Dalam lingkungan yang sangat teregulasi seperti sektor layanan kesehatan dan asuransi, provider sering kali perlu melakukan tugas seperti menganalisis risiko kesehatan dan memverifikasi klaim pelanggan, sambil menjaga data tetap berada dalam wilayah hukum yang relevan.
Solusi yang dijelaskan dalam dokumen ini memberikan cetak biru untuk mengatasi tantangan ini dengan Cloud de Confiance by S3NS. Penyedia asuransi dapat men-deploy BigQuery ML di Cloud de Confiance by S3NS untuk menganalisis skor risiko kesehatan, memodelkan paket, dan mengklaim database secara real time. Secara bersamaan, sistem LLM Gemma dengan bobot terbuka lokal melakukan verifikasi pada dokumentasi klaim yang disimpan di Cloud Storage. Pendekatan ini memastikan kepatuhan yang sadar konteks dan kemampuan audit penuh, tanpa pernah melakukan panggilan API eksternal atau memindahkan data ke luar batas berdaulat.
Anda dapat men-deploy solusi ini dengan mengikuti implementasi referensi yang disertakan dengan Terraform.
Audiens target
Solusi ini dirancang untuk lembaga kesehatan nasional atau penyedia asuransi yang diatur. API ini melayani pemangku kepentingan berikut:
- Auditor dan penyelidik klaim yang meninjau dasbor ruang pamer untuk memverifikasi dokumen klaim yang dikirimkan, mengaudit kasus yang ditandai, dan berinteraksi dengan asisten AI.
- Data scientist yang mengakses data mentah secara aman menggunakan lingkungan JupyterLab untuk membuat, memvalidasi, dan menjalankan model analisis risiko kesehatan.
Kemampuan inti
- Pemodelan kesehatan berdaulat: Gunakan BigQuery ML untuk menyeleksi klaim dan set data pelanggan guna mengidentifikasi faktor risiko kesehatan tanpa memindahkan data ke luar batas berdaulat.
- Verifikasi klaim AI: Menjalankan pemeriksaan dokumen yang dilokalkan menggunakan LLM Gemma dengan bobot terbuka untuk memverifikasi detail klaim terhadap data dalam database.
- Widget chatbot interaktif: Kueri klaim database aktif dan terima jawaban real-time yang kontekstual menggunakan chatbot asisten AI.
- Analisis JupyterLab yang lancar: Akses lingkungan Jupyter khusus yang telah dimuat sebelumnya dengan variabel koneksi database langsung dan binding Workload Identity.
- Internasionalisasi: Beralih bahasa UI secara instan antara Inggris, Prancis, dan Jerman.
Arsitektur
Komponen
Teknologi dan layanan Cloud de Confiance by S3NS berikut digunakan dalam solusi ini:
| Komponen | Teknologi | Tujuan |
|---|---|---|
| Database | Cloud SQL | Penyimpanan untuk klaim asuransi, paket, dan pelanggan. |
| Penyimpanan lainnya | Cloud Storage | Penyimpanan untuk dokumentasi klaim. |
| DWH | BigQuery | Tabel analisis data warehouse dan penyimpanan big data. |
| Model | BigQuery ML | Analisis machine learning pada skor risiko kesehatan. |
| LLM | Gemma | Model bobot terbuka (google/gemma-3-27b-it) untuk verifikasi dokumen klaim dan widget chatbot. |
| Infrastruktur container | GKE | Infrastruktur container untuk aplikasi klaim dan server JupyterHub. |
| Analisis | JupyterLab | Notebook khusus yang telah dimuat sebelumnya dengan data aktif. |
| Aplikasi | Node.js | Dasbor showroom aplikasi web. |
Penerapan referensi
Implementasi referensi solusi ini dengan Terraform disediakan di GitHub. Perhatikan bahwa ini adalah prototipe proof-of-concept yang dibuat untuk tujuan demonstrasi, dan implementasinya tidak diaudit atau diamankan untuk kasus penggunaan produksi.
Untuk mengetahui prasyarat dan petunjuk deployment, lihat Analisis Risiko Asuransi Kesehatan Berdaulat dengan BigQuery ML & Gemma.