I dag er AI-begrepet hovedsakelig brukt til å referere til det man kaller maskinlæring. Dette er teknikker som gjør at programmer kan oppdage mønstre gjemt i enorme mengder strukturerte og ustrukturerte data. Selv om AI per i dag handler om maskinlæring, og kanskje tar litt brodden av begrepet AI, så har maskinlæring evnen til å gjøre store endringer i bank og forsikring.
AI/Maskinlæring er svært relevant for bank og forsikring
Her er eksempler områder der utviklingen er i full gang:
1) Kunstig intelligens/maskinlæring er det som muliggjør selvkjørende biler, som må kunne gjenkjenne og handle hensiktsmessig. Dette kommer å ha store endringer i bilforsikring og personlig mobilitet og på andre viktige områder som energipolitikk og eksempelvis byplanlegging.
2) Et annet område som vi allerede ser er å bedømme skadeomfanget ved biluhell basert på mønstergjenkjenning på bilder. Denne teknikken så vi først med ansiktsgjenkjenningsprogrammene som er så populære i sosiale medier og som brukes av blant annet politiet og etterretningstjenestene.
3) Personlige assistenter i smarte høyttalere i hjemmet lærer seg (bedre og bedre) å forstå mønstre i forespørsler fra mennesker. I 2018 så vi blant annet Google og Amazon inntok dette markedet også i Norge. Mange amerikanere klarer seg nesten ikke uten. Så i dette markedet venter vi at enda flere bank og forsikringsselskaper i Norge vil benytte personlige assistenter i tjenestene i tiden som kommer.
4) Et område som er nærmere for bank og forsikring er å se mønstre i interne data kombinert med eksterne data fra ulike kilder for å forstå kunden bedre og lage bedre produkter og tjenester. Tidligere big data løsninger var både kostbare og med lang utviklingstid før løsningen var på plass i organisasjonen. De siste 3-4 årene har nye løsninger modnet (eksempelvis Power BI) som muliggjør løsninger for under en brøkdel av kostnaden som var vanlig tidligere. I tillegg vil «Microsoft’s self-service BI tool soon let business analysts build and use machine learning models, with minimal expertise, and no code. Access to Azure Cognitive Services and models hosted in Azure Machine Learning, as well as a new feature that explains KPI outcomes, are also included«.
Noen få selskaper erobrer verden – igjen
Uansett maskinlæring eller kunstig intelligens så har programvarebransjen i de siste to tiårene kommet langt i å løse problemene med å forstå mønstre i store datamengder. Løsningene som er tilgjengelige i dag er ikke generelle, men spesifikke mot de problemene de skal løse.
– Et viktig punkt som ser ut å gjelde på dette området også er at dersom man som selskap vil ta i bruk eller gå inn på AI/maskinlæring gjør man lurt å bruke programvare utviklet av store selskaper som eksempelvis Microsoft, IBM, Google, Amazon eller Facebook.
Personvernlovgivning og AI
I mai 2018 ble personvernlovgivning (GDPR) lov i Norge og EU. Dette gir personer rett til å vite på hvilke grunner dataprogrammer tar beslutninger som påvirker deres fremtid. Dette er egentlig ikke testet i praksis. Denne typen sikkerhetskontroll er ikke bare en forholdsregel mot utbredelse av blant annet ulovlig diskriminering på en rekke områder.
– Eksempelvis kan man tenke seg at dette vil kunne hindre aldersdiskriminering i bank og forsikringstjenester.
«Enorme mengder data og kunstig intelligens gjør at de store plattformselskapene har mer makt til å påvirke folks meninger enn tv og aviser noen gang har hatt. Likevel blir de pålagt lite ansvar og begrenset regulering. Det er tid for både mer åpenhet og nye krav.» dn.no
Appendiks:
Kilder: Forbes.com, dn.no, theGuardian.com, earlyWarning