Kespry CEO는 인공 지능에 대한 조감도를 취합니다.

보험사들이 전통적으로 지붕 ​​손상을 평가한 방식 허리케인은 속도가 느린 만큼 거의 위험합니다. 재산 조정자는 사다리를 사용하여 손상된 지붕 위로 올라가고 그 과정에서 부상당하지 않기를 바라면서 힘들게 피해를 평가했습니다. 미국 재산 조정사는 일반적인 건설 노동자보다 부상률이 거의 4배나 높습니다. 건물 꼭대기에 오르면 조정자는 카메라나 스마트폰을 사용하여 손상을 기록하고 줄자를 사용하여 테스트 영역을 측정하고 분필로 윤곽을 표시합니다. 일단 조정자가 주어진 지역의 손상 정도를 계산한 후에는 전체 자산에 대한 손상 추정치를 추정하고 목록에 있는 다음 자산으로 이동하여 프로세스를 다시 시작할 수 있습니다.

이제 드론을 사용하여 여러 가정의 피해를 연속적으로 조사한다고 상상해보십시오. 항공 정보 회사로 자칭하는 Kespry의 회장이자 CEO인 George Mathew는 전체 프로세스를 자동화하고 짧은 시간 안에 수행할 수 있다고 말했습니다. 드론 기반 보험 조정을 개선해 온 매튜(Mathew)는 "아이패드에서 부동산 주변에 다각형을 만들어 원하는 좌표 영역을 입력한 다음 검사하려는 영역을 선택하고 필요한 데이터를 수집한다"고 말했다. 허리케인 피해를 위해. 작년에 Farmers Insurance의 CEO는 드론 기반 기술이 허리케인 피해 청구 평가 프로세스를 하루 3가구에서 시간당 3가구로 압축하는 데 도움이 되었다고 보고했습니다. Mathew는 Dreamforce와의 인터뷰에서 "이는 생산성이 거의 8~10배 향상되었습니다."라고 말했습니다.

또한 드론이 지붕의 치수를 정확하게 측정할 수 있기 때문에 접근 방식이 더 정확합니다. 이 기술은 또한 인공 지능 알고리즘을 사용하여 우박이 발생한 이상을 식별하고 정보를 보험사의 청구 관리 및 청구 처리 소프트웨어에 직접 입력하는 것을 지원합니다. 회사는 바람으로 인한 지붕 손상도 추정할 수 있습니다.

[ 산업용 IoT 세계 는 IIoT를 영감에서 구현, 비즈니스 및 운영 강화에 이르는 이벤트입니다. 지금 티켓을 받으세요. ]

Kespry가 보험 부문에서 전문성을 구축하고 State Farm 및 Farmers Insurance와 협력하는 동안 첫 번째 초점은 산업 부문이었습니다. Mathew는 "2013년에 설립되었을 때 드론이 우리가 자동화할 수 있어야 하는 센서 기반 데이터 캡처의 원천이라는 사고방식을 갖고 있었습니다."라고 설명했습니다. 이 회사는 먼저 광산에서 드론을 사용하여 부피 비축량과 재고를 측정하는 것을 목표로 삼았습니다. "우리는 드론을 머리 위로 날리고 드론에서 나오는 이미지를 처리하고 사진 측량을 사용하여 고해상도 이미지의 2D 세트에서 3차원 모델로 변환할 수 있습니다."라고 Mathew가 말했습니다.

이 기술은 비축량당 편차가 15~20%였던 기존의 비축량 측정 방법보다 훨씬 더 정확했습니다. Kespry는 1~2%의 정확도로 금액을 추정할 수 있다고 주장합니다.

건설 현장의 자재 측정에도 동일한 기술을 사용할 수 있습니다. Mathew는 "중장비 산업 자산의 측정에 대한 우리의 생각은 이미지 기반 처리 및 컴퓨터 비전이 산업 부문에서 충분히 활용되지 않는 완전히 새로운 기능 영역이라는 것이었습니다."라고 말했습니다. AI, 머신 러닝 및 컴퓨터 비전의 산업용 응용 프로그램이 수십 년 동안 논의되어 왔지만 이 기술은 주로 일부 사용 사례에 배포되었습니다.

그리고 Amazon, Google, FedEx, Uber와 같은 대규모 기술 회사는 드론 사용을 실험했지만 대부분 불확실한 상업화 일정과 종종 더 빈약한 규제 고려 사항을 가진 야심찬 사용 사례를 목표로 합니다. 허리케인이 발생한 초기 단계에는 구조 헬리콥터와의 충돌을 피하기 위해 드론이 손상된 지역에서 비행하는 것을 방지하는 비행 제한이 있지만, 해당 기간이 완료되면 영공이 다시 열리고 드론이 비행을 시작할 수 있습니다.

2017년 클레임 저널은 허리케인 하비로 인한 피해를 평가하기 위해 텍사스에서 드론을 사용하는 방향으로 상당한 변화가 있다고 보고했습니다.

그러나 산업 및 보험 부문에서 머신 러닝 기술과 컴퓨터 비전의 조합은 이제 중요한 사용 사례에 배포될 수 있습니다. Mathew는 "우리는 인공 지능, 일종의 기계 학습 및 컴퓨터 비전을 사용하는 물리적 자산에 대한 기계 학습이 이러한 산업 기업에서 더 나은 자동화된 의사 결정을 내리는 데 실제로 도움이 되는 산업 사용 사례를 계속 추적하고 있습니다."라고 말했습니다.

다른 재해의 피해를 평가하기 위해 동일한 기술을 사용할 수 있는지 묻는 질문에 Mathew는 다음과 같이 말했습니다. 그러나 이와 같은 경우에도 드론을 사용하여 비어 있는 기초를 측정하여 기초의 치수 분석을 기반으로 가정이나 건물의 총 교체 가치를 평가할 수 있습니다.

미래에는 AI 기술이 대상 사용 사례에 맞게 발전함에 따라 기술이 제공하는 기능이 꾸준히 향상될 수 있습니다. “AI라는 용어와 그 의미에 대한 과도한 인플레이션이 있다고 생각합니다. 일반 AI는 미래의 길이라고 생각하지만 더 나은 의사 결정을 위해 알고리즘 방식을 적용하는 특정 AI는 점점 더 설득력 있고 관련성이 높아지고 있습니다.”라고 Mathew가 말했습니다.

“우박 피해를 구별하고 식별하는 방법을 살펴보십시오. 우리는 신경망과 딥 러닝 모델을 사용하여 처리된 고해상도 이미지를 가져와서 데이터로 훈련하여 우박 피해를 구별하고 식별하고 새로운 우박 피해 주장에 이를 적용했습니다. 그것은 하나의 예일 뿐이다”라고 말했다. "사용 사례가 더 구체화될수록 AI 기반 의사 결정은 이를 활용하는 조직에 더 가치가 있습니다."