El director ejecutivo de Kespry toma una visión general de la inteligencia artificial

La forma en que los ajustadores de seguros tradicionalmente han evaluado los daños del techo después un huracán es casi tan peligroso como lento. Los ajustadores de propiedades usarían una escalera para trepar sobre un techo dañado y evaluarían minuciosamente el daño con la esperanza de que no resultasen heridos en el proceso. Los tasadores de propiedades estadounidenses tienen una tasa de lesiones casi cuatro veces mayor que la de un trabajador de la construcción típico. Una vez en la parte superior del edificio, el ajustador usaría un puñado de herramientas:una cámara o un teléfono inteligente para documentar el daño, una cinta métrica para medir un área de prueba y tal vez tiza para delinearla. Una vez que un ajustador ha calculado la extensión del daño en un área determinada, puede extrapolar el estimado de daño para toda la propiedad y luego conducir a la siguiente propiedad en su lista para comenzar el proceso nuevamente.

Ahora imagine usar un dron para inspeccionar los daños de varias casas de forma consecutiva. Todo el proceso se puede automatizar y realizar en una fracción del tiempo, dijo George Mathew, presidente y director ejecutivo de Kespry, que se proclama a sí misma como una empresa de inteligencia aérea. "Usted ingresa en un iPad el área de coordenadas que desea creando un polígono alrededor de la propiedad, y luego selecciona el área que desea inspeccionar y recopila los datos que se necesitan", dijo Mathew, cuya firma ha estado refinando el ajuste de seguros basado en drones. por daños causados ​​por huracanes. El año pasado, el director ejecutivo de Farmers Insurance informó que la técnica basada en drones les ayudó a comprimir el proceso para evaluar las reclamaciones por daños por huracanes de tres hogares por día a tres hogares por hora. "Eso es una mejora de la productividad de casi ocho a diez veces", dijo Mathew en una entrevista en Dreamforce.

Además, el enfoque es más preciso porque los drones pueden medir con precisión las dimensiones del techo. La técnica también admite el uso de algoritmos de inteligencia artificial para identificar anomalías donde se han producido granizos e ingresar la información directamente en el software de gestión y procesamiento de reclamaciones de las aseguradoras. La empresa también puede inferir dónde están los daños en el techo inducidos por el viento.

[ Mundo de IoT industrial es el evento que lleva a IIoT de la inspiración a la implementación, potenciando el negocio y las operaciones. Obtenga su boleto ahora. ]

Si bien Kespry está desarrollando su experiencia en el sector de seguros y está trabajando con State Farm y Farmers Insurance, su primer enfoque fue en el sector industrial. “Teníamos una mentalidad cuando nos fundaron en 2013 que el dron era una fuente de captura de datos basada en sensores que deberíamos poder automatizar”, explicó Mathew. La compañía primero apuntó al uso de drones en minería para medir existencias e inventarios volumétricos. "Podríamos volar un dron, procesar las imágenes que provienen del dron y convertirlas de un conjunto 2D de imágenes de alta resolución en un modelo tridimensional usando fotogrametría", dijo Mathew.

La técnica era considerablemente más precisa que el método tradicional de medir las existencias, que tenía una variación por acumulación de entre el 15 y el 20 por ciento. Kespry afirma que puede estimar la cantidad con una precisión del 1 al 2 por ciento.

La misma técnica se puede utilizar para medir materiales en sitios de construcción. “Nuestro pensamiento acerca de la medición de activos industriales más pesados ​​era que el procesamiento basado en imágenes y la visión por computadora eran un ámbito de capacidad completamente nuevo que no estaba apalancado en el sector industrial”, dijo Mathew. Si bien las aplicaciones industriales de inteligencia artificial, aprendizaje automático y visión por computadora se han discutido durante décadas, la tecnología se ha implementado en gran medida para casos de uso seleccionados.

Y aunque las grandes empresas de tecnología como Amazon, Google, FedEx y Uber han experimentado con el uso de drones, en su mayoría apuntan a casos de uso ambiciosos con plazos de comercialización inciertos y, a menudo, consideraciones regulatorias más tenues. Si bien en la fase inicial después de un huracán existen restricciones de vuelo que impiden que los drones vuelen en áreas dañadas para evitar colisiones con helicópteros de rescate, una vez que se completa ese período, el espacio aéreo se abre de nuevo y los drones pueden comenzar a volar.

En 2017, Claims Journal informó un cambio significativo hacia el uso de drones en Texas para evaluar los daños del huracán Harvey.

Pero en los sectores industrial y de seguros, la combinación de tecnología de aprendizaje automático y visión por computadora se puede implementar ahora para casos de uso importantes. "Seguimos buscando estos casos de uso industrial en los que la inteligencia artificial, el aprendizaje automático de activos físicos utilizando una especie de palanca del aprendizaje automático y la visión por computadora realmente están ayudando a tomar mejores decisiones automatizadas en estas empresas industriales", dijo Mathew.

Cuando se le preguntó si se podría implementar la misma técnica para evaluar los daños en otros desastres, Mathew dijo:"Se vuelve un poco más complicado con cosas como incendios y tornados porque a menudo es una pérdida total, ¿verdad?" Pero incluso en algunos casos como este, los drones se pueden usar para medir cimientos ahuecados para hacer la evaluación de cuál sería el valor de reemplazo total para la casa o edificio basado en el análisis dimensional de los cimientos.

En el futuro, la funcionalidad que ofrece la tecnología podría mejorar constantemente a medida que avanza la tecnología de inteligencia artificial para casos de uso específicos. “Creo que existe una inflación excesiva del término IA y lo que significa. Creo que la IA general está en el futuro, pero la IA específica en la que se aplican métodos algorítmicos para una mejor toma de decisiones se está volviendo más convincente y relevante ”, dijo Mathew.

“Mire cómo abordamos la distinción e identificación de daños por granizo. Tomamos imágenes de alta resolución procesadas mediante redes neuronales y modelos de aprendizaje profundo, y las entrenamos con datos para distinguir e identificar daños por granizo y las liberamos en nuevas reclamaciones por daños por granizo. Eso es solo un ejemplo ”, dijo. "Cuanto más específico se vuelve el caso de uso, más valiosa es la toma de decisiones impulsada por la IA para las organizaciones que la aprovechan".