オールステートとIBM、保険リスクポートフォリオ最適化のためハイブリッド量子古典ワークフローを導入

保険プロバイダーのオールステートとテクノロジー開発者のIBMは、量子コンピューティングがリスクポートフォリオを最適化し、引受部門における深刻な計算課題を解決できることを実証しました。2026年半ばにプレプリントとして公開されたこの共同調査は、コンピュータサイエンスにおける組み合わせ最適化タスクの非常に困難なクラスである、確率制約付きナップサック問題を扱っています。この運用上の目的は、保険引受の主要な中核タスクと類似しています。それは、許容される最大のリスクと損失限度を超えずに、企業ポートフォリオに詰め込むことができる最も収益性の高い保険商品の組み合わせを特定することです。標準的なナップサック問題は、大規模な古典システムでは解決が困難ですが、個々の保険商品の変数が予測不可能で高度相関のある現実世界のリスクを表す場合、問題は指数関数的に難しくなります。

自動車保険のように個々のドライバーの事故がプール全体の確率にほとんど影響を与えない独立した引受カテゴリとは異なり、住宅保険は深く相互に関連した環境リスクによって支配されています。局地的な竜巻、地域的な山火事、あるいは大規模なハリケーンのような広範囲にわたる自然災害は、しばしば一度に広範囲の地域を襲い、数千もの近隣の保険契約に同時に影響を与える可能性のある広範な請求を引き起こします。今日のこの極端なテールリスクを評価するために、保険チームは電力消費の多い古典シミュレーションに依存し、最大10万件のシナリオを実行して潜在的な将来の損失をマッピングします。しかし、広大な地理的範囲にわたるまれな災害パラメータを計算する場合、この経験的近似は非常に不確実になり、従来の混合整数数理計画法や最悪ケースシナリオモデリングは構造的に非効率になります。