MAIF 不仅展示了三项新技术合作伙伴关系。该互助机构正在建立一个组织，旨在将人工智能引入其业务流程，同时又不放弃对其数据、规则和技能的控制。他的案例为任何寻求从实验转向可持续人工智能战略的公司提供了有用的基准。
寻找保证、重建索赔历史、准备对投诉的答复或总结上诉：正是在这些操作中，人工智能开始改变 MAIF 的工作。
因此，9 月份宣布的与 MISTRAL AI、SCALEWAY 和 DIABOLOCOM 的合作伙伴关系必须被视为长期计划的下一阶段。 SCALEWAY 提供基础设施能力、MISTRAL AI、模型和生成用途支持、DIABOLOCOM（一个旨在逐步构建与成员互动的平台）。我们的想法不是添加这些构建模块，而是将它们纳入相同的策略：谁选择用例，谁验证响应，哪些数据可以流通，谁仲裁风险以及公司如何保留更换供应商的可能性？
基于历史而非公告效果的策略
2020 年，MAIF 推出了 Mélusine，这是一种用于分析和引导传入电子邮件的内部工具。其商业活动还依赖于 ZELROS，该系统于 2017 年进行测试，并于 2023 年部署，以帮助顾问制定适当的建议，特别是围绕电动汽车的保险。
数据工厂创建于 2017 年，随后于 2022 年成立了数据和人工智能部门，并于 2024 年汇集了 240 名员工。良好的做法是，在普及助理之前，公司必须有一个能够将业务期望、技术架构、安全、法律和价值衡量联系起来的地方。如果没有这种协调功能，每个部门都会购买自己的工具，提供自己的数据并制定自己的规则。
MAIF 产品组合现在涵盖多种类型的人工智能：请求分类、推荐、文献研究、报告生成和写作协助。同一个文件明天可以调动其中多个工具。那么问题就不再是每个人的孤立表现，而是他们的一致性：他们是否使用相同版本的合同规则？访问权限是否相同？顾问是否知道使用了哪些信息并且他们可以纠正结果吗？
购买产能，保持业务组装
MAIF在选择外部合作伙伴的同时，并不放弃核心业务的内部化。 2025 年底，负责 IT 的总经理 Nicolas Siegler 描述了一种混合架构，结合了两个内部数据中心、Clever Cloud、Azure 以及 OpenShift 下的大部分容器化应用程序。它还表明应用程序核心（仍部分采用 Cobol）正在向 Java 和微服务进行现代化改造。随后，管理层的目标是将内部技能的比例从 50% 增加到 75%，这是比“做”和“买”之间的对立更现实的分配。
公司可以购买云、语言模型或客户关系平台。但是，它必须控制模型访问的数据、管理响应的规则、与业务应用程序的接口以及验证标准。正是这一层编排将技术能力转化为自己的资产。
对于一般管理，规则很简单：任何人工智能合约都必须指定哪些内容仍处于内部控制之下，这包括文档语料库的选择和更新、身份和授权的管理、活动日志、质量测试、人工升级规则以及替换模型的能力。当公司仍然对向客户做出的决策负责时，供应商提供了技术。
将纪实历史置于生成人工智能的中心
MAIF 在推广过程中确定了三个生成项目：内部知识研究、电话报告和协助回应投诉。到 2025 年底，它还确定了大约 50 个实验，大约 10,000 名员工可以访问 Microsoft Copilot。
文献研究构成了最具启发性的测试。根据 RAG 原理，所采用的方法将知识库研究与答案生成相结合。在保险领域，仅仅灵活的应对措施是不够的，还必须基于正确的合同版本，整合适用的排除条款，或者不要将一般规则与会员的情况混淆。
因此，历史管理成为治理的一个主题，而不仅仅是文档。公司必须指定其内容的所有者、追踪其版本、组织访问权限并删除过时的文档，还必须能够向员工展示构成响应基础的来源。该学科同时服务于运营质量、合规性和团队信任。它与更广泛的数据集问题相关，作为部署人工智能的公司的战略资产。
使客户关系成为一个跨职能项目
DIABOLOCOM 的渐进式部署也发生在迁移环境中：MAIF 在其现场版本停产后必须升级其 Genesys 解决方案。因此，现代化不仅由人工智能引发，而且还响应供应商生命周期的限制。
联系平台为渠道之间的连续性、请求的资格、对顾问的帮助以及最终更好地了解交易所的历史提供了可能性。但它与 IT 部门一样涉及营销、客户关系和运营。客户不应该因为从电话转移到邮件或数字空间而重复他们的情况，并且顾问不应该收到删除重要例外情况的摘要。
要记住的做法是将这种类型的部署视为旅程转换。指标不应仅限于自动化率或平均通话时长，还应涵盖首次联系解决、回电、更正、投诉、客户理解以及在复杂情况下花费的实际时间。
主权：从意图转向可逆
MAIF 在其 IT 采购政策标准中增加了主权以及性能、安全性和可靠性。如果这种取向与保险公司处理的数据的敏感性一致，则不能将其简化为供应商的国籍或住宿地点。选择SCALEWAY之际，这家法国企业本身也在寻求建立一个涵盖基础设施、数据和人工智能的欧洲云平台。
正确的问题是有效可逆性。文档、查询、响应、审计跟踪和备份存储在哪里？数据可以以可用的格式导出吗？更换型号或平台需要多长时间？应该调动哪些内在技能？ MAIF 特别将无法快速更换服务提供商或将服务重新内部化纳入其分包的关键性标准中。这一逻辑符合 DORA 在运营弹性和 ICT 服务提供商管理方面的要求。
对于构建人工智能采购的公司来说，应从一开始就设计和测试可逆性，包括合同条款、导出格式、入职文件和退出练习。
组织人类控制和技能发展
5月初，MAIF与其六个工会组织达成了一项协议，不包括与人工智能部署相关的经济裁员。该文本规定了培训、对会员和专业服务效率收益的优先再投资，以及附属于 CSE 的由 12 名成员组成的人工智能委员会。
这个框架为一个经常被低估的困难提供了有用的答案：自动化任务也可以消除学习时间。因此，为了帮助起草投诉回复，MAIF 选择不立即将该工具提供给在没有帮助的情况下尚未掌握任务的新手员工。
人工验证只有在可行的情况下才有效；公司必须定义必须控制的内容，为员工提供必要的资源，留出时间进行验证并跟踪所做的纠正。这既是质量的要求，也是法律责任的要求，也是维护技能的要求。
在过程层面测量价值
因此，MAIF 为人工智能提供了比模型竞赛更有趣的解读。它的潜在优势不是来自于单独的供应商，而是来自于围绕其业务规则、文献遗产、义务和团队组织供应商的能力。对于扩大规模的公司来说，教训是核心：当人工智能作为一个完整的运营转型（技术、法律、营销和人力）而不是一系列工具进行管理时，它就变得具有战略意义。
现在仍然需要随着时间的推移来衡量这一贡献。下一步将不是宣布新合作伙伴，而是发布能够将投资与服务质量、处理时间、保留的技能和实际获得的收益联系起来的指标。正是基于此，可以对 MAIF 策略进行评估。
