Dr. Reuven Shnaps, Chief Analytics Officer ve firmě Earnix – Rozhovor

Dr. Reuven Shnaps je Chief Analytics Officer ve firmě Earnix, která je předním poskytovatelem kriticky důležitých systémů pro globální pojišťovny a banky.

Co vás původně přitáhlo k datové vědě a umělé inteligenci?

Měl jsem vždy fascinaci matematikou, daty a jejich potenciálem řešit obchodní výzvy. Během svých akademických studií a kariéry jsem hledal příležitosti, aby se dozvěděl o statistice, ekonomice a o tom, jak tyto obory aplikovat na pochopení chování spotřebitelů. Obdivuji datové vědce, moderní statistiky a ekonometry, kteří mají jedinečnou schopnost analyzovat velké množství dat a řešit reálné obchodní problémy. Své kariéru jsem věnoval datové vědě a kombinování tradičních statistických metod, nových technologií, nových algoritmů strojového učení (ML) a nejnovějších aplikací umělé inteligence (AI) pro vytváření obchodních řešení, která poskytují dlouhodobou hodnotu našim zákazníkům.

Co dělá Earnix?

Earnix je globálním poskytovatelem softwarových řešení, která umožňují pojišťovnám a bankám poskytovat rychlejší, chytřejší a bezpečnější sazby, ceny a personalizované produktové nabídky spotřebitelům. Náš systém je poháněn umělou inteligencí a strojovým učením a zahrnuje širokou škálu analytických modelovacích nástrojů, aplikací a pokročilých algoritmů. Nedávno se Earnix dostal na seznam „Insurtechs, které je třeba sledovat v roce 2021“ v USA a byl uznán jako lídr na trhu v prediktivní analytice firmou CB Insights, analytickou a výzkumnou firmou v technologickém sektoru. Earnix využívá inovativní technologii, aby pomohl pojišťovnám a bankám splnit potřeby spotřebitelů v reálném čase.

Earnix nedávno napsal článek pro nás o důležitosti vysvětlitelnosti v AI. Jak důležité jste si myslel, že je vysvětlitelnost v AI?

Vysvětlitelnost je trendující téma v AI a datové analytice. Ovlivňuje společnosti napříč odvětvími, ať už používají AI nebo ne.

Většina společností zažívá kompromis mezi úrovní kontroly a účinností AI. Aby společnosti mohly důvěřovat a přijmout používání „černé skříňky“ AI, musí existovat mechanismus, který umožňuje odborníkům a zúčastněným stranám interpretovat složité procesy rozhodování AI a zajistit soulad s regulačními požadavky. Spotřebitelé mohou také těžit z toho, že mohou pochopit a případně navigovat klíčové faktory, které stojí za rozhodnutími o cenách, úvěrech nebo podpoře. Vysvětlitelnost je most, který činí složitou AI srozumitelnější a transparentnější. Díky schopnosti překládat pokročilé modely strojového učení nemusí odborníci na analytiku obětovat pokročilejší algoritmy kvůli nedostatku porozumění. Vysvětlitelnost minimalizuje kompromis mezi kontrolou a hodnotou a maximalizuje výhody AI.

Můžete diskutovat o některých technologiích strojového učení, které se používají v Earnix?

Earnix umožňuje pojišťovnám a bankám nasadit nejnovější AI v rámci podnikového, škálovatelného, cloudového ratingového motoru. Náš plně automatizovaný ratingový motor operationalizuje modely do produkce a nabízí spotřebitelům v reálném čase vysoce personalizované pojistné a bankovní produkty, které jsou sladěny s jejich potřebami. Naše otevřené platformní schopnosti umožňují integraci s širokou škálou modelů a platforem strojového učení, jako jsou H20, Data Robot a Python. Earnix vyvinul hybridní model, který účinně využívá kombinovanou sílu tradičních statistických metod a modelů založených na stromech pro rozhodování o cenách

Jsme vždy na misi objevovat nové způsoby, jak využít schopnosti strojového učení, které pojišťovny a banky mohou použít ke zlepšení svých podniků způsobem, který přímo prospívá spotřebitelům. V současné době zkoumáme aplikace inteligentního monitorování a online učení, Kontextuální Multi-Arm Bandits (MAB) pro návrh efektivních balíčkových testů a přizpůsobení personalizovaných produktových nabídek zákazníkům, jakož i hluboké algoritmy učení pro analýzu dat s vysokou frekvencí. Tímto způsobem pomáháme pojišťovnám a bankám nabízet rychlejší, chytřejší a bezpečnější produkty, sazby a ceny.

Jak AI modernizuje banky a pojišťovny?

Tradiční pojišťovny a banky, které spoléhají na zastaralé systémy a manuální procesy, jsou vystaveny výzvám ze strany firem poháněných AI. AI vytvořila prostředí, ve kterém pojišťovny a banky musí inovovat rychleji, zpracovávat velké množství dat z různých zdrojů a typů, automatizovat manuální provozní procesy, streamlinovat a zlepšovat zákaznickou cestu a zapojení, nabízet více personalizovaných produktů a sazeb a dosahovat okamžité hodnoty na trhu. AI předefinovala, jak pojišťovny a banky fungují, a začlenění AI je zásadní pro udržení se конкурентоспособnosti a poskytování spotřebitelům toho, co chtějí.

Například spotřebitelé se stále více obracejí k pojištění založenému na použití a chování (UBI/BBI) kvůli tomu, že chtějí, aby jejich sazby automobilního pojištění byly určeny jejich používáním a řidičským chováním, spíše než pouze jejich demografií. S naší automatizací, strojovým učením a analytickými schopnostmi mohou pojišťovny nyní operationalizovat rozsáhlá telematická data, dosahovat rychlého nasazení nabídek, přehodnocovat spotřebitelské riziko a upravovat ceny a produktové nabídky podle toho.

Je něco jiného, co byste chtěl sdílet o Earnix?

Existuje spousta výzkumů o tom, jak používání AI zlepšuje obchodní procesy a výsledky, ale neexistuje žádný playbook o tom, jak kombinovat sílu AI a její potenciál do obchodních operací, aby se okamžitě poskytla hodnota a podpořila obchodní růst. Mnoho finančních služeb organizací zápasí s propojením AI se svými operacemi. Technologie Earnix od konce do konce řeší tuto naléhavou potřebu a bolestivý bod. Jsem hrdý na to, že pracuji pro společnost, která používá analytiku, aby našla nové způsoby, jak vytvořit hluboký důvěru založený vztah mezi spotřebitelem a bankovním a pojišťovacím průmyslem.

Děkuji za skvělé odpovědi, čtenářům, kteří chtějí se dozvědět více, doporučujeme navštívit Earnix.