保険代理店の『ヒアリングシート・提案書』AIエージェントの作り方【士業近接2026】

※PR：本記事はアフィリエイト広告を含みます。掲載サービスの選定は編集部の基準に基づいており、広告主から内容の指定は受けていません。

木曜日の午後3時、あなたは事務所のデスクで翌日の3件のアポイントを前にしている。1件目は40代共働き夫婦の医療保険見直し、2件目は60代経営者の事業保障、3件目は新規紹介の若いご夫婦。過去の提案書フォルダから似た案件を開き、コピーして名前と数字を差し替える——もう何年も同じことを繰り返している。「同じテンプレに飽きた。今日こそ、もう一段踏み込んだ提案がしたい」。コーヒーが冷めた机の上で、そう思いながらまだ過去の提案書を開いている自分に、少しため息が出る。

この記事では、事前のヒアリングシート設計から商談中の聞き取り、商談後の個別最適化された提案書生成までを一貫させる「ヒアリング・提案統合AIエージェント」の作り方を、実装プロンプト付きで解説します。コードを書く必要はなく、ChatGPTやClaudeなどの対話型AIに貼り付けて使える設計です。

なお本記事は「こう作れば現場が変わる」というビジョン型の実装ガイドであり、効果保証ではありません。実装にあたっては各社のコンプライアンス・個人情報保護方針に必ず照らし合わせてください。

---

既存『提案書AI記事』との違い ― なぜもう一本書くのか

当メディアではすでに「保険代理店の営業担当が顧客提案書・更新ご案内を自動生成するAIエージェントの作り方」を公開しています。あの記事は「すでにある顧客情報から提案書を量産する」ことに特化していました。

一方、本記事の射程はもっと手前です。「商談前の事前ヒアリング項目を顧客属性に合わせて動的に組み立て、商談中の聞き取り内容をそのまま提案書の素材に変換し、商談後の提案書まで一気通貫で設計する」ことを狙います。つまり、既存記事が「提案書作成の自動化」だとすれば、本記事は「ヒアリング設計から提案書出力までの営業プロセスそのもののAI化」という位置づけです。

両記事を読むことで、保険代理店の業務フロー全体（事前準備→商談→提案→契約後フォロー）にAIをどう組み込むか、全体像が掴めるよう設計しています。提案書だけを効率化したい方は既存記事、商談プロセス全体を再設計したい方は本記事から読むと迷いません。

---

保険代理店業界の構造課題 ― なぜ今「ヒアリング × 提案」の一体化なのか

結論から言うと、保険代理店の現場では「ヒアリングと提案書作成が分断されている」ことが、提案の同質化と長時間労働の二重の原因になっていると考えられます。

業界が直面する3つの圧力

第一に、顧客本位の業務運営原則による「顧客の意向把握」要求の強化があります。金融庁は「顧客本位の業務運営に関する原則」（2017年策定・継続的に改訂）の中で、金融事業者に対し顧客の意向・属性に応じた商品提案を求めています。属性に合わせたヒアリングなしの一律提案は、コンプライアンス観点でも望ましくありません。

第二に、生保・損保業界の「乗合化」と「人手不足」があります。生命保険協会の公開資料を見ると、生保乗合代理店の数や扱う商品数は増加傾向にあり、1人の担当者が把握すべき商品知識は年々増えています。一方で代理店の人手は限られています。

第三に、顧客側の情報武装化です。比較サイトや動画で事前に保険知識を仕入れた顧客が増え、「テンプレ提案」では納得を得にくくなりつつあると感じている代理店スタッフは多いと考えられます。

ヒアリングと提案が分断されている現場

多くの代理店では、ヒアリングシートは紙またはExcelで固定の項目を埋める形式です。家族構成・年収・既加入保険を聞き、その情報を別途、提案書テンプレに転記して仕上げます。この「ヒアリング→転記→提案書」の3段階の中で、ヒアリングで得た「定性情報」（顧客の不安・価値観・優先順位）が脱落しやすいのが構造的な問題です。

「お子さんの教育費が一番気になる」と語った顧客に対し、最終的に出てくる提案書はテンプレ通りの保障一覧——これでは差別化はできません。ヒアリングと提案書を同じAIエージェント内で一気通貫にすることで、定性情報を提案書に反映しやすくなる、と考えられます。

---

なぜ「ヒアリングシート + 提案書」を一体化するのか

結論として、ヒアリングと提案を別工程にすると「情報の翻訳ロス」と「属人化」の2つが発生するためです。AIエージェントとして一体設計すれば、両方を構造的に防げる可能性があります。

翻訳ロスを減らせる

ヒアリング担当者と提案書作成者が同じ人でも、頭の中の情報を文書に書き写す段階で必ずロスが起きます。「奥様が将来のがん罹患を強く心配していた」というニュアンスは、ヒアリングシートの「特記事項」欄に1行書かれて、提案書には反映されない——こうしたことが起こりがちです。

AIエージェントを「ヒアリング設計→対話→提案書生成」の3つのモジュールとして一体構築しておけば、定性情報を構造化データとして保持し、提案書の骨子に自動反映する設計が可能になります。

属人化を抑えられる

ベテランほど「聞き出す力」を持っていますが、その聞き方は属人的でマニュアル化されていません。AIエージェントに「想定顧客属性ごとの優先聞き出し項目」を仕込んでおくと、新人でもベテラン並みのヒアリングシートを作れるようになる、というのが本記事の中心仮説です。

属人化を抑えるという観点では、AI仕事術の基礎を体系的に学ぶことも有効です。AIプロンプト設計の基本を効率よく学びたい方は、Udemy の「ChatGPT活用」「プロンプトエンジニアリング」関連講座が参考になります。セールあれば1講座2,000円台から購入できるため、所内勉強会の教材としても使いやすいと考えられます。

---

「ヒアリングシートAIエージェント」の設計図

結論として、ヒアリングシートAIエージェントは「顧客属性を入力すると、その属性に最適化されたヒアリング項目リストを動的に生成する」仕組みとして設計します。固定のシートを配るのではなく、顧客一人ひとりに合わせて聞き出すポイントを変えるイメージです。

入力 → 処理 → 出力の流れ

【入力】
- 顧客の基本属性（年代・家族構成・職業・年収レンジ）
- 商談のきっかけ（紹介／既加入者の更新／新規問い合わせ）
- 把握済みの既加入保険（あれば）
- 商談時間の制約（30分／60分／90分）

      ↓

【AI処理①：顧客タイプの仮分類】
属性から「ライフステージタイプ」を仮判定する
（例：子育て真っ最中・教育費負担期／空の巣期・老後不安期／
　経営者・事業保障期／DINKs・資産形成期 など）

【AI処理②：ヒアリング項目の動的生成】
仮分類に応じて優先聞き出し項目を組み立てる
- 必須項目（家族構成・既加入保障の確認 等）
- 推奨項目（タイプ別の不安要素を引き出す質問）
- 任意項目（時間が許せば踏み込む質問）

【AI処理③：聞き方サンプルの生成】
各項目について、押し付けにならない聞き方の例文を提示する
（「もし差し支えなければ、〜について教えていただけますか」等）

      ↓

【出力】
- 当日の商談で使えるヒアリングシート（PDF想定の構造化文書）
- 質問の優先順位と狙い
- 想定される顧客回答パターンと、次に深掘りすべき方向

ヒアリング項目を「動的」にする意味

固定シートの場合、子育て中の30代夫婦にも70代単身世帯にも同じ質問項目が並びます。70代に「これから生まれるお子様の教育費」を聞いてしまうのは滑稽ですが、紙のシートではこういう「外し」が起こります。

動的生成型のヒアリングシートAIエージェントなら、ライフステージ仮分類に応じて項目セットを変えられるため、顧客に「この担当者は私のことを考えて聞いてくれている」と感じてもらえる可能性が高まる、と考えられます。

ただし注意点として、AIが生成したヒアリング項目はあくまで「叩き台」です。最終的に何を聞くかは担当者が判断します。AIに丸投げしないこと、そして個別の保険商品を特定して質問しないことが重要です（商品推奨は商談後段の役割）。

---

「提案書AIエージェント」の設計図

結論として、提案書AIエージェントは「ヒアリング結果（構造化データ）を入力すると、その顧客に最適化された提案書ドラフトを出力する」仕組みとして設計します。ヒアリングシートAIエージェントの出力が、そのまま提案書AIエージェントの入力になるよう接続するのが本記事の核心です。

入力 → 処理 → 出力の流れ

【入力】
- ヒアリングシートAIエージェントから受け渡された構造化情報
  （家族構成・既加入保障・将来不安・優先順位・予算感）
- 担当者が商談で得た定性情報の追記
  （奥様の表情・お子様の進路希望・経営状況の懸念 等）
- 提案する保障領域の範囲（医療／死亡保障／就業不能／積立 等）

      ↓

【AI処理①：保障ニーズの構造化】
入力情報から、顧客にとって優先度の高い保障領域を整理する
（必要保障額の概算ではなく、「考えるべき論点」を整理）

【AI処理②：提案書骨子の生成】
以下の構成で骨子テキストを生成する
- 現在の保障の確認（既加入の整理）
- ライフステージ変化に伴う見直し論点
- 顧客が口にした不安への応答セクション
- 検討いただきたい保障内容（商品名ではなく「保障の観点」で）
- 次回までに考えていただきたい論点

【AI処理③：補足資料アウトライン】
- 比較表のスケルトン（数字は担当者が後で埋める）
- 想定Q&A（顧客から出そうな質問と答え方の方向性）
- フォローメール文面ドラフト

      ↓

【出力】
- 提案書ドラフト（Word・PDF化を想定したテキスト）
- 比較表テンプレート
- フォローメール文面

「個別商品の推奨」はAIにさせない設計

ここが士業近接領域の核心です。保険業法や金融商品取引法の観点から、AIが具体的な保険商品を「これが最適です」と推奨することは適切ではありません。本記事の設計では、AIは「保障の観点」「考えるべき論点」「比較すべき軸」までを整理し、実際の商品選定と推奨は人間（担当者）が行うよう明確に分離しています。

これにより、AIは「考える材料を整える秘書」として機能し、最終的な提案責任は引き続き有資格者である担当者が負う構造になります。コンプライアンス上もこの線引きが必須と考えられます。

---

実装プロンプト完全公開

以下のプロンプトをそのままChatGPTやClaudeなどの対話型AIに貼り付けて使えます。【】内はあなたの代理店業務に合わせて書き換えてください。

プロンプト①：ヒアリングシートAIエージェント

あなたは経験20年の保険代理店トレーニング担当者です。
これから入力する顧客属性に対し、商談当日に使う
「動的ヒアリングシート」を作成してください。

【顧客属性】
- 年代：
- 家族構成：
- 職業・年収レンジ：
- 商談のきっかけ：（紹介／既加入者の更新／新規問い合わせ）
- 把握済みの既加入保険（あれば）：
- 商談時間：（30分／60分／90分）

【出力フォーマット】

## 1. 顧客タイプの仮分類
（ライフステージタイプを1つ選び、その理由を3行で説明）

## 2. ヒアリング項目（優先順位順）

### 必須項目（時間がなくても聞く）
- 項目1：
  - 狙い：
  - 聞き方サンプル：「もし差し支えなければ、〜」
- 項目2：
- 項目3：

### 推奨項目（時間があれば聞く）
（5項目）

### 任意項目（深掘り用）
（3項目）

## 3. 想定回答パターンと次の一手
（各必須項目について、顧客が回答した内容に応じて
　次に何を聞くか・どう深掘りするかを示す）

## 4. 当日の進行ガイド
（30分／60分／90分の時間配分目安）

【厳守事項】
- 個別の保険商品名は出さない（保障領域までで止める）
- 押し付けがましい言い回しを避ける
- 顧客本位の業務運営原則（金融庁）の趣旨を踏まえる
- 顧客が嫌がる可能性のあるセンシティブ項目（既往歴・収入詳細）
  は配慮した聞き方を示す

プロンプト②：提案書AIエージェント

あなたは保険代理店のシニアプランナーの補佐役です。
以下のヒアリング結果から、顧客向け提案書のドラフトを作成してください。
具体的な保険商品の推奨は行わず、「考えるべき保障の観点」
までを整理してください。

【ヒアリング結果（構造化情報）】
- 顧客タイプ：
- 家族構成：
- 既加入保障の概要：
- 顧客が口にした主な不安・関心：
- 優先順位（顧客自身の言葉で）：
- 予算感（月額／年額）：

【担当者の所感（定性情報）】
- 商談時の様子：
- 表情・トーン：
- 言外のニュアンス：

【提案する保障領域】
（医療／死亡保障／就業不能／積立 から該当を列挙）

【出力フォーマット】

## 1. 現在の保障の確認
（既加入保障を整理し、抜け漏れがあれば指摘）

## 2. ライフステージから見た見直しの論点
（3〜5項目）

## 3. お話しいただいた不安への応答
（ヒアリングで顧客が口にした言葉を引用しながら整理）

## 4. 検討いただきたい保障の観点
（「医療保障について、入院日額の見直しをご一緒に考えませんか」
　のように、商品名ではなく観点で書く）

## 5. 次回までに考えていただきたい論点
（宿題形式で3項目）

## 6. 補足資料アウトライン
- 比較表スケルトン（軸の提案のみ・数字は空欄）
- 想定Q&A
- 当日お渡しするフォローメール文面ドラフト

【厳守事項】
- 個別商品名は書かない
- 「絶対お得」「必ず得をする」等の断定表現を使わない
- 顧客の言葉をできるだけそのまま引用する
- 提案責任は最終的に担当者が負うという前提で記述する

プロンプトを「自社のトーン」に育てる

このプロンプトは出発点です。実際に1〜2件回したら、必ず出力を読み込み、自社で違和感を覚えた表現や、現場で「ここが足りない」と感じた項目をプロンプトに追記してアップデートしてください。3〜5回反復すると、自社の言葉づかい・優先順位を反映した「マイ・エージェント」に育ちます。

プロンプト設計の体系的な型を学びたい方は、生成AI研修サービス DMM 生成AI CAMP で「業務プロンプト設計」のカリキュラムを確認できます。代理店スタッフがプロンプトを書けるようになると、他社が真似できない営業資産になりやすいと考えられます。

---

個人情報保護・顧客本位の業務運営原則の注意点

結論として、保険代理店のAI活用は「個人情報の取り扱い」と「顧客本位の業務運営原則」の2軸で必ずチェックが必要です。便利だからと無批判に使うと、コンプライアンス事故につながりかねません。

個人情報を生成AIに入れるときのルール

顧客の氏名・住所・電話番号・既往歴・年収などは、特に取り扱い注意の個人情報です。これらをそのまま外部の生成AIに入力することは、原則として推奨されません。本記事の設計でも、プロンプトに入れるのは「30代後半・配偶者と子1人・年収レンジ500〜700万円」のように属性レベルで匿名化した情報であるべきです。

各社のAI利用ポリシー、所属代理店ネットワーク・保険会社のガイドラインを必ず確認してください。自社の顧客台帳と接続するなら、APIアクセスを社内ネットワーク内に閉じる、または法人向けの生成AIサービス（データを学習に使わない契約形態）を選ぶ、といった対応が考えられます。

顧客本位の業務運営原則との整合

金融庁の「顧客本位の業務運営に関する原則」は、顧客の意向把握・最善の利益の追求・利益相反の管理などを求めています。AIで提案書を量産しても、それが「顧客の意向に沿っているか」を担当者が確認する工程を省略してはいけません。

具体的には、AIが出力した提案書ドラフトを担当者が読み込み、顧客の言葉と照らし合わせ、必要に応じて修正する——このヒューマン・イン・ザ・ループの運用が必須です。AIは「下書きの秘書」までであり、最終の提案責任は担当者と代理店が負うことを忘れないでください。

顧客台帳・経理データの管理は別系統で

顧客の契約情報・売上計上・経費精算などは、生成AIではなく専用の業務SaaSで管理するのが安全です。代理店として法人化している方や個人事業主として運営している方は、マネーフォワード のようなクラウド経理サービスで売上・経費・顧客台帳を一元化しておくと、AI活用の前提となる「自社データの整備」が進みやすいと考えられます。

---

よくある失敗と対策

結論として、保険代理店のAI活用で起こりがちな失敗は「商品推奨をさせてしまう」「テンプレ感が残る」「ヒアリングがAI任せになる」の3つです。それぞれの対策を整理します。

失敗①：AIに特定の保険商品を推奨させてしまう

「○○生命の△△プランをおすすめします」とAIに書かせてしまうケースです。これは保険業法・金融商品取引法上の観点で適切ではありません。プロンプト内で「個別商品名を出さず、保障の観点までで止める」と明示することで防げます。

失敗②：AIの出力がテンプレ感のままで終わる

ヒアリングの定性情報をプロンプトに入れず、属性情報だけでAIを動かすと、出力もテンプレ的になります。「商談時の顧客の表情」「言外のニュアンス」までプロンプトに含めることで、提案書の質が変わると考えられます。担当者が5分で構わないので商談直後にメモを書く習慣をつけると、これが効きます。

失敗③：ヒアリングそのものをAIに任せてしまう

ChatGPTのボイスモードや音声入力に頼って、商談中の質問もAIに代行させてしまうケースです。顧客と向き合う対面の時間は人間が担うべき場面であり、AIに代行させると顧客との信頼関係構築の機会を失います。AIは「事前準備」と「商談後の整理」まで、と線引きするのが現実的です。

失敗④：プロンプトを使い捨てにする

1回試して「思ったほど良くない」と諦めてしまうパターンです。プロンプトは育てるものです。最低でも5〜10件の顧客で回し、出力ごとに「ここをこう変えたい」をプロンプトに反映していくと、3〜4週間で実用レベルに育つ可能性が高いと考えられます。

---

学習リソース紹介 ― 自分とチームを底上げするために

結論として、AIエージェントは「ツールを使うスキル」と「業務を設計するスキル」の両輪で育ちます。学習リソースを使い分けることをおすすめします。

Udemy ― 自学自習でAIの基礎を固める

AIの基本操作・プロンプト設計の基本を一人で学ぶなら Udemy が手軽です。「ChatGPT活用」「プロンプトエンジニアリング」「生成AI 営業」などのキーワードで講座を検索すると、3〜10時間で完結する実践講座が見つかります。セール時には1講座2,000円台で購入できることも多いため、所内勉強会の教材としても使いやすいと考えられます。

特に保険代理店スタッフにおすすめなのは、「業務プロンプト集」「文書作成自動化」系の講座です。本記事のプロンプトと組み合わせて読むと、応用力が育ちやすいでしょう。

DMM 生成AI CAMP ― チームで体系的に学ぶ

代理店として複数人で生成AIを業務に取り込むなら、DMM 生成AI CAMP のような体系カリキュラムが選択肢になります。プロンプト設計の型・業務適用の進め方・社内展開のロードマップを、講師と一緒に作れるのが強みです。

セミナー予約から始められるので、まず所長が1人で参加し、社内展開の方向性を見極めるという使い方が現実的でしょう。「自社の業務にAIをどう載せるか」を、外部の専門家と一緒に設計できる場として活用できる可能性があります。

マネーフォワード ― 業務データの整備

AI活用の前提は「自社データが整っていること」です。顧客台帳・契約管理・経理が紙やバラバラのExcelで散らかっていると、AIに渡せる構造化データを用意できません。マネーフォワード のクラウド経理・顧客管理サービスを使い、売上・経費・取引先データを一元化しておくと、AI連携の素地が整います。

代理店として法人化しているなら法人版、個人事業主なら個人版から始めるのが現実的です。AI活用は「データの整備」とセットで進める、と覚えておいてください。

---

関連記事 ― ヒアリング・提案・契約後フォローまで

本記事は「ヒアリングシート × 提案書」を一体化するエージェント設計に絞りました。営業プロセス全体や他職種への応用を考えるなら、以下も参考になります。

• 既存版：保険代理店の営業担当が顧客提案書・更新ご案内を自動生成するAIエージェントの作り方 — 提案書のみに特化したシンプル版。本記事と併読すると業務全体像が見えます。
• BtoB営業向け：営業職のChatGPT活用術——商談議事録から『翌日の提案資料』を10分で作る方法【BtoB営業向け2026】 — 商談議事録の整理から提案資料化までを扱う関連記事。法人保険・事業保障の提案にも応用できます。
• 帳票連続生成：見積書・発注書・納品書をAIで連続生成【個人事業主・中小製造業が今日から使えるガイド2026年版】 — 法人代理店として複数書類を回す業務の参考に。

---

まとめ ― 「テンプレに飽きた」を出発点に、営業プロセスを再設計する

結論を改めて整理します。保険代理店の現場で「テンプレ提案に飽きた・差別化したい」と感じている担当者にとって、AIエージェントは「ヒアリングシートと提案書を一体設計し、顧客一人ひとりに合わせて動的に組み立てる」仕組みとして大きな可能性があります。

ポイントは3つです。

1. ヒアリング項目を顧客属性に応じて動的生成することで、商談前の準備からすでに差別化が始まる。
2. 提案書はヒアリング結果（構造化データ + 定性情報）を入力に生成することで、「お客様の言葉が反映された」提案書が出る。
3. 個別商品の推奨はAIにさせず、人間が担うことで、保険業法・金融商品取引法・顧客本位の業務運営原則との整合を保つ。

冒頭で描写した「木曜午後3時のあなた」が、今日もう一つ踏み込んだ提案書を持って明日の3件のアポに臨むために、最初の一歩は何でしょうか。

次のアクション（1つだけ）

今日のうちに、過去3件の提案書を1つのフォルダにまとめ、その中から1件選んで、本記事のプロンプト②に貼り付けてみる。 これだけです。所要時間15分。AIが出力した提案書ドラフトと、実際にあなたが顧客に渡した提案書を比較してみてください。「ここは自分の方が深い」「ここはAIの方が観点が広い」が見えてくるはずです。

そこから、自社のプロンプトを育て始める——それが、半年後に「もうテンプレ提案に戻れない」状態を作る最短ルートだと考えられます。

学習リソースから動き出したい方は、Udemy の「ChatGPT活用」講座、または DMM 生成AI CAMP のセミナー予約から始めるのも一案です。データ基盤の整備からなら マネーフォワード で顧客台帳・経理データの一元化を進めましょう。

---

※本記事は「こう作れば現場が変わる」というビジョン型の実装ガイドであり、効果保証ではありません。実装にあたっては各社のコンプライアンス・個人情報保護方針・所属保険会社のガイドラインを必ず確認してください。本記事の内容に基づく実装結果について、当メディアは責任を負いかねます。

---

関連記事

• 社労士事務所の労務Q&A・就業規則チャットAIエージェント（士業近接クラスター・顧客対応FAQの設計）
• ChatGPTで採用面接シート・評価表を作る方法（顧客ヒアリング項目の言語化・体系化の参考に）