Почему ML-модель в андеррайтинге находит только то, что вы и так знали
<img src="https://habrastorage.org/getpro/habr/upload_files/bfa/7ef/13f/bfa7ef13f5fe0e52969685ec90c2c1d3.png" /><p>В кулуарах страховых форумов приходится слышать «технологии ИИ сильно переоценены», «мы поставили модель, но результата нет». Хотите об этом поговорить?</p><p>Возьмем стандартный случай. Начальство одобряет проект: внедряем машинное обучение в андеррайтинг массовых видов. Нанимают дата-сайентистов, покупают лицензии, обучают градиентный бустинг на исторических данных. Проходит полгода. Сравнивают с действующей тарифной моделью — и прирост точности оказывается в пределах погрешности. И начинается поиск виноватых.</p><p>Двадцать лет я занимаюсь аналитикой в страховании, из них большую часть — в ДМС и андеррайтинге в том числе. И кажется, мне есть что сказать по вопросу: что на самом деле отличает ML от привычного GLM; и что стоит за модной темой каузальных моделей, которые сейчас показывают на каждом демо.</p><p>Речь пойдёт про массовые виды: ОСАГО, каско, розничный ДМС, имущество физлиц.</p> <a href="https://habr.com/ru/articles/1080354/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1080354#habracut">Читать далее</a>