【プロンプト付き】ハ方式廃止で変わる比較推奨方針に役立つ生成AIで作る実務支援ツール7選

　2026年8月、金融庁より公表されたパブリックコメント結果（令和7年保険業法改正に係る内閣府令・監督指針改正）により、乗合保険代理店にとって極めて大きな転換点が確定しました。保険業法施行規則第227条の2第3項第4号に規定されていた、いわゆる「ハ方式（代理店独自の推奨方針・理由に基づく商品選定）」の廃止です。

　経過措置を経て2028年3月1日に完全施行されるこの改正は、単なるルール変更にとどまらず、保険代理店の営業スタイルやコンプライアンス体制の根本的な見直しを迫るものとなります。

　一方で、現場の募集人や管理部門からは「顧客から『おすすめを教えて』と言われたらどう対応すればいいのか」「商談ごとの比較・意向把握の記録負担がさらに増えるのではないか」といった悲鳴に近い声が上がっています。

　本記事では、ハ方式廃止が代理店実務に与える影響を整理した上で、生成AIを活用して現場の負担を軽減し、監督指針に適合した体制整備を実現するための実践アイデア7選と、明日から使えるプロンプトを詳しく解説します。

迫る「ハ方式廃止」と代理店が直面する2つの壁

　これまで多くの乗合代理店では、取扱商品の中から「販売実績が多い」「事務手続きが簡便」「顧客満足度が高い」といった代理店独自の理由を掲げて商品をあらかじめ絞り込み、提示する「ハ方式」が広く採用されてきました。

　しかし今回の改正によりハ方式は廃止され、今後は「顧客の意向」を出発点として客観的に商品を絞り込む「イ方式」への一本化が原則となります。これにより、代理店は次の2つの大きな壁に直面します。

壁1：「おまかせ顧客」に対する客観的推奨の難しさ

　保険相談に訪れる顧客の多くは、最初から「○○特約が付いていて、免責期間が○日の商品が欲しい」といった明確な意向を持っていません。「自分に合ったおすすめをプロに教えてほしい」という相談が日常茶飯事です。

　ハ方式が使えない今後、募集人が安易に「当社の一押しはこれです」と提示すれば、「代理店側の手数料都合で恣意的に誘導したのではないか」という監督指針違反（比較推奨規制違反）の疑念を招きかねません。「顧客の潜在的なニーズを掘り起こし、客観的な選択肢に落とし込むプロセス」がこれまで以上に厳格に問われます。

壁2：意向把握プロセスの記録・エビデンス保持に伴う事務負担

　イ方式を適正に運用するためには、「当初の意向」「情報提供による意向の変化」「提示した比較対象商品」「最終決定の理由」という一連の変遷を記録し、事後検証できる形で保管しなければなりません。

　商談後にこれらの帳票（意向把握シート・比較推奨記録）を手作業で作成する場合、1商談あたり30分〜1時間程度の事務負担が発生します。商談件数が多い代理店ほど、記録の作成遅延や形骸化（テンプレートのコピペ入力）が発生し、内部監査や保険会社・金融庁の立ち入り検査で不備を指摘されるリスクが高まります。

生成AIで実現できる実務支援ツール7選

　膨大なシステム開発投資を行わなくても、LLM（大規模言語モデル）の自然言語処理能力を活用することで、現場の募集業務とコンプライアンス管理の双方を大幅に効率化できます。

1. 意向ヒアリング・比較推奨フェーズ

ツール1：「おまかせ」を客観ニーズに変える意向分解アシスタント

• 解決する課題: 顧客が「一番いいやつで」と言った際、募集人の感覚や主観で特定商品を勧めてしまうバイアスを防ぐ。

• AIの活用法: 顧客の曖昧な発言を入力すると、AIが「医療費の自己負担許容度」「一時金型か日額型か」「保障期間（定期か終身か）」など、客観的なフィルタリング条件（パラメータ）に変換するための質問文と選択肢を自動生成します。

ツール2：客観的比較推奨理由書の自動ジェネレーター

• 解決する課題: 顧客意向に合致する複数商品を提示する際、なぜその商品群を選定したのかを論理的かつ中立に説明・文書化する作業の属人化を防ぐ。

• AIの活用法: 顧客が定めた選択条件と、取扱商品マトリクスから合致した上位商品のスペック差異を入力すると、特定商品を贔屓することのない「中立的な比較表」と「顧客意向との適合理由文」を自動作成します。

ツール3：難解な約款・特約の「平易化」翻訳ツール

• 解決する課題: 免責条項や支払事由の細かな違いを顧客が理解しきれず、誤認招致や説明不足につながるリスクを低減する。

• AIの活用法: 保険会社のパンフレットや約款の専門用語を読み込ませ、顧客の年齢や属性に合わせて「身近な生活事例に置き換えた平易な解説文」へと即座にリライトします。

2. 記録作成・体制整備フェーズ

ツール4：面談文字起こしからの「意向把握シート」自動生成

• 解決する課題: 1商談あたり30分以上かかる意向把握シートの作成負担を解消し、記録の形骸化を防ぐ。

• AIの活用法: オンライン商談（Zoom/Teams）の文字起こしテキストや、対面録音の音声を投入すると、金融庁の監督指針が求める「当初意向」「情報提供と意向変化」「比較提示商品」「最終決定理由」「合致確認」の5要素を自動抽出し、指定フォーマットで出力します。

ツール5：不適切発言を検知するコンプライアンス検閲ツール

• 解決する課題: 管理部門がすべての商談に同席できない中、募集人の不適切トークや過度な誘導を早期に発見する。

• AIの活用法: 商談テキストをスキャンし、「絶対にお得です（断定判断）」「A社は対応が遅いのでやめたほうがいい（他社誹謗）」「皆さんこれに入っています（不当誘導）」といったNGワードや文脈上のリスク表現を検出し、注意アラートを出します。

ツール6：新監督指針準拠のAI顧客ロープレボット

• 解決する課題: ハ方式廃止後の面談手法を全募集人に浸透させるための研修・教育コストを削減する。

• AIの活用法: 「最初は保険に懐疑的な顧客」「おすすめを教えての一点張りの顧客」など、様々なシミュレーション条件を設定したAIを相手に、募集人が音声またはテキストで模擬商談を実施。客観的な意向把握手順を踏めていたかをAIが採点します。

3. 経営・内部監査フェーズ

ツール7：意向ログと販売実績の偏向度チェック（内部監査支援）

• 解決する課題: 代理店全体または特定の募集人が、手数料水準の高い特定保険会社ばかりを販売していないか（法第294条の3の体制整備義務違反）を事後検証する。

• AIの活用法: 全商談の意向把握シートの要約データと成約実績を突合し、「顧客の希望条件の分布に対して、明らかに特定社への成約率が突出している募集人」をスクリーニングし、内部監査の重点対象としてリスト化します。

明日から使えるプロンプト集

生成AIのチャット画面にそのまま貼り付けて使用できる、実務用プロンプトです。

プロンプト1：「おまかせ」顧客の意向を客観分解する質問生成

　顧客から「おすすめを教えて」と言われた際、中立な選択肢へ導くためのスクリプトを出力させます。

Markdown

# 前提
あなたは保険代理店の募集コンプライアンス指導員です。
保険業法第294条の2（意向把握義務）および金融庁の最新監督指針に基づき、顧客から「おすすめを教えてほしい」「プロにおまかせしたい」と言われた際に、募集人が特定商品を恣意的に誘導することなく、客観的な意向形成を支援するための「中立的な深掘り質問」を作成してください。

# 顧客の初期発言
「医療保険に入りたいのですが、種類が多すぎて分からないので、一番人気のあるおすすめを教えてもらえますか？」

# 出力要件
1. 顧客の曖昧な発言を「客観的な判断軸」に分解してください。
2. 以下の3つの観点から、顧客に選択してもらうための平易な質問と選択肢（A/B/C）を作成してください。
   - 保障の手厚さと保険料負担のバランス（自己負担リスクの許容度）
   - 給付形態の好み（まとまった一時金重視か、入院・手術ごとの実費・日額重視か）
   - 将来の見直し前提（定期タイプ）か、一生涯の固定保障（終身タイプ）か
3. 募集人が現場でそのまま自然に話せるトークスクリプト形式で出力してください。

プロンプト2：商談テキストから「意向把握シート」を自動生成

　商談の文字起こしテキストから、監督指針の監査項目に沿った調書を作成させます。

Markdown

# 前提
以下の【商談文字起こしテキスト】を読み込み、金融庁の監督指針（比較推奨・意向把握プロセスの記録義務）に準拠した「意向把握シート（対応履歴）」を作成してください。

# 商談文字起こしテキスト
（※ここにZoomやボイスレコーダーの文字起こしテキストを貼り付け。顧客氏名は「A様」などに仮名化すること）

# 出力フォーマット
以下の項目に沿って、箇条書きおよび表形式で客観的事実のみを整理してください。

1. 【当初意向】：
   - 面談開始時点で顧客が求めていた保障分野、予算、加入検討の背景
2. 【情報提供と意向の変化】：
   - 募集人が提供した客観的情報（公的医療保険制度、特約の仕組み、試算比較など）
   - それを受けて顧客の考えがどう変化したか、およびその理由
3. 【比較提示した商品群】：
   - 顧客意向に基づき抽出・提示した複数商品の名称
   - 各商品を提示候補とした客観的理由（保険料、特定特約の有無など）
4. 【最終意向と決定商品】：
   - 顧客が最終的に選択した商品名
   - その商品を選定した決め手となった顧客自身の言質・理由
5. 【意向合致の確認】：
   - 提示した最終プランが、顧客の最終意向と合致していることを相互確認したプロセス

プロンプト3：客観的比較推奨の「選定理由書」作成

　条件に合致した候補商品を並べ、顧客自身に選択してもらうための客観的根拠をまとめさせます。

Markdown

# 指示
顧客から提示された「確定条件」と、取扱商品の中から客観的に抽出された「上位3商品」のスペックを比較し、顧客に提示するための「客観的比較推奨理由書」を作成してください。特定商品を不当に推奨する主観的表現は排除し、客観的事実に基づいて作成してください。

# 顧客の確定条件
- 対象：35歳・男性
- 分野：終身医療保険
- 最優先条件：がん診断時の一時金が100万円以上（複数回支払い対応）
- 予算目安：月額3,500円前後

# 比較対象商品
【商品A】：月額3,200円。がん一時金100万円（1年に1回限度、通算無制限）。入院日額5,000円。
【商品B】：月額3,800円。がん一時金100万円（2年に1回限度）。先進医療特約に通院交通費給付あり。
【商品C】：月額2,950円。がん一時金100万円（初回のみ）。保険料は最安水準だが通算支払いは1回のみ。

# 出力要件
1. 3商品が選定候補となった共通の根拠（顧客条件との合致点）
2. 3商品の主要相違点（保険料、一時金の支払頻度、付帯機能）をまとめたMarkdown比較表
3. 顧客の優先順位に応じた、各商品のメリットおよび留意点
4. 顧客が自らの意志で比較・選択できるように促す中立的な結びの言葉

生成AI活用で絶対にやってはいけない3つの落とし穴

　生成AIは極めて強力なツールですが、保険募集という高度に規制された金融実務において活用する際には、守るべき境界線があります。

落とし穴1：商品選定のロジックそのものをAIに丸投げする

　「このお客様に一番合う保険を選んで」とプロンプトに投げて商品を選ばせるのは危険です。 生成AIは確率論で文章を生成するため、同じ条件を入力しても日によって推奨順位が変動する可能性があります（ハルシネーションリスク）。金融庁や保険会社の点検で「なぜこの商品が選ばれたのか」と問われた際、アルゴリズムの客観的根拠を立証できなくなります。

推奨原則

商品の絞り込み自体は「完全一致のルールエンジン（スプレッドシートや条件検索システム）」で行い、AIは「意向の引き出し」「比較表の整形」「文章の要約・平易化」に専念させる。

落とし穴2：個人情報の平文投入

　商談ログや顧客情報をクラウドAIに入力する際、顧客の氏名、生年月日、住所、詳細な病歴（要配慮個人情報）をそのまま投入してはいけません。 AIに入力する前に、氏名を「A様」、企業名を「B社」に置き換えるマスキング処理を行うか、入力データがモデルの再学習に利用されないオプトアウト環境を前提とした運用体制を敷く必要があります。

落とし穴3：出力結果のノーチェック提出

　AIが生成した意向把握シートを、募集人が目を通さずにそのまま社内システムや保険会社へ提出することは厳禁です。 AIが顧客の発言文脈を取り違えている可能性はゼロではありません。募集関連行為の最終責任は常に代理店・募集人自身にあります。「AIは下書き（ドラフト）を作成するツールであり、最終承認は募集人の責任で行う」運用ルールを社内で徹底してください。

まとめ：規制強化を「業務DX」の好機に変える

　2028年3月のハ方式廃止は、これまでの「代理店の売りやすさ」をベースにした営業モデルからの完全な脱却を意味します。

　一見すると事務負担やコンプライアンスリスクが増大する後ろ向きな変化に思えますが、見方を変えれば、「属人的で不透明だった比較推奨プロセスをデジタル化し、顧客本位の高品質な提案体制へ刷新するチャンス」でもあります。

　まずは商談ログの要約や意向把握シートのドラフト作成など、現場の工数削減に直結する部分から生成AIの活用を試してみてください。事務作業から解放された時間を顧客との対話や潜在ニーズの深掘りに充てることが、新制度下で選ばれ続ける代理店への確実な一歩となります。