Немецкая страховая компания внедрила ИИ-агентов для 400 сотрудников

Как страховой брокер из Германии запустил самообслуживаемых ИИ-агентов для 400 сотрудников

MRH Trowe, один из крупнейших брокеров коммерческого и промышленного страхования в Германии, развернул защищённую платформу с ИИ-агентами примерно для 400 сотрудников в течение первого месяца боевой эксплуатации. Компания столкнулась с растущим спросом на использование ИИ в повседневной работе, но отдельные подразделения начали экспериментировать со своими инструментами, рискуя создать разрозненную экосистему и потенциально раскрыть чувствительные данные клиентов. Задача была непростой: дать широкий доступ к самообслуживаемым ИИ-агентам без ущерба для безопасности, управления и прозрачности затрат в условиях жёсткого немецкого регулирования финансового сектора.

Решение объединило три компонента: Strands Agents (открытый SDK для создания агентов в несколько строк кода), Amazon Bedrock AgentCore (платформа для запуска агентов в production с изоляцией сессий на уровне вычислений и файловой системы) и LibreChat (открытый чат-интерфейс с необходимыми контролями для регулируемой организации). Критическое значение имело решение AWS: оно поддерживает открытые фреймворки, обеспечивает нужную изоляцию и работает по модели оплаты за потребление, что даёт полную прозрачность затрат. Архитектура развёрнута в одном AWS-аккаунте внутри виртуального приватного облака, все агенты, модели и данные работают в регионе Frankfurt, удерживая информацию на территории Германии — ключевое требование для финансового сектора.

Первый агент, введённый в production, автоматизирует создание протоколов встреч. Сотрудник на немецком языке запрашивает в LibreChat протокол недавней встречи, агент находит её в календаре Microsoft Teams, извлекает транскрипт и генерирует структурированный документ с датой, участниками, повесткой и пунктами действий. Критически важно, что каждый запрос выполняется от имени вошедшего пользователя: LibreChat проходит аутентификацию через Microsoft Entra ID и передаёт идентификацию на серверную часть, поэтому агент может обращаться только к календарю и документам самого сотрудника. Обработка данных остаётся в Frankfurt-регионе AWS.

Инфраструктура обошлась в примерно $14 на одного пользователя в месяц в первый месяц, с перспективой снижения затрат примерно на 40 % через оптимизацию размеров и планируемое масштабирование. Компания построила собственный dashboard для отслеживания числа активных пользователей, потребления токенов по моделям и стоимости на пользователя, обеспечив полную видимость затрат по мере роста принятия. Помимо встреч, развивается сценарий «поговори со своими данными» для анализов типа кросс-продаж, объединяющих данные CRM с открытой информацией. MRH Trowe поддержала техническое внедрение организационной работой, включив агентов в культуру и предложив сотрудникам создавать инструменты для повторяющихся задач — к концу 2026 года компания рассчитывает, что предметные специалисты создадут и будут поддерживать от 10 до 15 агентов.

Модель MRH Trowe демонстрирует, что регулируемая финансовая организация может одновременно дать широкий самообслуживаемый доступ к ИИ и сохранить требуемый контроль, комбинируя гибкость открытого кода с безопасностью и масштабируемостью облачной платформы. Сильная сторона примера — честная полная прозрачность по архитектуре и затратам. Вопрос, оставленный без ответа: как именно устроена система правления данными в LibreChat и какие специфические контроли соответствия GDPR и немецкому регулированию реализованы на уровне логики, помимо резидентности данных и аутентификации.