インタビュー シリーズ – Earnix の Reuven Shnaps 首席分析官

Reuven Shnaps 博士は、Earnix の Chief Analytics Officer です。Earnix は、世界の保険会社や銀行向けにミッション クリティカル システムを提供するリーディング カンパニーです。

あなたがデータ サイエンスと AI に惹かれたきっかけは何ですか?

私は数学とデータに興味を持ち、それらをビジネス上の課題に応用する方法を学びたいと思いました。学術研究とキャリアを通じて、統計学、経済学、消費者行動を理解する方法について学びました。私はデータ サイエンティスト、現代の統計学者、計量経済学者に感銘を受けました。彼らは大量のデータを分析し、現実世界のビジネス上の課題に取り組む能力を持っています。私はキャリアを通じてデータ サイエンスに取り組み、伝統的な統計学的方法、新しい機械学習アルゴリズム、最新の AI アプリケーションを組み合わせて、顧客に長期的な価値を提供するビジネス ソリューションを作成することに尽力しています。

Earnix は何をしていますか?

Earnix は、保険会社や銀行が消費者に迅速に、スマートに、安全に価格や商品を提供できるソフトウェア ソリューションを提供するグローバル カンパニーです。私たちのシステムは AI と機械学習で動作し、幅広い 分析モデリング ツール、アプリケーション、先進的なアルゴリズムを含みます。最近、Earnix は米国で「2021 年に注目すべき Insurtech」としてリストされ、テクノロジー分野の分析および研究会社である CB Insights によって、予測分析のマーケット リーダーとして認められました。Earnix は革新的なテクノロジーを活用して、保険会社や銀行が消費者のニーズにリアルタイムで対応できるように支援しています。

Earnix は最近、AI と銀行・保険業界における Explainability の重要性についての記事を書きました。Explainability はどの程度重要だと思いますか?

Explainability は AI とデータ分析のトレンドとなっているテーマです。業界を問わず、企業が AI を使用するかどうかに関係なく、影響を受ける企業が多くあります。

多くの企業は、AI の制御レベルと有効性のトレードオフに直面しています。企業が「ブラックボックス」の AI を信頼して採用するには、専門家や利害関係者が複雑な AI の意思決定プロセスを解釈し、規制上の要求に従っていることを確認できるメカニズムが必要です。消費者も、価格、信用、または保険の決定の背後にある重要な要因を理解し、ナビゲートできるため、利益を得ることができます。Explainability は、複雑な AI をより理解し、透明性のあるものにします。先進的な機械学習モデルを翻訳できることで、分析プロフェッショナルは、理解不足のためにより高度なアルゴリズムを犠牲にする必要はありません。Explainability は、制御と価値のトレードオフを最小限に抑えながら、AI の利点を最大化します。

Earnix で使用されている機械学習技術について説明してください。

Earnix は、保険会社や銀行が最新の AI をエンタープライズ ワイド、スケーラブル、クラウドベースの レーティング エンジンで展開できるようにします。私たちの完全に自動化されたレーティング エンジンは、モデルを本稼働に移行して、リアルタイムで、高度にパーソナライズされた保険商品や銀行商品を消費者のニーズに合わせて提供します。私たちのオープン プラットフォーム機能により、H20、Data Robot、Python などの幅広い機械学習 モデルやプラットフォームとの統合が可能です。Earnix は、価格決定のために伝統的な統計モデリング技術とツリー ベースの機械学習 モデルを組み合わせる独自のハイブリッド モデルを開発しました。

私たちは、保険会社や銀行がビジネスを強化し、消費者に直接利益をもたらす方法で、機械学習の機能を活用する新しい方法を発見する使命に従事しています。私たちは、スマート モニタリングとオンライン学習、コンテキスト マルチ アーム バンディット (MAB) を使用した効率的なパッケージ テストの設計、顧客にパーソナライズされた商品やパッケージを提供するための、深層学習アルゴリズムを使用した高頻度データの分析などのアプリケーションを現在調査中です。こうした方法で、保険会社や銀行が消費者に迅速に、スマートに、安全に商品、価格、レートを提供できるよう支援しています。

AI はどのように銀行や保険会社を現代化していますか?

伝統的な保険会社や銀行は、レガシーシステムやマニュアル プロセスに依存していますが、AI ドリブンの企業に挑戦されています。AI は、保険会社や銀行がより迅速にイノベーションし、多様なソースやタイプの大量のデータを処理し、手動の運用プロセスを自動化し、顧客のジャーニーとエンゲージメントを最適化し、よりパーソナライズされた商品やレートを提供し、即時のタイム トゥ マーケットの価値を達成する必要性を生み出しています。AI は、保険会社や銀行の運用方法を再定義し、競争力を維持し、消費者に望まれるものを提供するために不可欠です。

たとえば、消費者は、自動車保険の料率が人口統計学的特性のみに基づいてではなく、使用状況や運転行動によって決定される使用量ベース保険 (UBI) / 行動ベース保険 (BBI) オプションを求めています。私たちの自動化、機械学習、分析機能を使用して、保険会社はテレマティクス データを本稼働に移行し、迅速に提供を展開し、消費者のリスクを再評価し、価格や商品を適宜調整できます。

Earnix についてさらに何か共有したいことがありますか?

AI をビジネス プロセスや成果に活用する方法に関する多くの研究がありますが、ビジネス運用に AI の力を組み込むためのプレイブックはありません。多くの金融サービス企業は、AI を運用に接続するのに苦労しています。Earnix のエンド トゥ エンド テクノロジーは、このようなニーズと痛み点に対処します。私は、分析を使用して消費者と銀行・保険業界の間に信頼を築く関係を育む新しい方法を見つける会社で働いていることを誇りに思います。

素晴らしい回答ありがとう、さらに詳しく知りたい読者は Earnix を訪問してください。