利用者に対して保険免責可能性を判断する保険免責可能性判断プログラムにおいて、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得する連関度取得ステップと、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、当該免責事項の適用の可能性を判断する判断ステップとをコンピュータに実行させることを特徴とする。【選択図】図３

Description

本発明は、利用者に対して保険免責可能性を判断する保険免責可能性判断プログラム、利用者に対して、保険の特約条項の適用可能性を判断する保険特約条項適用可能性判断プログラム、利用者に対して個々に保険条件を提案する保険条件提案プログラムに関する。

各種保険等を提供する保険会社では、保険の加入に関する契約を締結する際に、利用者の性別、年齢、健康状態等に応じて、これらに当てはまる保険条件の保険を提案し、利用者と契約をする。保険会社は、損害が発生した場合には、契約に基づいて保険金支払義務を負うが、特定の事項により発生した損害については、保険金支払義務を負わないことを免責事項として規定する。例えば、火災保険において契約書が故意に自宅に放火した場合や、戦争による被害等で自宅が出荷して消失した場合等を免責事項とし、保険金支払義務を負わないことを規定している。

このような免責事項については、免責金額とし、損害の一定額部分について、利用者等が自己負担するものとして、契約時に設定している場合が多い。これにより、利用者等の保険料負担の軽減、少額の損害に対する保険会社の損害調査などの事務負担の軽減および利用者などのモラルハザードの抑制を図ることができる。

このような保険契約を行う上で、上述した免責事項以外に、特約条項が入る場合もある。この特約条項とは、普通保険約款に定められた事項を特別に補充・変更する場合、その補充・変更の内容を定めたものである。保険における特約条項とはいわば保険のオプションであり、保険料が安くなったり、補償の範囲を特定したりするものである。普通保険約款の記載事項と特約の記載事項が重なっている場合には、特約の内容が優先して適用される。例えば、「人身傷害補償保険」において、補償範囲は契約自動車に乗車中の事故または、記名被保険者やその家族が自動車事故に遭われた場合となっており、「人身傷害の契約自動車搭乗中のみ補償特約」では、人身傷害事故のうち契約自動車に搭乗中の事故のみが補償範囲となっているものと仮定する。かかる場合において、「人身傷害の契約自動車搭乗中のみ補償特約」を付帯しない場合には、歩行中や契約自動車以外の一定の条件を満たす車の搭乗中も補償範囲に入るのに対して、「人身傷害の契約自動車搭乗中のみ補償特約」を付帯した場合には、補償範囲は、契約自動車搭乗中に限定される。

特開２０１７−３７４８９号公報 特開２０１７−１６７９４４号公報

ところで、個人個人に合わせたオーダーメイド型の保険を検討する上では、上述した免責事項や特約条項を照らし合わせて考える必要がある。例えば、免責条項として、「雪やひょう等の吹込みによる損害」が入っていた場合に、日本国内でいえば沖縄等のような過去に一度も雪が降ったことが無い地域では、特にこの免責事項は不要である。利用者にとっては、このような免責事項を削除してもらう代わりに、保険条件を有利にしてもらう方が得であり、保険会社もこれについてリスクを負う可能性は低いためそのような取り扱いをしても不利益はない。同様に、「日本国外で発生した事故」については保険料を支払うことができない旨の免責事項となっている場合、その利用者が、持病の関係で飛行機に搭乗することを医師から止められている旨の医療診断書を保有している場合には、利用者にとっては、このような免責事項を削除してもらう代わりに、保険条件を有利にしてもらう方が得であり、保険会社もこれについてリスクを負う可能性は低いためそのような取り扱いをしても不利益はない。

更には、利用者によっては特約条項に当てはまることがほぼあり得ないケースがある。例えば、上述した「人身傷害の契約自動車搭乗中のみ補償特約」の例の場合、その利用者が契約自動車以外に乗車することが身体上の理由その他によりありえないことが明らかである場合、その特約条項を除く代わりに保険条件を有利にしてもらう方が得であり、保険会社もこれについてリスクを負う可能性は低いためそのような取り扱いをしても不利益はない。

このように、個人個人に合わせたオーダーメイド型の保険を意図する場合には、その保険の利用者が免責事項や特約条項に当てはまるか否かを検討し、また当てはまるか否かに応じて保険条件をリーゾナブルに変更する必要がある。しかしながら、このような判断を全ての利用者ごとに判断し、本件条件を変える作業を行うのは、多大な労力を伴う。このため、これらの作業を人工知能を活用してアシストすることを考えていく必要が出てくるが、保険条件を検討する上で人工知能を活用する技術は以前より提案されているものの（例えば、特許文献１、２参照。）、何れも個人個人に合わせたオーダーメイド型の保険を意図したものではない。

そこで、本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、個人個人に合わせたオーダーメイド型の保険を検討する上で、利用者に対して保険免責可能性を判断し、保険の特約条項の適用可能性を判断し、更には利用者に対して個々に保険条件を提案することが可能な保険免責可能性判断プログラム、保険特約条項適用可能性判断プログラム、保険条件提案プログラム.を提供することにある。

本発明を適用した保険免責可能性判断プログラムは、利用者に対して保険免責可能性を判断する保険免責可能性判断プログラムにおいて、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得する連関度取得ステップと、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、当該免責事項の適用の可能性を判断する判断ステップとをコンピュータに実行させることを特徴とする。

本発明を適用した保険特約条項適用可能性判断プログラムは、利用者に対して、保険の特約条項の適用可能性を判断する保険特約条項適用可能性判断プログラムにおいて、利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準との組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得する連関度取得ステップと、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する特約条項とを取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び特約条項に基づき、当該特約条項の適用の可能性を判断する判断ステップとをコンピュータに実行させることを特徴とする。

本発明を適用した保険条件提案プログラムは、利用者に対して個々に保険条件を提案する保険条件提案プログラムにおいて、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得する連関度取得ステップと、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、新たな保険条件を提案する保険条件提案ステップとをコンピュータに実行させることを特徴とする。

上述した構成からなる本発明によれば、個人に合わせたオーダーメイド型の保険を検討する上で、利用者に対して保険免責可能性を判断し、保険の特約条項の適用可能性を判断し、更には利用者に対して個々に保険条件を提案することが可能となる。

本発明を適用した保険免責可能性判断プログラムが実装される保険免責可能性判断システムの全体構成を示すブロック図である。 判断装置の具体的な構成例を示す図である。 入力パラメータとして免責事項、利用者情報とし、出力解として免責適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして免責事項、利用者情報とし、出力解として免責適用の可能性を出力する連関度の他の例を示す図である。 入力パラメータとして免責事項、利用者情報とし、出力解として免責適用の有無を出力する連関度の例を示す図である。 入力パラメータとして免責事項、利用者情報とし、出力解として免責適用の可能性を介して、保険条件や免責事項を提案する連関度の例を示す図である。 入力パラメータとして免責事項、利用者情報とし、出力解として保険条件や免責事項を提案する連関度の例を示す図である。 入力パラメータとして免責事項、利用者情報、外部環境情報とし、出力解として免責適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして免責事項、利用者情報、保険条件報とし、出力解として免責適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして特約条項、利用者情報とし、出力解として特約条項適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして特約条項、利用者情報とし、出力解として特約条項適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして特約条項、利用者情報、外部環境情報とし、出力解として特約条項適用の可能性を出力する連関度の例を示す図である。 入力パラメータとして特約条項、利用者情報、保険条件とし、出力解として特約条項適用の可能性を出力する連関度の例を示す図である。

保険免責可能性判断プログラム
以下、本発明を適用した保険免責可能性判断プログラムついて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用した保険免責可能性判断プログラムが実装される保険免責可能性判断システム１の全体構成を示すブロック図である。保険免責可能性判断システム１は、ユーザインターフェース９と、ユーザインターフェース９に接続された判断装置２と、判断装置２に接続されたデータベース３とを備えている。

ユーザインターフェース９は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。ユーザインターフェース９は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。またユーザインターフェース９は、後述する判断装置２と一体化されていてもよい。ユーザインターフェース９は、検知した情報を判断装置２へと出力する。

データベース３は、各種保険に関する保険条件、免責事項、特約条項に関する情報が蓄積されている。また、このデータベースには、本件の利用者に関する利用者情報や、外部環境（政治、経済、社会、技術のトレンド等）に関する様々な情報も過去に遡り蓄積されている。このデータベース３は、インターネット上において取得可能な公開情報が記憶されていることが前提となる。しかし、これに限定されるものではなく、必要に応じて自社内の特別なセクションのみしか確認でいないような状態で保管されているようにしてもよい。またデータベース３は、判断装置２からの要求に基づいて、この蓄積した情報を判断装置２へと送信する。

判断装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判断装置２による探索解を得ることにより、これから設計しようとする個々のユーザに対する保険条件の提案を受け取ることが可能となる。

図２は、判断装置２の具体的な構成例を示している。この判断装置２は、判断装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、物性の推定を行う判断部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、判断装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、判断部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部２５は、前述したユーザインターフェース９として具現化されるものであってもよい。

判断部２７は、これから設計しようとする保険に必要な各種判断を担う。この判断部２７は、推定動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この判断部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなる保険免責可能性判断システム１における動作について説明をする。

保険免責可能性判断システム１では、例えば図３に示すように、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせが形成されていることが前提となる。図３の例では、例えば免責事項が「三大疾患に該当する恐れがある場合」であるものとする。そして、この免責事項の具体的な免責判断基準が、「がんにかかるリスクが低い」、「過去５年間、高血圧と判断されたことが無い」、「脳こうそくを患ったことが無い」であるものとする。

入力データとしては、このような免責判断基準と、利用者情報が並んでいる。このような入力データとしての、免責判断基準に対して、利用者情報が組み合わさったものが、図３に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、免責適用の可能性がパーセンテージとして表示されている。

利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との各組み合わせ（中間ノード）は、この出力解としての、免責適用の可能性に対して３段階以上の連関度を通じて互いに連関しあっている。図３の例では、連関度の点数として１〜５点の５段階で示されており、５点に近いほど、中間ノードとしての各組み合わせが出力としての免責事項の適用可能性と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての免責事項の適用可能性と互いに関連度合いが低いことを示している。

判断装置２は、このような図３に示す３段階以上の連関度を予め取得しておく。つまり判断装置２は、実際の免責可能性の判断を行う上で、利用者情報のデータと、免責事項のデータ、並びに保険会社において実際に各事例を免責事項として取り扱ったか否かのデータを蓄積しておき、これらを分析、解析することで図３に示す連関度を作り上げておく。

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば「曾祖父ががん」である場合に、実際に「三大疾患に該当する恐れがある場合」と判断された例があるか否かを過去のデータから分析し、その分析結果に応じて免責適用の可能性に対する連関度を設定するようにしてもよい。

また、この図３に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力としての免責適用の可能性に対する重み付け係数が、上述した連関度に対応することとなる。

図３に示す連関度の例では、ノード６１ａは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「曾祖父ががんにかかった」の組み合わせのノードであり、免責適用の可能性「１００％」が１点、「７０％」が４点、「４０％」が５点の連関度が付与されている。ノード６１ｂは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「発がん性物質ｘを以前に吸引した経験がある」の組み合わせのノードであり、免責適用の可能性「９０％」が１点、「６０％」が４点の連関度が付与されている。ノード６１ｃは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「血液中のコレステロールが●●以上」の組み合わせのノードであり、免責適用の可能性「９０％」が１点、「５０％」が３点、「１５％」が５点の連関度が付与されている。

ノード６１ｄは、免責事項の免責判断基準「過去５年間、高血圧と判断されたことが無い」に対して、利用者情報「３年前に一度だけ、血圧が130/85になった」の組み合わせのノードであり、免責適用の可能性「９０％」が４点、「４０％」が２点の連関度が付与されている。ノード６１ｅは、免責事項の免責判断基準「過去５年間、高血圧と判断されたことが無い」に対して、利用者情報「血液中のコレステロールが●●以上」の組み合わせのノードであり、免責適用の可能性「８０％」が５点、「６０％」が３点、「４０％」が１点の連関度が付与されている。ノード６１ｆは、免責事項の免責判断基準「過去５年間、高血圧と判断されたことが無い」に対して、利用者情報「３年前に一度だけ、血圧が130/85になった」、「脈拍が●●〜●●」の組み合わせのノードであり、免責適用の可能性「６０％」が４点、「０％」が１点の連関度が付与されている。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する免責事項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報を取得する。同様にその利用者が受けようとする保険に関する免責事項も同様に取得する。その利用者が受けようとする保険に関する免責事項の取得は、例えばスマートフォン等により免責事項が記載されている文章を撮像して、これを文字認識させ、テキストデータを抽出するようにしてもよいし、当該免責事項が記載されている電子データにインターネット等を介してアクセスし、テキストデータを抽出するようにしてもよい。またその利用者が受けようとする保険に関する免責事項が予めこのシステム側において入力されている場合にはそれをそのまま用いるようにしてもよい。

その利用者が受けようとする保険に関する免責事項に三大疾患に該当するリスクが高い場合は免責される旨が記載されている場合であって、その中の一つの判断基準として、「がんにかかるリスクが低い」か否かである旨を取得した場合、判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、利用者の曾祖父が過去がんにかかったことがあることが記載されている場合には、ノード６１ａに該当し、そのノード６１ａに付された連関度に応じた免責適用の可能性を出力する。つまり、免責適用の可能性が４０％であることを５点分の重みづけを以って助言し、免責適用の可能性が１００％であることを１点分の重みづけを以って助言する。その結果、利用者又は保険会社は、利用者の免責適用の可能性が４０％程度になる可能性が高いことを理解することができる。

同様にその利用者が受けようとする保険に関する免責事項に三大疾患に該当するリスクが高い場合は免責される旨が記載されている場合であって、その中の一つの判断基準として、「過去５年間、高血圧と判断されたことが無い」か否かである旨を取得した場合、判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、３年前に一度だけ、血圧が130/85になったことがあり、脈拍が●●〜●●の範囲に入ることを抽出した場合、ノード６１ｆに当てはまり、そのノード６１ｆに付された連関度に応じた免責適用の可能性を出力する。つまり、免責適用の可能性が６０％であることを４点分の重みづけを以って助言し、免責適用の可能性が０％であることを１点分の重みづけを以って助言する。その結果、利用者又は保険会社は、利用者の免責適用の可能性が６０％程度になる可能性が高いことを理解することができる。

なお、連関度の点数のより高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる、連関度の点数がより低いものを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、最適解の選択は、連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。このようにして、入力データを参照用入力パラメータの何れかに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としての物性を選択することになる。

なお、出力解の選択方法は、上述した方法に限定されるものではなく、連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、この物性の探索動作では、人工知能を利用して行うようにしてもよい。

次に選択した最適解としての免責適用の可能性の判断結果を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、免責適用の可能性を即座に把握することが可能となる。

図４は、他の保険に関する連関度の例を示している。各ノード６１と出力の関係は、図３における説明を引用し、以下での説明を省略する。この図４の連関度の例では、免責事項として「雪やひょうによる被害」が記述されていた場合に、その免責判断基準は、「雪やひょうによる被害が起こる可能性が極めて低い地域」となる。この免責判断基準までも保険の免責が記述されている情報から読み取った上で、実際に利用者が居住している地域が、「沖縄県」、「鹿児島県」、「東京都」の何れに該当するのかに基づいて、判断を行う。この判断を行う上では、上述した中間ノード６１と、出力としての免責適用の可能性との連関度に基づいて判断を行う。判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、利用者が鹿児島県に在住している場合、ノード６１ｂに該当し、そのノード６１ｂに付された連関度に応じた免責適用の可能性を出力する。

また免責事項として「日本国外で発生した事故」が記述されていた場合に、その免責判断基準は、利用者が「日本国外に出る可能性」となる。この免責判断基準までも保険の免責が記述されている情報から読み取った上で、実際に利用者が「パニック障害で飛行機の搭乗が医師より禁止されている」や、「持病●●を患っている」か否かに基づいて、判断を行う。この判断を行う上では、上述した中間ノード６１と、出力としての免責適用の可能性との連関度に基づいて判断を行う。判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、パニック障害で飛行機の搭乗が医師より禁止されている場合、ノード６１ｄに該当し、そのノード６１ｄに付された連関度に応じた免責適用の可能性を出力する。

上述した連関度においては、５段階評価で連関度を表現しているが、これに限定されるものではなく、３段階以上の連関度で表現されていればよく、逆に３段階以上であれば１００段階でも１０００段階でも構わない。一方、この連関度は、２段階、つまり互いに連関しているか否か、１又は０の何れかで表現されるものは含まれない。

なお、出力としての免責適用の可能性は、０〜１００％の百分率で記載されている場合を例にとり説明をしたが、これに限定されるものではない。この免責可能性は、例えば、図５に示すように、「免責される」、「免責されない」の２段階で表現されていてもよい。かかる場合において連関度を形成する際には、過去の免責事項に該当するか否かの判断事例を分析する際に、免責事項と利用者情報の組み合わせを「免責される」、「免責されない」の結果に紐づけて分析、判別していくことになる。これらの作業も人工知能により代替させてもよいことは勿論である。

図６は、上述のように判断された免責事項の適用の可能性の判断結果に基づいて、保険の免責事項及びこれに対応する保険条件の変更を提案する例を示している。例えば、免責適用の可能性が極めて高いもの（適用可能性９０〜１００％）と判断されたものは保険条件Ａを、免責適用の可能性が比較的高いもの（適用可能性７０〜８０％）と判断されたものは保険条件Ｂを、免責適用の可能性が低いもの（適用可能性４０％以下）と判断されたものは保険条件の変更なしであることを提案するようにしてもよい。このとき、保険条件Ａについては、利用者にとって条件をより有利にし、保険条件Ｂについては利用者にとって条件をやや有利にする等、条件に軽重を付けるようにしてもよい。

例えば、免責条項として、「雪やひょう等の吹込みによる損害」が入っていた場合に、利用者が沖縄県に在住している場合には、雪やひょうによる損害は極めて考えにくい。のも雪が降ったことが無い地域では、特にこの免責事項は不要である。利用者にとっては、このような免責事項を削除してもらう代わりに、保険条件を有利にしてもらう方が得であり、保険会社もこれについてリスクを負う可能性は低いためそのような取り扱いをしても不利益はない。このため、免責の適用可能性に基づいて保険条件を変えることを提案することで、利用者にとってより魅力的な保険になり、保険の加入者を増やすことができることに加え、保険会社にとっても保険条件を有利にすることによるリスクが増加することを防止することができる。

また、保険条件と共に、その免責事項も提案するようにしてもよい。つまり保険条件Ａを提案するともに、その有利にした保険条件Ａに応じて変更した免責事項ａを提案するようにしてもよい。保険条件Ｂを提案するともに、やや有利にした保険条件Ｂに応じて変更した免責事項ｂを提案するようにしてもよい。つまり、保険条件Ａに免責事項ａを予め紐づけておくことでこれらを一緒に提案することができる。また、保険条件Ｂに免責事項ｂを予め紐づけておくことでこれらを一緒に提案することができる。

また本発明は、出力について、免責適用の可能性を示す代わりに、図７に示すように、保険条件、或いは保険条件と免責事項の組み合わせを直接提案するものであってもよい。利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得する。そして、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得し、図７の連関度を参照し、取得した利用者情報及び免責事項に基づき、新たな保険条件Ａ〜Ｃを提案し、或いは保険条件を変更しないことも含めて提案する。このとき、新たな保険条件Ａ〜Ｃに加えて、免責事項ａ〜ｄも紐づけておくことでこれらも一緒に提案するようにしてもよい。ちなみに、この図７に示す例では、保険条件提案プログラムとして具現化されることとなる。

また、図８は、上述した免責事項や利用者情報に加えて、更に外部環境に関する外部環境情報に基づいて連関度を形成する例を示している。この図８に示す連関度では、免責事項が「三大疾患に該当する恐れがある場合」であるものと仮定したとき、ノード６１ａは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「曾祖父ががんにかかった」に対して、更に外部環境情報としての経済環境として例えば「日経平均株価が●●以上」の組み合わせのノードである。ノード６１ｂは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「発がん性物質ｘを以前に吸引した経験がある」に加えて、外部環境情報としての社会的な規制として、例えば「厚生労働省より薬品●●について新たに認可が下りたか否か」、事故の状況として、例えば「有害物質が周囲に飛散するような大事故が発生したか否か」の組み合わせノードである。ノード６１ｃは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「血液中のコレステロールが●●以上」に加えて、外部環境情報としての事故の状況として、例えば有害物質が周囲に飛散するような大事故が発生するか否かの組み合わせノードである。

このような連関度を含む学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する免責事項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報、利用者が受けようとする保険に関する免責事項に加え、現在の外部環境も同様に取得する。外部環境の取得は、例えば日経平均株価や、最近の時事ニュース等をインターネット上から自動的に配信してもらい、あるいは抽出するようにしてもよい。

その抽出した外部環境情報について、上述した「日経平均株価が●●以上」、「厚生労働省より薬品●●について新たに認可が下りたか否か」、「血液中のコレステロールが●●以上」等に当てはまるか否か判断し、当てはまる場合には、これにつながる連関度に基づいて同様に免責適用の可能性を判断していくこととなる。

この図８に示す連関度に基づいて免責適用の可能性を判断することにより、更に外部環境情報も考慮した、より精度の高い可能性の判断を実現することができる。

また、図９は、上述した免責事項や利用者情報に加えて、更に保険条件に基づいて連関度を形成する例を示している。この図９に示す連関度では、免責事項が「三大疾患に該当する恐れがある場合」であるものと仮定したとき、ノード６１ａは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「曾祖父ががんにかかった」に対して、更に保険条件として例えば「がんで３か月以上入院した場合には、保険金６０００万円を支払う」の組み合わせのノードである。ノード６１ｂは、免責事項の免責判断基準「がんにかかるリスクが低い」に対して、利用者情報「発がん性物質ｘを以前に吸引した経験がある」に加えて、更に保険条件として例えば「がんで手術した場合には手術費用１回につき３００万円支払う」の組み合わせノードである。

このような連関度を含む学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する免責事項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報、利用者が受けようとする保険に関する免責事項に加え、当該保険の保険条件の取得も行う。この保険条件については予め取得できているのであればそれをそのまま使うようにしてもよいし、免責事項の同様の方法で新たに取得するようにしてもよい。

その抽出した保険条件について、上述した「がんで３か月以上入院した場合には、保険金６０００万円を支払う」、「がんで手術した場合には手術費用１回につき３００万円支払う」等に当てはまるか否か判断し、当てはまる場合には、これにつながる連関度に基づいて同様に免責適用の可能性を判断していくこととなる。

これにより、保険条件との関係も考慮した上で、より精度の高い可能性の判断を実現することができる。

ちなみに、上述のような免責事項や利用者情報に加えて、更に外部環境に関する外部環境情報に基づいて連関度を形成する場合、或いは免責事項や利用者情報に加えて、更に保険条件に基づいて連関度を形成する場合において、図７に示すように、出力について、免責適用の可能性を示す代わりに、保険条件、或いは保険条件と免責事項の組み合わせを直接提案するものであってもよい。利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準と、外部環境情報又は既存の保険条件の組み合わせと、当該組み合わせに対する新たな保険条件との３段階以上の連関度を予め取得する。そして、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項と、外部環境情報又は既存の保険条件を取得し、図７〜９の連関度を参照し、取得した利用者情報及び免責事項に基づき、新たな保険条件Ａ〜Ｃを提案し、或いは保険条件を変更しないことも含めて提案する。このとき、新たな保険条件Ａ〜Ｃに加えて、免責事項ａ〜ｄも紐づけておくことでこれらも一緒に提案するようにしてもよい。

保険特約条項適用可能性判断プログラム
以下、本発明を適用した保険特約条項適用可能性判断プログラムついて、図面を参照しながら詳細に説明をする。保険特約条項適用可能性判断プログラムが具現化される保険特約条項適用可能性判断システムは、図１、２に示す保険免責可能性判断システム１と同一の構成要素により具現化される。このため保険特約条項適用可能性判断システムにおける具体的な説明は、この保険免責可能性判断システム１の説明を引用することにより以下での説明を省略する。

保険特約条項適用可能性判断システムでは、例えば図１０に示すように、利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準との組み合わせが形成されていることが前提となる。図３の例では、例えば特約条項が「石綿損害等不担保特約条項」であるものとし、この特約条項の具体的な特約条項判断基準が、「石綿または石綿を含む製品に起因」するか否かに基づくものとする。また他の特約条項が「原子力危険不担保特約条項」であるものとし、この特約条項の具体的な特約条項判断基準が、「放射性、爆発性その他の有害な特性に基づく場合」であるものとする。

入力データとしては、このような特約条項判断基準と、利用者情報が並んでいる。このような入力データとしての、特約条項判断基準に対して、利用者情報が組み合わさったものが、図１０に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、特約条項判断基準の可能性がパーセンテージとして表示されている。

利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準との各組み合わせ（中間ノード）は、この出力解としての、特約条項適用の可能性に対して３段階以上の連関度を通じて互いに連関しあっている。図１０の例では、連関度の点数として１〜５点の５段階で示されており、５点に近いほど、中間ノードとしての各組み合わせが出力としての特約条項の適用可能性と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての特約条項の適用可能性と互いに関連度合いが高いことを示している。

判断装置２は、このような図１０に示す３段階以上の連関度を予め取得しておく。つまり判断装置２は、実際の特約条項の適用可能性の判断を行う上で、利用者情報のデータと、特約条項のデータ、並びに保険会社において実際に各事例を特約条項適用として取り扱ったか否かのデータを蓄積しておき、これらを分析、解析することで図１０に示す連関度を作り上げておく。

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば「以前に●●地域の●●工場に●年間勤務」である場合に、実際に「石綿または石綿を含む製品に起因」と判断された例があるか否かを過去のデータから分析し、その分析結果に応じて特約条項の可能性に対する連関度を設定するようにしてもよい。

また、この図１０に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力としての特約条項適用の可能性に対する重み付け係数が、上述した連関度に対応することとなる。

図１０に示す連関度の例では、ノード６１ａは、特約条項の特約適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「以前に●●地域の●●工場に●年間勤務」の組み合わせのノードであり、免責適用の可能性「１００％」が１点、「７０％」が４点、「４０％」が５点の連関度が付与されている。ノード６１ｂは、特約条項の特約適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「現在、●●地域の●●市役所に●年間勤務」の組み合わせのノードであり、免責適用の可能性「９０％」が１点、「６０％」が４点の連関度が付与されている。ノード６１ｃは特約条項の特約適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「以前に●●国の●●プラントにて●年間勤務」の組み合わせのノードであり、免責適用の可能性「９０％」が１点、「５０％」が３点、「１５％」が５点の連関度が付与されている。

ノード６１ｄは、特約条項の特約適用判断基準「放射性、爆発性その他の有害な特性に基づく場合」に対して、利用者情報「以前に●●地域の●●発電所にて●年間勤務」の組み合わせのノードであり、免責適用の可能性「９０％」が４点、「４０％」が２点の連関度が付与されている。ノード６１ｆは、特約条項の特約適用判断基準「放射性、爆発性その他の有害な特性に基づく場合」に対して、利用者情報「以前に●●地域の●●発電所にて●年間勤務」に加えて「以前の被ばく検査で●●値が●●以上」の組み合わせのノードであり、免責適用の可能性「６０％」が４点、「０％」が１点、「４０％」が１点の連関度が付与されている。

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する特約条項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報を取得する。同様にその利用者が受けようとする保険に関する特約条項も同様に取得する。その利用者が受けようとする保険に関する特約条項の取得は、例えばスマートフォン等により特約条項が記載されている文章を撮像して、これを文字認識させ、テキストデータを抽出するようにしてもよいし、当該特約条項が記載されている電子データにインターネット等を介してアクセスし、テキストデータを抽出するようにしてもよい。またその利用者が受けようとする保険に関する特約条項が予めこのシステム側において入力されている場合にはそれをそのまま用いるようにしてもよい。

その利用者が受けようとする保険に関する特約条項に石綿による損害の場合は保険金を支払う義務を負わない旨が記載されている場合であって、その中の一つの判断基準として、「石綿または石綿を含む製品に起因」か否かである旨を取得した場合、判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、以前に●●地域の●●工場に●年間勤務したことが記載されている場合には、ノード６１ａに該当し、そのノード６１ａに付された連関度に応じた特約条項適用の可能性を出力する。つまり、特約条項適用の可能性が４０％であることを５点分の重みづけを以って助言し、特約条項適用の可能性が７０％であることを４点分の重みづけを以って助言し、特約条項適用の可能性が１００％であることを１点分の重みづけを以って助言する。その結果、利用者又は保険会社は、利用者の特約条項適用の可能性が４０％程度になる可能性が高いことを理解することができる。

同様にその利用者が受けようとする保険に関する特約条項に原子力危険不担保特約条項に該当する場合には保険金を支払う義務を負わない旨が記載されている場合であって、その中の一つの判断基準として、「放射性、爆発性その他の有害な特性に基づく場合」か否かである旨を取得した場合、判断装置２は、取得した利用者情報の中から、その判断基準に見合う情報を抽出する。その情報抽出の結果、例えば、以前に●●地域の●●発電所にて●年間勤務したことを抽出した場合、ノード６１ｄに当てはまり、そのノード６１ｄに付された連関度に応じた免責適用の可能性を出力する。同様に以前の被ばく検査で●●値が●●以上であること等を抽出した場合、ノード６１ｆに当てはまり、そのノード６１ｅに付された連関度に応じた免責適用の可能性を出力する。

出力解の選択方法は、上述した方法に限定されるものではなく、連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。

なお、出力としての特約適用の可能性は、０〜１００％の百分率で記載されている場合を例にとり説明をしたが、これに限定されるものではない。この免責可能性は、例えば、「特約条項に適用される」、「特約条項に適用されない」の２段階で表現されていてもよい。かかる場合において連関度を形成する際には、過去の特約条項を適用するか否かの判断事例を分析する際に、特約条項と利用者情報の組み合わせを「特約条項に適用される」、「特約条項に適用されない」の結果に紐づけて分析、判別していくことになる。これらの作業も人工知能により代替させてもよいことは勿論である。

図１１は、上述のように判断された特約条項の適用の可能性の判断結果に基づいて、保険の特約条項及びこれに対応する保険条件の変更を提案する例を示している。例えば、特約条項適用の可能性が極めて高いもの（適用可能性９０〜１００％）と判断されたものは保険条件Ａを、特約条項適用の可能性が比較的高いもの（適用可能性７０〜８０％）と判断されたものは保険条件Ｂを、特約条項適用の可能性が低いもの（適用可能性４０％以下）と判断されたものは保険条件の変更なしであることを提案するようにしてもよい。このとき、保険条件Ａについては、利用者にとって条件をより有利にし、保険条件Ｂについては利用者にとって条件をやや有利にする等、条件に軽重を付けるようにしてもよい。

また、保険条件と共に、その特約条項も提案するようにしてもよい。つまり保険条件Ａを提案するともに、その有利にした保険条件Ａに応じて変更した特約条項ａを提案するようにしてもよい。保険条件Ｂを提案するともに、やや有利にした保険条件Ｂに応じて変更した特約条項ｂを提案するようにしてもよい。つまり、保険条件Ａに特約条項ａを予め紐づけておくことでこれらを一緒に提案することができる。また、保険条件Ｂに特約条項ｂを予め紐づけておくことでこれらを一緒に提案することができる。

ちなみに、上述のような特約条項や利用者情報に基づいて連関度を形成する場合、図７に示すように、出力について、特約条項適用の可能性を示す代わりに、保険条件、或いは保険条件と特約条項の組み合わせを直接提案するものであってもよい。

また、図１２は、上述した特約条項や利用者情報に加えて、更に外部環境に関する外部環境情報に基づいて連関度を形成する例を示している。この図１２に示す連関度では、特約条項が「石綿損害等不担保特約条項」や「原子力危険不担保特約条項」であるものと仮定したとき、ノード６１ａは、特約条項の特約条項適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「以前に●●地域の●●工場に●年間勤務」に対して、更に外部環境情報としての社会的な規制として、「厚生労働省から治療法●●の認可が下りた」の組み合わせのノードである。ノード６１ｂは、特約条項の特約条項適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「現在、●●地域の●●市役所に●年間勤務」に加えて、外部環境情報としての事故の状況として、例えば「●●会社の●●石綿工場にて、半径５００ｍに石綿が●●量飛散する事故が発生」の組み合わせノードである。

このような連関度を含む学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する免責事項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報、利用者が受けようとする保険に関する特約条項に加え、現在の外部環境も同様に取得する。外部環境の取得は、例えば日経平均株価や、最近の時事ニュース等をインターネット上から自動的に配信してもらい、あるいは抽出するようにしてもよい。

その抽出した外部環境情報について、上述した、「厚生労働省から治療法●●の認可が下りた」、「●●会社の●●石綿工場にて、半径５００ｍに石綿が●●量飛散する事故が発生」等に当てはまるか否か判断し、当てはまる場合には、これにつながる連関度に基づいて同様に免責適用の可能性を判断していくこととなる。

この図１２に示す連関度に基づいて特約条項適用の可能性を判断することにより、更に外部環境情報も考慮した、より精度の高い可能性の判断を実現することができる。

また、図１３は、上述した特約条項や利用者情報に加えて、更に保険条件に基づいて連関度を形成する例を示している。この図１３に示す連関度では、特約条項が「石綿損害等不担保特約条項」や「原子力危険不担保特約条項」であるものと仮定したとき、ノード６１ａは、特約条項の特約条項適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「以前に●●地域の●●工場に●年間勤務」に対して、更に保険条件として例えば「３か月以上入院した場合には、保険金６０００万円を支払う」の組み合わせのノードである。ノード６１ｂは、特約条項の特約条項適用判断基準「石綿または石綿を含む製品に起因」に対して、利用者情報「現在、●●地域の●●市役所に●年間勤務」に加えて、更に保険条件として例えば「手術した場合には手術費用１回につき３００万円支払う」の組み合わせノードである。

このような連関度を含む学習済みデータを作った後に、実際にこれから新たに保険を受けようとする利用者に対して、当該保険に関する特約条項の適用の可能性を判断していく。かかる場合には、これから新たに保険を受けようとする利用者に関する利用者情報、利用者が受けようとする保険に関する特約条項に加え、当該保険の保険条件の取得も行う。この保険条件については予め取得できているのであればそれをそのまま使うようにしてもよいし、特約条項と同様の方法で新たに取得するようにしてもよい。

その抽出した保険条件について、上述した「３か月以上入院した場合には、保険金６０００万円を支払う」、「手術した場合には手術費用１回につき３００万円支払う」等に当てはまるか否か判断し、当てはまる場合には、これにつながる連関度に基づいて同様に免責適用の可能性を判断していくこととなる。

これにより、保険条件との関係も考慮した上で、より精度の高い可能性の判断を実現することができる。

ちなみに、上述のような特約条項や利用者情報に加えて、更に外部環境に関する外部環境情報に基づいて連関度を形成する場合、或いは特約条項や利用者情報に加えて、更に保険条件に基づいて連関度を形成する場合において、図７に示すように、出力について、特約条項適用の可能性を示す代わりに、保険条件、或いは保険条件と特約条項の組み合わせを直接提案するものであってもよい。利用者に関する利用者情報と、保険の免責事項に基づく特約条項判断基準と、外部環境情報又は既存の保険条件の組み合わせと、当該組み合わせに対する新たな保険条件との３段階以上の連関度を予め取得する。そして、新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する特約条項と、外部環境情報又は既存の保険条件を取得し、図７、１２、１３の連関度を参照し、取得した利用者情報及び特約条項に基づき、新たな保険条件Ａ〜Ｃを提案し、或いは保険条件を変更しないことも含めて提案する。このとき、新たな保険条件Ａ〜Ｃに加えて、特約条項ａ〜ｄも紐づけておくことでこれらも一緒に提案するようにしてもよい。

上述した構成からなる本発明によれば、免責適用の可能性や特約条項適用の可能性の判断を、特段の熟練を要することなく、少ない労力で容易に行うことが可能となる。また本発明によれば、免責適用の可能性や特約条項適用の可能性の判断をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている連関度を介して最適な物性や生成機構の探索を行う点に特徴がある。連関度は、上述した５段階以外に、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される連関度に基づいて探索することで、免責適用の可能性や特約条項適用の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より適切な免責適用の可能性や特約条項適用の可能性の候補を優先的に表示することが可能となる選択することを促すこともできる。一方、連関度の低い出力であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、連関度が１％のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い免責適用の可能性や特約条項適用の可能性の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な免責適用の可能性や特約条項適用の可能性を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータと、出力解（免責適用の可能性や特約条項適用の可能性）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。

この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

１ 保険免責可能性判断システム
２ 判断装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 推定部
２８ 記憶部
６１ ノード

Claims (18)

1. 利用者に対して保険免責可能性を判断する保険免責可能性判断プログラムにおいて、
   利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得する連関度取得ステップと、
   新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、当該免責事項の適用の可能性を判断する判断ステップとをコンピュータに実行させること
   を特徴とする保険免責可能性判断プログラム。
2. 上記判断ステップにより判断された免責事項の適用の可能性の判断結果に基づいて、上記保険の免責事項及びこれに対応する保険条件の変更を提案する保険条件変更提案ステップを更に有すること
   を特徴とする請求項１記載の保険免責可能性判断プログラム。
3. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準と、外部環境情報との組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、更に実際の外部環境に関する外部環境情報を取得し、
   上記判断ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、免責事項及び外部環境情報に基づき、当該免責事項の適用の可能性を判断すること
   を特徴とする請求項１又は２記載の保険免責可能性判断プログラム。
4. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準と、当該保険の保険条件との組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、更に新たに受けようとする保険の保険条件を取得し、
   上記判断ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、免責事項及び保険条件に基づき、当該免責事項の適用の可能性を判断すること
   を特徴とする請求項１又は２記載の保険免責可能性判断プログラム。
5. 利用者に対して、保険の特約条項の適用可能性を判断する保険特約条項適用可能性判断プログラムにおいて、
   利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準との組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得する連関度取得ステップと、
   新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する特約条項とを取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び特約条項に基づき、当該特約条項の適用の可能性を判断する判断ステップとをコンピュータに実行させること
   を特徴とする保険特約条項適用可能性判断プログラム。
6. 上記判断ステップにより判断された特約条項の適用の可能性の判断結果に基づいて、上記保険の特約条項及びこれに対応する保険条件の変更を提案する保険条件変更提案ステップを更に有すること
   を特徴とする請求項５記載の保険特約条項適用可能性判断プログラム。
7. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準と、外部環境情報との組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、更に実際の外部環境に関する外部環境情報を取得し、
   上記判断ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、特約条項及び外部環境情報に基づき、当該特約条項の適用の可能性を判断すること
   を特徴とする請求項５又は６記載の保険特約条項適用可能性判断プログラム。
8. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準と、当該保険の保険条件との組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得し、
   上記情報取得ステップでは、更に新たに受けようとする保険の保険条件を取得し、
   上記判断ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、特約条項及び保険条件に基づき、当該特約条項の適用の可能性を判断すること
   を特徴とする請求項５又は６記載の保険特約条項適用可能性判断プログラム。
9. 利用者に対して個々に保険条件を提案する保険条件提案プログラムにおいて、
   利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準との組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得する連関度取得ステップと、
   新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、
   上記連関度取得ステップにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、新たな保険条件を提案する保険条件提案ステップとをコンピュータに実行させること
   を特徴とする保険条件提案プログラム。
10. 上記保険条件提案ステップにより提案された新たな保険条件に基づいて、その保険の免責事項の変更を提案する免責事項変更提案ステップを更に有すること
    を特徴とする請求項９記載の保険条件提案プログラム。
11. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準と、外部環境情報との組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得し、
    上記情報取得ステップでは、更に実際の外部環境に関する外部環境情報を取得し、
    上記保険条件提案ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、免責事項及び外部環境情報に基づき、新たな保険条件を提案すること
    を特徴とする請求項９又は１０記載の保険条件提案プログラム。
12. 上記連関度取得ステップでは、利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準と、当該保険の保険条件との組み合わせと、当該組み合わせに対して新たに提案すべき保険条件との３段階以上の連関度を予め取得し、
    上記情報取得ステップでは、更に実際に受けようとする保険の保険条件を取得し、
    上記保険条件提案ステップでは、上記連関度を参照し、上記情報取得ステップを介して取得した利用者情報、免責事項及び保険条件に基づき、新たに提案すべき保険条件を提案すること
    を特徴とする請求項９又は１０記載の保険条件提案プログラム。
13. 利用者に対して保険免責可能性を判断する保険免責可能性判断システムにおいて、
    利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準とを有する組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得したデータベースを準備しておき、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、
    上記データベースにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、当該免責事項の適用の可能性を判断する判断ステップとをコンピュータに実行させること
    を特徴とする保険免責可能性判断プログラム。
14. 利用者に対して、保険の特約条項の適用可能性を判断する保険特約条項適用可能性判断プログラムにおいて、
    利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準とを有する組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得したデータベースを準備しておき、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する特約条項とを取得する情報取得ステップと、
    上記データベースにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び特約条項に基づき、当該特約条項の適用の可能性を判断する判断ステップとをコンピュータに実行させること
    を特徴とする保険特約条項適用可能性判断プログラム。
15. 利用者に対して個々に保険条件を提案する保険条件提案プログラムにおいて、
    利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準とを有する組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得したデータベースを準備しておき、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得ステップと、
    上記データベースにおいて取得した連関度を参照し、上記情報取得ステップを介して取得した利用者情報及び免責事項に基づき、新たな保険条件を提案する保険条件提案ステップとをコンピュータに実行させること
    を特徴とする保険条件提案プログラム。
16. 利用者に対して保険免責可能性を判断する保険免責可能性判断システムにおいて、
    利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準とを有する組み合わせと、当該組み合わせに対する免責適用の可能性との３段階以上の連関度を予め取得したデータベースと、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得手段と、
    上記データベースにおいて取得した連関度を参照し、上記情報取得手段を介して取得した利用者情報及び免責事項に基づき、当該免責事項の適用の可能性を判断する判断手段とを備えること
    を特徴とする保険免責可能性判断システム。
17. 利用者に対して、保険の特約条項の適用可能性を判断する保険特約条項適用可能性判断システムにおいて、
    利用者に関する利用者情報と、保険の特約条項に基づく特約条項判断基準とを有する組み合わせと、当該組み合わせに対する特約条項の適用の可能性との３段階以上の連関度を予め取得するデータベースと、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する特約条項とを取得する情報取得手段と、
    上記データベースにおいて取得した連関度を参照し、上記情報取得手段を介して取得した利用者情報及び特約条項に基づき、当該特約条項の適用の可能性を判断する判断手段とを備えること
    を特徴とする保険特約条項適用可能性判断システム。
18. 利用者に対して個々に保険条件を提案する保険条件提案システムにおいて、
    利用者に関する利用者情報と、保険の免責事項に基づく免責判断基準とを有する組み合わせと、当該組み合わせに対する保険条件との３段階以上の連関度を予め取得するデータベースと、
    新たに保険を受けようとする利用者からの利用者情報と、当該保険に関する免責事項とを取得する情報取得手段と、
    上記データベースにおいて取得した連関度を参照し、上記情報取得手段を介して取得した利用者情報及び免責事項に基づき、新たな保険条件を提案する保険条件提案手段とを備えること
    を特徴とする保険条件提案システム。

Images