Careerguide

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 inge.lodder@elavv.nl

Lees verder op: Actuaris.nl

Gerelateerde vacatures

Geïnteresseerd in een carrière bij organisaties in ditzelfde vakgebied? Bekijk hieronder de gerelateerde vacatures en vind de perfecte match voor jou!
Rabobank
5.381 - 7.687
Medior
Utrecht
As a FCC Officer Risk Management & Intelligence at Rabobank, you provide strategic advice on financial economic crime risk management. Key tasks include contributing to the Group FEC Systematic Integrity...
Rabobank
4.516 - 6.449
Medior
Utrecht
Als Medior Data Scientist ontwikkel en onderhoud je machine learning modellen, waarbij je data-analyse en hands-on programmeren combineert. Je werkt aan het verbeteren en implementeren van modellen en brengt ze...
NN
4.547 - 6.496
Medior
Rotterdam
Als Experienced Data Scientist bij NN vertaal je business-uitdagingen naar data science-oplossingen met behulp van AI, machine learning en Python. Je ontwikkelt innovatieve AI-oplossingen en werkt samen met teams om...
Achmea
4.009 - 5.505
Medior
Zeist
Als Rapportage analist (vermogensbeheer) bij Achmea Investment Management ben je een cruciale schakel in het creëren van klantgerichte rapportages. Je bouwt aan inzicht en vertrouwen door het maken van kwartaalrapportages,...