Modernising the insurance claim management system with HCLTech Agentic AI mainframe solution
Aperçu
HCLTech a tiré parti de plusieurs services AWS pour accélérer le programme de migration d'une grande compagnie d’assurance générale basée au Royaume-Uni, principalement axée sur les produits destinés aux particuliers, tels que l’assurance automobile, habitation et pour animaux de compagnie, ainsi que sur les services d’assistance routière et l’assurance commerciale pour les petites entreprises
Le défi
Dans le cadre d’un programme de modernisation des réclamations à grande échelle et de sortie du mainframe, l’assureur a été confronté à de multiples défis lors de la migration des anciennes données de réclamations et de polices vers Guidewire ClaimCenter sur AWS :

- Paysage de données historiques très complexe, comprenant des schémas sur mainframe vieux de plusieurs décennies, des données semi-structurées, des notes en texte libre et des processus par lots
- Forte dépendance envers les experts mainframe pour la compréhension, la cartographie et la validation des données
- Analyse et transformation manuelles et longues des données, limitant l’évolutivité et la capacité de répétition
- Difficulté à maintenir la cohérence et la réconciliation à travers de grands volumes de données
- Les approches traditionnelles de migration ne permettent pas de passer à l’échelle, ce qui entraîne des délais prolongés et accroît les risques du programme
Ces défis ont mis en lumière la nécessité d’une approche intelligente, automatisée et reproductible pour la compréhension et la migration des données historiques.
L'objectif
L'objectif principal était d’accélérer le programme de modernisation des réclamations en tirant parti de l’IA générative pour automatiser l’analyse, la transformation et la validation des données historiques. L’assureur visait à :

- Réduire les délais et les efforts de migration
- Minimiser la dépendance à l’expertise rare en technologies mainframe
- Améliorer la qualité, la cohérence et la réconciliation des données
- Permettre une usine de migration évolutive et reproductible
- Augmenter la productivité de plusieurs personas intervenant dans le cycle SDLC

La solution
HCLTech a conçu et mis en œuvre un accélérateur de modernisation des mainframes propulsé par l’IA agentique, entièrement basé sur services AWS natifs, tirant parti du cadre multi-agent d’Amazon Bedrock pour automatiser la compréhension, la transformation et la validation des données patrimoniales lors de la migration vers Guidewire ClaimCenter.
La solution a été conçue pour améliorer la productivité tout au long du cycle de vie du développement logiciel (SDLC) en permettant la collaboration entre des agents d’IA spécialisés et des utilisateurs humains par le biais d’une plateforme infonuagique sécurisée et évolutive.

Plateforme d’IA agentique propulsée par AWS
- Amazon Bedrock (Cadre multi-agent) : Utilisé pour bâtir et orchestrer plusieurs agents d’IA, chacun responsable d’une tâche de migration précise, tout en appliquant des garde-fous d’IA responsable pour le contrôle de la toxicité, la rédaction des IPI et l’atténuation des hallucinations
- Agent Orchestrateur (Superviseur) : Coordonne les demandes des utilisateurs et distribue les tâches parmi les agents collaborateurs grâce aux agents Amazon Bedrock
- Agent de transformation : Analyse les données mainframe patrimoniales stockées dans Amazon S3, génère des mappings source-cible, la logique de transformation, des scripts ETL et prend en charge la transformation de code Cobol et JCL vers des langages modernes comme Java
- Agent de base de données : Génère des requêtes SQL et valide les données transformées dans Amazon RDS, assurant la parité des données entre les systèmes patrimoniaux et Guidewire ClaimCenter
Couche d’interaction utilisateur et d’intégration
- Interface React interactive hébergée sur ECS Fargate : Offre une interface conversationnelle pour les analystes, développeurs, équipes QA et utilisateurs d’affaires afin d’interagir avec les agents d’IA
- Amazon API Gateway (API WebSocket) : Assure une communication continue et en temps réel entre les utilisateurs et les agents Bedrock
- AWS Lambda : Traite les demandes des utilisateurs reçues via les API WebSocket et invoque dynamiquement les agents Bedrock appropriés
Données, sécurité et gouvernance
- Amazon S3 : Stocke de façon sécurisée les extractions de données patrimoniales, les artefacts de transformation et les résultats intermédiaires
- Amazon RDS : Héberge les données relationnelles transformées utilisées pour la validation, la réconciliation et la révision des tests d’acceptation utilisateur (UAT)
- Gestion des identités et des accès AWS (IAM) : Applique un accès granulaire selon le principe du moindre privilège auprès des utilisateurs, des agents et des services AWS
- Service de gestion des clés AWS (KMS) : Fournit le chiffrement au repos pour les données stockées dans S3 et RDS
- AWS Control Tower : Garantit une gouvernance centralisée, la conformité et des garde-fous à travers des environnements AWS multi-comptes
- Amazon CloudWatch : Permet la surveillance, la journalisation et la visibilité opérationnelle des agents, fonctions Lambda et API
Cette solution agentique alimentée par l’IA et native à AWS a transformé un effort de migration traditionnellement manuel et dépendant d’experts en une usine de migration évolutive, reproductible et sécurisée, accélérant significativement la modernisation des réclamations de l’assureur.
Services AWS utilisés
- Agents Amazon Bedrock
- Amazon API Gateway
- AWS Lambda
- Guidewire Cloud Platform (GWCP) hébergée et exploitée sur AWS
- Amazon CloudWatch
- Service de gestion des clés AWS (AWS KMS)
- Service de stockage simple Amazon (Amazon S3)
- Service de base de données relationnelle Amazon (Amazon RDS)
- Gestion des identités et des accès AWS (AWS IAM)
L'impact
Comparativement aux approches traditionnelles de migration pour la modernisation de grands systèmes centraux, l’accélérateur de solution Agentic IA a réduit l’effort et les délais de 30 %. Dans des cas d’utilisation spécifiques, la cartographie des données a permis d’obtenir des avantages allant jusqu’à 90 %.

