Las compañías de seguros se basan en numerosos datos históricos para predecir y gestionar el riesgo y establecer las tarifas. Los datos históricos son cada vez menos fiables, ya que las compañías de seguros se enfrentan simultáneamente a los desafíos de la escalada de los riesgos del cambio climático y los cambios en la normativa del sector.

Desafío

Una importante compañía de seguros se puso en contacto con Kopius* en busca de una forma de predecir y planificar mejor las catástrofes meteorológicas. Esto ayudaría a mejorar tus modelos de riesgo y permitiría primas más precisas para los asegurados. Dada la naturaleza impredecible de muchos fenómenos meteorológicos, era importante contar con una solución que ofreciera información en tiempo real sobre si un fenómeno meteorológico se había producido o estaba a punto de producirse.

La Solución

Kopius fue contratada para desarrollar una solución piloto que utilizara el Machine Learning basado en la nube y dispositivos IoT para identificar fenómenos meteorológicos y notificarlos al cliente en tiempo real. Entrenamos a las máquinas para que reconocieran los sonidos captados por dispositivos IoT en estaciones meteorológicas terrestres, utilizando 10 000 archivos de audio.

Resultados

Con nuestros algoritmos y el proceso de IA, pudimos entrenar a las máquinas para que reconocieran 12 tipos únicos de fenómenos meteorológicos, incluidas métricas de seguimiento de la gravedad de los fenómenos.

El proyecto piloto incluyó la colocación de 500 dispositivos con modos de Machine Learning en lugares estratégicamente seleccionados de todo el país. En la prueba piloto inicial se comprobó que los datos aportados por los dispositivos tenían una precisión del 85%. El proyecto piloto sirvió de base para las futuras estrategias de la aseguradora y contribuyó a la hoja de ruta de desarrollo tecnológico.

*Kopius realizó este trabajo con su nombre comercial anterior, Valence.