Earnix의 Chief Analytics Officer인 Reuven Shnaps 박사 인터뷰 시리즈

Reuven Shnaps 박사는 Earnix의 Chief Analytics Officer입니다. Earnix는 글로벌 보험사와 은행을 위한 임무_CRITICAL 시스템을 제공하는 선도적인 회사입니다.

데이터 과학과 AI에 처음 관심을 가지게 된 계기는 무엇인가요?

저는 항상 수학, 데이터, 그리고 비즈니스 문제를 해결하는 잠재력에 대해 관심을 가지고 있었습니다. 학업과 경력 동안, 저는 통계, 경제, 그리고 소비자 행동을 이해하는 방법에 대해 배우기 위해 노력했습니다. 저는 데이터 과학자, 현대 통계학자, 그리고 계량 경제학자들이 방대한 양의 데이터를 분석하고 실제 비즈니스 문제를 해결하는 능력에 대해 감탄합니다. 저는 데이터 과학에 대한 경력을 쌓았고, 전통적인 통계 방법론, 새로운 기계 학습 알고리즘, 그리고 최신 인공지능 응용 프로그램을 결합하여 고객에게 장기적인 가치를 제공하는 비즈니스 솔루션을 만들었습니다.

Earnix는 무엇을 하나요?

Earnix는 보험사와 은행이 소비자에게 빠르고,智能하고, 안전한 가격과 개인화된 제품을 제공할 수 있는 소프트웨어 솔루션을 제공하는 글로벌 회사입니다. 우리의 시스템은 AI와 기계 학습으로 구동되며, 다양한 분석 모델링 도구, 애플리케이션, 그리고 고급 알고리즘을 포함합니다. 최근 Earnix는 미국에서 2021년을 주목해야 할 인슈어테크 회사로 선정되었으며, 기술 분야의 분석 및 연구 회사인 CB Insights에 의해 예측 분석 분야의 시장 리더로 인정되었습니다. Earnix는 혁신적인 기술을 활용하여 보험사와 은행이 소비자의需求을 실시간으로 충족하도록 도와줍니다.

Earnix는 최근 Explainability in AI의 중요성에 대해 우리에게 글을 썼습니다. Explainability in AI의 중요성을 어떻게 생각하시나요?

Explainability는 AI와 데이터 분석에서 인기 있는 주제입니다. 이는 산업 전체에 영향을 미치는 주제입니다.

대부분의 회사들은 AI의 제어 수준과 효과성 사이에서 트레이드오프를 경험합니다. 비즈니스들이 “블랙 박스” AI를 신뢰하고 채택하기 위해서는 전문가와 이해관계자가 복잡한 AI 의사 결정 과정과 규제 요구 사항을 해석할 수 있는 메커니즘이 필요합니다. 소비자도 가격, 신용, 또는 보험 결정의 주요 동인력을 이해하고 탐색할 수 있기 때문에 이점을 얻을 수 있습니다. Explainability는 복잡한 AI를 더 이해하기 쉽고 투명하게 만드는 다리입니다. 고급 기계 학습 모델을 번역할 수 있는 능력으로 인해 분석 전문가들은 이해의 부족으로 인해 더 발전된 알고리즘을 희생할 필요가 없습니다. Explainability는 제어와 가치 사이의 트레이드오프를 최소화하고 AI의 이점을 최대화합니다.

Earnix에서 사용하는 기계 학습 기술에 대해 논의해 주시겠습니까?

Earnix는 보험사와 은행이 최신 AI를 엔터프라이즈급, 확장 가능하고, 클라우드 기반의 레이팅 엔진에서 배포할 수 있도록 합니다. 우리의 완전 자동화된 레이팅 엔진은 모델을 생산에 operational화하여 소비자의需求과 일치하는 실시간,高度 개인화된 보험 및 은행 제품을 제공합니다. 우리의 오픈 플랫폼 기능은 H20, Data Robot, Python과 같은 다양한 기계 학습 모델 및 플랫폼과 통합할 수 있습니다. Earnix는 가격 결정에 효과적으로 전통적인 통계 모델링 기술과 트리 기반 기계 학습 모델의 결합된 힘을 활용하는 하이브리드 모델을 개발했습니다.

우리는 보험사와 은행이 비즈니스에 직접적인 이점을 제공하는 방식으로 기계 학습 기능을 강화하는 새로운 방법을 발견하기 위해 항상 노력하고 있습니다. 우리는 현재 스마트 모니터링 및 온라인 학습, 컨텍스트 멀티 암 밴드 (MAB)를 위한 효율적인 패키지 테스트 및 개인화된 제품/패키지 오퍼링을 설계하기 위한 응용 프로그램, 그리고 높은 빈도 데이터를 분석하기 위한 심층 학습 알고리즘의 응용 프로그램을 탐색하고 있습니다. 이렇게 함으로써 우리는 보험사와 은행이 소비자에게 빠르고,智能하고, 안전한 제품, 가격, 및 요금을 제공할 수 있도록 도와줍니다.

AI는 어떻게 은행과 보험 회사들을 현대화하고 있나요?

전통적인 보험사와 은행은 레거시 시스템과 시로된 수동 프로세스에 의존하여 AI驱動 회사에 의해 도전을 받고 있습니다. AI는 보험 회사와 은행이 더 빠르게 혁신하고, 다양한 소스 및 유형의 방대한 양의 데이터를 처리하고, 수동 운영 프로세스를 자동화하고, 고객 여정 및 참여를 개선하고, 더 개인화된 제품 및 요금을 제공하고, 즉시 시장 가치를 달성해야 하는 환경을 만들었습니다. 이는 보험사와 은행이 운영하는 방식을 재정의했으며, AI를 통합하는 것은 경쟁력을 유지하고 소비자에게 원하는 것을 제공하는 데 필수적입니다.

예를 들어, 소비자는 자신의 자동차 보험료가 인구 통계학적 특성만으로 결정되는 것이 아니라 자신의 사용과 운전 행동에 따라 결정되기를 원하기 때문에 사용 기반 및 행동 기반 보험 (UBI/BBI) 옵션을 더 많이 선택하고 있습니다. 우리의 자동화, 기계 학습, 및 분석 기능을 통해 보험사는 이제 텔레매틱스 데이터를 operational화하고, 빠른 제안 배포, 소비자 위험 재평가, 및 가격 및 제품 오퍼링 조정을 달성할 수 있습니다.

Earnix에 대해 더 공유하고 싶은 것이 있나요?

비즈니스 프로세스와 결과를 개선하는 AI의 사용에 대한 많은 연구가 있지만, AI의 잠재력과 비즈니스 운영에 즉각적인 가치를 제공하는 비즈니스 성장을 추진하는 방법에 대한 플레이북은 없습니다. 많은 금융 서비스 조직은 AI를 운영에 연결하는 데 어려움을 겪고 있습니다. Earnix의 엔드투엔드 기술은 이 급迫한 필요와痛点을 해결합니다. 저는 소비자와 금융 및 보험 산업 간에 심오한 신뢰 기반 관계를 구축하는 새로운 방법을 찾는 회사를 위해 일하는 것을 자랑스럽게 생각합니다.

伟大的 응답에 감사드립니다. 더 많은 정보를 원하는 독자는 Earnix를 방문하십시오.