Insurance Careers Corner: Q&A with Sunil Rawat, Co-Founder and CEO of Omniscience

Keywords : Careers and EmploymentCareers and Employment,Insurance Careers CornerInsurance Careers Corner,TechnologyTechnology

Marielle Rodriguez, सोशल मीडिया और ब्रांड डिजाइन समन्वयक, ट्रिपल -1 द्वारा सुनील रावत

ट्रिपल-आई के "बीमा करियर कॉर्नर" श्रृंखला को बीमा में ट्रेलब्लैज़र को हाइलाइट करने और उद्योग के भीतर करियर के अवसरों के बारे में जागरूकता फैलाने के लिए बनाया गया था।

इस महीने हमने सुनील रावत, ओमनेसिसियंस के सह-संस्थापक और सीईओ का साक्षात्कार किया, एक सिलिकॉन घाटी आधारित एआई स्टार्टअप जो कम्प्यूटेशनल बीमा में माहिर हैं। सर्वव्यापीता पांच "मेगा-सर्विसेज" का उपयोग करती है जिसमें बीमा कंपनियों को हाईराइटिंग स्वचालन, ग्राहक खुफिया, जोखिम अनुकूलन, और बीमा कंपनियां अपने निर्णय लेने में सुधार करने और अधिक सफलता प्राप्त करने में मदद करने के लिए अनिवार्य मार्गदर्शन शामिल हैं।

हमने अपनी तकनीकी पृष्ठभूमि पर चर्चा करने के लिए रावत से बात की, जोखिम को मापने और आकलन करने में सर्वोच्चता प्रौद्योगिकी की भूमिका, और अंडरराइटिंग स्वचालन में संभावित त्रुटियां।

मुझे अपने व्यवसाय के निर्माण में अपनी रुचि के बारे में बताएं। आपने अपनी वर्तमान स्थिति के लिए क्या किया और आपको अपनी कंपनी को खोजने के लिए प्रेरित किया?

मैं प्रौद्योगिकी उद्योग से हूं। मैंने हेवलेट पैकार्ड के लिए लगभग 11 वर्षों तक काम किया, और मेरे कार्यकाल के दौरान एचपी। Com लगभग 100,000% बढ़ गया। फिर मैंने नोकिया को अब यहां नक्शे के रूप में जाना जाने में मदद की, जो बदले में शक्तियों, बिंग मैप्स, याहू मैप्स, गार्मिन, मर्सिडीज, लैंड रोवर, अमेज़ॅन और अन्य मैपिंग सिस्टम।

मैं अपने सह-संस्थापक, मनु शुक्ला से कई साल पहले मिला था। वह पागल वैज्ञानिक, एप्लाइड गणितज्ञ के अधिक हैं। उन्होंने ओरेकल डेटाबेस, एओएल के लिए उपयोगकर्ता प्रोफाइलिंग सिस्टम, और कॉमकास्ट के लिए अनुशंसा प्रणाली में पूर्वानुमानित कैशिंग इंजन लिखा। डेलोइट वित्तीय सलाहकार सेवाओं के लिए, उन्होंने लेहमैन ब्रदर्स जांच, दीपवॉटर क्षितिज जांच और हाल ही में वोक्सवैगन उत्सर्जन घोटाले में उपयोग किए गए टेक्स्ट खनन प्रणाली को लिखा। वह 'वितरित एल्गोरिदम लड़का' है, और मैं 'वितरित सिस्टम लड़का' हूं। हम दोनों गहरी तकनीकी हैं और हमें यह बहुत अधिक उच्च पैमाने पर गणना करने की क्षमता मिली है।

हम दुनिया में एक बढ़ती जटिलता देखते हैं, भले ही यह जनसांख्यिकीय, सामाजिक, पारिस्थितिकीय, राजनीतिक, तकनीकी, या भूगर्भीय है। निर्णय लेने में अधिक जटिल हो गया है। जहां मानव जीवन हिस्सेदारी पर हैं, या जहां प्रत्येक व्यक्तिगत निर्णय पर बड़ी मात्रा में धन है, प्रत्येक व्यक्तिगत निर्णय की सटीकता बहुत अधिक होनी चाहिए। यही वह जगह है जहां हम पिछले 20 वर्षों में हमारी शिक्षा से ली गई हमारी गणना का लाभ उठा सकते हैं, और इसे बीमा डोमेन पर ला सकते हैं। यही कारण है कि हमने कंपनी की स्थापना की - इन जटिल जोखिम प्रबंधन समस्याओं को हल करने के लिए। हम वास्तव में कम्प्यूटेशनल वित्त, और अधिक विशेष रूप से, कम्प्यूटेशनल बीमा पर केंद्रित हैं।

Omniscience का समग्र मिशन क्या है?

यह कंपनी बनने के लिए है कि जब वे जटिल समस्याओं को हल करना चाहते हैं तो नेताओं को जाता है। यह हाइपरस्केल गणना के माध्यम से जोखिम चयन में सुधार के लिए वित्तीय सेवाओं में नेताओं को सशक्त बनाने के बारे में है।

आपके मुख्य उत्पाद और सेवाएं क्या हैं और सर्वव्यापी प्रौद्योगिकी किस भूमिका निभाती है?

हमारे मूल उत्पादों में से एक स्वचालन को हामीदारी कर रहा है। हम अव्यवस्थित समस्याओं को हल करना पसंद करते हैं। जब हम अंडरराइटिंग देखते हैं, तो हम जीवन बीमा के लिए संकाटात्मक अंडरराइटिंग के बारे में सोचते हैं जहां आपको मानव अंडरराइटर्स की आवश्यकता होती है। निर्णय लेने वाला ह्यूरिस्टिक इतना जटिल है। किसी ऐसे व्यक्ति पर विचार करें जो 25 वर्षीय नॉनमोकर $ 50,000 की 10 साल की अवधि की नीति के लिए पूछ रहा है - यह एक ब्रेनर की तरह है और आप उन्हें उस नीति को दे सकते हैं। दूसरी तरफ, यदि वे $ 50 मिलियन के लिए पूछ रहे थे, तो आप निश्चित रूप से रक्त परीक्षण, एक मनोवैज्ञानिक परीक्षा, एक केराटिन बाल परीक्षण, और बीच में सबकुछ मांगने जा रहे हैं। इन निर्णयों को बनाने के लिए आपको मनुष्यों की आवश्यकता है। हम उस समस्या को लेने और इसे डिजिटाइज करने के लिए हमारी तकनीक का उपयोग करने में कामयाब रहे। यदि आप कुछ सौ डेटा फ़ील्ड लेते हैं, और एआई मॉडल बनाने के लिए कुछ 100,000 मामले, तो यह एक कंप्यूट स्टैंडपॉइंट से पूरी तरह से अव्यवस्थित हो जाता है। यही वह जगह है जहां हम अपने सभी Facets में सभी डेटा देखने के लिए हमारी तकनीक का उपयोग कर सकते हैं - हम इसे स्वचालित और उपयोग करते हैं।

एक बार जब आप एक एआई अंडरराइटर के मस्तिष्क को सॉफ़्टवेयर में प्राप्त कर लेते हैं, तो आप ग्राहक खुफिया दृष्टिकोण से सोचते हैं। आपके पास अपने सभी समृद्ध लेनदेन डेटा को अपने ग्राहकों से पूर्व-अंडरराइट, अर्हता प्राप्त करने, और विभिन्न उत्पादों के लिए अनुशंसा करने के लिए मिल गया है। हमने डेटा अधिग्रहण क्षेत्र में एक बड़ी क्षमता भी बनाई है। श्रमिकों के लिए कॉम्प और सामान्य देयता के लिए, हमारे पास डेटा है जो एजेंट अनुभव में सुधार करता है। हम किसी भी Naics कोड को सही ढंग से वर्गीकृत कर सकते हैं और दावों से बचने और छिपे हुए जोखिम को खोजने में मदद कर सकते हैं। हमें एक महान ओसीआर क्षमता भी मिली है। पाठ के डिजिटलीकरण के मामले में, हम जटिल टैब्यूलर डेटा ले सकते हैं और लूप में किसी भी इंसान के बिना इसे डिजिटाइज कर सकते हैं। हम जटिल एशियाई भाषाओं में भी दुनिया भर में ऐसा करने में सक्षम हैं। हम संपत्ति और देयता प्रबंधन में भी बहुत काम करते हैं और गणना कर सकते हैं कि ऐतिहासिक रूप से बहुत कम संचालित, गलत तरीके से किया गया है। हम इन गणनाओं को दैनिक या साप्ताहिक, बनाम सालाना चला सकते हैं, जो बीमा कंपनियों के लिए एक बड़ा अंतर बनाता है।

हम जंगल की आग में भी काम करते हैं। बहुत सारे वाइल्डफायर फैलाव मॉडल एक ज़िप + 4 या एक ज़िप कोड स्तर को देखते हैं, और वे एक घंटे के जंगल की आग फैलाने की भविष्यवाणी करने के लिए लगभग चार घंटे लेते हैं, इसलिए एक दिन के वाइल्डफायर के एक दिन में फैले हुए 96 घंटे की भविष्यवाणी करने के लिए लगभग चार घंटे लगते हैं। कैलिफ़ोर्निया में, जहां मैं हूं, हमारे पास पिछले साल बहुत सारे जंगल फायर थे। जब आप ग्रिड की घनत्व को दोगुना करते हैं, तो गणना 8x बढ़ जाती है। हम क्या करने में सक्षम थे और 30 मीटर वर्ग पर ग्रिड को देखते हुए, लगभग एक व्यक्तिगत संपत्ति आकार पर। आप व्यक्तिगत रूप से घरों के खतरे को देख सकते हैं। 30 मीटर के स्तर पर, हम 10 सेकंड में एक घंटे के जंगल की आग का प्रचार कर सकते हैं, मूल रूप से लगभग चार मिनट में एक दिन।

क्या मानव तत्व को छोड़ने वाली स्वचालन तकनीक पर बहुत अधिक निर्भर करने में कोई संभावित त्रुटियां हैं?

बिल्कुल। एआई सिस्टम के साथ समस्या यह है कि वे आम तौर पर केवल उतना ही अच्छे हो सकते हैं जितना कि वे बनाए गए हैं। नंबर एक बात यह है कि क्योंकि हम सभी डेटा और अपने सभी पहलुओं को देख सकते हैं, हम प्रत्येक व्यक्तिगत निर्णय पर 90+ प्रतिशत सटीकता प्राप्त कर सकते हैं। आपको व्याख्या करने की भी आवश्यकता है। ऐसा नहीं है कि एक अंडरराइटर एक स्नैप में फैसला करता है और फिर निर्णय को सही ठहराता है। आपको नियामक या लेखा परीक्षा दृष्टिकोण से क्या चाहिए, यह है कि जब आप निर्णय लेने की प्रक्रिया के माध्यम से जाते हैं तो आपको निर्णय लेना होगा।

यदि आप ऐतिहासिक डेटा से एक मॉडल बना रहे हैं, तो आप कैसे सुनिश्चित करते हैं कि कुछ समूह फिर से पक्षपात नहीं करते हैं? आपको पूर्वाग्रह परीक्षण की आवश्यकता है। व्याख्या, पारदर्शिता, स्केलेबिलिटी, समायोज्यता - ये सभी बहुत महत्वपूर्ण हैं। एक परिवर्तन प्रबंधन से, जोखिम प्रबंधन दृष्टिकोण, आपके पास एआई निर्णय लेता है, और फिर आपके पास मानव समीक्षा होगी। कुछ महीनों के लिए उस प्रक्रिया को करने के बाद, आप इसे एक बहुत ही जोखिम-प्रबंधित तरीके से पेश कर सकते हैं। प्रत्येक एआई को इसके फैसले में भी अपना विश्वास बताना चाहिए। यह तय करना बहुत आसान है, लेकिन आप भी अपने आत्मविश्वास संख्या को बताने में सक्षम होना चाहिए और मनुष्यों को हमेशा उस आत्मविश्वास संख्या पर ध्यान देना चाहिए।

प्रौद्योगिकी और नवाचार के मामले में पारंपरिक बीमा की कमी क्या है? आपकी तकनीक कैसे बदलती है?

बीमाकर्ता किसी भी बीमाटेक की तुलना में अपने डोमेन को बेहतर जानते हैं, कभी भी अपने डोमेन को जान सकते हैं। कुछ मायनों में, बीमा मूल डेटा विज्ञान है। बीमाकर्ता बहुत शानदार लोग हैं, लेकिन उन्हें सॉफ्टवेयर इंजीनियरिंग और स्केल कंप्यूटिंग के साथ अनुभव नहीं है। पहली प्रवृत्ति ओपन-सोर्स टूल्स को देखना या विक्रेताओं से कुछ उपकरण खरीदने के लिए अपने मॉडल बनाने के लिए है। यह काम नहीं करता क्योंकि विधियां बहुत अलग हैं। यह कहने की तरह है, "मैं माइक्रोसॉफ्ट विंडोज खरीदने वाला नहीं हूं, मैं अपनी माइक्रोसॉफ्ट विंडोज लिखने जा रहा हूं", लेकिन यह उनका मुख्य व्यवसाय नहीं है। उन्हें Actuarial मॉडल बनाने के लिए एक्सेल चलाने के लिए अपनी माइक्रोसॉफ्ट विंडोज़ का उपयोग करना चाहिए, लेकिन आप अपने स्वयं के कार्यक्रम लिखने की कोशिश नहीं करेंगे।

हम सिस्टम प्रोग्रामिंग और स्केल कंप्यूटिंग में अच्छे हैं क्योंकि हम एक तकनीकी पृष्ठभूमि से हैं। मैं यह सोचने के लिए इतना घमंडी नहीं होगा कि हम बीमा कंपनी के रूप में बीमा के बारे में जितना जानते हैं, लेकिन यह उस गणना में डोमेन विशेषज्ञता के विवाह के माध्यम से गणना में है कि क्षेत्र में नेता अपने प्रतिस्पर्धियों को छेड़छाड़ कर सकते हैं।

क्या कोई वर्तमान परियोजनाएं हैं जिन पर आप वर्तमान में काम कर रहे हैं और किसी भी रुझान जिसे आप बड़े डेटा में देखते हैं कि आप के बारे में उत्साहित हैं?

अंडरराइटिंग और डिजिटलीकरण, बिल्ली प्रबंधन, और वाइल्डफायर जोखिम रोमांचक है, और कुछ काम जो हम एएम गणना में कर रहे हैं। जब नियामक आपको यह दिखाने के लिए कह रहे हैं कि आपके पास पिछले 60 वर्षों के लिए नेस्टेड त्रैमासिक आधार पर आपकी देनदारियों को पूरा करने के लिए पर्याप्त संपत्तियां हैं, जो बहुत जटिल हो जाती है। यही वह जगह है जहां हमारी पूरी मेगा-सेवाएं आती हैं - यदि आप अपने अंडरराइटिंग, दावों और पूंजी प्रबंधन को एक साथ जोड़ सकते हैं, तो आप चयन में बेहतर हो सकते हैं, और आप यह तय कर सकते हैं कि आप कितना जोखिम बहुत गतिशील तरीके से लेना चाहते हैं , जैसा कि एक बहुत स्थिर तरीके से विपरीत है।

अन्य चीजें जो हम उत्साहित हैं वह संपत्ति प्रबंधन है। हम एक बहुत बड़े बीमाकर्ता के साथ कुछ दिलचस्प काम कर रहे हैं। हम जो करने में सक्षम हैं वह विभिन्न रणनीतियों के माध्यम से रिटर्न को बढ़ावा देता है। यह एक और क्षेत्र है जिसके बारे में हम उत्साहित हैं - अगले वर्ष में तेजी से बढ़ रहा है।

2021 और उससे परे आपके लक्ष्य क्या हैं?

यह बीमाकर्ताओं को बेहतर चयन के माध्यम से इस बहु-दशक के कंपाउंडिंग लाभ को विकसित करने में मदद करने के बारे में है, और हम केवल निष्पादित करने के लिए जारी रहे हैं। हमारे पास बहुत से आईपी और तकनीक विकसित हुई है, और हमें विभिन्न भौगोलिक क्षेत्रों में पायलट ग्राहक हैं जिन्होंने हमारी तकनीक का उपयोग किया है। हमें सबूत अंक और केस स्टडीज मिल गए हैं, और अब हम अपने व्यापार को बढ़ाने पर सिर्फ दोगुना हो रहे हैं, चाहे वह उसी ग्राहक के साथ है जो हमारे पास है या अधिक उत्पाद लाइनों में जा रहा है। हम उन ग्राहकों की सेवा करने और तीन क्षेत्रों में कुछ और ग्राहकों पर हस्ताक्षर करने पर केंद्रित हैं जहां हम सक्रिय हैं, जो जापान, हांगकांग, चीन और उत्तरी अमेरिका है। हम अपनी योजना पर विधिवत निष्पादन पर केंद्रित हैं।