Dott. Reuven Shnaps, Chief Analytics Officer di Earnix – Serie di Interviste

Il Dott. Reuven Shnaps è il Chief Analytics Officer di Earnix, un fornitore leader di sistemi mission-critical per assicuratori e banche globali.

Cosa ti ha inizialmente attirato verso la scienza dei dati e l’intelligenza artificiale?

Ho sempre avuto una fascinazione per la matematica, i dati e il loro potenziale per risolvere sfide aziendali. Durante i miei studi accademici e la mia carriera, ho cercato opportunità per imparare sulla statistica, l’economia e su come applicare questi campi per comprendere il comportamento dei consumatori. Ammiro gli scienziati dei dati, gli statistici moderni e gli econometrici, che hanno la capacità unica di analizzare grandi quantità di dati e affrontare problemi aziendali reali. Ho dedicato la mia carriera alla scienza dei dati e alla combinazione di metodologie statistiche tradizionali, tecnologie emergenti, nuovi algoritmi di apprendimento automatico (ML) e le ultime applicazioni di intelligenza artificiale (AI) per creare soluzioni aziendali che offrono valore a lungo termine per i nostri clienti.

Cosa fa Earnix?

Earnix è un fornitore globale di soluzioni software che abilitano assicuratori e banche a fornire tariffe, prezzi e offerte di prodotti personalizzati più veloci, più intelligenti e più sicuri ai consumatori. Il nostro sistema è alimentato da AI e ML, e include una vasta gamma di strumenti di modellazione analitica, applicazioni e algoritmi avanzati. Recentemente, Earnix è stato inserito nell’elenco delle “Insurtech da tenere d’occhio nel 2021” negli Stati Uniti e è stato riconosciuto come leader di mercato nell’analisi predittiva da CB Insights, una società di analisi e ricerca nel settore tecnologico. Earnix sfrutta tecnologie innovative per aiutare assicuratori e banche a soddisfare le esigenze dei consumatori in tempo reale.

Earnix ha recentemente scritto un articolo per noi sull’importanza dell’Explicabilità nell’AI. Quanto ritieni importante l’Explicabilità nell’AI?

L’Explicabilità è un argomento di tendenza nell’AI e nell’analisi dei dati. Interessa aziende di tutti i settori, che utilizzino o meno l’AI.

La maggior parte delle aziende sperimenta un trade-off tra il loro livello di controllo e l’efficacia dell’AI. Perché le aziende possano fidarsi e adottare l’uso di “scatole nere” AI, deve esserci un meccanismo che fornisca agli esperti e agli stakeholder la capacità di interpretare processi decisionali complessi dell’AI e garantire l’adeguamento alle richieste normative. I consumatori possono anche beneficiarne comprendendo e potenzialmente navigando i principali driver dietro le decisioni di prezzi, credito o underwriting. L’Explicabilità è il ponte che rende l’AI complessa più comprensibile e trasparente. Con la capacità di tradurre modelli di apprendimento automatico avanzati, i professionisti dell’analisi non devono sacrificare algoritmi più avanzati a causa di una mancanza di comprensione. L’Explicabilità minimizza il trade-off tra controllo e valore, massimizzando i benefici dell’AI.

Potresti discutere alcune delle tecnologie di apprendimento automatico utilizzate da Earnix?

Earnix consente agli assicuratori e alle banche di distribuire l’ultima AI in un motore di valutazione aziendale, scalabile e basato su cloud rating engine. Il nostro motore di valutazione completamente automatizzato opera modelli in produzione per offrire prodotti assicurativi e bancari personalizzati in tempo reale, allineati con le esigenze dei consumatori. Le nostre capacità di piattaforma aperta consentono l’integrazione con una vasta gamma di modelli e piattaforme di apprendimento automatico come H20, Data Robot e Python. Earnix ha sviluppato un modello ibrido unico per sfruttare efficacemente il potere combinato di tecniche di modellazione statistica tradizionali e modelli di apprendimento automatico basati su alberi per le decisioni di prezzi

Siamo sempre alla ricerca di nuovi modi per sfruttare le capacità di apprendimento automatico che gli assicuratori e le banche possono utilizzare per migliorare le loro attività in modo che benefichi direttamente il consumatore. Stiamo attualmente esplorando applicazioni di monitoraggio intelligente e apprendimento online, Contextual Multi-Arm Bandits (MAB) per la progettazione di test di pacchetti efficienti e la personalizzazione di offerte di prodotti/pacchetti ai clienti, nonché algoritmi di apprendimento profondo per l’analisi di dati ad alta frequenza. In questo modo, aiutiamo gli assicuratori e le banche a offrire prodotti, tariffe e prezzi più veloci, più intelligenti e più sicuri.

Come l’AI sta modernizzando banche e compagnie assicurative?

Le assicurazioni e le banche tradizionali che si affidano a sistemi legacy e processi manuali isolati sono sfidate dalle aziende guidate dall’AI. L’AI ha creato un ambiente in cui le compagnie assicurative e le banche devono innovare più velocemente, elaborare grandi quantità di dati da molteplici fonti e tipi, automatizzare i processi operativi manuali, semplificare e migliorare il percorso del cliente e l’engagement, offrire prodotti e tariffe più personalizzati e raggiungere un valore di mercato immediato. Ha ridefinito il modo in cui le assicurazioni e le banche operano, e l’integrazione dell’AI è fondamentale per rimanere competitive e offrire ai consumatori ciò che desiderano.

Ad esempio, i consumatori stanno sempre più rivolgendosi a opzioni di assicurazione basate sull’uso e sul comportamento (UBI/BBI) perché desiderano che le loro tariffe assicurative siano determinate dal loro utilizzo e comportamento di guida, piuttosto che dalle loro caratteristiche demografiche. Con la nostra automazione, le capacità di apprendimento automatico e analitiche, gli assicuratori possono ora operativizzare i vasti dati telematici, raggiungere una rapida distribuzione di offerte, rivalutare il rischio dei consumatori, nonché adeguare i prezzi e le offerte di prodotti di conseguenza.

C’è qualcos’altro che vorresti condividere su Earnix?

C’è molta ricerca su come l’utilizzo dell’AI migliori i processi e i risultati aziendali, ma non c’è un manuale su come combinare il potere dell’AI e il suo potenziale nelle operazioni aziendali per offrire valore immediato e promuovere la crescita aziendale. Molte organizzazioni di servizi finanziari lottano per collegare l’AI alle loro operazioni. La tecnologia end-to-end di Earnix affronta questo bisogno e punto dolente acuto. Sono orgoglioso di lavorare per un’azienda che utilizza l’analisi per trovare nuovi modi per creare una relazione profonda e orientata alla fiducia tra i consumatori e le industrie bancarie e assicurative.

Grazie per le grandi risposte, i lettori che desiderano saperne di più possono visitare Earnix.