ดร. เรอูเวน ชนาพส์ ผู้อำนวยการฝ่ายวิเคราะห์ข้อมูลของ Earnix – สัมภาษณ์เชิงลึก

ดร. เรอูเวน ชนาพส์ เป็นผู้อำนวยการฝ่ายวิเคราะห์ข้อมูลของ Earnix ซึ่งเป็นผู้ให้บริการระบบข้อมูลสำคัญสำหรับบริษัทประกันและธนาคารระดับโลก

อะไรคือสิ่งที่ดึงดูดคุณเข้าสู่สาขาวิทยาศาสตร์ข้อมูลและ AI?

ฉันมีความสนใจในคณิตศาสตร์ ข้อมูล และศักยภาพในการแก้ปัญหาทางธุรกิจมาตั้งแต่สมัยเรียน และตลอดอาชีพการงาน ฉันพยายามหาความรู้เกี่ยวกับสถิติ เศรษฐศาสตร์ และวิธีการนำสิ่งเหล่านี้ไปใช้เพื่อทำความเข้าใจพฤติกรรมผู้บริโภค ฉันชื่นชมนักวิทยาศาสตร์ข้อมูล นักสถิติสมัยใหม่ และนักเศรษฐศาสตร์เชิงปริมาณที่มีความสามารถพิเศษในการวิเคราะห์ข้อมูลจำนวนมากและแก้ปัญหาทางธุรกิจจริง ฉัน समर्पิตชีวิตการทำงานให้กับวิทยาศาสตร์ข้อมูล และการผสมผสานวิธีการทางสถิติแบบดั้งเดิม เทคโนโลยีใหม่ๆ อัลกอริทึมการเรียนรู้ของเครื่อง (ML) และการประยุกต์ใช้ AI ล่าสุดเพื่อสร้างโซลูชันทางธุรกิจที่มีคุณค่าระยะยาวสำหรับลูกค้าของเรา

Earnix ทำอะไร?

Earnix เป็นผู้ให้บริการซอฟต์แวร์ระดับโลกที่ช่วยให้บริษัทประกันและธนาคารสามารถให้อัตรา ราคา และผลิตภัณฑ์ที่เหมาะสมแก่ผู้บริโภคได้อย่างรวดเร็ว มีประสิทธิภาพ และปลอดภัย ระบบของเราทำงานโดยใช้ AI และ ML และรวมถึงเครื่องมือแบบจำลองทางสถิติ ต่างๆ นานา รวมถึงแอปพลิเคชันและอัลกอริทึมที่ซับซ้อน เมื่อเร็วๆ นี้ Earnix ได้รับการยอมรับว่าเป็นหนึ่งใน “Insurtechs to watch in 2021” ในสหรัฐอเมริกา และได้รับการยกย่องว่าเป็นผู้นำตลาดในด้านการวิเคราะห์เชิงพยากรณ์สำหรับบริษัทประกันภัยโดย CB Insights ซึ่งเป็นบริษัทวิเคราะห์และวิจัยในภาคเทคโนโลยี Earnix ใช้เทคโนโลยีใหม่ๆ เพื่อช่วยให้บริษัทประกันและธนาคารตอบสนองความต้องการของผู้บริโภคในเวลาจริง

Earnix ได้เขียนบทความเกี่ยวกับความสำคัญของการอธิบายได้ (Explainability) ใน AI สำหรับเรา recently

การอธิบายได้ (Explainability) เป็นหัวข้อที่นิยมใน AI และการวิเคราะห์ข้อมูล ซึ่งส่งผลกระทบต่อบริษัทต่างๆ ในอุตสาหกรรมต่างๆ

บริษัทส่วนใหญ่ต้องเผชิญกับการแลกเปลี่ยนระหว่างการควบคุมและประสิทธิภาพของ AI เพื่อให้บริษัทสามารถเชื่อถือและนำ AI ไปใช้ได้ มีความจำเป็นต้องมีกลไกที่ช่วยให้ผู้เชี่ยวชาญและผู้มีส่วนได้ส่วนเสียสามารถตีความกระบวนการตัดสินใจที่ซับซ้อนของ AI และรับรองว่าปฏิบัติตามข้อกำหนดด้านกฎระเบียบ ผู้บริโภคสามารถได้รับประโยชน์จากสิ่งนี้โดยการเข้าใจและนำทางปัจจัยสำคัญที่อยู่เบื้องหลังการตัดสินใจเกี่ยวกับราคา หรือการรับประกัน การอธิบายได้ (Explainability) เป็นสะพานที่ทำให้ AI ที่ซับซ้อนเข้าใจได้ง่ายขึ้นและโปร่งใสยิ่งขึ้น ด้วยความสามารถในการแปลโมเดล ML ที่ซับซ้อน นักวิเคราะห์ข้อมูลไม่ต้องเสียสละอัลกอริทึมที่ซับซ้อนกว่านี้เนื่องจากขาดความเข้าใจ การอธิบายได้ (Explainability) ลดการแลกเปลี่ยนระหว่างการควบคุมและคุณค่า ในขณะเดียวกันก็เพิ่มคุณค่าของ AI ให้สูงสุด

คุณสามารถพูดคุยเกี่ยวกับเทคโนโลยี Machine Learning ที่ใช้ใน Earnix ได้หรือไม่?

Earnix ช่วยให้บริษัทประกันและธนาคารสามารถใช้ AI ล่าสุดในเครื่องมืออัตรา (rating engine) ที่มีประสิทธิภาพสูงและสามารถปรับขนาดได้ ระบบอัตราของเราทำงานโดยอัตโนมัติและสามารถให้ผลิตภัณฑ์ประกันและธนาคารที่มีการปรับให้เหมาะสมและเป็นส่วนตัวได้ตามความต้องการของผู้บริโภค ระบบของเราสามารถทำงานร่วมกับโมเดล ML และแพลตฟอร์มต่างๆ เช่น H20, Data Robot และ Python Earnix ได้พัฒนาโมเดลไฮบริดที่สามารถใช้ประโยชน์จากเทคนิคการสร้างแบบจำลองทางสถิติแบบดั้งเดิมและโมเดล ML ที่ใช้ต้นไม้เพื่อตัดสินใจเกี่ยวกับราคา

เรากำลังพยายามค้นหาวิธีใหม่ๆ ในการใช้ความสามารถของ Machine Learning เพื่อช่วยให้บริษัทประกันและธนาคารสามารถปรับปรุงธุรกิจของตนให้เหมาะสมยิ่งขึ้นและให้ประโยชน์โดยตรงแก่ผู้บริโภค เรากำลังสำรวจการประยุกต์ใช้การตรวจสอบอัจฉริยะและการเรียนรู้ออนไลน์ การทดสอบแบบ Contextual Multi-Arm Bandits (MAB) สำหรับการออกแบบการทดสอบแพ็คเกจที่มีประสิทธิภาพ และการให้บริการผลิตภัณฑ์ที่เหมาะสมแก่ลูกค้า รวมถึงการวิเคราะห์ข้อมูลความถี่สูงโดยใช้อัลกอริทึม Deep Learning ซึ่งช่วยให้บริษัทประกันและธนาคารสามารถให้บริการที่รวดเร็ว มีประสิทธิภาพ และปลอดภัยยิ่งขึ้น

AI กำลังปรับปรุงธนาคารและบริษัทประกันภัยอย่างไร?

บริษัทประกันและธนาคารที่ใช้ระบบเก่าและกระบวนการทำงานแบบแยกส่วนและอัตลักษณ์กำลังเผชิญกับความท้าทายจากบริษัทที่ขับเคลื่อนด้วย AI AI ได้สร้างสภาพแวดล้อมที่บริษัทประกันและธนาคารต้องสร้างนวัตกรรมให้เร็วขึ้น จัดการข้อมูลจำนวนมากจากแหล่งต่างๆ และรูปแบบต่างๆ อัตโนมัติกระบวนการทำงานแบบอัตโนมัติ ปรับปรุงและเพิ่มประสิทธิภาพการเดินทางและความสัมพันธ์ของลูกค้า และให้บริการผลิตภัณฑ์ที่มีการปรับให้เหมาะสมและสามารถเข้าถึงได้โดยทันที AI ได้เปลี่ยนแปลงวิธีการดำเนินงานของบริษัทประกันและธนาคาร และการนำ AI มาใช้เป็นสิ่งสำคัญในการแข่งขันและตอบสนองความต้องการของผู้บริโภค

ตัวอย่างเช่น ผู้บริโภคกำลังหันไปใช้ประกันภัยที่อิงตามการใช้งานและพฤติกรรม (UBI/BBI) มากขึ้น เนื่องจากต้องการให้อัตราประกันภัยรถยนต์ของตนถูกกำหนดโดยพฤติกรรมการขับขี่และการใช้งานของตนเอง ไม่ใช่เพียงโดยข้อมูลประชากรเท่านั้น ด้วยการทำงานอัตโนมัติและความสามารถด้าน ML และการวิเคราะห์ข้อมูลของเรา บริษัทประกันสามารถใช้ข้อมูลเทเลมาติกส์จำนวนมากได้อย่างรวดเร็ว ติดตั้งผลิตภัณฑ์ใหม่ๆ ได้อย่างรวดเร็ว ประเมินความเสี่ยงของลูกค้าใหม่ และปรับราคาและผลิตภัณฑ์ตามความต้องการ

คุณมีอะไรอีกที่ต้องการแบ่งปันเกี่ยวกับ Earnix?

มีการวิจัยมากมายเกี่ยวกับวิธีการที่ AI ปรับปรุงกระบวนการและผลลัพธ์ทางธุรกิจ แต่ยังไม่มีหนังสือเล่มใดที่อธิบายวิธีการรวมพลังของ AI และศักยภาพเข้ากับการดำเนินงานทางธุรกิจเพื่อให้ได้คุณค่าในทันทีและขับเคลื่อนการเติบโตของธุรกิจ บริษัทบริการทางการเงินหลายแห่งต้องเผชิญกับความท้าทายในการเชื่อมต่อ AI เข้ากับการดำเนินงานของตน เทคโนโลยีแบบบูรณาการของ Earnix ตอบสนองความต้องการและความท้าทายนี้อย่างตรงจุด ฉันภูมิใจที่ได้ทำงานในบริษัทที่ใช้การวิเคราะห์ข้อมูลเพื่อค้นหาวิธีใหม่ๆ ในการสร้างความสัมพันธ์ที่มีศักยภาพและเชื่อมั่นระหว่างผู้บริโภคและอุตสาหกรรมธนาคารและประกันภัย

ขอขอบคุณสำหรับการตอบคำถามที่ดี ผู้อ่านสามารถเยี่ยมชม Earnix เพื่อเรียนรู้เพิ่มเติม