Kespry CEO neemt kunstmatige intelligentie in vogelvlucht

De manier waarop verzekeringsexperts traditioneel dakschade beoordelen na een orkaan is bijna net zo gevaarlijk als langzaam. Vastgoedexperts zouden een ladder gebruiken om bovenop een beschadigd dak te klimmen en de schade nauwgezet beoordelen in de hoop dat ze daarbij niet gewond raakten. Amerikaanse vastgoedexperts hebben een letselpercentage dat bijna vier keer groter is dan dat van een typische bouwvakker. Eenmaal boven op het gebouw zou de expert een handvol gereedschappen gebruiken:een camera of smartphone om de schade vast te leggen, een meetlint om een ​​testgebied te meten en misschien krijt om het te schetsen. Zodra een schade-expert de omvang van de schade in een bepaald gebied heeft berekend, kan hij of zij de schade voor het hele pand extrapoleren en vervolgens naar het volgende pand op hun lijst rijden om het proces opnieuw te beginnen.

Stel je nu eens voor dat je een drone gebruikt om achtereenvolgens de schade van een aantal huizen te onderzoeken. Het hele proces kan worden geautomatiseerd en in een fractie van de tijd worden uitgevoerd, zegt George Mathew, voorzitter en chief executive officer van Kespry, dat zichzelf beschouwt als een bedrijf voor luchtonderzoek. "Je drukt op een iPad het gewenste coördinatengebied in door een polygoon rond het pand te maken, en selecteert vervolgens het gebied dat je wilt inspecteren en verzamelt de benodigde gegevens", zegt Mathew, wiens bedrijf de op drones gebaseerde verzekeringsaanpassingen heeft verfijnd. voor orkaanschade. Vorig jaar meldde de CEO van Farmers Insurance dat de op drones gebaseerde techniek hen hielp het proces voor het beoordelen van schadeclaims door orkanen te verkleinen van drie huizen per dag tot drie huizen per uur. "Dat is een productiviteitsverbetering van bijna acht tot tien keer", zei Mathew in een interview bij Dreamforce.

Bovendien is de aanpak nauwkeuriger omdat drones nauwkeurig de afmetingen van het dak kunnen meten. De techniek ondersteunt ook het gebruik van kunstmatige intelligentie-algoritmen om anomalieën te identificeren waar hagelaanvallen hebben plaatsgevonden en de informatie rechtstreeks in te voeren in de claimbeheer- en claimverwerkingssoftware van verzekeraars. Het bedrijf kan ook afleiden waar door de wind veroorzaakte dakschade.

[ Industriële IoT-wereld is het evenement dat IIoT van inspiratie naar implementatie brengt, waardoor het bedrijfsleven en de bedrijfsvoering een boost krijgen. Koop nu je ticket. ]

Terwijl Kespry zijn expertise in de verzekeringssector opbouwt en samenwerkt met zowel State Farm als Farmers Insurance, lag de eerste focus op de industriële sector. "Toen we in 2013 werden opgericht, hadden we het idee dat de drone een bron was voor het vastleggen van gegevens op basis van sensoren die we zouden moeten kunnen automatiseren", legt Mathew uit. Het bedrijf richtte zich eerst op het gebruik van drones in de mijnbouw om volumetrische voorraden en inventaris te meten. "We kunnen een drone overvliegen, de beelden die van de drone komen verwerken en die met behulp van fotogrammetrie omzetten van een 2D-set met hoge resolutiebeelden naar een driedimensionaal model", zei Mathew.

De techniek was aanzienlijk nauwkeuriger dan de traditionele methode voor het meten van voorraden, die een afwijking per voorraad had van ergens tussen de 15 en 20 procent. Kespry beweert het bedrag met een nauwkeurigheid van 1 tot 2 procent te kunnen schatten.

Dezelfde techniek kan worden gebruikt om materialen op bouwplaatsen te meten. "Ons idee over het meten van zwaardere industriële activa was dat beeldgebaseerde verwerking en computervisie een volledig nieuw domein van mogelijkheden waren dat in de industriële sector te weinig werd benut", zei Mathew. Terwijl industriële toepassingen van AI, machine learning en computervisie al tientallen jaren worden besproken, is de technologie grotendeels ingezet voor geselecteerde use-cases.

En hoewel grote technologiebedrijven zoals Amazon, Google, FedEx en Uber hebben geëxperimenteerd met het gebruik van drones, richten ze zich vooral op ambitieuze gebruiksscenario's met onzekere commercialiseringstijdlijnen en vaak minder strikte regelgevingsoverwegingen. Hoewel er in de vroege fase na een orkaan vliegbeperkingen zijn die voorkomen dat drones in beschadigde gebieden vliegen om botsingen met reddingshelikopters te voorkomen, zodra die periode is verstreken, gaat het luchtruim weer open en kunnen drones beginnen te vliegen.

In 2017 meldde Claims Journal een significante verschuiving naar het gebruik van drones in Texas om de schade van orkaan Harvey te beoordelen.

Maar in de industriële en verzekeringssectoren kan de combinatie van machine learning-technologie en computervisie nu worden ingezet voor belangrijke use-cases. "We blijven doorgaan met deze industriële use-cases waar kunstmatige intelligentie, machine learning op fysieke activa met behulp van een soort hefboom van machine learning en computervisie echt helpt om betere geautomatiseerde beslissingen te nemen in deze industriële ondernemingen," zei Mathew.

Op de vraag of dezelfde techniek kan worden ingezet om schade bij andere rampen te beoordelen, zei Mathew:"Het wordt een beetje lastiger met zaken als branden en tornado's, omdat het vaak een totaal verlies is, toch?" Maar zelfs in sommige gevallen zoals deze kunnen drones worden gebruikt om uitgeholde funderingen te meten om de schatting te maken van wat de totale vervangingswaarde van het huis of gebouw zou zijn op basis van de dimensionale analyse van de fundering.

In de toekomst kan de functionaliteit die de technologie biedt gestaag verbeteren naarmate de AI-technologie vordert voor gerichte use-cases. “Ik denk dat er sprake is van een te hoge inflatie van de term AI en wat het betekent. Ik denk dat algemene AI ver in de toekomst ligt, maar specifieke AI waarbij je algoritmische methoden toepast voor betere besluitvorming, wordt steeds overtuigender en relevanter", aldus Mathew.

“Kijk hoe we het onderscheiden en identificeren van hagelschade hebben aangepakt. We hebben beelden met een hoge resolutie verwerkt met behulp van neurale netwerken en deep learning-modellen, en deze getraind op gegevens om hagelschade te onderscheiden en te identificeren en deze op nieuwe hagelschadeclaims los te laten. Dat is maar een voorbeeld', zegt hij. "Hoe meer gespecificeerd de use case wordt, hoe waardevoller de AI-aangedreven besluitvorming is voor organisaties die er gebruik van maken."