Dr. Reuven Shnaps, Chief Analytics Officer da Earnix – Série de entrevistas

O Dr. Reuven Shnaps é o Chief Analytics Officer da Ganharnix, fornecedora líder de sistemas de missão crítica para seguradoras e bancos globais.

O que inicialmente atraiu você para ciência de dados e IA?

Sempre tive fascínio por matemática, dados e seu potencial para resolver desafios de negócios. Ao longo dos meus estudos académicos e da minha carreira, procurei oportunidades para aprender sobre estatística, economia e como aplicar estas áreas para compreender o comportamento do consumidor. Admiro cientistas de dados, estatísticos e econometristas modernos, que têm a capacidade única de analisar grandes quantidades de dados e resolver problemas de negócios do mundo real. Dediquei minha carreira à ciência de dados e à combinação de metodologias estatísticas tradicionais, tecnologias emergentes, novos algoritmos de aprendizado de máquina (ML) e os mais recentes aplicativos de inteligência artificial (IA) para criar soluções de negócios que agreguem valor de longo prazo para nossos clientes.

O que a Earnix faz?

Ganharnix é um fornecedor global de soluções de software que capacita seguradoras e bancos a fornecer taxas, preços e produtos personalizados mais rápidos, inteligentes e seguros aos consumidores. Nosso sistema é alimentado por IA e ML e inclui uma ampla gama de ferramentas de modelagem analítica, aplicativos e algoritmos avançados. Recentemente, a Earnix entrou para a lista das “Insurtechs to watch in 2021” nos EUA e foi reconhecida como uma líder de mercado em análise preditiva pela CB Insights, empresa de análise e pesquisa do setor de tecnologia. A Earnix utiliza tecnologia inovadora para ajudar seguradoras e bancos a atender às necessidades dos consumidores em tempo real.

Earnix recentemente escreveu um artigo para nós sobre a importância da explicabilidade na IA. Quão importante você acredita que essa explicabilidade na IA é?

A explicabilidade é um tópico de tendência em IA e análise de dados. Afeta empresas de todos os setores, independentemente de usarem IA ou não.

A maioria das empresas experimenta um trade-off entre seu nível de controle e a eficácia da IA. Para que as empresas confiem e adotem o uso da IA ​​de “caixa preta”, é necessário que haja um mecanismo que forneça aos especialistas e partes interessadas a capacidade de interpretar processos complexos de tomada de decisões de IA e garantir a adesão às demandas regulatórias. Os consumidores podem se beneficiar disso ao serem capazes de entender e, potencialmente, navegar pelos principais fatores por trás das decisões de preços, crédito ou subscrição. A explicabilidade é a ponte que torna a IA complicada mais compreensível e transparente. Com a capacidade de traduzir modelos avançados de ML, os profissionais de análise não precisam sacrificar algoritmos mais avançados por falta de compreensão. A explicabilidade minimiza a troca entre controle e valor enquanto maximiza os benefícios da IA.

Você poderia discutir algumas das tecnologias de aprendizado de máquina usadas na Earnix?

A Earnix permite que seguradoras e bancos implantem a IA mais recente em uma empresa escalável, baseada em nuvem motor de classificação. Nosso mecanismo de classificação totalmente automatizado operacionaliza modelos em produção para oferecer produtos bancários e de seguros altamente personalizados e em tempo real, alinhados às necessidades do consumidor. Nossos recursos de plataforma aberta permitem a integração com uma ampla variedade de modelos e plataformas de ML, como H20, Data Robot e Python. Earnix desenvolveu um modelo híbrido exclusivo para alavancar efetivamente o poder combinado de técnicas tradicionais de modelagem estatística e modelos de ML baseados em árvore para decisões de preços

Estamos sempre em uma missão para descobrir novas maneiras de alavancar os recursos de aprendizado de máquina que seguradoras e bancos podem usar para aprimorar seus negócios de uma forma que beneficie diretamente o consumidor. Atualmente, estamos explorando aplicativos de monitoramento inteligente e aprendizado on-line, Contextual Multi-Arm Bandits (MAB) para projetar testes de pacote eficientes e adaptar ofertas personalizadas de produtos/pacotes aos clientes, bem como algoritmos de aprendizado profundo para analisar dados de alta frequência. Dessa forma, ajudamos seguradoras e bancos a oferecer produtos, taxas e preços mais rápidos, inteligentes e seguros.

Como a IA está modernizando bancos e seguradoras?

Seguradoras e bancos tradicionais que dependem de sistemas legados e processos manuais isolados estão sendo desafiados por empresas orientadas por IA. A IA criou um ambiente em que seguradoras e bancos precisam inovar mais rapidamente, processar uma grande quantidade de dados em várias fontes e tipos, automatizar processos operacionais manuais, simplificar e aprimorar a jornada e o envolvimento do cliente, oferecer produtos e taxas mais personalizados e obter resultados imediatos tempo até o valor de mercado. Ele redefiniu como as seguradoras e os bancos operam, e incorporar a IA é essencial para se manter competitivo e dar aos consumidores o que eles desejam.

Por exemplo, os consumidores estão se voltando cada vez mais para seguros baseados no uso e no comportamento (UBI/BBI) porque eles querem que suas taxas de seguro de automóveis sejam determinadas por seu uso e comportamento de direção, e não apenas por seus dados demográficos. Com nossa automação, ML e recursos analíticos, as seguradoras agora podem operacionalizar os vastos dados telemáticos, obter uma implantação rápida de ofertas, reavaliar o risco do consumidor, bem como ajustar preços e ofertas de produtos de acordo.

Há mais alguma coisa que você gostaria de compartilhar sobre Earnix?

Há muita pesquisa sobre como o uso da IA ​​melhora os processos e resultados de negócios, mas não há um manual sobre como combinar o poder da IA ​​e seu potencial nas operações de negócios para agregar valor imediatamente e impulsionar o crescimento dos negócios. Muitas organizações de serviços financeiros lutam para conectar a IA às suas operações. Earnix's tecnologia de ponta a ponta aborda essa necessidade aguda e ponto de dor. Tenho orgulho de trabalhar para uma empresa que usa análise para encontrar novas maneiras de promover um relacionamento profundo e de confiança entre o consumidor e os setores bancário e de seguros.

Obrigado pelas ótimas respostas, os leitores que desejam aprender mais devem visitar Ganharnix.