Blog Triple-I | Pojištění Career Corner: Otázky a odpovědi se Sunilem Rawatem, spoluzakladatelem a generálním ředitelem společnosti Omniscience

Marielle Rodriguez, Koordinátor sociálních médií a designu značek, Triple-I

Sunil Treat

Série Triple-I „Insurance Career Corner“ byla vytvořena s cílem upozornit na průkopníky v oblasti pojištění a rozšířit povědomí o kariérních příležitostech v tomto odvětví.

Tento měsíc jsme provedli rozhovor Sunil Treat, Zakladatel a generální ředitel Vševědoucnost, startup AI se sídlem v Silicon Valley se specializací na Computing Insurance. Vševědoucnost používá pět “mega-služba„Skládající se z automatizace upisování, inteligence zákazníků, optimalizace pojistných událostí, optimalizace rizik a pojistněmatematického poradenství, které pojistitelům pomůže zlepšit jejich rozhodování a dosáhnout většího úspěchu.

Mluvili jsme s Rawatem, abychom diskutovali o jeho technickém zázemí, úloze technologie Omniscience při měření a hodnocení rizik a potenciálních slabinách v automatizaci upisování.

Povězte nám o vašem zájmu o budování vašeho podnikání. Co vás dnes přivedlo na místo, kde jste a co vás inspirovalo k založení vaší společnosti?

Jsem z technologického průmyslu. Pracoval jsem pro Hewlett Packard asi 11 let a hp.com se během mého funkčního období zvýšil o přibližně 100 000%. Pak jsem pomohl Nokii vybudovat to, co je nyní známé jako Here Maps, což zase podporovalo Bing Maps, Yahoo Maps, Garmin, Mercedes, Land Rover, Amazon a další mapovací systémy.

Před pár lety jsem potkal svého spoluzakladatele Manu Shuklu. Byl spíš jako šílený vědec, aplikovaný matematik. Napsal modul prediktivního ukládání do mezipaměti pro databáze Oracle, systém profilování uživatelů pro AOL a systém doporučení pro Comcast. Pro Deloitte Financial Advisory Services napsal textový těžební systém používaný při vyšetřování Lehman Brothers, Deepwater Horizon a při nedávném emisním skandálu společnosti Volkswagen. Je to „člen distribuovaného algoritmu“ a já jsem „člen distribuovaných systémů“. Oba jsme velmi techničtí a máme schopnost provádět výpočty ve velmi velkém měřítku.

Vidíme rostoucí složitost světa, ať už demografického, sociálního, ekologického, politického, technologického nebo geopolitického. Rozhodování se stává mnohem složitějším. Tam, kde jsou v sázce lidské životy nebo kde jsou v sázce velké částky peněz, musí být přesnost každého jednotlivého rozhodnutí extrémně vysoká. To je místo, kde můžeme vzít naše výpočty, čerpané z našeho učení za posledních 20 let, a přivést je do oblasti pojištění. Proto jsme založili společnost – abychom vyřešili tento složitý problém řízení rizik. Opravdu se zaměřujeme na výpočetní finance, konkrétněji na výpočetní pojištění.

Jaké je celkové poslání Omniscience?

Když se vedoucí společnosti chtějí obrátit, když chtějí řešit složité problémy. Jde o zmocnění lídrů ve finančních službách, aby zlepšili výběr rizik pomocí výpočtů hyperškály.

Jaké jsou vaše hlavní produkty a služby a jakou roli hraje technologie Omniscience?

Jedním z našich klíčových produktů je upisovací automatizace. Rádi řešíme obtížné problémy. Když se podíváme na upisování, přemýšlíme o fakultativním upisování pro životní pojištění, kde potřebujete lidského upisovatele. Heuristika rozhodování je velmi složitá. Vezměme si 25letého nekuřáka, který požaduje 10letou pojistku ve výši 50 000 dolarů – to není na co myslet a můžete jí tuto pojistku poskytnout. Na druhou stranu, kdyby požádali o 50 milionů dolarů, určitě byste požádali o krevní testy, psychologické testy, testy na keratinové vlasy a všechno mezi tím. K těmto rozhodnutím potřebujete lidi. Podařilo se nám tento problém překonat a pomocí naší technologie jsme jej digitalizovali. Pokud vezmete několik stovek datových polí a několik 100 000 případů k vytvoření modelu AI, z výpočetního hlediska se to rychle stává velmi obtížným. To je místo, kde můžeme pomocí naší technologie vidět všechna data ve všech jejích aspektech – vše automatizujeme a používáme.

Jakmile budete mít mozek ručitele AI v softwaru, budete myslet z pohledu inteligence zákazníků. Všechna tato bohatá data transakcí od svých zákazníků máte k předběžné záruce, kvalifikaci a doporučení pro různé produkty. Také jsme vybudovali skvělé schopnosti v oblasti získávání dat. Pokud jde o povinnosti pracovníků a obecné odpovědnosti, máme data, která zlepšují zkušenosti agenta. Můžeme také správně klasifikovat kódy NAICS a můžeme pomoci vyhnout se reklamacím a najít skrytá rizika. Máme také skvělé možnosti OCR. V případě digitalizace textu můžeme vzít komplexní tabulková data a digitalizovat je, aniž by v nich byl člověk. Můžeme to udělat po celém světě, dokonce i ve složitých asijských jazycích. Děláme také hodně práce při správě aktiv a pasiv a můžeme provádět výpočty, které byly historicky provedeny, velmi nízkým a nepřesným způsobem. Tento výpočet můžeme spustit denně nebo týdně oproti ročně, což je pro pojišťovny obrovský rozdíl.

Pracujeme také v riziku požáru. Mnoho modelů šíření ohně se dívá na úrovně ZIP + 4 nebo poštovního směrovacího čísla a předpovědět hodinu šíření požáru trvá přibližně čtyři hodiny, takže předpovědi šíření požáru na jeden den na úrovni PSČ trvá přibližně 96 hodin. V Kalifornii, kde jsem, jsme loni zažili spoustu požárů. Když zdvojnásobíte hustotu mřížky, výpočet se zvýší o 8x. Co můžeme udělat, je zvětšit měřítko a podívat se na mřížku 30 metrů čtverečních, téměř na velikost jednotlivých nemovitostí. Můžete si individuálně prohlédnout riziko domu. Ve výšce 30 metrů dokážeme udělat hodinu šíření ohně za 10 sekund, v podstatě jeden den asi za čtyři minuty.

Existují potenciální nevýhody přílišného spoléhání se na automatizační technologii, která eliminuje lidský prvek?

Že jo. Problém se systémy AI spočívá v tom, že mohou být jen tak dobré jako data, která vytvářejí. Hlavní věc je, že protože vidíme všechna data a všechny jejich aspekty, můžeme získat přes 90% přesnost při každém jednotlivém rozhodnutí. Potřebujete také vysvětlení. Není to tak, že se upisovatel rozhodne v okamžiku a poté rozhodnutí ospravedlní. To, co potřebujete z hlediska regulace nebo auditovatelnosti, je to, že musíte dokumentovat rozhodnutí, jak procházíte procesem rozhodování.

Pokud modelujete z historických dat, jak zajistíte, aby určité skupiny již nebyly zkreslené? Potřebujete testování zkreslení. Vysvětlení, transparentnost, škálovatelnost, přizpůsobení – to vše je velmi důležité. Z hlediska řízení změn a řízení rizik máte na rozhodování AI a poté máte lidskou kontrolu. Jakmile tento proces provedete několik měsíců, můžete to představit velmi riskantním způsobem. Každá umělá inteligence musí také vyjádřit důvěru ve svá rozhodnutí. Je velmi snadné se rozhodnout, ale musíte také umět pojmenovat své číslo spolehlivosti a lidé by tomuto číslu spolehlivosti měli vždy věnovat pozornost.

Co chybí tradičnímu pojištění z hlediska technologie a inovace? Jak vaše technologie mění pojištění?

Pojistitelé znají svou doménu lépe než kterýkoli jiný insurtech. V některých ohledech je pojištění skutečnou datovou vědou. Pojistitelé jsou velmi chytří lidé, ale nemají žádné zkušenosti se softwarovým inženýrstvím a škálováním. Prvním instinktem je podívat se na nástroje s otevřeným zdrojovým kódem nebo koupit nějaké nástroje od dodavatele a vytvořit si vlastní model. Nefungovalo to, protože metody byly tak odlišné. Je to jako říkat: „Nebudu kupovat Microsoft Windows, budu psát svůj vlastní Microsoft Windows“, ale to není jejich hlavní náplní. K sestavení pojistně matematického modelu musí používat svůj Microsoft Windows ke spuštění Excelu, ale nepokusili byste se napsat svůj vlastní program.

Jsme odborníci na programování systémů a škálovatelné výpočty, protože pocházíme z technologického prostředí. Nebyl bych příliš arogantní, abych si myslel, že víme o pojišťovnictví tolik jako každá pojišťovna, ale díky sňatku doménových odborných znalostí v pojišťovnictví a doménových odborných znalostí v oblasti výpočetní techniky mohou vůdci v oboru přeskočit své konkurenty.

Existují nějaké aktuální projekty, na kterých pracujete, a trendy, které vidíte ve velkých datech, které vás vzrušují?

Upisování a digitalizace, správa koček a riziko požáru byly velmi zajímavé a některé práce, které jsme provedli při výpočtech ALM. Když vás regulační orgány požádají, abyste prokázali, že máte dostatek aktiv ke splnění svých závazků v příštích 60 letech čtvrtletně, stane se to velmi složité. To je místo, kde vstupují do hry všechny naše skvělé služby – pokud můžete dát dohromady všechny své upisování, pohledávky a správu kapitálu, pak se můžete mnohem lépe vyzvednout a můžete se rozhodnout, jak velké riziko chcete podstoupit dynamickým způsobem, jako opak velmi statického způsobu.

Další věc, kterou máme rádi, je správa aktiv. Děláme zajímavou práci s velmi velkou pojišťovací společností. Co můžeme udělat, je zvýšit návratnost pomocí různých strategií. To je další oblast, z níž jsme nadšeni – v příštím roce roste poměrně rychle.

Jaké jsou vaše cíle pro rok 2021 a další?

Jde o to, pomoci pojišťovacím společnostem růst této výhody kombinující více desetiletí prostřednictvím lepšího výběru, a my budeme pokračovat v provádění. Vyvinuli jsme mnoho IP a technologií a máme pilotní zákazníky v různých oblastech, kteří naši technologii používali. Máme důkazní body a případové studie a nyní jen zdvojnásobujeme náš obchodní růst, ať už jde o stejné zákazníky, jaké máme, nebo o další produktové řady. Zaměřili jsme se na obsluhu těchto zákazníků a na nábor dalších ve třech regionech, kde působíme, konkrétně v Japonsku, Hongkongu, Číně a Severní Americe. Zaměřujeme se na metodické provádění našich plánů.

Leave a Reply

Your email address will not be published. Required fields are marked *