机会审计 · 特种保险 · 意大利
从集成税到 AI 上下文平面
在一家保费规模约 3 亿欧元的特种保险公司驻场四周：访谈每一位高管，端到端评审整个平台，并拿出一个可运行的反欺诈智能体。
4周从启动到含预算的路线图
9高管工作会议
1.5天完成可运行的反欺诈原型
5/5高管达成一致 · 从 CEO 到数据科学
虚线标注的数字为占位数据，待项目数据确认后更新。
Data Hatch
Data Hatch
在一家保费规模约 3 亿欧元的特种保险公司驻场四周：访谈每一位高管，端到端评审整个平台，并拿出一个可运行的反欺诈智能体。
虚线标注的数字为占位数据，待项目数据确认后更新。
该客户的毛保费规模约 3 亿欧元，业务组合刻意保持分散：航空险、海运险，以及数十种高度定制、往往独一无二的产品。理赔低频高损，各险种的数据量都很小。这是 AI 所能遇到的最艰难的统计地形，而这家企业已经在认真投入 AI。
与大多数在 AI 上快速推进的组织一样，每个新用例都被直接接入源系统，而不是接入受治理的数据层。每个项目都要缴纳全额的集成税：构建缓慢、无法复用，并且脱离了企业已投入建设的数据治理体系。无论智能体由哪个模型驱动，都没有标准方式去发现和使用受治理的数据产品。
管理层有清晰的三层愿景：夯实基础，构建治理与上下文层，再在其上规模化业务流程自动化。他们需要的是一个外部视角：现有架构能否在不推倒重来的前提下走完这段旅程。
不是外来框架，而是将客户现有治理体系延伸到模型与智能体，分三步走。
将现有的数据产品、血缘与契约纳入一个开放、基于标准的目录，同时保留企业已投入建设的治理体系。
任何智能体、任何模型，都通过同一个接口发现并使用受治理的数据产品。逐项目缴纳的集成税到此为止。
将欺诈检测从原型推进到生产，构建在受治理的数据层之上，并以“先生成后治理”的控制机制保证可审计性。
一天半建成并向管理层演示：智能体在理赔图谱上逐实体跳转，将 LLM 推理与传统模型集成，并为每个决策写下判断依据。
这是原型演示的回放。此处没有任何内容在生产环境运行；将其推向生产是方案的第三步。
CEO、CIO 以及数据工程、数字创新和数据科学负责人共同签署认可同一个目标架构。
从湖仓平台到遗留保单系统：智能体将触及的每个系统界面都以书面形式完成评估。
MCP 层以一个受治理的统一入口取代逐项目集成，适配任何模型。
治理、开放、交付：一份客户团队可以按预算逐条执行的计划。
目标架构延伸客户现有的治理投入，没有任何东西被推倒重来。
反欺诈智能体把抽象的架构之争变成了管理层可以当面检验的演示。
虚线标注的数字为占位数据，待项目数据确认后更新。
大多数保险公司被按“一个用例一次集成”的方式兜售 AI。这个项目展示了另一条路：在受治理的上下文层投资一次，之后的每个智能体（核保、理赔、反欺诈或定价）都接入同一个受治理的基础。交付更快，天生可复用，端到端可审计。这正是 Data Hatch 为受监管行业设计和构建的架构。