ترس تجاری
پرتفوی مشتری، دارایی شرکت است. هیچ‌کس نمی‌خواهد مشتری‌اش را به رقیب تحویل دهد.
فراخوان ۵ · کشف تقلب و تخلف در بیمه خودرو
نگهبان بیمه
امتیاز بده، داده نده.
کشف تقلب خودرو در مرز بین بیمه‌گران، بدون افشای داده مشتری. داده خام در هر شرکت می‌ماند؛ فقط شواهد، به اشتراک گذاشته می‌شود.
۶۶۷پرونده ساختگی
۳بیمه‌گر
۶لایه معماری
۱۲هفته پایلوت
۰۱ · مسئله
تقلب، در مرز بین شرکت‌ها زندگی می‌کند.
هر شرکت فقط قطعهٔ خودش را می‌بیند. سه مانع، اشتراک داده را متوقف می‌کند:
حریم خصوصی
داده هویتی، مالی و درمانی مشمول محرمانگی است؛ جابه‌جایی خام آن قابل دفاع نیست.
نبود شناسهٔ مشترک
یک تصادف، دو پرونده، دو کارشناس بی‌خبر. هیچ کلیدی برای اثبات «وحدت رخداد» وجود ندارد.
ساعت ۹ صبح، کارشناس خسارت پرونده را تأیید می‌کند. همان روز، همان خودرو و همان حادثه در شرکت دیگری ثبت می‌شود؛ با مبلغی کمی متفاوت. هیچ‌کدام از وجود پروندهٔ دیگر خبر ندارند.
۰۲ · راه‌حل
راه‌حل، تجمیع داده نیست؛ ساختن شبکهٔ شواهد است.
چهار قطعهٔ مستقل که با هم، تصویر کامل را می‌سازند — بدون اینکه داده خام از مرز شرکت خارج شود.
توکن پایدار
کد ملی، پلاک و شناسهٔ خودرو با تابع کلیددار به توکن تبدیل می‌شوند؛ کلید در واحد امن سخت‌افزاری می‌ماند.
تطبیق رخداد
خودرو، تاریخ، مبلغ و نوع حادثه؛ دقیق و فازی. یک تصادف که در دو شرکت با جزئیات کمی متفاوت ثبت شده، به هم وصل می‌شود.
گراف ارتباط
بیمه‌گذار، خودرو، بیمه‌نامه، حادثه، خسارت، کارشناس و پرداخت. گره‌های رابطه‌ای، حلقه‌های تبانی را آشکار می‌کنند.
امتیاز شفاف
مدل زبانی گزارش فارسی را می‌خواند؛ هر کسر امتیاز یک کد دلیل، یک شاهد و یک سطح اطمینان دارد. تصمیم نهایی با کارشناس است.
در بیمه‌گر می‌ماند
- داده خام پرونده
- هویت بیمه‌گذار
- اسناد و تصاویر
به اشتراک گذاشته می‌شود
- توکن رخداد
- ویژگی‌های حداقلی
- امتیاز و کد دلیل
۰۳ · معماری
شش لایه؛ یک مرز اعتماد؛ حاکمیت عمودی.
معماری پیشنهادی از سیستم‌های منبع بیمه‌گر تا میز کار کارشناس. داده خام در مبدأ می‌ماند و فقط حداقل داده وارد لایه تحلیل می‌شود.
منابع داده
سیستم‌های بیمه‌گر، CRM، خسارت، پرداخت و اسناد.
داده کانونیکال
نگاشت، پاک‌سازی، نرمال‌سازی و اعتبارسنجی.
مرز اعتماد
توکن‌سازی، HSM/KMS، حداقل‌سازی داده و مهار نشت.
تحلیل
تطبیق دقیق و فازی، گراف ارتباط، تحلیل متنی LLM.
تصمیم
امتیاز ریسک، کد دلیل، شاهد و میز کار کارشناس.
حاکمیت
دسترسی، ممیزی، SIEM، DLP و سیاست نگهداری.
۰۴ · روایت و دمو
از یک پروندهٔ معمولی شروع می‌شود.
سه دقیقه روایت: یک کارشناس، یک خودرو، یک تأیید ساده؛ بعد همان حادثه در شرکت دوم. فناوری بعد از این سؤال می‌آید.
داشبورد روی دادهٔ ساختگی اجرا می‌شود؛ برای دموی زندهٔ MVP، از بخش تماس پیگیری کنید.
۰۵ · اعداد MVP
سنجیده شده روی دادهٔ ساختگی ۳۰ ماهه.
هدف پایلوت، سنجش با داده واقعی و کاهش نشت و زمان بررسی است — بدون افشای داده رقبا.
۶۶۷پرونده
۳بیمه‌گر
۲۸۰بیمه‌گذار
۳۲۰خودرو
۵۹۰بیمه‌نامه
۶۸–۷۲٪Precision@50
۵۳–۶۲٪Recall
~۴٫۶٪False Positive
اعداد روی دادهٔ ساختگی؛ هدف پایلوت ۱۲ هفته‌ای با دو بیمه‌گر و سنجش با داده واقعی است.
۰۶ · اسناد
پروپوزال کامل و بخش فنی.
نسخهٔ عمومی برای مطالعه، داوری و بحث فنی. داده‌های نمایش‌داده‌شده ساختگی‌اند.
۰۷ · تماس
برای دموی زنده یا بحث فنی.
این صفحه نسخهٔ عمومی پروپوزال است. برای هماهنگی جلسهٔ فنی، دریافت دموی MVP یا بازبینی معماری، از طریق دبیرخانهٔ فراخوان پیام بدهید.
مطالعهٔ پروپوزال