datacarriere.com

De Innovaris(sen): Juliska Tel en Tom Peters

Blog
31-10-2024
Inge Lodder
PwC
Deze blog van Inge Lodder is bedoeld om actuariële professionals, econometristen en andere geïnteresseerden te inspireren om verder te kijken dan de gebruikelijke kaders. In deze aflevering nemen Juliska Tel en Tom Peters je mee in de veelzijdige kracht van AI voor uiteenlopende processen.

Bij deze nieuwe post lichten wij een initiatief van Tom Peters en Juliska Tel uit (PwC). Beiden enthousiastelingen op het gebied van vernieuwing, verbetering en experimenterende met Artificial Intelligence. Tom is manager Data & AI en Juliska manager Non-Life Actuarial Risk Modelling. Hun doel is om AI zo concreet mogelijk in te zetten ter ondersteuning van processen en taken. Samen bundelen ze hun krachten in vernieuwende ideeën en oplossingen. 

Eén van deze oplossingen zijn de “Knowledge Bots”. Een Knowledge Bot is een virtuele assistent die de taalvaardigheid van GenAI combineert met externe kennis uit documenten en rekenmodules. Hetgeen wat deze Knowledge Bots een vernieuwend initiatief maakt is de mate waarin het 3 verschillende categorieën antwoordbronnen onderscheidt: algemeen, specifieke documenten en simpele berekeningen. Al deze 3 categorieën beantwoorden een hulpvraag op een andere manier.

De Knowledge Bot wordt momenteel toegepast bij het automatiseren van financieel advies, bijvoorbeeld in de keuzebegeleiding van pensioendeelnemers. Waar er bij de algemene vragen een allesomvattend GenAI model wordt opgeroepen, worden er bij specifieke vragen afgebakende kennisbronnen zoals onderneming-specifieke documentatie gebruikt ter beantwoording van de vraag. Beiden zijn dus gebaseerd op een LLM model (dezelfde modellen achter alle chat opererende AI-tools), met een andere kennisbron. Simpele berekeningen zijn daarnaast op voorhand in formules gedefinieerd zodat er geen foutieve resultaten kunnen worden gecommuniceerd. Al met al een interessant experiment die meer sturing biedt binnen AI-applicaties. 

De uitdaging hierbij is om de categorisering op een juiste wijze in te delen. Waar er met name een grijs gebied valt tussen algemene en specifieke vragen. Dit vereist training van het model op basis van praktische voorbeelden. 

Door deze nieuwe aanpak ben ik zelf ook weer geïnspireerd om verschillende LLM-getrainde modellen te combineren in een complete oplossing. Hoe kijkt u hier tegen aan? 

Heeft u een vernieuwend initiatief getoond of bijgewoond? Suggesties of ideeën voor de blog zijn welkom. Neem hiervoor vooral contact met mij op via bijvoorbeeld LinkedIn of [email protected]

Gerelateerde vacatures

Geïnteresseerd in een carrière bij organisaties in ditzelfde vakgebied? Bekijk hieronder de gerelateerde vacatures en vind de perfecte match voor jou!
ASN Bank
4.552 - 6.070
Medior
Utrecht, hybride
Als Medior Data Scientist Anti-Financial Crime bij ASN Bank bouw je AI- en machine learning-modellen en datapipelines voor transactiemonitoring, KYC en sanctiewetgeving. Je werkt in het AIKI-team aan het hele...
ING
5.677 - 9.137
Senior
Amsterdam
As Information Modeler - Analyst at ING's Global Customer Domain you design conceptual and logical customer data models, analyse business data requirements and define business definitions, taxonomy and reference data....
Bunq
Marktconform
Medior
Amsterdam, hybride
As Data Scientist Marketing at bunq you own the machine learning models that predict the value of every newly verified user and feed that value into Google Ads. You build,...
Achmea
3.323
Starter, Junior
Meerdere locaties
Als IT Management Trainee bij Achmea werk je aan innovatieve IT-projecten en persoonlijke ontwikkeling. Je voert vier diverse opdrachten uit binnen een breed technologisch speelveld, ondersteund door een mentor. Het...