Reklama

Groza wdrożenia
wtorek, 04 września 2018 07:45

Już sama nazwa „sztuczna inteligencja” odstrasza przeciętnego śmiertelnika. Obawy niczym z filmów science fiction, w których roboty opanowują naszą planetę. Pewnie jest w nich ziarno prawdy, ale to zmartwienie pozostawiamy światowym przywódcom i gigantom przemysłu wierząc, że zachowają umiar i zdrowy rozsądek w zastępowaniu człowieka.

My zajęliśmy się czymś bardziej „przyziemnym”, tzn. usprawnianiem algorytmów decyzyjnych w procesach ubezpieczeniowych. Dziś możemy świętować sukces, ale droga do jego osiągnięcia była usłana wieloma zwrotami akcji, obawami wdrożenia, a także niepewnością ze strony zakładów ubezpieczeń i wizją redukcji personelu.


Czy to się sprawdzi?!

Pierwsze kłody pod nogi rzucały nam same towarzystwa, do których pukaliśmy z naszymi pomysłami usprawnienia procesu likwidacji szkód. Były to przede wszystkim typowania przypadków do szybkiej likwidacji, w tym proponowania ugody online, oraz detekcja fraudów.

Ciężko jest wdrażać innowacyjne rozwiązanie przekonując, że sprawdziło się w naszej branży za granicą, że medycyna, e-commerce i inne dziedziny już od dawna i z powodzeniem rozwijają biznes na bazie zaawansowanych algorytmów opartych na sztucznej inteligencji. Trochę wróżyliśmy, że również w Polsce dane ubezpieczeniowe kryją w sobie potencjał dla tej dziedziny nauki, a dzięki temu uda się w zadowalający sposób zautomatyzować procesy.

Dziękujemy w tym miejscu TU AXA za zaufanie, które przerodziło się w przewidywanie decyzji dotyczącej wynajmu pojazdu zastępczego (versus rekompensata gotówkowa) w zdarzeniu komunikacyjnym.


Mamy dane!

Kolejne wyzwania zaczęły się w momencie otrzymania pierwszych zestawów danych. Dotykaliśmy osób poszkodowanych z tytułu OC ppm, czyli najczęściej tych, które nie są klientami towarzystwa, a więc nie mamy o nich zbyt wielu informacji. Nasza fantazja podpowiadała nam coraz to nowe dane do analizy, które niestety nie były odzwierciedlone w procesie likwidacyjnym (a może nawet, obserwując panoszące się wszędzie RODO, nie byłoby podstaw do ich przetwarzania w tym kontekście?). Jednak nawet część atrybutów gromadzonych przez zakład nie miała wymuszonej obowiązkowości na formularzu, więc ich wypełnialność pozostawiała wiele do życzenia. Dlatego pierwsze badania prowadziliśmy na dość okrojonych zakresach, stosując różne triki statystyczne, a analiza istotności wpływu atrybutu na decyzję już w trakcie naszych prac pozwoliła na uszczelnienie procesu w towarzystwie.

Czy ekspert się myli?

Jedną z przewag uczenia maszynowego jest konsekwencja i brak naturalnych dla człowieka domysłów. Komputer po prostu analizuje dane i bada ich użyteczność w rozwiązaniu danego problemu. Procesy, jakie zastaliśmy w towarzystwie, opierały się na kilkunastu atrybutach. W trakcie wspólnych warsztatów wymyśliliśmy ich ponad 150, z czego finalnie użyliśmy 100. Warto nadmienić, że większość atrybutów pierwotnie przyjętych do badania nie miała kluczowego znaczenia w przewidywaniu decyzji! Znacznie ciekawsze okazały się atrybuty dociągnięte z zewnętrznych źródeł, np. dane demograficzne, pogodowe, itp.

Czynnik ludzki?

Nasz niepokój budziła hipoteza, że wpływ na decyzję klienta może mieć konkretny konsultant, który wykorzystując swoje miękkie umiejętności, w sposób nieszablonowy potrafi doprowadzić do kompromisu gotówkowego. Owszem, charakterystyka konsultanta (m.in. staż pracy czy korelacja płci rozmawiających) ma swój udział w podejmowaniu decyzji przez algorytm, ale nasza obawa dotycząca konkretnej osoby na szczęście nie została potwierdzona.

Czas płynie…

…a procesy obsługowe się zmieniają. I tak było również i tutaj. Po pierwszych iteracjach badań, decyzję najbardziej różnicowała data zgłoszenia. Najpierw szukaliśmy powtarzalności (wakacje, święta, itp.), ale pomimo finalnego wpływu takich zależności, to nie to było najbardziej istotne. Konsultacje z biznesem przyniosły odpowiedź: wpływ na proces miała jego zmienność w czasie, w tym wprowadzanie akcji marketingowych. Musieliśmy sporo się nagimnastykować, aby uodpornić uczenie się algorytmów na takie niespodzianki.

Liczy się i liczy!

Od strony merytorycznej wspomagał nas Zakład Sztucznej Inteligencji Politechniki Warszawskiej. Również tam prowadziliśmy główne obliczenia, mając do dyspozycji komputer wykonujący tysiąc sto miliardów operacji zmiennoprzecinkowych na sekundę. Finalne uruchomienie 5 różnych algorytmów uczących się, testowanie oraz analiza wpływu atrybutów na decyzję zajęły ponad 3 doby ciągłej pracy. Na szczęście opracowany algorytm (wytypowany ten najskuteczniejszy) w dość prosty sposób można ubrać w usługę WebService, której czas odpowiedzi, łącznie z pozyskaniem danych zewnętrznych, nie przekracza 2 sek.

Rezultaty

Nasze oczekiwania zostały potwierdzone opracowaniem algorytmu o „poprawności obliczeń”(miara AUC) przewyższającej 83%, co jest wynikiem znakomitym w porównaniu z innymi dziedzinami i problemami. Samo rozwiązanie zostało docenione przez Insurance Forum jako najciekawsza innowacja dla ubezpieczeń w 2017 r. oraz przyznano nam wyróżnienie Produkt Miesiąca „Gazety Ubezpieczeniowej” za wprowadzenie AI do polskich ubezpieczeń. I jak na razie nikt w AXA nie wspomina o redukowaniu etatów z naszego powodu, a raczej o koncentrowaniu sił, aby lepiej typować poszkodowanych do ponownego obdzwonienia z propozycją „gotówki”. Ten sam zespół, tyle samo wykonanych telefonów, ale za to zdecydowanie lepsza skuteczność.

Co dalej?

Rozumiejąc potencjał wykorzystania algorytmów sztucznej inteligencji w domenie ubezpieczeniowej, a teraz mając także niezbite na to dowody, na bazie pilotażowego badania powstał szereg koncepcji do bezpośredniego wykorzystania modułów, jak też całego rozwiązania informatycznego w wielu obecnie obsługiwanych procesach. Rezultatem działania takiego systemu może być pojedynczy wynik (tzw. system przesiewowy, w którym jasno klasyfikujemy jakieś przypadki np. do fraudów) lub określane jest prawdopodobieństwo wystąpienia określonego zdarzenia (np. podjęcie decyzji o skorzystaniu z odnowienia polisy). Wiemy, że nas nie ogranicza już technologia, a marzenia o zautomatyzowanych, cyfrowych ubezpieczeniach stają się dzięki nam rzeczywistością. A czy Państwa procesy są już gotowe na taką roboto-ewolucję?!


Marcin Dąmbski
IT Solution Architect
marcin.dambski@aspartus.pl





Marcin Wójciuk
AI Product Leader
marcin.wojciuk@aspartus.pl

 

KNF: Marek Chrzanowski zrezygnował

13 listopada przewodniczący Komisji Nadzoru Finansowego (KNF) Marek Chrzanowski złożył rezygnację z pełnionej przez siebie funkcji. Rezygnacja...


czytaj dalej

Superpolisa: Anna Bernacka-Matras pełnomocnikiem zarządu ds. sprzedaży

Anna Bernacka-Matras, przez ostatnie lata dyrektor największego przedstawicielstwa w strukturach sprzedażowych Grupy Ergo Hestia, dołączyła w...


czytaj dalej

Allianz: Górna połowa przedziału docelowego

Jest wysoce prawdopodobne, że Allianz osiągnie w 2018 r. zysk z górnej połowy przedziału docelowego – przewiduje dyrektor finansowy Giulio...


czytaj dalej

Talanx: Wzrost zysków mimo dużych obciążeń

Przez trzy kwartały obecnego roku Grupa Talanx zarobiła netto blisko 500 mln euro. Do osiągnięcia tego wyniku przyczyniły się niemal wszystkie...


czytaj dalej

UFG: 75% przypadków braku OC wykrytych bez udziału kierowcy

Przez 3 kwartały tego roku Ubezpieczeniowy Fundusz Gwarancyjny (UFG) wystawił ponad 68 tysięcy wezwań o zapłacenie kary za brak OC posiadaczy...


czytaj dalej

Rozmowy bez Asekuracji: Generalnie o likwidacji

Opublikowany 13 listopada 41. odcinek podcastu „Rozmowy bez Asekuracji” poświęcony był najnowszym wdrożeniom w obszarze likwidacji szkód w...


czytaj dalej

 

Adres redakcji

ul. Bracka 3 lok. 4
00-501 Warszawa
tel. (22) 628 26 31

email redakcja@gu.com.pl

Gazeta

Prenumerata
E-wydanie

Firma

Redakcja
Reklama

Ogłoszenia

Podcast

Kursy on-line
Zamów newsletter
Facebook