보험의 언더라이팅, 클레임 및 서비스 결정은 일반적으로 정책 관리 시스템, 클레임 플랫폼, 텔레매틱스, 타사 위험 데이터 등 다양한 시스템에 흩어져 있는 컨텍스트에 따라 달라집니다. 매번 해당 컨텍스트를 수작업으로 조립하는 것은 느리고, 일관성이 없으며, 감사 하기 어렵습니다.
이 아키텍처는 비즈니스 객체 컨텍스트를 에이전트와 애플리케이션이 읽고, 쓰기 (write) , 조치를 취할 수 있는 단일 라이브 객체 로 조합하는 실시간 운영 데이터 계층 인 MongoDB Atlas 의 컨텍스트 계층을 설명합니다.
컨텍스트 계층은 기존 기록 시스템과 AI 기반 언더라이팅, 클레임 및 서비스 워크플로 사이에 위치하므로 이동 통신사는 에이전트가 사용할 수 있도록 시스템을 교체할 필요가 없습니다. 유연한 문서 모델, AI 네이티브 검색, 실시간 변경 전파, 필드 수준 거버넌스 결합하여 에이전트 보강 의사 결정 루프가 요구하는 규제되는 짧은 지연 시간 및 감사 가능성 요구 사항을 충족합니다.
그림 1. 컨텍스트 계층 아키텍처 & AI 에이전트 데이터 흐름
데이터 흐름
다음 단계에서는 단일 제출 또는 클레임이 접수에서 감사 가능한 후기입 결정에 이르기까지 컨텍스트 계층을 통과할 때 추적합니다.
제출 또는 클레임 접수
새 제출 또는 클레임이 도착하면 접수 서비스는 핵심 식별자와 초기 구조화된 필드를 캡처합니다. 해당 정보가 식별되면, 접수 서비스는 해당 정보를 MongoDB Atlas 의
business_objects컬렉션 에 단일 문서 로 씁니다.컨텍스트 보강 및 어셈블리
전문화된 보강 에이전트 보장 한도, 보증, 손실 설명, 조정자 노트 등과 같이 언더라이터 또는 클레임 처리자에게 필요한 나머지 컨텍스트를 수집합니다. 에이전트 기록 시스템의 데이터를 조합하여 단일 실시간 기록 생성합니다. 이제 단일 MongoDB 문서 언더라이터 또는 클레임 에이전트 지식을 수집하고, 결정을 내리고, 조치 취하는 데 필요한 모든 것이 담겨 있습니다.
에이전트 메모리 및 상태 검색
에이전트 메모리는 이 특정 사례에 대한 대화 기록, 결정 추적, 감사 기록 및 감정을 저장하므로 컨텍스트 보강과 동시에 서비스는 이 제출 또는 클레임에 대한 이전 메모리도 검색합니다. 이를 통해 언더라이팅 또는 클레임 에이전트 이전 회전, 추천 및 인적 재정의에 대한 전체 메모리를 활용하여 작업을 재개할 수 있습니다.
구조화 및 비구조화 콘텐츠에 대한 AI 네이티브 검색
이 서비스는 비즈니스 객체 및 연결된 비정형 아티팩트(예: 조정자 노트, 손실 설명 또는 이미지 메타데이터) 에 대해 하이브리드
$vectorSearch및$search쿼리를 실행합니다. 이를 위해 도메인 조정 임베딩 및 재순위 지정을 사용할 수 있으므로 에이전트 원시 일치 목록 대신 가장 관련성이 높은 기록과 판례를 먼저 볼 수 있습니다.에이전트 결정, 휴먼 인 더 루프 및 후기입
에이전트 조립된 컨텍스트를 검토하고 견적을 발행하거나 추가 정보를 요청하는 등의 조치 취합니다. 대부분의 경우 이 조치 사람의 검토가 필요하며 최종 수정본은 항상 사람이 제어할 수 있습니다. 마지막으로 에이전트 는 전체 추론 추적과 함께 결정을 변경할 수 없는 감사 항목으로 MongoDB 의 자체 결정 추적 컬렉션 에 다시 기록하여 에이전트 조치에 대한 완전한 컴플라이언스 와 추적 가능성 및 투명성을 보장합니다.
Change Streams를 통한 실시간 전파
MongoDB Change Streams 제출 또는 클레임을 감시하는 모든 에이전트, 대시보드 및 다운스트림 시스템에 업데이트 브로드캐스트합니다. 또한 인간 사용자는 점 새로운 신호를 도입할 수 있으므로 배치 주기 없이 클레임 에이전트 를 즉시 실행하는 클레임에 대한 새로운 사기 지표 와 같이 에이전트를 직접 트리거하다 하는 데 사용할 수 있습니다.
구성 요소
기록 시스템
단일 기록 시스템(SSoR)이라고도 하는 기록 시스템(SoR)은 중요 데이터 요소 또는 데이터 객체 에 대한 신뢰할 수 있는 데이터 소스 역할을 하는 단일 컴퓨터 시스템입니다. SoR은 "true state"를 보유합니다. 즉, 해당 특정 데이터 소스 에 대해 사용할 수 있는 가장 최신의 정확하고 규정을 준수하는 버전입니다.
이 아키텍처에서는 기록 시스템이 비즈니스 트랜잭션의 소스로 남아 있습니다. 컨텍스트 계층은 사용 가능한 결정 컨텍스트를 구성하는 동안 원래의 책임을 계속 수행합니다.
비즈니스 객체 및 에이전트 메모리
비즈니스 객체는 제출, 클레임 또는 고객 기록 등 운영 엔터티를 지속적으로 보강되는 단일 문서 로 보유합니다. 이렇게 하면 흩어져 있는 소스에서 정보를 수집할 필요 없이 모든 소비자가 동일한 최신 보기에서 작업할 수 있습니다. MongoDB 이 기록 과 함께 에이전트 메모리를 저장하므로 에이전트가 다단계 결정에 걸쳐 컨텍스트 및 감사 기록을 유지할 수 있습니다.
AI 네이티브 검색
MongoDB Vector Search와 전체 텍스트 검색 및 순위 재지정을 결합하면 에이전트가 별도의 벡터 저장 에서 오케스트레이션할 필요 없이 구조화된 필드와 구조화되지 않은 아티팩트 모두에서 가장 관련 있는 손실 내역, 판례 또는 가이드라인을 단일 쿼리 로 조회 할 수 있습니다.
실시간 전파
MongoDB Change Streams 및 네이티브 스트림 처리 모든 에이전트 및 다운스트림 시스템을 제출 또는 클레임의 현재 상태 와 동기화되도록 유지하고, 폴링 또는 배치 주기를 기다리는 대신 새 신호 또는 이벤트가 에이전트 직접 트리거하다 할 수 있도록 합니다.
감사 추적
컨텍스트 계층은 모든 읽기 및 쓰기 (write) 에 대해 변경할 수 없는 감사 추적을 유지하므로 모든 AI 지원 결정이 항상 투명하고 추적 가능합니다. 하나의 컬렉션 결정을 내린 사용자/ 에이전트 의 ID에서부터 결론에 도달하는 단계, 컨텍스트, AI 메타데이터, 결정 결과 등에 이르기까지 각 결정에 대한 전체 정보를 수집합니다.
제한 사항
이 패턴 복잡성을 유발하므로 의도적으로 채택해야 합니다.
운영 계층이 항상 분석 목적에 가장 적합한 것은 아닙니다. 이 아키텍처는 분석 전용 워크로드, 아카이브 리포지토리 또는 의사 결정에 실시간 컨텍스트 어셈블리, 쓰기 또는 감사 가능성이 필요하지 않은 사용 사례에는 적합하지 않습니다. 프라이머리 요구 사항이 보고 또는 배치 지향 분석인 경우 운영 컨텍스트 계층을 추가하지 않고도 분석 플랫폼으로 충분할 수 있습니다.
스키마 유연성에는 자체 규율이 필요합니다. 이 접근 방식에는 데이터 모델링, ID 확인, 거버넌스 및 수명 주기 관리 에도 규율이 필요합니다. 컨텍스트 계층은 크고 복잡한 객체와 진화하는 스키마를 축적할 수 있으므로 팀은 객체 경계, 기대치 및 업데이트 패턴을 조기에 정의해야 합니다.
업스트림 시스템 복잡성은 제거되지 않습니다. 즉, 의사 결정 시간의 파편화를 줄이지만 여전히 안정적인 업스트림 데이터 액세스 와 데이터 품질에 의존합니다. 소스 품질이 낮거나 이벤트 디자인이 취약하면 사라지지 않고 컨텍스트 계층 내부에 나타납니다.
아키텍처는 사전 정의된 데이터 모델 사용하여 특정 사용 사례 에 맞게 조정한 다음 검증된 참조 워크플로에서 확장할 때 가장 잘 작동합니다.
자세히 알아보기
다른 레퍼런스 아키텍처를 살펴보세요: