Claude保険・リスク管理導入事例 — 4社に見るリスク対応の共通点

保険・リスク管理業界はClaudeをどう組み込んでいるか

Newfront(保険)・Vanta(コンプライアンス)・Panther(セキュリティ監視)・eSentire(脅威対応)は、いずれもClaudeを土台に自社プロダクトを構築しています。Anthropicの顧客事例ページに、それぞれの実績が載っています。4社が扱う「リスク」の種類は異なります。

Newfrontは保険契約や給付に関する定型業務、Vantaは監査で見つかったコンプライアンス違反を扱います。Pantherはセキュリティアラートの優先順位付け、eSentireは侵入済みの脅威そのものが相手です。

リスク管理の業務は、書類処理から実際の侵害対応まで連続した階層をなしています。各社がどの階層で何を自動化し、人にどこを残したかを順に見ていきます。

Newfrontは保険業務の定型作業をどう自動化したか

Newfrontはユニコーン企業となった米国スタートアップの20%が利用する保険プラットフォームです。共同創業者兼CTOのGordon Wintrob氏は「保険業界には人間の専門性と高度なテクノロジーの両方が必要だと考えている」と述べています。

世の中には、人間のブローカーを外せばコストが下がり処理も速くなると考えて保険を完全自動化しようとする保険テック企業が多くあります。Newfrontはその道を取らず、定型業務をAIに任せ、ブローカーは戦略的な助言と複雑な問題の解決に集中する構成にしました。

Claudeを選んだ入口は、福利厚生チャットボットの検証でした。既存のAIモデルが答えに詰まった、プラン固有の給付・保険用語・補償シナリオに関する難問20問を用意し、システムに手を加えない状態でClaudeに投げています。結果は12問に正解でした。他のモデルが一般論で返した場面で、Claudeは顧客ごとのプランの細部を踏まえて答えたと説明されています。

実際に動いている用途は3つあります。

用途

Newfrontでの3つの用途

• 福利厚生アシスタント

  補償の上限額、対象となる費用、ライフイベントに伴う変更を従業員が即座に尋ねられます。離婚時の手続きのような繊細な相談も、本人だけに回答が返る形で扱われます。

• 契約書レビューツール

  CFOや法務担当者との間で数日続いたメールのやり取りを、補償の抜けと修正案の提示に置き換えます。レビューは日単位から分単位になりました。

• 損失記録の構造化抽出

  形式がばらばらなPDFの損失記録(loss run)からAIが構造化データを取り出します。最新のプラットフォームと旧来のシステムの間でデータを移す手入力もなくしています。

成果として示されているのは、損失記録を含む書類処理コストの60%削減、HRチームの年間1か月分の工数削減、福利厚生アシスタントが年間で数十万件規模の問い合わせに対応していることです。

Newfrontは用途ごとに最適なAIを選ぶ方針で、Claudeは最も複雑な自然言語処理に使うという位置づけです。「AIで改善できるワークフローは数百ある」とWintrob氏が語っているため、ここに挙がった3つはまだ入口にあたります。

Vantaはコンプライアンス是正の指示をどう自動生成したか

Vantaは10,000社超が利用する信頼管理プラットフォームです。SOC 2やISOといったフレームワークについて、セキュリティ統制を確かめるテストを自動で走らせています。

課題はテストが失敗した後にありました。VP of EngineeringのIccha Sethi氏は「顧客はテストに失敗しても直し方が分からず、セキュリティとコンプライアンスの体制を損なっていた」と説明しています。統制は数千項目あり、クラウド事業者も複数にまたがるため、修正手順をVantaの人手で書き続けるのは現実的ではありませんでした。

発想の転換点は、顧客がどのクラウド事業者を使っているかをVantaがすでに把握していた点です。エンジニアの1人がこの情報を活かし、違反の内容と顧客のクラウド環境をClaudeに解析させ、環境に合わせた解決テンプレートやAWS CLIコマンド、コードスニペットを自動生成する仕組みを組みました。

モデル選定には「評価駆動」の枠組みを使っています。ゴールデンデータセットで各モデルを比べる方式です。Terraformの出力を対象にした修正手順の生成テストで、Claudeは他モデルを約15%上回りました。評価からテスト、実装まで1週間かからず、実装期間は数週間から数日に縮んでいます。

副次効果は開発組織に出ました。Claude 3.7 SonnetとCursorを使い始めたことで、コード生成ツールに懐疑的だったエンジニアの信頼が育ち、開発者のAIツール採用が2か月で113%増えています。AI活用を話し合う社内Slackチャンネルも、30人から130人超に広がりました。

次の段階として、Vantaは公開MCP(Model Context Protocol)サーバーを開発中です。内部プロトタイプは、失敗中の統制と修正手順についての質問にすでに答えられます。コーディングエージェントが修正手順を自動で取りに行く構想で、Sethi氏はこれを、コンプライアンスを開発の早い段階に組み込む「シフトレフト」と呼んでいます。

Pantherはアラートの優先順位付けをどう組み立てたか

クラウド向けセキュリティ監視プラットフォームのPantherは、Amazon Bedrock経由でClaudeを利用し、検知したアラートの分析・相関・トリアージを自動化しています。創業者のJack Naglieri氏は「検知エンジニアリングでノイズは抑えられたが、依然として大量のシグナルを人間の速度で解析するという根本課題が残っている」と述べています。

Claudeの役割は、主にエージェント型のタスクです。アラートの対話的な分析と相関、初級から中級アナリスト水準のトリアージ、検知ルールの改善提案が中心です。Detection-as-codeのフィードバックループや、企業データ全体に散らばる新しいパターンの検出も挙がっています。アラートの要約やクエリの作成、コンプライアンス用コメントの追記も、顧客自身の信頼できる環境の中で行います。Naglieri氏はClaudeを全体のリスク水準を判断する「最初の防衛線」と位置づけました。人が受け手に立ち続けるより拡張しやすく、精度も高い型だというのが理由です。

使うモデルはタスクで分けています。単純な要約には小型のHaiku、高度な分析にはClaude 3.5 Sonnetを割り当て、コストと性能の釣り合いを取る設計です。

Bedrockを選んだ決め手はプライバシーと、Pantherが単一テナントで動く点でした。CEOのWilliam Lowe氏によれば、Pantherの新しいインスタンスはそれぞれ独自のAWSアカウントに展開されます。顧客のセキュリティデータは各社のAWS環境の中にとどまり、公衆インターネットや共有インフラを通りません。既存のAWSセキュリティツールとの直接連携と、規制対応のためのデータ取り扱いの細かな制御も、単一テナント構成の利点として挙げられています。

導入企業ではアラート疲れが最大70%減り、アラートのトリアージと対応時間は最大60%短くなっています。

eSentireは自律的な脅威調査をどう実現したか

マネージド検知対応(MDR)のeSentireは、プラットフォーム「Atlas」でAmazon Bedrock経由のClaude Opus 4.6をAgent SDK上で動かしています。複数のサブエージェントが協調し、シニアSOCアナリストの作業手順をなぞるマルチエージェント構成です。CPTOのDustin Hillard氏は「攻撃者が人間のSOCチームより速く動けるAIエージェントを使う時代に、唯一有効な対応は同じ速度と深さで防御するAIだ」と述べています。

選定の理由は、一般的なセキュリティベンチマークが飽和していたことです。上位モデルが満点近くを取る一方、実運用では正解の決まっていない検知イベントとテレメトリを渡され、どのツールを呼び、食い違う証拠をどう解釈し、どんな判定を出すかをエージェント自身が決めます。複数モデルを実際のセキュリティシナリオで評価した結果、複雑なセキュリティ推論でClaudeが最も高い性能を示したと説明されています。

1件の調査で呼び出すツールは平均44回です。脅威インテリジェンスの照会、SIEMとエンドポイントのテレメトリの相関、アイデンティティ活動の分析、プロセスとネットワークの記録からの攻撃者の挙動の再構築までを含みます。12か月で呼び出しは500万回を超え、アナリストの作業時間に換算すると46.8万時間分です。1回の呼び出しをアナリストの作業約5分として換算しています。対象は主要なEDR・SIEM・アイデンティティ基盤にまたがる3,600超の調査ワークフローです。

Hillard氏が最も効果が出る場面に挙げるのは、判断の曖昧な案件です。たとえば、攻撃者の行動が正規ユーザーの普段の行動と重なるアイデンティティ侵害では、時刻・地理・ユーザーエージェント・メール転送ルールを突き合わせて判断を下します。

調査は12か月で12万件を超え、1回あたりの平均調査時間は6分でした。業界の攻撃者滞留時間の中央値は11日です。ランサムウェアが暗号化の前に封じ込められた割合は99.96%で、業界平均の44%を大きく上回ります。エージェント型調査の導入後は、顧客1社あたりの確認済み攻撃の検出が41%増え、アラート総数は11%減りました。

実運用での品質は、シニア専門家による継続的な抜き取り評価で測っています。侵害の有無・深刻度・推奨対応といった軸で比べた結果、最終判定の一致率は500件超の裁定で90%を超えました。同じ方法で初級アナリストと比べると、エージェントが上回ったとされています。

12か月間にエスカレーションされた約1万件(1,400社超の顧客)のインシデントは、次のように分かれます。

数字

エスカレーションされた約1万件の内訳

• 実行前にブロック

  31%

  攻撃が走る前に止めた

• 試みられたが失敗

  18%

  攻撃は試行されたが成立せず

• アイデンティティ侵害

  36%

  企業データに触れる前に検知・修復

• デバイス侵害

  14%

  SOCが検知しホストを隔離、修復まで主導

約200万台の保護対象エンドポイントのうち、攻撃者が2台目の端末へ横展開できたインシデントは0.5%未満、ファイルが暗号化されたケースは0.04%未満です。いずれも検知はできていました。焦点は攻撃を見つけられるかどうかではなく、どれだけ早く止められるかに移っています。

4社の数字は何と比べた値か

4社の成果は、同じ「削減」「向上」でも比較の相手が違います。

自社に当てはめるなら、評価の土台が異なる点を意識するのが近道です。NewfrontとVantaの数字は、特定の用途に絞った事前評価か導入前後の比較です。Pantherは上限値で示されています。一方でeSentireだけは、実運用の件数と専門家による裁定数が公開されており、数字の根拠が最も具体的です。

自動化が進んでも人が残る場所はどこか

リスクが具体化・切迫するほど、Claudeに任せる範囲は広がっています。NewfrontやVantaでは、Claudeの出力を人が読んで使います。Pantherでは一次判定を、eSentireでは調査そのものをエージェントが走らせます。ただし、4社とも人を外してはいません。

くらべる

Claudeに任せる部分と人に残す部分

自動化

Claudeに任せている

• Newfront: 福利厚生の問い合わせ、契約書レビュー、損失記録からのデータ抽出
• Vanta: 失敗した統制ごとの修正手順とコードの生成
• Panther: アラートの相関・初級から中級水準のトリアージ
• eSentire: 平均44回のツール呼び出しによる調査と判定

判断

人に残している

• Newfront: 戦略的な助言と複雑な問題の解決(ブローカー)
• Vanta: 生成された手順を自環境に適用する作業(顧客)
• Panther: 脅威ハンティングとインシデント対応
• eSentire: 重大な検知結果のレビュー、封じ込めの判断、顧客対応(シニアアナリスト)

eSentireは、すべての重大な検知結果をシニアアナリストがレビューして対応する体制を「自動化だけでは得られない信頼の層」と位置づけています。調査の深さを機械に任せ、判断の責任を人に残す分担です。なお、Pantherが単一テナントのBedrock構成を選んだのは、顧客データを各社のAWSアカウントの中に保つためでした。

自社のリスク管理の段階に近いのはどの事例か

Amazon Bedrock経由での導入を検討する場合はBedrockのClaude料金が直接APIとの違いを整理しています。eSentireのようにAgent SDK上で自律型のエージェントを組む際の基礎はClaude Agent SDK入門にまとめています。法人契約としての導入を検討する場合はClaude法人プランの契約ガイドがTeamとEnterpriseの選び方を扱っています。

まとめ

4社の事例から持ち帰れるのは、自動化の深さと成果の測り方をセットで決める発想です。Newfrontは導入前の難問テストで、eSentireは運用中の専門家による抜き取り評価で、自社の評価基準を持っています。人に残す判断の線引きも、導入の前に決めておく項目です。