洪水リスクインテリジェンス
米国の洪水被害の3分の2以上は、FEMAの高リスクゾーンの外で発生しています。貴社のレーティングエンジ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、両側でリスクを誤って価格設定していることになります。ゾーン内の高床式住宅には過剰請求し、ゾーン外のスラブ・オン・グレード住宅には過少請求しているのです。プロパティレベルのAIスコアリングへ移行した保険会社は、すでに貴社の優良リスクをクリームスキミングしています。
私たちは、ベンダースコア、衛星モニタリング、貴社のクレームデータを統合し、貴社のDOI審査官が承認できる単一のレーティングファクターにまとめる、洪水リスクインテリジェンス層を構築します。
68.3%
FEMA高リスクゾーン外の洪水被害
NC State / First Street Research
106.1%
予測される住宅保険コンバインドレシオ、2025年
III / AM Best
20% CAGR
民間洪水保険契約の成長、2020～2024年
Resources for the Future
毎年、貴社のポートフォリオ全体で何千回も繰り返される具体的なシナリオを考えてみましょう。
テキサス州ハリス郡の一戸建て住宅。FEMAゾーンX(洪水ハザード最小)。2004年築、地上からの嵩上げのないスラブ基礎。敷地の85%が不浸透面(コンクリートの私道、パティオ、独立ガレージ)。最寄りの雨水排水溝は400フィート離れており、10年確率降雨イベント向けに設計された築30年の自治体システムの一部です。
ゾーンX。洪水保険の加入義務なし。住宅所有者が任意の洪水保険を購入する場合、その価格はNFIPのリスクレーティング2.0ファクターに基づいて設定されますが、これは不浸透面比率、容量不足の排水インフラ、住宅の1階床が地上からまったく嵩上げされていないという事実を考慮していません。貴社のシステムは年間450ドルの保険料を提示します。
テキサス州南東部の5万件の住宅保険契約のポートフォリオでは、この誤った価格設定のゾーンX物件のパターンが、通常、年間280万～420万ドルの漏れを占めます。これは、年間保険料450ドルに対して、イベントごとに7万～12万ドルの洪水保険金を生み出す30～40物件です。
これは仮定の話ではありません。ハリス郡にはゾーンXの物件が120万件あります。ハリケーン・ハービー後、洪水保険金請求の70%はFEMA高リスクゾーンの外から来ました。イベント前にこれらの物件を特定した保険会社は、その年のカタストロフィ損害率を8～12ポイント削減しました。
以下のベンダーはいずれも問題の一部を解決します。エンドツーエンドで解決するものはありません。本当の課題は、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に変える統合と規制文書を構築することです。
| プロバイダー | 提供内容 | 強み | ギャップ |
|---|---|---|---|
| ZestyAI | CVベースの物件インテリジェンス。航空画像と建築許可からのZ-FLOOD、Z-FIRE、Z-WINDスコア。 | 本番環境で大規模に実証済み。2026年第1四半期だけで6社以上の保険会社とのパートナーシップを締結。マルチペリル対応。 | 降雨型(pluvial)排水モデリングなし。不透明なモデル内部により、COやNYのような州でのDOI申請が困難に。静的スコアで、イベントトリガー型のモニタリングなし。 |
| ICEYE | リアルタイム洪水モニタリング向けのSAR衛星コンステレーション。30機以上の衛星、24時間未満の再訪。 | 独自の衛星データを持つ唯一のプロバイダー。Munich ReとAXAとのパートナーシップ(2026年)。イベント中は6時間ごとの洪水範囲更新。 | 観測のみで、予測ではない。都市部での深度不確実性±15cm(ダブルバウンス)。生のSARをクレームワークフローに変えるにはカスタムパイプラインが必要。 |
| First Street | 米国の全物件についてのFlood Factorスコア(1～10)。30年累積リスク。無料の消費者向けデータ、機関向けAPI。 | 最も包括的な米国洪水リスクデータベース。高い社会的認知度。河川型、沿岸型、降雨型のハザードを含む。 | ハザードのみのモデル。構造的脆弱性(FFE、建材)を評価しない。現在、規制上のレーティングファクターとしては受け入れられていない。 |
| Fathom (Swiss Re) | グローバルな洪水ハザードデータ。Swiss Reが内部カタストロフィモデルへ統合中(2026年1月)。5万年確率論的イベントセット。 | 物理ベースのモデリング。最良の前向き気候シナリオ。Swiss Reの後ろ盾が再保険会社に対する信頼性をもたらす。 | Swiss Reが所有しているため、他の再保険関係を持つ保険会社にとって潜在的な利益相反を生む。ハザード層のみで、プロパティレベルの脆弱性なし。 |
| Verisk / AIR | 既存のカタストロフィモデリング。プロパティレベルの米国洪水評価向けFlood Score 3.0。AIクレーム見積もり向けXactGen。 | 最も深い保険会社との関係。規制への精通。ほとんどのDOIで標準として受け入れられている。 | AIで後付けされているレガシーアーキテクチャ。イノベーションサイクルが遅い。バンドル価格により、洪水コンポーネントのみを使うには高くつく。 |
| RMS / Moody's | カタストロフィモデリングプラットフォーム。AIを活用した地理空間物件インテリジェンスのためにCape Analyticsを買収。 | 保険会社との深い統合。Cape買収によりCVベースの物件評価を追加。 | Cape Analyticsの買収はまだ進行中。統合スケジュールは不明確。Capeは洪水より風災・山火事に強い。 |
| Neptune Flood | 独自のTriton引受エンジンを持つMGA。APIファースト。全米民間洪水保険向けのPalomarとのパートナーシップ。 | 最速の民間洪水保険の見積もり・契約フロー。デジタル流通向けのChatGPT統合。洪水専門のピュアプレイ。 | ライセンス可能なツールではなく、競合相手。彼らの技術スタックは独自のもので、他の保険会社には提供されていない。 |
| Big 4 / 大手SI | Deloitte、Accenture、EY、PwCがインシュアテックのアドバイザリーおよび実装サービスを提供。 | ブランド認知度。大規模なチーム。保険会社経営陣との既存の関係。 | 彼らはプラットフォームを実装するのであって、カスタムの洪水インテリジェンスを構築するのではありません。Accentureの案件は200万ドル以上から始まり、稼働するスコアリングエンジンではなく、ベンダー選定作業を提供します。独自の洪水ドメイン専門知識はありません。 |
ベンダーの全体像は設計上、断片化しています。ZestyAIは物件スコアを販売します。ICEYEは衛星データを販売します。Fathomはハザード層を販売します。Veriskはカタストロフィモデルを販売します。競合するデータソースを組み合わせる統合層を構築するインセンティブを持つ単一ベンダーはいません。なぜなら、その層が彼ら個々の製品をコモディティ化してしまうからです。その統合層と、それをレーティングプランとして承認させるための規制文書こそが、私たちが構築するものです。
各機能は、ベンダーの全体像における特定のギャップに対処します。私たちは、貴社がすでに購入しているスコアやデータに逆らうのではなく、それらと協調して取り組みます。
私たちは、ZestyAIの物件インテリジェンス、ICEYEのSARモニタリング、Fathom/First Streetのハザード層、そして貴社のクレーム履歴を、プロパティレベルの複合スコアに融合します。融合ロジックは、地理とペリルの構成に基づいて各ソースに重み付けします。フロリダ沿岸の物件は高潮モデルとSARモニタリングに大きく依存します。テキサス内陸の物件は、降雨型排水モデリングと不浸透面比率をより高く重み付けします。
出力:物件ごとに単一のレーティングファクターを、Guidewire Integration Data ManagerまたはDuck CreekのExternal Data Callフレームワークにキャッシュし、インラインの見積もり・契約に向けて50ms未満で利用可能にします。
AIで拡張されたレーティングアルゴリズムを申請するには、十分位ごとの損害率改善、特徴量重要度のランキング、過去のイベントに対するアウトオブサンプルのバックテスト、国勢調査区粒度での不均衡影響分析を示す保険数理メモが必要です。私たちは各州向けに完全な申請パッケージを作成します。
私たちは全50州にわたって要件をマッピングしました。コロラド州は変数ごとの正当化を求めます。ニューヨーク州のDFS Circular 2024-7はプロキシ差別テストを要求します。カリフォルニア州は完全なモデル文書を伴う事前承認を求めます。私たちが作成する申請パッケージは、画一的なテンプレートではなく、各州固有の要件に合わせて調整されています。
洪水イベントが発生すると、私たちは生のICEYE SARデータを運用上のクレームインテリジェンスに変えるパイプラインを起動します。最初の衛星パスから数時間以内に、リスクにさらされた貴社のTIVが補償タイプ別に計算され、損害査定人はSARで確認された浸水物件のみにルーティングされ、重大度はSARの洪水深度とCV由来の1階床高を組み合わせて推定され、SARで乾燥が確認された場所からのクレームはSIU向けにフラグ付けされます。
このパイプラインはイベント中、マネージドサービスとして稼働します。イベントの合間は、衛星タスキングのトリガーを監視するモニタリング層に対してのみ支払います。一般的な損害査定人の展開効率の改善:無駄な現地訪問が40～60%減少します。
これはほとんどのベンダーが見逃しているギャップです。降雨型洪水(降雨が排水システムを圧倒すること)は付保された洪水損失の大部分を引き起こしますが、ほとんどの商用モデルは河川型と沿岸の高潮に焦点を当てています。私たちは、1メートル解像度のLiDAR由来のデジタル標高モデル、区画ごとのCV推定不浸透面比率、自治体の雨水インフラデータ(管径、築年数、設計容量)を使って、プロパティレベルの降雨型モデルを構築します。
このモデルは具体的な問いに答えます。所与の降雨強度に対して、この物件の玄関ドアでは水はどれだけ深くなるのか?答えはFEMAゾーンではなく、500メートル以内のマイクロ地形に左右されます。
24州以上がNAIC AIモデル・ブリテンを採用する中、AI主導の価格設定の独立した公平性テストはもはや任意ではありません。私たちは、貴社のAIで拡張されたレートに対して国勢調査区の人口統計を相手に不均衡影響分析を実行し、どの入力特徴量が人口統計的シグナルを持つかを特定し(屋根の状態と不浸透面が最も一般的)、その予測力が相関とは独立して保険数理的に正当化されるかどうかを判定します。
成果物は、最も要求の厳しい基準(ニューヨーク州DFS Circular 2024-7)を満たす文書パッケージであり、それは他のあらゆる場所でも通用することを意味します。これは、貴社が私たちのスコアリングエンジンを使っている場合でも、ZestyAI、Cape Analytics、その他いずれかのベンダーのサードパーティスコアを使っている場合でも適用されます。
4つのフェーズ。フェーズ1は単独の成果物です。貴社のポートフォリオで実行可能な漏れが見つからなければ、そこで止めます。
私たちは、貴社の現在のポートフォリオをプロパティレベルの洪水リスクデータに照らして分析します。各契約について、貴社が請求している保険料をAIが推定する予想損失と比較します。出力は、誤った価格設定のヒートマップです。どの地域、どの構造タイプ、どのFEMAゾーンで、回収している額と支払っている額の差が最も大きいか。
一般的な2億ドルの収入保険料のP&Cポートフォリオでは、この分析により年間200万～500万ドルの逆選択による漏れが明らかになります。プロパティレベルの詳細を伴うその数字こそが、残りのフェーズに向けた貴社のビジネスケースです。
私たちは、貴社固有のポートフォリオに合わせて調整されたマルチソーススコアリングエンジンを構築します。これは、貴社の地域にとって重要なデータソースを選択して重み付けし、主要市場向けに降雨型マイクロモデルを学習させ、事前スコアリングのキャッシュ層を備えたGuidewireまたはDuck Creekの統合を構築することを意味します。
私たちは、貴社の過去のクレームに照らしてモデルを検証します。テストは単純です。モデルのリスクランキングは、貴社の現在のレーティングプランよりも、過去5年間にどの契約が洪水保険金を請求したかをうまく予測するか?
私たちは、貴社の優先州向けにDOI申請パッケージを作成します。各パッケージには、保険数理メモ、モデル検証レポート(過去のイベントに対するバックテスト、アウトオブサンプルテスト)、不均衡影響分析、そしてモデルのレーティングファクターが物理的な洪水リスクとどう関係するかを示す説明可能性の文書が含まれます。
申請のタイムラインは州によって異なります。「ファイル・アンド・ユース」の州(南東部の大部分)では、申請後すぐに展開できます。「事前承認」の州(カリフォルニア州、ニューヨーク州)では、展開前に審査官のレビューが必要で、これにより60～120日が加わります。
AIで拡張されたレートで、最初の更新サイクルから稼働を開始します。私たちは、損害率のパフォーマンス、保険料の妥当性、契約者の維持率を監視します。最初の更新サイクルは極めて重要です。誤った価格設定のリスクが初めて正しく価格設定されることで、一部の契約が更新されないのが分かるでしょう。目標は、離脱する高リスク契約による失われた保険料を、削減されたクレームが十分に上回ることです。
SARクレームトリアージパイプラインも展開する場合は、それを並行トラックで起動し、次のハリケーンシーズン前に貴社のポートフォリオ内の過去のイベントに対する机上演習を実施します。
貴社の現在の洪水引受能力について8つの質問に答えてください。具体的なギャップと貴社の状況に応じた次のステップを示す、スコア化された評価が得られます。
統合の課題はAPIコールそのものよりも、キャッシュとフォールバックのアーキテクチャにあります。外部スコアリングサービスへの生のAPIコールには200～400msかかり、インライン見積もりのレイテンシ予算の大半を食ってしまいます。私たちは、貴社の有効契約ポートフォリオを最新の衛星画像と物件インテリジェンスのフィードに照らして毎晩バッチ処理し、スコアをGuidewireのIntegration Data Managerに保存する、事前スコアリング層を構築します。見積もりリクエストが入ってくると、レーティングエンジンはキャッシュされたスコアを50ms未満で取得します。
まだキャッシュに入っていない新規申込については、私たちは非同期のエンリッチメントパターンを使います。見積もりは利用可能なFEMAゾーンと標高データに基づく暫定スコアで進行し、その後、完全なAIスコアが数分以内に後から反映されます。照会キューは、暫定スコアと完全スコアが大きく乖離するケースを捕捉します。
このパターンにより、貴社の見積もり・契約フローを500ms未満に保ちつつ、すべての契約が最終的に完全なマルチソースリスク評価を受けるようにします。Duck Creekの場合、アーキテクチャは類似していますが、Integration Data Managerの代わりに彼らのExternal Data Callフレームワークを使います。
ZestyAIのZ-FLOODスコアは、プロパティレベルの構造的脆弱性、特に屋根の状態、建材、水域への近接性について強力です。しかし、洪水にとって重要な特定の盲点があります。第一に、Z-FLOODは自治体の排水能力をモデル化しません。Z-FLOODスコアが同一の2物件でも、それぞれのマイクロ流域の雨水排水網が10年確率イベント向けに設計されているか100年確率向けかによって、降雨型洪水へのエクスポージャーは大きく異なり得ます。
第二に、ZestyAIはリアルタイムのSARモニタリングを取り込んでいないため、静的なリスクスコアは得られますが、イベントトリガー型のポートフォリオアラートはありません。第三に、これが申請上の問題です。Z-FLOODをレーティング変数として州のDOIに提出すると、審査官は根底にある特徴量重要度と十分位ごとの損害率改善を求めます。ZestyAIはモデルカードを提供しますが、コロラド州やニューヨーク州のような州では、審査官は業界全体の一般的な検証ではなく、貴社固有のポートフォリオで実行された分析を見たがります。
私たちは、ZestyAIの物件インテリジェンスを、ICEYEのSARモニタリング、降雨型排水モデリング、そして貴社自身のクレーム履歴と組み合わせて複合スコアにするラッパーを構築します。そして、各コンポーネントが貴社のポートフォリオに特化した予測精度にどう貢献するかを示すDOI申請文書を作成します。
現在24州以上で採用されているNAIC AIモデル・ブリテンは、保険会社に対し、AI主導の価格設定が不当に差別的な結果を生まないことを実証するよう求めています。洪水に関して特に、リスクとなるのはCVベースの物件評価が近隣の所得と相関することです。低所得地域の物件は、先送りされたメンテナンス、低い屋根状態スコア、より多くの不浸透面を示す可能性があり、これらはいずれも正当に洪水損失の重大度を予測しますが、保護特性のプロキシにもなります。
分析は地理的格差テストから始まります。私たちは、貴社のAIで拡張されたレートを国勢調査区の人口統計(人種、所得、年齢)に照らしてマッピングし、レート分布を比較します。実際の洪水ハザードを制御した後でも、AIモデルがマイノリティ多数の調査区で体系的に高いレートを生み出す場合、それは警告サインです。次に、私たちはSHAP値を使った特徴量寄与分析を実行し、どの入力特徴量が格差を引き起こしているかを特定します。多くの場合、屋根状態スコアや不浸透面比率といった単一の変数が、人口統計的シグナルの大部分を担っています。
解決策はその変数を取り除くことではありません。その変数の洪水損失に対する予測力が、人口統計的相関とは独立して保険数理的に正当化されることを実証することです。私たちは、格差はこうである、それが保険数理的に正当化される理由はこうである、そして私たちが実装した制御はこうである、ということを示す文書パッケージを作成します。ニューヨーク州のDFS Circular 2024-7は最も要求の厳しい基準です。貴社の文書がニューヨークを通過すれば、どこでも通用します。
洪水イベントが発生すると、ICEYEのコンステレーションは被災地域上空の衛星のタスキングを開始します。最初の洪水範囲マップは、ピーク浸水から12～24時間以内に、30メートル解像度のGIS対応シェープファイルとして提供されます。更新された範囲は、追加の衛星パスが発生するたびに6時間ごとに届きます。
私たちが構築するトリアージパイプラインは、このデータで4つのことを行います。第一に、ポートフォリオオーバーレイ:SARの洪水フットプリントを貴社の契約者のジオコード化された住所と交差させ、リスクにさらされた総付保価額を補償タイプと契約限度額別に内訳して算出します。貴社のクレーム部門のリーダーは、最初のFNOLコールが来る前にこのレポートを受け取ります。第二に、損害査定人のルーティング:現地の損害査定人はSARで確認された浸水物件のみに派遣され、これにより通常、無駄な現地訪問が40～60%削減されます。第三に、重大度推定:各物件でのSAR由来の洪水深度をCV推定の1階床高と組み合わせることで、推定浸水深度を算出し、これがFEMAのHazusモデルの損害曲線に直接マッピングされます。
第四に、不正フラグ付け:SARデータがイベント中に乾燥していたことを示す物件からのFNOLクレームは、自動的にSIUにルーティングされます。SARデータの都市部ダブルバウンス問題は、密集した都市部、おおよそ15%の物件で偽陰性が生じることを意味します。私たちはこれを、雲が晴れたとき、通常はイベント後48～72時間に、光学衛星のクロスリファレンスで対処します。システムはイベント中はマネージドサービスとして稼働し、合間は休止するため、貴社は遊休インフラに対して支払うことはありません。
今日購入できるベンダースコアを含め、ほとんどの商用洪水モデルは根本的に過去志向です。それらは過去の損失データと衛星観測で学習しており、これは、これからの気候ではなく、過去の気候をモデル化していることを意味します。1年契約であれば、それは許容できます。ポートフォリオ戦略、責任準備金の妥当性、再保険特約の交渉にとっては、それは本当のギャップです。
技術的な答えは物理情報ニューラルネットワークです。過去の洪水イベントだけで学習する代わりに、PINNはサン・ヴナンの方程式(流体の流れに関する質量と運動量の保存)を直接損失関数に埋め込みます。これは、モデルが水源なしに水が出現したり、上り坂に流れたりすることを予測できないことを意味します。過去の記録のいかなるものをも超える合成降雨シナリオを与えても、物理的制約が出力を物理的に妥当に保ちます。
Swiss ReによるFathomデータの5万年確率論的イベントセットへの統合は、業界がこの方向へ進んでいることを示しています。私たちは、完全な水理力学シミュレーションをミリ秒単位で近似する、プロパティレベルの代理モデルを構築します。これらは今日、リアルタイムのレーティング向けには本番対応ではありません。しかし、まだ起きていないイベントに対する貴社のポートフォリオのエクスポージャーを実証する必要がある、カタストロフィシナリオ分析、責任準備金の妥当性テスト、再保険提出にとっては不可欠です。私たちはそれらをベンダースコアと併せて使います。今日のリスクにはZestyAI、明日のリスクには物理情報モデルです。
一般的な案件は4つのフェーズにわたって16～24週間続きます。フェーズ1(3～4週間)はポートフォリオ診断です。私たちは貴社の現在のポートフォリオを分析し、価格設定がプロパティレベルのリスクからどこで乖離しているかを特定し、逆選択へのエクスポージャーを定量化します。このフェーズでは通常、2億ドルの収入保険料ポートフォリオで年間200万～500万ドルの漏れが明らかになり、それが残りの案件の資金となります。
フェーズ2(6～8週間)はモデル開発です。マルチソーススコアリングエンジン、貴社の主要地域向けの降雨型マイクロモデル、Guidewire/Duck Creekの統合を構築します。フェーズ3(4～6週間)は規制準備です。不均衡影響分析、保険数理メモ、貴社の優先州向けのDOI申請パッケージ。フェーズ4(3～6週間)は本番展開と、AIで拡張されたレートでの最初の更新サイクルです。
予算は範囲によって異なります。1つの州と1つのペリル(例えばフロリダの民間洪水保険)を対象とする集中的な案件は35万～50万ドルです。完全なDOI申請サポートを伴い、洪水、風災、山火事を対象とする複数州・複数ペリルのプログラムは80万～150万ドルです。MGAの場合、ポートフォリオが小さく、申請する州も少ないため、数字は通常より低くなります。私たちは、フェーズ1が単独の成果物となるように案件を構成します。ポートフォリオ診断で実行可能な漏れが見つからなければ、そこで止めます。
このソリューションページの背後にある技術的基盤。
保険引受における、CVベースのFFE抽出、SAR洪水モニタリングパイプライン、水理力学シミュレーションのための物理情報ニューラルネットワークの技術的アーキテクチャ。
ポートフォリオ診断は3～4週間かかり、貴社のポートフォリオに潜む誤った価格設定のゾーンX物件を特定することで、その費用を回収します。
ポートフォリオ診断は3～4週間かかります。実行可能な漏れが見つからなければ、そこで止めます。見つかれば、プロパティレベルのAIスコアリングのビジネスケースはおのずと成立します。