Quattro settimane a stretto contatto con una compagnia specialty da circa 300 milioni di euro: ogni leader intervistato, la piattaforma esaminata da cima a fondo, un agente antifrode funzionante sul tavolo.
Le cifre tratteggiate sono valori indicativi in attesa dei dati confermati dell'incarico.
Ogni progetto AI pagava la tassa di integrazione
Il cliente sottoscrive circa 300 milioni di euro di premi lordi su un portafoglio volutamente frammentato: aviazione, marine e decine di prodotti altamente personalizzati, spesso unici nel loro genere. Sinistri a bassa frequenza e alta severità. Volumi di dati ridotti per ogni linea. Il terreno statistico più difficile possibile per l'AI, e un'azienda che ci stava già investendo seriamente.
Come la maggior parte delle organizzazioni che si muovono in fretta sull'AI, ogni nuovo caso d'uso veniva collegato direttamente ai sistemi sorgente anziché a un livello dati governato. Ogni progetto pagava per intero la tassa di integrazione: lento da costruire, impossibile da riutilizzare e scollegato dalla disciplina di data governance in cui l'azienda aveva investito. Non esisteva un modo standard con cui gli agenti, a prescindere dal modello che li alimentava, potessero scoprire e consumare data product governati.
La leadership aveva un'ambizione chiara su tre livelli: sistemare le fondamenta, costruire un livello di governance e contesto, poi scalare l'automazione dei processi di business. Serviva uno sguardo esterno per capire se l'architettura avrebbe retto quel percorso senza una riprogettazione.
Quattro settimane, sessione per sessione
Cosa ha toccato l'audit
Un Context and Control Plane per l'AI
Non un framework estraneo: un'estensione a modelli e agenti della disciplina di governance che il cliente ha già, in tre mosse.
Portare i metadati in Unity Catalog
Data product, lineage e contratti esistenti confluiscono in un catalogo aperto e basato su standard, preservando la disciplina di governance in cui l'azienda ha già investito.
Un livello semantico governato via MCP
Qualsiasi agente, su qualsiasi modello, scopre e consuma data product governati attraverso un'unica interfaccia. La tassa di integrazione per progetto finisce qui.
Un caso d'uso di punta, fatto come si deve
La fraud detection portata dal prototipo alla produzione sopra il livello governato, con controlli generation-then-governance per l'auditabilità.
Un prototipo che percorre il grafo del sinistro
Costruito in un giorno e mezzo e presentato alla leadership: l'agente salta di entità in entità sul grafo del sinistro, combina in ensemble il ragionamento LLM con modelli tradizionali e scrive la propria motivazione per ogni decisione.
Un replay della demo del prototipo. Nulla di tutto questo gira in produzione; portarcelo è il terzo passo del piano.
Prima l'allineamento, poi l'architettura
CEO, CIO e i responsabili di data engineering, digital innovation e data science hanno approvato un'unica architettura target.
Dal lakehouse ai sistemi polizze legacy: ogni superficie che gli agenti toccheranno, valutata per iscritto.
Il livello MCP sostituisce le integrazioni per progetto con un unico punto di accesso governato, su qualsiasi modello.
Governare, esporre, consegnare: un piano che il team del cliente può eseguire, voce di budget per voce di budget.
L'architettura target estende l'investimento in governance già fatto dal cliente. Nulla viene buttato via.
L'agente antifrode ha trasformato un dibattito astratto sull'architettura in una demo con cui la leadership poteva confrontarsi.
Le cifre tratteggiate sono valori indicativi in attesa dei dati confermati dell'incarico.
Investi una volta nel livello di contesto. Ogni agente successivo si collega da solo.
Alla maggior parte degli assicuratori l'AI viene venduta un'integrazione alla volta. Questo incarico mostra l'alternativa: investire una volta in un livello di contesto governato, così che ogni agente successivo (underwriting, sinistri, frodi o pricing) si colleghi alla stessa base governata. Più veloce da rilasciare, riutilizzabile per progettazione e verificabile da cima a fondo. È questa l'architettura che Data Hatch progetta e costruisce per i settori regolamentati.