Hemos lanzado una tanda de experimentos con diez algoritmos de ML y doce técnicas de tratamiento de datos desbalanceados, incluyendo nuestra propuesta. Observando los resultados obtenidos, nuestra propuesta consigue por un amplio margen obtener los mejores resultados frente al resto de técnicas. Pasamos a integrarlo en el core de la plataforma

El proyecto estudia la siniestralidad futura principalmente. Pero además hemos definido otros 30 kpis que forman parte del estudio: el fraude al seguro es uno de ellos.

seguimos trabajando… queremos superar el 90% de acierto en nuestros experimentos principales.

El proyecto se bifurca. Por un lado, el estudio de los modelos. Por otro, la inclusión de fuentes externas.

El modelo EIAC estandariza las entidades de datos más habituales en el mundo asegurador. Vamos a conectar con los sistemas de una gran aseguradora, así que nos adecuamos al standard de mercado para hacer futura traslación de datos más efectiva.

Presentación del proyecto Aictuari en el Centro Universitario de Mérida (Universidad de Extremadura)

Los integrantes de Aictuari, proyecto que desarrollan BizTools, empresa de desarrollo tecnológico perteneciente al grupo Pluginsurance, y la Universidad Complutense de Madrid, han asistido esta semana a la Universidad de Extremadura (UEX). Allí han desarrollado un Workshop conjunto donde han podido compartir proyectos e ideas en el ámbito de la Inteligencia Artificial (IA).

Los temas tratados han ido desde problemas simples de IA, hasta problemas más complejos utilizando redes neuronales, algoritmos evolutivos, programación genética y técnicas avanzadas de Machine Learning (ML).

En las últimas semanas Aictuari ha desarrollado una nueva estructura de ML que está proporcionando mejores resultados a la hora de identificar la siniestralidad en el mundo de las pólizas, que ha sido presentado en este Workshop.

Debido a los buenos resultados conseguidos ambas entidades han marcado KPIs a medio plazo los cuales les permitirán seguir evolucionando y desarrollando cada vez un producto más eficaz.

En palabras de Francisco Fernández de Vega, catedrático de la UEX, “el proyecto tiene un potencial enorme ya que aporta un valor único a las aseguradoras permitiendo mejorar notablemente sus estructuras y modelos de negocio obteniendo el máximo partido a sus pólizas. Es un proyecto ilusionante e innovador.”

Aictuari sale reforzado de esta nueva alianza que le permitirá abarcar nuevos ámbitos dentro del proyecto.

Ayudando a la máquina a entender…

Mezclamos algoritmos habituales en el mundo de AI comercial con nuevas tendencias de las últimas publicaciones y literatura universitaria

El equipo de Aictuari asiste al CEDI(Congreso Español de Informática). ) donde se presenta un artículo sobre el proyecto con gran aceptación de la comunidad académica

Además de agregar datos, optimizamos los experimentos agregando 14 nuevos modelos extraidos directamente del mundo académico.

La renovación de los seguros es un momento clave. Queremos ayudar a las aseguradoras a decidir qué pólizas aumentan de prima, cuales debe reducirse y, si es posible, identificar los siniestros a evitar.

La base de datos de fuentes externas empieza a cobrar forma. Estas nuevas tablas multiplican las combinaciones a realizar en los distintos estudios.

Un nuevo integrante al equipo de desarrollo de Aictuari. Necesitamos más velocidad de desarrollo.

Creemos que sí, pero creer no es suficiente. Empezamos los experimentos agregando nuevas fuentes de datos externos.

No solo optimizamos las carteras en base a los datos aseguradores. Agregamos fuentes externas para enriquecer el dato y obtener nuevas perspectivas.

Primero modelos para predecir el riesgo de una cartera en padecer un siniestro. Estudiamos los siniestros «punta» y la «frecuencia»

Es fundamental conocer cómo piensa un actuario y cómo refleja esa lógica en sus cálculos de riesgo. Celebramos workshops con actuarios para comenzar a afinar los resultados de los experimentos.

Gracias a la incorporación de nuevos datos, se ha conseguido generar una nueva estructura de aprendizaje automático que supera los resultados de los modelos iniciales. El primer reto es el desarrollo de los selectores para trazar la siniestralidad de un volumen alto de pólizas

Tras un mes de pruebas con los primeros modelos de IA, el equipo ha conseguido mejorar los mismos gracias a varias etapas de filtrado, selección de variables y otras técnicas dentro del campo de ML(Machine Learning). Comenzamos atacando los datos de los proyectos online desarrollados por Biztools, como Motopoliza.com

Iniciamos la formación técnica: conceptos aseguradores, formación de una tarifa, documentación actuarial y comenzar a comprender la problemática.

Los integrantes del equipo de desarrollo tecnológico de Biztools forman a los doctorados en Inteligencia Artificial en los conceptos básicos del seguro: pólizas, clientes, recibos, siniestros, pagos, fraude… todo lo que va a conformar el área de optimización de la futura aplicación Aictuari.

Alberto y Dani se incorporan al proyecto de desarrollo. Con su experiencia, y el apoyo por parte de Catedráticos y Profesores del Departamento, desarrollaremos los modelos predictivos usando «lo último de lo último».