Dr. Reuven Shnaps, Directeur des analytics chez Earnix – Série d’entretiens

Dr. Reuven Shnaps est le Directeur des analytics chez Earnix, un fournisseur leader de systèmes critiques pour les assureurs et les banques mondiales.

Qu’est-ce qui vous a initialement attiré vers la science des données et l’IA ?

J’ai toujours eu une fascination pour les mathématiques, les données et leur potentiel pour résoudre les défis commerciaux. Tout au long de mes études universitaires et de ma carrière, j’ai cherché des opportunités pour apprendre sur les statistiques, l’économie et la façon d’appliquer ces domaines pour comprendre le comportement des consommateurs. J’admire les scientifiques des données, les statisticiens modernes et les économétriciens, qui ont la capacité unique d’analyser de grandes quantités de données et de résoudre des problèmes commerciaux réels. J’ai consacré ma carrière à la science des données et à la combinaison de méthodologies statistiques traditionnelles, d’algorithmes d’apprentissage automatique (ML) émergents et des dernières applications d’intelligence artificielle (IA) pour créer des solutions commerciales qui offrent une valeur à long terme à nos clients.

Qu’est-ce qu’Earnix fait ?

Earnix est un fournisseur mondial de solutions logicielles qui permettent aux assureurs et aux banques de proposer des tarifs, des prix et des offres de produits personnalisés plus rapides, plus intelligents et plus sûrs aux consommateurs. Notre système est alimenté par l’IA et le ML, et comprend une large gamme d’outils de modélisation analytique, d’applications et d’algorithmes avancés. Récemment, Earnix a figuré sur la liste des « Insurtech à surveiller en 2021 » aux États-Unis et a été reconnu comme un leader du marché en analyse prédictive par CB Insights, une société d’analyse et de recherche dans le secteur de la technologie. Earnix utilise une technologie innovante pour aider les assureurs et les banques à répondre aux besoins des consommateurs en temps réel.

Earnix a récemment écrit un article pour nous sur l’importance de l’explicabilité dans l’IA. Quelle est votre opinion sur l’importance de l’explicabilité dans l’IA ?

L’explicabilité est un sujet tendance dans l’IA et l’analyse de données. Elle affecte les entreprises de tous les secteurs, qu’elles utilisent ou non l’IA.

La plupart des entreprises connaissent un compromis entre leur niveau de contrôle et l’efficacité de l’IA. Pour que les entreprises fassent confiance et adoptent l’utilisation de l’IA « boîte noire », il faut un mécanisme qui permet aux experts et aux parties prenantes d’interpréter les processus de prise de décision complexes de l’IA et de garantir le respect des exigences réglementaires. Les consommateurs peuvent également en bénéficier en étant en mesure de comprendre et de naviguer les principaux facteurs qui influencent les décisions de tarification, de crédit ou de souscription. L’explicabilité est le pont qui rend l’IA complexe plus compréhensible et transparent. Avec la capacité de traduire des modèles de ML avancés, les professionnels de l’analyse ne doivent pas sacrifier des algorithmes plus avancés en raison d’un manque de compréhension. L’explicabilité minimise le compromis entre le contrôle et la valeur tout en maximisant les avantages de l’IA.

Pouvez-vous discuter de certaines des technologies d’apprentissage automatique utilisées chez Earnix ?

Earnix permet aux assureurs et aux banques de déployer la dernière IA dans un moteur de tarification d’entreprise, évolutif et basé sur le cloud. Notre moteur de tarification entièrement automatisé met les modèles en production pour offrir des produits d’assurance et de banque personnalisés en temps réel, alignés sur les besoins des consommateurs. Nos capacités de plateforme ouverte permettent l’intégration avec une large gamme de modèles et de plateformes de ML, tels que H20, Data Robot et Python. Earnix a développé un modèle hybride unique pour exploiter efficacement le pouvoir combiné des techniques de modélisation statistique traditionnelles et des modèles de ML basés sur les arbres pour les décisions de tarification

Nous sommes toujours à la recherche de nouvelles façons d’exploiter les capacités d’apprentissage automatique que les assureurs et les banques peuvent utiliser pour améliorer leurs entreprises de manière à bénéficier directement aux consommateurs. Nous explorons actuellement les applications de la surveillance intelligente et de l’apprentissage en ligne, des bandits multi-bras contextuels (MAB) pour concevoir des tests de packages efficaces et des offres de produits/personnalisation de packages aux clients, ainsi que des algorithmes d’apprentissage profond pour analyser les données à haute fréquence. De cette façon, nous aidons les assureurs et les banques à offrir des produits, des tarifs et des prix plus rapides, plus intelligents et plus sûrs.

Comment l’IA modernise-t-elle les banques et les compagnies d’assurance ?

Les assureurs et les banques traditionnels qui s’appuient sur des systèmes hérités et des processus manuels cloisonnés sont confrontés à des défis posés par les entreprises alimentées par l’IA. L’IA a créé un environnement dans lequel les compagnies d’assurance et les banques doivent innover plus rapidement, traiter de grandes quantités de données provenant de multiples sources et types, automatiser les processus opérationnels manuels, rationaliser et améliorer le parcours et l’engagement client, offrir des produits et des tarifs plus personnalisés et atteindre une valeur de temps de marché immédiate. Elle a redéfini la façon dont les assureurs et les banques opèrent, et l’intégration de l’IA est essentielle pour rester compétitif et offrir aux consommateurs ce qu’ils veulent.

Par exemple, les consommateurs se tournent de plus en plus vers des options d’assurance basées sur l’utilisation et le comportement (UBI/BBI) parce qu’ils veulent que leurs tarifs d’assurance auto soient déterminés par leur utilisation et leur comportement de conduite, et non par leurs seules caractéristiques démographiques. Avec notre automatisation, nos capacités de ML et d’analyse, les assureurs peuvent maintenant exploiter les données télémétriques, déployer rapidement des offres, réévaluer le risque des consommateurs et ajuster les tarifs et les offres de produits en conséquence.

Y a-t-il autre chose que vous aimeriez partager sur Earnix ?

Il existe de nombreuses recherches sur la façon dont l’utilisation de l’IA améliore les processus et les résultats commerciaux, mais il n’y a pas de livre de recettes sur la façon de combiner le pouvoir de l’IA et son potentiel dans les opérations commerciales pour offrir une valeur immédiate et stimuler la croissance commerciale. De nombreuses organisations de services financiers ont du mal à relier l’IA à leurs opérations. La technologie de bout en bout d’Earnix répond à ce besoin et à ce point de douleur aiguë. Je suis fier de travailler pour une entreprise qui utilise l’analyse pour trouver de nouvelles façons de favoriser une relation de confiance profonde entre les consommateurs et les industries bancaire et d’assurance.

Je vous remercie pour ces excellentes réponses, les lecteurs qui souhaitent en savoir plus peuvent visiter Earnix.