🔮 🚀 Kan kunstig intelligens erstatte menneskelig ekspertise?

Språk er et kraftig verktøy. Så kraftig at vi bruker språk for å beskrive, forklare, formidle og forstå abstrakte og kompliserte konsepter fra for eksempel matematikk, statistikk og informatikk. Men kan vi bruke matematikk, statistikk og informatikk for å beskrive, forklare og forstå språk?

Hei, mitt navn er Emanuele, og velkommen til hverdagen min.

I de siste 11 årene har jeg brukt språkteknologi for å blant annet lære maskiner hvordan ordet ikke fungerer, klassifisere stortingstaler etter partitilhørlighet, organisere store samlinger med tekst etter tema, finne riktig svar til brukerhenvendelser, og finne ut om det snakkes positivt eller negativt om en person eller et produkt.

Emanuele Lapponi jobber i Machine Intelligence-avdelingen i Fremtind

Nå jobber jeg i AI-avdelingen i Fremtind, hvor språkteknologi skal bli en av kjerneingrediensene på vår reise til å bli morgendagens forsikringsselskap.

Men hva er språkteknologi? På engelsk heter det Natural Language Processing (NLP), og det er rett og slett det man gjør når man skal bruke naturlig språk som input i en algoritme eller et digitalt system.

De fleste er kjent med virtuelle assistenter som «Siri» eller «Alexa», tjenester som Google Translate eller “foreslå neste ord”-funksjonen i mobiltastuturene.

Det disse systemene har til felles er at de bruker maskinlæring (ML) som kjernekomponent: i stedet for å skrive et “klassisk” dataprogram lager vi algoritmer som lærer å lage programmet selv på grunnlag av store og små datamengder.

Så langt har ML-innsatsen i forsikringsbransjen vært rettet mot ‘klassiske’ forretningsområder med tydelige røtter i denne type teknologi, som risikomodellering og prising. Men hva med den enorme mengden tale- og tekstdata som samles og preger arbeidshverdagen i et forsikringsselskap? Som et av Norges største forsikringsselskap får vi inn mer tekst enn det går an å lese. Vi har startet å bruke NLP til å gjøre om språkdata til intelligente systemer som gjør forsikringshverdagen til våre kunder og medarbeidere bedre, raskere og lettere.

Og best av alt, synes jeg: vi har klart å bygge opp en høykompetent og forskningsdrevet NLP-miljø i selskapet, og løsningene utvikles in-house med tett samarbeid mellom tekniske og ikke-tekniske avdelinger.

Automatisk morphosyntaktisk analyse er nyttig og gøy.

Morphosyntaktisk analyse — berykelse av tekst med informasjon om ordklasser og hvordan ord henger sammen.

NLP gjør oss bedre i møte med våre kunder

Når en forsikringssak har gått sin gang, ber vi kundene våre om å gi oss både ris og ros i form av skriftlige tilbakemeldinger og et terningkast. Vi har lenge brukt terningkast som et temperaturmål på hvor fornøyde kundene våre er.

Nå kombinerer vi terningkast med NLP-systemer som forteller oss:

1. hvor problematisk eller utfordrende en sak har vært, uavhengig av terningkast

2. hvilke tilbakemeldinger som inneholder konkrete spørsmål om saken, slik at vi raskere kan komme tilbake til kunden, og

3. andelen tilbakemeldinger som går på dårlig kommunikasjon av prosesser, avgjørelser og vilkår. Klar og presis kommunikasjon er nøkkelen til en god kundeopplevelse. NLP gjør at vi kan måle hvor gode vi er på akkurat dette, og at vi kan bli bedre.

NLP gjør oss raskere

I noen tilfeller passer alt som har skjedd i en skadehendelse inn i forhåndsdefinerte ‘bokser’, eller hendelser om du vil. Det som har skjedd kan beskrives ved å huke av rett alternativ eller valg i for eksempel en multiple-choice-meny, eller såkalt dropdown-meny. På den måten kan skadesaken enkelt meldes inn og automatiseres.

Fra Fremtinds meldeskade-løsning.

Andre saker er veldig kompliserte, og trenger mer tid og ekspertise for å avgjøre om skaden dekkes og i hvilken grad, eller om den ikke dekkes i det hele tatt.

Med NLP kan Fremtind automatisere flere skader med automatisk analyse av forklaringer i fritekst, eller det vi internt kaller for “fortell hva som har skjedd”-feltet i en skademelding. Dette viste seg å være meget nyttig i 2020, da vi, som mange andre forsikringsselskaper, fikk inn enorme mengder med reisesaker (i all hovedsak avbestillinger). Ikke bare sparte vi, med NLP, cirka et halvt årsverk med saksbehandling, men mange kunder fikk raskere svar til sine henvendelser, og våre medarbeidere kunne fokusere på saker som var for krevende for maskiner.

NLP gjør arbeidet vårt lettere

Kunstig intelligens er nyttig og gøy, men det slår aldri menneskelig domenekunnskap og ekspertise. De som mener noe annet har hørt på for mange dårlige podcaster, og har blitt bitt av AI-hype-viruset. Der har vi dessverre ingen vaksine ennå.

Men, kan kunstig intelligens gjøre det lettere å utnytte vår domenekunnskap og ekspertise? Ja, definitivt. Her er to eksempler på systemer og algoritmer i vår NLP utviklingspipeline som gjør nettopp det:

1. tematisk kategorisering av store mengder data, og

2. semantisk-basert søk og informasjonsuthenting.

Med #1 kan våre medarbeidere hente ut nyttige innsikt og trender over store datasamlinger med tekst. Hva er folk som chatter med oss egentlig opptatt av? Hvilke formuleringer og problemer går igjen i epost-kommunikasjon på tvers av avdelinger? Med NLP-teknikker kan vi la disse temaer “boble opp” fra dataene, og ekspertene kan forholde seg til de mest representative eksemplene — i stedet for å måtte navigere og lete i hundretusenvis av meldinger.

Med #2 er målet å gjøre jobben med å finne riktig informasjon lettere og mer effektiv. En forsikringssak meldes ofte inn med en heftig bunke av dokumenter, som for eksempel takstrapporter, forsikringsvilkår, garantidokumenter, legeerklæringer, skademeldinger osv. Ved å analysere skademeldinger og dokumenter samtidig, kan vi automatisk hente ut relevant informasjon og presentere dem for både saksbehandler og kunde.

Dette var noen eksempler fra vår NLP-reise. Vi har mer i pipeline’n, og vi er ikke redde for å prøve, feile og prøve igjen. Vi er nå en stadig voksende gjeng med NLP-eksperter og min ambisjon er at Fremtind skal bli synonymt med cutting edge NLP i teknologiindustrien. Følg med!

Et knippe av Fremtinds eksperter på maskinlæring og kunstig intelligens.