想像一下，面前堆著 20,000 份保險合約，需要將它們從老舊系統轉移到全新平台中。每份合約包含大量數據，從客戶基本數據到複雜的保險條款，再到各種特殊約定。傳統做法是讓專業人員手動進行數據對應和轉移，這不僅耗時耗力，更面臨著一個關鍵問題：舊系統中的數據常常已經過時或不完整。
安聯德國資深數據科學家 Alex 在 AWS re:Invent 2024 的演講中分享：「舊系統通常使用過時的程式語言，很難找到真正了解這些系統和數據的人才。」這導致企業在轉移過程中，不僅需要理解舊系統，還要同時掌握新系統的數據結構，進行複雜的對應工作。
在企業數碼轉型的路上，「系統轉移」這四個字常常讓資訊主管和業務團隊頭痛不已。傳統的系統轉移就像是一場馬拉松，充滿了高風險、高成本和超長時間的挑戰。面對這樣的困境，德國最大保險集團安聯（Allianz Germany）走出了一條不一樣的路，利用 AWS 雲端平台上的生成式人工智能（Generative AI）技術，徹底改變了保險合約轉移的遊戲規則。
突破性思維：繞過舊系統直達目標
安聯德國的創新之處在於，他們改變了思考角度。與其依賴舊系統中可能已經過時的數據，為何不直接從合約文件本身提取資訊？這些文件才是真正的「基準真相」（Ground Truth）。
「我們的關鍵思路是，以文件建立真實來源，而非舊系統中的數據。這讓我們能夠直接從 A 點（原始文件）到D 點（新系統），完全跳過中間環節，」解決方案架構師 Philip 解釋道。這種方法特別適合金融和保險業，因為這些行業的核心業務數據大多以合約和客戶互動文件的形式存在。
科技魔法：AWS 與生成式 AI 如何攜手讀懂合約
安聯德國利用 AWS 的無伺服器架構，建立了一套能夠自動處理保險合約的系統。整個流程從文件上傳到Amazon Simple Storage Service (Amazon S3) 開始，然後通過 AWS Step Functions 進行工作流程管理。每份文件由 AWS Lambda 函數並行處理，大幅提升效率。
每天晚上，業務人員只需上傳當天需要處理的合約文件到 Amazon S3 儲存桶，系統就會自動開始工作。它先使用光學字元辨識（Optical Character Recognition, OCR）技術將 PDF 文件轉換成可分析的文字，然後透過Amazon Bedrock 提供的 Claude 3.5 Sonnet 這款強大的大型語言模型（Large Language Model, LLM）來分析和提取合約中的關鍵資訊。
「我們嘗試從每份合約中提取多達 150 個屬性，」Alex 說，「這些包括從客戶基本數據到特定的保險條款，如免賠額、理賠上限等。」雖然這聽起來很困難，但藉助 Amazon Bedrock 提供的生成式 AI 能力，使其成為可能。系統能夠理解合約的上下文，辨識關鍵條款，甚至能處理不同格式的第三方合約文件。
人機協作：關鍵的最後一哩路
安聯德國的系統並非完全自動化，而是採用「人機協作原則」（human-in-the-loop principle）。GenAI 先提取數據，然後由業務專家進行確認。這種半自動化的方式確保了數據的正確性，同時大幅提高了處理效率。
在一個生動的例子中，Alex 展示了他們連接到 Amazon Aurora 數據庫的前端介面：「右側是客戶合約，左側是AI 提取的數據，包括來源、數值、發現頁碼和推理過程。」例如，在展示的案例中，系統正確識別出客戶的失竊風險保障有 1,000 歐元的免賠額，而舊系統中錯誤地記錄為 25,000 歐元。
更令人印象深刻的是，AWS 的分散式處理架構讓系統能夠自動比較不同來源的數據，優先採用最新文件中的資訊。「這確保我們不只是轉移正確的數據，而且是最新的數據，」Alex 強調。這解決了傳統轉移中常見的數據過時問題。
顯著成果：從數字看效益
安聯德國的 AWS 雲端方案為企業帶來了顯著的效益。首先，AWS 的無伺服器架構使處理速度大幅提升，使他們能夠在有限時間內完成原本看似不可能的任務。系統可以根據需求自動擴展，無需預先佈建資源，降低了成本同時提高了靈活性。
其次，對於某些特定數據屬性，透過 Amazon Bedrock 提供的生成式 AI 模型，系統準確率達到了 84%，這在涉及複雜合約文件的情況下是一個驚人的成就。
最重要的是，這種方法大大提高了業務用戶的接受度。「想想過去，傳統轉移可能由外部專家完成，提供數據後再拿回結果，卻發現品質不佳，」Alex 說，「現在，我們的業務用戶直接參與過程，能夠查看和確認每一項數據，這讓他們對結果有更高的信任度。」
成功的三大關鍵
安聯德國的成功並非偶然，而是基於幾個關鍵因素。首先，他們在 2024 年 2 月就與 AWS 專家和安聯數據科學家一起在生成式 AI 實驗室啟動了專案，從一開始就思考如何以無伺服器方式實現這個想法，使其具有可擴展性。AWS 的專業支援從概念階段就介入，為項目奠定了堅實基礎。
其次，他們建立了快速評估框架，能夠迅速測試和改進提示詞（prompts）。「當處理大型語言模型時，提示工程非常關鍵。需要能夠快速調整提示，立即看到結果並與實際情況比對，」Alex 解釋道。AWS 的開發環境讓這種快速迭代變得可能，開發團隊能夠立即看到變更的效果。
第三，也是最重要的，他們確保業務用戶全程參與。「這不僅是讓他們評估結果，還包括獲取同事對舊系統數據結構、品質和格式的專業知識，」Alex 強調，「舊系統與新系統很可能大不相同，業務專家的參與對於理解這些差異至關重要。」
挑戰與解決之道
當然，這個過程並非沒有挑戰。其中一個主要問題是文件分類的品質。「不是所有在系統中被分類為合約的文件都真的是合約，」Alex 坦言。為了解決這個問題，他們讓業務用戶參與選擇相關文件，確保只有真正需要處理的文件進入 AWS 的處理管道。
另一個挑戰是數據品質的差異。安聯自己的合約通常格式統一，較易處理，但第三方合約的品質參差不齊，增加了提取難度。透過持續優化 Amazon Bedrock 上的提示和模型，他們逐步提高了系統處理各類文件的能力。
未來展望：不只是保險的故事
安聯德國的 AWS 案例雖然來自保險業，但其啟示遠不止於此。任何面臨舊系統轉移挑戰的企業，無論是金融、醫療還是製造業，都可以從中汲取靈感。關鍵在於改變思維方式，不再視系統轉移為純技術問題，而是結合業務智能和 AWS 先進技術的整合挑戰。
AWS 上的生成式 AI 能力正在迅速提升，無伺服器技術也越來越成熟，這為企業數碼轉型提供了新的可能性。從被動應對轉變為主動創新，從依賴外部專家轉變為賦能內部團隊，這些轉變正在重塑企業數碼轉型的路徑。
安聯德國的經驗告訴我們，當我們遇到看似不可能的挑戰時，或許不是問題太難解決，而是我們需要換一種思考方式，並尋找適合的技術工具。AWS 提供了從儲存（Amazon S3）、處理（AWS Lambda、AWS Step Functions）到人工智能（Amazon Bedrock）的完整解決方案，讓企業能夠專注於創新思維，而非基礎設施管理。
面對未來，企業不再需要畏懼系統轉移這座高山。借助 AWS 雲端平台的強大能力，即使是 20,000 份複雜的保險合約，也能以高效、準確的方式完成轉移，為企業數碼轉型掃清道路，迎接更多創新可能。
如希望了解更多生成式AI的數據，可以參考此連結。
參考數據
- AWS re:Invent 2024 – Allianz Germany: Accelerating legacy migration with generative AI (FSI323)
- Amazon Simple Storage Service (Amazon S3)
- AWS Step Functions
- AWS Lambda
- Amazon Bedrock
- Amazon Aurora
