Tiến sĩ Reuven Shnaps, Giám đốc Phân tích tại Earnix – Loạt phỏng vấn

Tiến sĩ Reuven Shnaps là Giám đốc Phân tích tại Earnix, một nhà cung cấp hàng đầu các hệ thống quan trọng cho các công ty bảo hiểm và ngân hàng toàn cầu.

Bạn đã bị thu hút bởi khoa học dữ liệu và trí tuệ nhân tạo như thế nào?

Tôi luôn có một sự quan tâm đến toán học, dữ liệu và tiềm năng của chúng trong việc giải quyết các thách thức kinh doanh. Trong suốt quá trình học tập và sự nghiệp, tôi đã tìm kiếm các cơ hội để học về thống kê, kinh tế và cách áp dụng các lĩnh vực này để hiểu hành vi của người tiêu dùng. Tôi ngưỡng mộ các nhà khoa học dữ liệu, các nhà thống kê hiện đại và các nhà kinh tế lượng, những người có khả năng phân tích lượng lớn dữ liệu và giải quyết các vấn đề kinh doanh thực tế. Tôi đã dành sự nghiệp của mình cho khoa học dữ liệu và kết hợp các phương pháp thống kê truyền thống, các công nghệ mới nổi, các thuật toán học máy (ML) mới và các ứng dụng trí tuệ nhân tạo (AI) mới nhất để tạo ra các giải pháp kinh doanh mang lại giá trị lâu dài cho khách hàng của chúng tôi.

Earnix làm gì?

Earnix là một nhà cung cấp phần mềm toàn cầu các giải pháp cho phép các công ty bảo hiểm và ngân hàng cung cấp các mức giá, giá cả và sản phẩm được cá nhân hóa nhanh hơn, thông minh hơn và an toàn hơn cho người tiêu dùng. Hệ thống của chúng tôi được hỗ trợ bởi AI & ML, và bao gồm một loạt các công cụ mô hình hóa phân tích, ứng dụng và thuật toán tiên tiến. Gần đây, Earnix đã được列 vào danh sách “Insurtechs để theo dõi vào năm 2021” tại Hoa Kỳ và được công nhận là nhà lãnh đạo thị trường trong phân tích dự đoán bởi CB Insights, một công ty phân tích và nghiên cứu trong lĩnh vực công nghệ. Earnix tận dụng công nghệ đổi mới để giúp các công ty bảo hiểm và ngân hàng đáp ứng nhu cầu của người tiêu dùng trong thời gian thực.

Earnix gần đây đã viết một bài báo cho chúng tôi về tầm quan trọng của Khả năng giải thích trong AI. Bạn nghĩ khả năng giải thích trong AI quan trọng như thế nào?

Khả năng giải thích là một chủ đề đang thịnh hành trong AI và phân tích dữ liệu. Nó ảnh hưởng đến các công ty trên nhiều ngành công nghiệp, cho dù họ sử dụng AI hay không.

Hầu hết các công ty đều trải qua sự đánh đổi giữa mức độ kiểm soát và hiệu quả của AI. Để các doanh nghiệp tin tưởng và áp dụng việc sử dụng AI “hộp đen”, cần phải có một cơ chế cung cấp cho các chuyên gia và các bên liên quan khả năng giải thích các quy trình ra quyết định phức tạp của AI và đảm bảo tuân thủ các yêu cầu quy định. Người tiêu dùng cũng có thể được hưởng lợi từ việc hiểu và điều hướng các yếu tố chính đằng sau quyết định định giá, tín dụng hoặc bảo hiểm. Khả năng giải thích là cầu nối giúp AI phức tạp trở nên dễ hiểu và minh bạch hơn. Với khả năng dịch các mô hình ML tiên tiến, các chuyên gia phân tích không cần phải hy sinh các thuật toán tiên tiến hơn do thiếu hiểu biết. Khả năng giải thích giảm thiểu sự đánh đổi giữa kiểm soát và giá trị trong khi tối đa hóa lợi ích của AI.

Bạn có thể thảo luận về một số công nghệ học máy được sử dụng tại Earnix?

Earnix cho phép các công ty bảo hiểm và ngân hàng triển khai AI mới nhất trong một động cơ định giá doanh nghiệp có thể mở rộng, dựa trên đám mây. Động cơ định giá tự động hóa của chúng tôi hoạt động các mô hình vào sản xuất để cung cấp các sản phẩm bảo hiểm và ngân hàng được cá nhân hóa, theo thời gian thực, phù hợp với nhu cầu của người tiêu dùng. Các khả năng nền tảng mở của chúng tôi cho phép tích hợp với nhiều mô hình và nền tảng học máy như H20, Data Robot và Python. Earnix đã phát triển một mô hình lai để tận dụng hiệu quả sức mạnh kết hợp của các kỹ thuật mô hình hóa thống kê truyền thống và các mô hình học máy dựa trên cây cho các quyết định định giá

Chúng tôi luôn trên một nhiệm vụ khám phá các cách thức mới để tận dụng các khả năng học máy mà các công ty bảo hiểm và ngân hàng có thể sử dụng để nâng cao hoạt động kinh doanh của họ theo cách mang lại lợi ích trực tiếp cho người tiêu dùng. Chúng tôi hiện đang khám phá các ứng dụng của giám sát thông minh và học trực tuyến, Multi-Arm Bandits (MAB) theo ngữ cảnh để thiết kế các thử nghiệm gói hiệu quả và điều chỉnh các sản phẩm/gói được cá nhân hóa cho khách hàng, cũng như các thuật toán học sâu để phân tích dữ liệu tần suất cao. Bằng cách này, chúng tôi giúp các công ty bảo hiểm và ngân hàng cung cấp các sản phẩm, mức giá và giá cả nhanh hơn, thông minh hơn và an toàn hơn.

AI đang hiện đại hóa các ngân hàng và công ty bảo hiểm như thế nào?

Các công ty bảo hiểm và ngân hàng truyền thống dựa vào các hệ thống cũ và các quy trình thủ công bị cô lập đang bị thách thức bởi các công ty được thúc đẩy bởi AI. AI đã tạo ra một môi trường trong đó các công ty bảo hiểm và ngân hàng phải đổi mới nhanh hơn, xử lý một lượng lớn dữ liệu trên nhiều nguồn & loại, tự động hóa các quy trình hoạt động thủ công, tối ưu hóa và nâng cao hành trình và tương tác của khách hàng, cung cấp các sản phẩm và mức giá được cá nhân hóa hơn, và đạt được giá trị thị trường tức thì. Nó đã thay đổi cách các công ty bảo hiểm và ngân hàng hoạt động, và việc tích hợp AI là điều cần thiết để duy trì tính cạnh tranh và mang lại cho người tiêu dùng những gì họ muốn.

Ví dụ, người tiêu dùng đang ngày càng chuyển sang các lựa chọn bảo hiểm dựa trên sử dụng và hành vi (UBI/BBI) vì họ muốn mức giá bảo hiểm ô tô của họ được xác định bởi việc sử dụng và hành vi lái xe của họ, chứ không chỉ dựa trên nhân khẩu học của họ. Với khả năng tự động hóa, học máy và phân tích của chúng tôi, các công ty bảo hiểm hiện có thể hoạt động hóa dữ liệu telematics lớn, đạt được việc triển khai nhanh chóng các đề xuất, đánh giá lại rủi ro của người tiêu dùng, cũng như điều chỉnh giá và sản phẩm theo đó.

Có điều gì khác mà bạn muốn chia sẻ về Earnix?

Có rất nhiều nghiên cứu về cách sử dụng AI cải thiện các quy trình và kết quả kinh doanh, nhưng không có cuốn sách hướng dẫn về cách kết hợp sức mạnh của AI và tiềm năng của nó vào hoạt động kinh doanh để mang lại giá trị ngay lập tức và thúc đẩy tăng trưởng kinh doanh. Nhiều tổ chức dịch vụ tài chính gặp khó khăn trong việc kết nối AI với hoạt động của họ. Công nghệ từ đầu đến cuối của Earnix giải quyết nhu cầu và điểm đau cấp tính này. Tôi tự hào được làm việc cho một công ty sử dụng phân tích để tìm ra những cách mới để xây dựng mối quan hệ tin cậy sâu sắc giữa người tiêu dùng và các ngành công nghiệp ngân hàng và bảo hiểm.

Cảm ơn những phản hồi tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Earnix.