洪水被害の大半は洪水ゾーンの外で起きている――そして静かにあなたのロスレシオを蝕んでいる
洪水の引受がどれほどひどく壊れているかを初めて理解したとき、私は航空写真の地図で一軒の家を眺めていた。
テキサス州ハリス郡の一戸建て住宅。2004年築、スラブ基礎で、地表からの嵩上げはない。敷地は85%が不透水性の表面――コンクリートの車道、パティオ、独立したガレージ――で、最寄りの雨水排水口は400フィート離れており、30年前に10年確率の降雨イベントを想定して設計された自治体システムの一部だった。FEMAはそこをゾーンXと呼んだ。洪水ハザードは最小限。付保の義務なし。
レーティングエンジンはその家に、年450ドルの洪水保険料を提示した。物件レベルの分析では、その予想年間損失は8,400ドルとされた。
そのギャップ――地図が安全だと言い張る物件で、ほぼ20対1――は、まさに洪水リスク引受というものの問題のすべてを、1区画に凝縮している。そしてこれは稀な区画ではない。米国の洪水被害の3分の2以上、NC州立大学とFirst Streetの研究による68.3%が発生しているのは、外なのだ――FEMAの高リスクゾーンの。もし貴社のレーティングプランがいまだにゾーンAE対ゾーンXを基準にしているなら、あなたは線の両側で価格を誤っている。ゾーン内の高床の家に過大請求し、そのすぐ外側にあるスラブ・オン・グレードの家を静かに手放しているのだ。
洪水ゾーンの地図はリスクモデルではない。それは規制上の境界線であり、業界の他の面々がリスクモデルと取り違えてきたものだ。
私たちがこれを修正しようとしたときに見つけたことを、順を追って説明したい。私たちの最初の修正が規制当局の前で失敗した部分も含めてだ――なぜなら、その失敗こそが、私たちが最終的に構築したものが今の姿になっている理由だからだ。
なぜ洪水被害の大半は洪水ゾーンの外で起きるのか？
まず地図がなぜ間違っているのかから始めよう。なぜなら、それは「地図が古くなる」という以上に深刻だからだ。
FEMAの洪水地図の約75%は、5年以上前のものだ。そして相当な割合が1970年代や80年代のものだ。それらは主に河川氾濫と沿岸洪水――川が土手を越えること、海岸から押し寄せる高潮――のために描かれた。内水氾濫、すなわち地面や雨水排水が処理できるより速く降る雨を捉えるようには、そもそも作られていなかった。内水氾濫はこの国で最も急速に増大している損失要因でありながら、FEMAのパネル上ではほとんど見えない。
あのハリス郡の家が浸水するのは、内水氾濫によるものだ。1時間に4インチの雨が85%不透水の敷地に降ると、隣家の2倍を超える流出を生み、1.5インチ用に作られたシステムへと流れ込む。そのどれも地図には載っていない。なぜなら地図はその問いを発していないからだ。
この帰結は机上の空論ではない。ハリケーン・ハービーの後、洪水保険金請求の70%はFEMAの高リスクゾーンの外から発生した――誰のレーティングエンジンも後回し扱いで見積もっていたゾーンXの家々からだ。ハリス郡だけでゾーンXに120万件の物件がある。濡れた物件をフラグ付けしていた保険会社は、先んじて――嵐に対してだ――その年、著しく軽いカタストロフィ・ロスレシオを計上した。私が見た帳簿からの私自身の推計では、1桁台後半から2桁台前半の数字だ。ほかの全員は、損害の第一報で初めてそれを知った。
そして構造的な圧力は増すばかりだ。ホームオーナーズ部門が計上しているのは、2025年予測で106.1%というコンバインド・レシオだ――保険料1ドルごとに1ドルを超える損害と経費を支払っている計算だ――そしてAMベストは、より広範なP&Cのコンバインド・レシオが2026年に96.9へと上昇すると予想している。世界全体では、付保された自然災害損失が2025年に1,070億ドルに達した。洪水は、現実に起きていることと価格付けされていることとのギャップが最も大きいペリルだ。ざっと5年間の世界の洪水による経済的損失3,250億ドルのうち、付保されていたのは約700億ドルにすぎなかった。
その界隈にコンクリートが流し込まれる前に描かれた地図で、106%のコンバインド・レシオを解消することはできない。
私が最初に間違えたこと
ここからは、私があまり誇れない部分だ。
私のチームが最初にこれを掘り下げたとき、答えは明白に見えた。市場には、本当に優れたモデルを持つプロパティ・インテリジェンスのベンダーがあふれていた。ZestyAIは、航空画像と建築許可からコンピュータビジョンのスコア――Z-FLOOD、Z-FIRE、Z-WIND――を構築しており、次々と保険会社と契約していた。2026年の第1四半期だけでも、テキサスのLogic Underwriters、フロリダのSouthern Oak、Harford Mutual、Horace Mannなどを加えた。スコアは機能する。保険会社のネットワークは本物だ。
だから私たちの最初のバージョンはシンプルだった。ベンダーの洪水スコアをライセンス供与し、それを新しいファクターとしてレーティングエンジンに流し込み、出荷する。週末程度の統合作業を、製品として体裁を整えたものだ。
私たちはそれを州のファイリングに持ち込んだ。審査官の回答は、真新しい洪水ファクターの隣に、たった一言の欄外メモとして返ってきた。「このファクターを説明せよ」
私たちにはできなかった。彼らの水準では。ベンダーのモデルカード――「モデルがおおよそ何を考慮しているか」を記した1ページの文書――は、ベンダーのマーケティングチームを満足させる。だがそれは、コロラドやニューヨークの審査官を満足させない。彼らは、AIから導き出されたレーティングファクターが発効する前に、保険数理メモランダム、格差影響（ディスパレート・インパクト）調査、そして説明可能性のトレイルを求めるからだ。NAICのAIモデル・ブレティンは、24を超える州で採択されている。そして、ニューヨークのDFSサーキュラー2024-7は、格差影響（ディスパレート・インパクト）のテストを明示的に義務付けている。物件の状態は所得と相関する。「先送りされた維持管理」をリスクとして読み取るコンピュータビジョンのスコアは、規制当局がブルーライニングと呼ぶ何かを、静かにコード化しかねない。ベンダースコアを買うのを容易にしているまさにその不透明性が、それをファイリングするのを困難にしているのだ。
私たちは引受のケイパビリティを構築していなかった。私たちは、弁護できない一つの数字を買っただけだった。
あのファイリングが跳ね返されたことは、私たちに起きた最も有益な出来事だった。なぜなら、それが問題全体を捉え直させたからだ。2026年における洪水リスク引受の難しい部分は、スコアを手に入れることではない。優れたスコアなら売られている。難しいのは、スコアを規制当局が承認するレーティングファクターへと変えることだ――そしてそれは、どのベンダーもあなたのために行わないエンジニアリングとドキュメンテーションの作業だ。なぜなら彼らが売っているのはスコアであって、あなたのレートプランではないからだ。
すべてのベンダーは一部分を解決する。継ぎ目を解決する者はいない。
いったんそう見えてくると、状況の全体像が組み替わる。各プロバイダーは絵の一片ずつを所有し、継ぎ目はあなたに委ねているのだ。
ZestyAIは、鋭い物件レベルのコンピュータビジョンを提供するが、そのスコアはおおむね静的だ――あのハリス郡の敷地の下にある雨水排水の容量をモデル化しないし、実際のイベントが進行しているときに作動もしない。ICEYEは、世界最大の合成開口レーダー衛星コンステレーション――雲を透かして浸水範囲を見ることができ、イベント中は6時間ごとにヒートマップを更新する30機超の衛星――を飛ばしており、だからこそMunich ReとAXAは2026年にそれを自社のプラットフォームに組み込んだ。First StreetのFlood Factorは、米国のすべての物件を1から10までスコア化し、そして決定的なことに、確かに内水氾濫のハザードを含んでいる――ただしそれはハザードのレイヤーであって、構造的脆弱性のモデルではなく、規制上のレーティングファクターとしては認められていない。Fathomは、いまやSwiss Reの傘下にあり、将来を見据えた気候シナリオには抜群な5万年規模の確率論的イベントセットを構築するが、Swiss Re以外と再保険を結ぶ場合には扱いにくい。VeriskのFlood Score 3.0は、DOIに最も深く馴染んでいる一方で、イノベーションのサイクルは最も遅い。
全リストは割愛しよう。要点はこのパターンだ。すなわち、プロパティ・インテリジェンスのレイヤー、衛星のレイヤー、ハザードのレイヤー、そして自社の保険金請求履歴は、それぞれ別々のサイロに存在しており、それらを一つの弁護可能なファクターに縫い合わせるベンダーはいない――そうすることは、自社のファイリングの中に競合他社のモデルを文書化することを意味するからだ。
継ぎ目こそが金の在り処だ。保険会社は6つのダッシュボードを欲しがってはいない。欲しいのは、ZestyAIの構造的な読み取り、ICEYEのイベントの真実、First StreetまたはFathomの内水氾濫ハザード、そして保険会社自身の損失経験を融合させた一つのレーティングファクター――そしてそのすべてを審査官に説明する保険数理メモランダムだ。その融合こそが、私たちが構築すると決めたものであり、いまや私たちの洪水リスク・インテリジェンス・レイヤーの中心に位置している。すなわち、もう一つのスコアではなく、ポイントソリューションを承認済みのレーティングプランへと変える結合組織と事務手続きだ。
衛星はどこが浸水するかを教えてくれるのか？
私が間違えた2つ目のことは、衛星データが容易な勝利だと決めてかかったことだった。
SARは本当に魔法のようだ――雲や暗闇を透かして見て、建物ごとに水がどれほど深くなったかを教えてくれるレーダーだ。デモは魅惑的だ。そこで私たちは生のICEYEフィードを取り込み、それを保険金請求のトリアージ・パイプラインに配線し始めた。5万件の証券の帳簿に浸水範囲を重ね合わせ、調査員を自動的に振り分けることを期待して。
そこで現実だ。SARは観測専用だ――浸水したものは教えてくれるが、これから浸水するものは教えてくれない――そして密集した都市部では、およそ±15cmの深度の不確実性を、壁や舗装からのレーダーのダブルバウンスによって抱える。生のSARは保険金請求のワークフローではない。それはカスタムのパイプラインを必要とするノイズの多い信号だ。ダブルバウンスのアーティファクトを除去し、深度を各証券の1階の標高と融合させ、5万件の証券のうちどの30件を調査員が最初に電話すべきかを決め、報告された損害が観測された水と一致しないものにフラグを立てる。そのパイプラインこそが製品だ。衛星は入力にすぎない。
そして1階の標高――居住空間が地表からどれだけ高い位置にあるか――が、構造に関する問題全体の要となることが分かる。しかもそれは、画像から約0.218メートルの誤差で推定できる。ペンシルベニア州立大学の研究による。あのハリス郡の家は、CVで導き出した1階の標高がゼロだった。玄関ドアは地面と同じ高さにあった。それを地図に符号化するものはないが、ビジョンモデルにはできる。
「いっそZestyAIを買えばいいのでは？」
人々は私に、これの一種を絶えず尋ねてくる。たいていはこう組み立てられている――スコアはすでに存在する、衛星はすでに飛んでいる、いったい構築すべきものが何か残っているのか、と。
なぜなら、スコアはレートプランではなく、レートプランはデプロイメントではないからだ。それらの間に横たわっているものこそが、仕事なのだ。
まず規制当局から始めよう。AIで強化されたレーティングアルゴリズムをファイリングするということは、NAICのブレティンとNY DFSが要求する保険数理メモランダム、格差影響分析、そして説明可能性のドキュメンテーションを――複数のベンダー入力を融合させたモデルについて――作成することを意味する。ベンダーはスコアを手渡すが、ファイリング可能なドキュメンテーションは手渡さない。しかも2026年8月に到来するEU AI法の監査可能なドキュメンテーション要件は、その隔たりをいっそう際立たせるだけだ。
次に配管の問題があり、これは残酷なほど具体的だ。洪水スコアは、到着が遅すぎればアンダーライターにとって無価値だ。私は、洪水スコアのAPI呼び出しが480ミリ秒に達していた見積もりから成約までのトレースを見たことがある――そして500ミリ秒未満が限界の壁だ。それを超えると、スコアは取得されず、アンダーライターは古いファクターで見積もり、あなたの高価なインテリジェンス・レイヤーは誰も使わない項目になる。適切なキャッシング、フォールバック処理、そしてそのレイテンシ予算を伴って、モデルの出力をGuidewireやDuck Creekに取り込むのは、専門的な作業だ。保険における広範なエージェンティックAIへのシフトは、その価値を明白にしている――Hiscoxは見積もりから成約までを3日から3分へと、99.4%短縮した――だが、データの配管がしっかりしていて初めて、そこに到達できる。
そして、たとえ速く弁護可能なスコアであっても、あなたの帳簿に合致しなければならない。既製のモデルは、みんなの帳簿で学習されている。沿岸フロリダのホームオーナーを引き受ける中堅保険会社と、内陸テキサスの商業物件を引き受ける会社とでは、損失パターンがまったく異なる――商業の帳簿では、荷降ろし場が地表と同じ高さにあるゾーンXの倉庫がたった1棟あるだけで、散在する100件のホームオーナー請求では決してあり得ないほど、その年を沈めかねない――そして、どちらにも合わせていないモデルは、両方にとって平凡なものになる。抜きん出つつある保険会社が学習の対象にしているのは、あくまで自社の帳簿なのだ。
誰でも契約の代金でスコアを買える。買えないのは、審査官を生き延び、500ミリ秒の予算をクリアし、あなたが実際に引き受けた帳簿に合致する部分だ。
市場はすでに、あなた抜きで価格を付け直している
この件に緊急性があるとすれば、それは規制上のものではなく、競争上のものだ。
民間の洪水市場は、2020年から2024年まで20%のCAGRで複利成長を続けており、140社を超える民間保険会社が現在洪水を引き受けており、およそ民間住宅保険料で5億ドルが2024年に集まった。この成長はランダムではない――それは、洗練された保険会社がプロパティレベルのモデルを使ってクリームスキミングを行っているのだ。彼らは、NFIPがRisk Rating 2.0の下で過大に価格付けしている、本当に低リスクな住宅を特定し（そこでは現在77%の契約者がより多く支払っており、2026年2月の議会書簡はFEMAに同プログラムの停止を求めた）、それらを利益を出して引き受け、逆選択された残りを後に残していく。
この非対称性は、いまだにゾーンを基準に洪水を価格付けしているすべての保険会社を不安にさせるはずだ。クリームスキマーは、あなたの悪いリスクを取っているのではない。彼らが取っているのは、あなたの良いものだ――高床で水はけの良い、粗いレーティングが過大請求している住宅であり、そしてあなたには、過小価格で引き受けた濡れやすいゾーンXの家々にますます集中した帳簿を残していく。それは一度の不運な日として感じられるものではない。更新のたびに間違った方向へと漂っていくロスレシオとして感じられ、その一方であなたは、なぜ最も手放したい証券でこそ継続率が最も高いのかと訝しむことになる。
私がテキサス州南東部のホームオーナー5万件の帳簿でモデル化すると、誤って価格付けされたゾーンXのパターンだけで、年間で280万〜420万ドルの保険料の逸失という計算になる――30〜40件の物件が、450ドルの保険料に対してそれぞれ6桁の請求を生み出すのだ。それが、地図が間違っていることのコストであり、毎年、次のハービーが来る前に発生している。
私が今、実際に信じていること
私はこの問題に、洪水引受はデータの問題だと考えて臨んだ――より良いデータを得れば、より良い価格が得られる、と。だが私は、これは継ぎ目の問題だと確信して抜け出した。データは存在する。衛星は飛んでいる。コンピュータビジョンは1階の標高を8インチ以内で読み取る。既製品として存在しないのは、それらの入力を一つのファクターに融合させ、それを500ミリ秒未満でレーティングエンジンに送り込み、州の審査官に対して欄外メモ「このファクターを説明せよ」を生き延びるメモランダムを手渡すものなのだ。
それこそが構築する価値のあるレイヤーであり、だからこそ私たちは自社のものを、さらにもう一つのスコアの周りにではなく、統合とドキュメンテーションの周りに構築したのだ。
地図はこれからもゾーンXと言い続けるだろう。85%が不透水の敷地と過小な雨水排水を抱えたスラブ・オン・グレードの家は、それでも浸水し続けるだろう。唯一の問いは、水が知るより先にあなたのレーティングエンジンがその違いを知っているか――それとも、ハービーの後に誰もがそうだったように、地図が安全だと言っていた場所から入ってきた保険金請求で、あなたが初めて知ることになるのか、である。
