Audit delle opportunità · Assicurazioni specialty · Italia

Dalla tassa di integrazione a un context plane per l'AI

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.

4sett.Dal kickoff alla roadmap con budget

9Sessioni di lavoro con la leadership

1.5giorniPer un prototipo antifrode funzionante

5/5Leader allineati · dal CEO alla data science

Le cifre tratteggiate sono valori indicativi in attesa dei dati confermati dell'incarico.

01 · Il problema

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.

Prima dell'audit

Integrazioni su misura per caso d'uso1

Riuso tra progetti AI0

Settimane per collegare ogni nuovo agente6+

Interfaccia condivisa agente-datiNessuna

02 · L'audit

Quattro settimane, sessione per sessione

Settimana 1 · Ascoltare

CEOKickoff: ambizione e sequenzaHa ancorato l'audit al percorso che il board già sostiene: fondamenta → governance → automazione su larga scala.Roadmap

CIORicognizione del patrimonio tecnologico: reggerà senza una riprogettazione?Ha fatto emergere le domande difficili su maturità del catalogo, ricchezza dei metadati, lineage ed esposizione delle API.DatabricksLegacy PAS

DEApprofondimento sulla piattaforma: data product, contratti, lineageHead of Data Engineering · ha mappato il percorso di onboarding dei metadati di governance in Unity Catalog.DatabricksUnity Catalog

DIPortafoglio dei casi d'uso: dove morde la tassa di integrazioneHead of Digital Innovation · la fraud detection sui sinistri scelta come caso d'uso di punta.ClaimsPAS

Settimana 2 · Dimostrare

DSModelli e difendibilitàHead of Data Science · ensemble più generation-then-governance per decisioni che reggono in tribunale.LLMGBM

DHPrototipo antifrode: costruzione, giorno unoData Hatch · ingestione dei sinistri, scoring a ensemble, generazione delle motivazioni.Claims dataEnsemble

DHPrototipo antifrode: mezza giornata di rifinitura e QAUn agente dimostrabile in un giorno e mezzo: ogni segnalazione con le sue evidenze scritte al momento della decisione.Fraud agent

ALLDemo del prototipo: leadership al completoIl dibattito sull'architettura è diventato concreto: un agente dal vivo con cui la sala poteva confrontarsi.Fraud agent

Settimana 3 · Progettare

DHArchitettura target: Context & Control PlaneEstendere a modelli e agenti la disciplina di governance che il cliente ha già, invece di importare un framework estraneo.Unity CatalogMCP

CIOQ&A tecnico per iscrittoMaturità del catalogo, metadati, lineage, esposizione delle API. Risposte scritte, integrate nella roadmap.Unity Catalog

Settimana 4 · Budget e consegna

DHFasi e budgetTre fasi, ciascuna con il proprio budget: un piano che il team del cliente può eseguire in autonomia.Roadmap

ALLPresentazione finale e pacchetto di consegnaValutazione dell'architettura, design target, piano di delivery per fasi: tutto consegnato.Wrap-up pack

In sala

CEOAmministratore DelegatoSponsor · ambizione

CIOChief Information OfficerPatrimonio tecnologico

DEHead of Data EngineeringPiattaforma e governance

DIHead of Digital InnovationPortafoglio casi d'uso

DSHead of Data ScienceModelli e agenti

CDDirettore SinistriCaso d'uso di punta

PELead Platform EngineerCatalogo e lineage

SIUFraud Referral LeadFlusso SIU

03 · Sistemi esaminati

Cosa ha toccato l'audit

Lakehouse DatabricksPiattaforma dati centrale: fondamenta solide, pronte a sostenere il context plane.Governato

Metadati di governanceData product, contratti e lineage: una disciplina matura, oggi però fuori dal catalogo.Governato

Sistemi di gestione polizzeUno per ogni linea specialty, con ogni progetto AI oggi collegato direttamente. La tassa di integrazione inizia qui.Da intervenire

Sistema sinistriI controlli antifrode oggi sono manuali; il caso d'uso di punta li porta sul livello governato.Da intervenire

Unity CatalogCatalogo di riferimento per lo stato target; il percorso di onboarding dei metadati è stato progettato nella settimana 3.Obiettivo

Livello semantico MCPUn'unica interfaccia governata per ogni agente, su qualsiasi modello. Fase due della roadmap.Obiettivo

04 · Il piano

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.

01Governare

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.

RisultatoUn unico catalogo governato di riferimento

02Esporre

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.

RisultatoUn'unica interfaccia per ogni agente

03Consegnare

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.

RisultatoProva in produzione del plane

05 · Il prototipo

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.

fraud-agent prototype · claim graph · synthetic data● demo replay

OPENdemo-claim-02 · aviation ground damage · synthetic

0Salti sul grafo

0Entità collegate

0Punti di evidenza sulla segnalazione

100%Dati demo sintetici

Un replay della demo del prototipo. Nulla di tutto questo gira in produzione; portarcelo è il terzo passo del piano.

06 · Cosa hanno fruttato quattro settimane

Prima l'allineamento, poi l'architettura

5/5Leader dietro un unico piano

CEO, CIO e i responsabili di data engineering, digital innovation e data science hanno approvato un'unica architettura target.

6Sistemi esaminati da cima a fondo

Dal lakehouse ai sistemi polizze legacy: ogni superficie che gli agenti toccheranno, valutata per iscritto.

1interf.Interfaccia per ogni agente

Il livello MCP sostituisce le integrazioni per progetto con un unico punto di accesso governato, su qualsiasi modello.

3Fasi, ciascuna con budget

Governare, esporre, consegnare: un piano che il team del cliente può eseguire, voce di budget per voce di budget.

0Riprogettazioni necessarie

L'architettura target estende l'investimento in governance già fatto dal cliente. Nulla viene buttato via.

36oreDall'idea al prototipo funzionante

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.

Perché conta

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.

Prenota una call ↗ Una conversazione con i nostri ingegneri Tutti i casi studio ↗ Sistemi reali in produzione