Dr. Reuven Shnaps, Chief Analytics Officer w Earnix – Wywiad

Dr. Reuven Shnaps jest Chief Analytics Officer w Earnix, wiodącym dostawcą systemów krytycznych dla globalnych ubezpieczycieli i banków.

Czym było to, co początkowo przyciągnęło Cię do nauki o danych i sztucznej inteligencji?

Zawsze miałem fascynację matematyką, danymi i ich potencjałem do rozwiązywania wyzwań biznesowych.  Przez całe moje studia i karierę, szukałem okazji, aby dowiedzieć się o statystyce, ekonomii i tym, jak zastosować te dziedziny, aby zrozumieć zachowania konsumentów. Podziwiam naukowców danych, nowoczesnych statystyków i ekonometryków, którzy mają unikalną zdolność analizowania ogromnych ilości danych i rozwiązywania rzeczywistych problemów biznesowych. Poświęciłem swoją karierę nauce o danych i łączeniu tradycyjnych metod statystycznych, nowych technologii, nowych algorytmów uczenia maszynowego (ML) i najnowszych aplikacji sztucznej inteligencji (AI), aby tworzyć rozwiązania biznesowe, które dostarczają długoterminową wartość naszym klientom.

Co robi Earnix?

Earnix jest globalnym dostawcą oprogramowania, które umożliwia ubezpieczycielom i bankom oferowanie szybszych, inteligentniejszych i bezpieczniejszych stawek, cen i personalizowanych ofert produktów konsumentom. Nasz system jest napędzany przez AI i ML, i zawiera szeroki zakres narzędzi modelowania analitycznego, aplikacji i zaawansowanych algorytmów. Ostatnio Earnix znalazł się na liście „Insurtechs to watch in 2021” w USA i został uznany za lidera rynku w dziedzinie predykcyjnej analityki przez CB Insights, firmę analityczną i badawczą w sektorze technologicznym. Earnix wykorzystuje innowacyjne technologie, aby pomóc ubezpieczycielom i bankom spełniać potrzeby konsumentów w czasie rzeczywistym.

Earnix niedawno napisał artykuł dla nas o ważności Wyjaśnialności w AI. Jak ważne uważasz, że jest Wyjaśnialność w AI?

Wyjaśnialność jest modnym tematem w AI i analityce danych. Dotyka firm z różnych branż, niezależnie od tego, czy używają AI, czy nie.

Większość firm doświadcza kompromisu między poziomem kontroli a skutecznością AI. Aby firmy mogły zaufać i przyjąć używanie „czarnej skrzynki” AI, musi istnieć mechanizm, który pozwala ekspertom i stakeholderom na interpretację złożonych procesów decyzyjnych AI i zapewnienie zgodności z wymogami regulacyjnymi. Konsumentom również może to przynieść korzyści, ponieważ mogą zrozumieć i nawigować kluczowymi czynnikami stojącymi za decyzjami dotyczącymi cen, kredytów lub ubezpieczeń. Wyjaśnialność jest mostem, który czyni skomplikowaną AI bardziej zrozumiałą i przejrzystą. Dzięki możliwości tłumaczenia zaawansowanych modeli ML, profesjonaliści analityczni nie muszą poświęcać bardziej zaawansowanych algorytmów z powodu braku zrozumienia. Wyjaśnialność minimalizuje kompromis między kontrolą a wartością, a maksymalizuje korzyści AI.

Czy mógłbyś omówić niektóre z technologii uczenia maszynowego, które są używane w Earnix?

Earnix umożliwia ubezpieczycielom i bankom wdrożenie najnowszych AI w skalowalnym, chmurowym silniku ratingowym. Nasz w pełni zautomatyzowany silnik ratingowy wdraża modele do produkcji, oferując produkty ubezpieczeniowe i bankowe w czasie rzeczywistym, które są dostosowane do potrzeb konsumentów. Nasze otwarte możliwości platformy pozwalają na integrację z szerokim zakresem modeli ML i platform, takich jak H20, Data Robot i Python. Earnix opracował unikalny model hybrydowy, aby efektywnie wykorzystać połączoną moc tradycyjnych technik modelowania statystycznego i modeli ML opartych na drzewach dla decyzji dotyczących cen

Zawsze jesteśmy na misji, aby odkryć nowe sposoby wykorzystania możliwości uczenia maszynowego, które ubezpieczyciele i banki mogą wykorzystać do poprawy swoich biznesów w sposób, który bezpośrednio korzysta konsumentom. Obecnie badamy zastosowania inteligentnego monitorowania i uczenia online, Kontekstowych Multi-Arm Bandits (MAB) do projektowania efektywnych testów pakietów i dostosowywania personalizowanych ofert produktów/pakietów do klientów, a także algorytmów głębokiego uczenia do analizy danych o wysokiej częstotliwości. W ten sposób pomagamy ubezpieczycielom i bankom oferować szybsze, inteligentniejsze i bezpieczniejsze produkty, stawki i ceny.

Jak AI modernizuje banki i firmy ubezpieczeniowe?

Tradycyjni ubezpieczyciele i banki, którzy polegają na systemach legacy i sylizowanych, ręcznych procesach, są wyzwani przez firmy napędzane przez AI. AI stworzyło środowisko, w którym firmy ubezpieczeniowe i banki muszą innowować szybciej, przetwarzać ogromne ilości danych z różnych źródeł i typów, automatyzować ręczne procesy operacyjne, usprawniać i poprawiać podróż i zaangażowanie klienta, oferować bardziej personalizowane produkty i stawki, oraz osiągać natychmiastową wartość w czasie rzeczywistym. To zmieniło sposób, w jaki ubezpieczyciele i banki działają, a włączenie AI jest niezbędne do utrzymania konkurencyjności i spełnienia oczekiwań konsumentów.

Na przykład, konsumenci coraz częściej zwracają się ku ubezpieczeniom opartym na użytkowaniu i zachowaniu (UBI/BBI), ponieważ chcą, aby ich stawki ubezpieczeń samochodowych były ustalane na podstawie ich użytkowania i zachowania podczas jazdy, a nie tylko na podstawie ich danych demograficznych. Dzięki naszej automatyzacji, ML i możliwościom analitycznym, ubezpieczyciele mogą teraz wdrożyć ogromne dane telematyczne, osiągnąć szybkie wdrożenie ofert, ponownie ocenić ryzyko konsumentów, a także dostosować ceny i oferty produktów odpowiednio.

Czy jest coś jeszcze, co chciałbyś podzielić się o Earnix?

Istnieje wiele badań na temat tego, jak używanie AI poprawia procesy i wyniki biznesowe, ale nie ma podręcznika, jak połączyć potencjał AI z operacjami biznesowymi, aby dostarczyć wartość natychmiast i napędzić wzrost biznesu. Wiele organizacji finansowych boryka się z łączeniem AI z ich operacjami. Technologia end-to-end Earnix adresuje to pilne potrzeby i ból. Jestem dumny, że pracuję dla firmy, która używa analityki, aby znaleźć nowe sposoby na budowanie głębokiego, opartego na zaufaniu związku między konsumentem a branżą bankową i ubezpieczeniową.

Dziękujemy za wspaniałe odpowiedzi, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Earnix.