ERGO Hestia、Lakebase と Mosaic AI Model Serving で市場投入期間を短縮

ポーランドの大手保険会社である ERGO Hestia は、Databricks Lakebase と Mosaic AI Model Serving を採用することで、リアルタイム価格設定エンジンの近代化に成功しました。同社はデータ、特徴量、意思決定を単一のラクハウスネイティブプラットフォームに統合し、ミリ秒単位の価格設定を実現するとともに、新モデルの展開を加速し、Unity Catalog による統合ガバナンスを実現しました。

以前のアーキテクチャは、外部の PostgreSQL データベースとカスタムアダプタ層を含むマルチホップパターンでしたが、データ量の増加とモデルの反復速度向上に伴い、データ抽出のオーバーヘッド、ガバナンスの断片化、モデル展開の速度低下、データの鮮度に関するボトルネックなどの課題が顕在化しました。特に規制の厳しい保険業界では、これらの問題がイノベーションの妨げとなっていました。

これらの課題を解決するために、ERGO Hestia は Databricks と協力し、価格設定エンジンをラクハウスアーキテクチャに移行しました。新しいアーキテクチャは、Lakebase をオンライン特徴量ストアとして使用し、Mosaic AI Model Serving エンドポイントを介して価格設定エンジンに直接 API アクセスを提供することで、外部データベースとアダプタ層を完全に排除しました。Unity Catalog によりデータとモデルの管理が統合され、完全なトレーサビリティと監査可能性が確保され、規制要件を満たしています。

移行は段階的に実施されました。第1フェーズ（概念実証、1〜3週間）では、限定的なデータエンドポイントでアーキテクチャを検証し、毎秒40リクエストの高負荷下でもレイテンシ20ミリ秒、CPU使用率5%未満という優れた性能を確認しました。第2フェーズ（本番展開、3〜6週間）では、重要度の低いエンドポイントから移行を開始し、徐々にコアシステムへ拡大しました。第3フェーズ（トラフィック分割）では、顧客トラフィックの半分を新システムにルーティングし、実際の本番環境で安定性と性能を検証しました。移行全体を通じて、顧客への影響はゼロでした。

ビジネス成果として、モデルの市場投入期間が大幅に短縮され、運用の複雑さが低減されました。外部データベースやカスタムミドルウェアのメンテナンスが不要になったことで、エンジニアリングリソースをモデルの革新に振り向けられるようになりました。Unity Catalog による自動監査証跡とバージョン管理により、コンプライアンスが強化されました。価格設定の専門家は、Databricks エコシステム内で直接モデルを反復し、市場の変化にリアルタイムで対応できるようになり、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革しました。この事例は、ラクハウスアーキテクチャがリアルタイム意思決定の分野で大きな可能性を持つことを示しています。