ERGO Hestiaはポーランドを代表する保険会社の一つであり、100以上のモデルと1,000以上の変数を扱う大規模な価格設定プラットフォームを運用しています。同社はミリ秒単位の価格設定と業界屈指の実行速度で知られていますが、データ量の増大とモデル反復の加速に伴い、従来のマルチホップアーキテクチャ——Databricksから外部Azure PostgreSQLにデータをエクスポートし、アダプタ層でキャッシュして価格エンジンに供給する——が性能と俊敏性のボトルネックとなっていました。
このアーキテクチャには三つの課題がありました。運用の複雑さ：外部データベースとカスタムアダプタ層の維持、抽出ジョブの負担が深刻でした。モデル展開速度の制約：更新はシステム安定性のためにオフピーク時間に調整する必要がありました。データ鮮度のボトルネック：大規模なデータ取り込みが外部サービング層のレイテンシを10〜20倍に跳ね上げ、データ更新を定時バッチウィンドウに限定せざるを得ませんでした。規制の厳しい保険業界において、この断片化はガバナンスリスクも生んでいました。
リアルタイムB2C価格設定を実現するため、ERGO HestiaはDatabricksと協力し、LakebaseとMosaic AI Model Servingに基づく次世代リアルタイム価格設定プラットフォームを構築しました。新アーキテクチャは三つの柱で構成されています。
第一に、Lakebaseを統合データサービング層として使用。LakebaseはDeltaテーブル上に関係トランザクション層を提供し、Sync Tablesによる処理データとサービング層の継続的な自動同期を実現します。これにより手動オーケストレーションと外部抽出ジョブが不要になり、レイクハウス内に単一の真実のソースが生まれました。
第二に、Model Servingエンドポイントによる直接APIアクセス。価格エンジンからのリクエストは中間アプリケーション、キャッシュ層、外部データベースを経由せず、Model Servingエンドポイントに直接送られ、ミリ秒で応答が返ります。アーキテクチャが大幅に簡素化されました。
第三に、Model Servingによる高速エコシステム統合。モデルはまずMLflowに記録され、勝者バージョンがUnity Catalogに登録され、専用エンドポイントで公開されます。価格設定の専門家は複数のモデルバージョンを同時に実行してA/Bテストや回帰テストを実施でき、ライフサイクル全体がデータソースとネイティブに接続され、Unity Catalogによる完全なリネージ追跡とガバナンス制御が提供されます。
移行はリスクを抑えるため段階的に行われました。第1フェーズ（1〜3週目）では概念実証として、低リスクのデータエンドポイントを選び、既存のDeltaテーブルをLakebaseに同期してModel Servingエンドポイントで公開しました。性能テストでは、高負荷40リクエスト/秒でもレイテンシ20ミリ秒、CPU使用率5%未満という期待を大幅に上回る結果が得られ、アーキテクチャリスクが払拭されました。
第2フェーズ（3〜6週目）では本番展開を開始し、低重要度のエンドポイントから順に移行しました。各エンドポイントの移行後、Delta LakeとLakebase間の完全なデータ整合性、安定した性能、カスタムコンポーネントの削減が確認され、ステークホルダーの信頼が高まり、より高リスクのエンドポイントへの展開が加速しました。
第3フェーズではトラフィック分割を実施し、顧客の半数を旧システム、半数を新システムに振り分けて実際のユーザー行動と負荷パターンを観察しました。新システムは一貫した見積もり生成とレイテンシ目標を達成し、本番負荷を設計通りに処理できることが確認されました。全フェーズを通じて価格設定業務は中断なく継続され、顧客への影響はゼロでした。
ビジネス成果は顕著です。モデルの市場投入時間が大幅に短縮され、価格設定の専門家はDatabricksエコシステム内で直接モデルを展開し、最新の本番データと自動同期できるようになりました。運用の複雑さはアーキテクチャのシンプルさに取って代わられ、外部PostgreSQLとアダプタ層が削除され、Unity Catalogの下で統一ガバナンスが実現しました。規制面では、すべての価格設定データとモデルがUnity Catalogで管理され、監査証跡、バージョン管理、アクセス制御が自動的に提供され、規制当局に対する決定のトレーサビリティが確保されています。
この変革により、ERGO Hestiaは価格設定をITのボトルネックから戦略的成長エンジンへと変貌させ、新たな価格モデルの迅速な提供、市場条件への即時対応、そしてすべての意思決定のエンドツーエンドの証明を可能にしました。