- Maskinene jobber med så store mengder data, at det ville vært umulig for et menneske å se alle mønstrene som finnes, sier Anders Dræge.
Lederen for teamet som jobber med kunstig intelligens og maskinlæring hos Frende, tok et verdivalg for et par år siden. Han skiftet beite. Han gikk fra petroleumsbransjen til forsikringsbransjen.
Engasjementet hans for miljøet gjorde at det vokste frem et behov for å komme seg videre i karrieren.
- Da det dukket opp en mulighet til å jobbe med maskinlæring, noe jeg virkelig brenner for, og som jeg har vært opptatt av lenge, søkte jeg, forteller Anders.
Prestisjefylt pris
Han mener at altfor mange mennesker er unødvendig engstelige for forandringer.
- Det er lett å bli skremt av tanken på å jobbe med noe annet enn det du alltid har gjort, men er du fleksibel og villig til å lære noe nytt, så går det som regel bra.
Nysgjerrig?
Anders har doktorgrad i petroleumsgeofysikk, men er selvlært når det gjelder maskinlæring. Da han jobbet for Equinor, begynte han å kombinere disse fagfeltene, og i 2019 mottok han den prestisjefylte prisen Nigel Anesty Award for en vitenskapelig artikkel han hadde skrevet om dette arbeidet.
- Jeg synes maskinlæring er kjempegøy. Det skjer noe nytt hele tiden, sier han.
- Å forstå all teorien bak er vanskelig, men den praktiske kunnskapen er fullt mulig å tilegne seg. Folk er veldig flinke til å dele på nettet. Det legges ut åpne kildekoder og eksempler på hvordan du bruker ulike funksjoner og programvarer.
Hva er egentlig maskinlæring?
- Vi trener opp datamaskinen til å se mønstre i store mengder data. Vanligvis er datamengdene så store at et menneske ikke vil ha sjanse til å jobbe med det. Noe av det magiske med maskinlæring er at vi må gi den alt vi vet, og så må den selv finne ut hva som er viktig.
- Hva bruker Frende dette til?
- Vi bruker maskinlæring og kunstig intelligens til å se på forretningsspesifikke utfordringer. Vi kan bruke NLP – Natural Language Processing – og få den til å lese gjennom e-poster, eller vi kan få den til å si noe om sannsynlig kundeoppførsel om det, for eksempel, er sannsynlig at en kunde kommer til å si opp forsikringen hos oss.
- Hvordan?
- Vi samler inn så mye informasjon vi har lov til å hente inn. Da sitter vi kanskje med 50 informasjonspunkter om én kunde, og den samme informasjonen har vi også om 100 000 andre kunder. Maskinlæringen ser etter mønstre i all dataen, og kan for eksempel se om det er sannsynlig at en kunde kan komme til å skade seg de nærmeste årene.
Hyllet teamet
For Frende er maskinlæring og kunstig intelligens et satsningsområde, og i fjor skjøt det virkelig fart.
- Sjefen min, Roald Heie, var en pådriver for å etablere et eget maskinlæringsteam i novemer i 2020. Senere tok han initiativ til å bruke en ny software som rammeverk for maskinlæring, noe som har vært til stor nytte for teamet. Nå er vi fem stykker som jobber sammen, og det har hatt stor effekt på hvor mye vi kan levere og jobbe med. Vi har allerede satt i gang flere prosesser og løsninger, og vi har mye på trappene fremover. Det er inspirerende å se at det du jobber med har positiv påvirkning på bedriften.
- Vi har mye kompetanse i teamet, og hvis vi mangler kunnskap om noe, henter vi kompetanse utenfra. Vi har folk som kan maskinlæring og kunstig intelligens, vi har folk fra forretningssiden, og så har vi en dyktig dataingeniør som samler inn data. Hun er også utdannet geofysiker, så vi pleier å spøke med at vi nok er det teamet i forsikringsbransjen som har størst kompetanse på geofysikk.
- Frende er fortsatt i startfasen når det gjelder kunstig intelligens og maskinlæring, men hvor stort kan dette egentlig bli?
- Det er vel bare fantasien som setter grenser for hvor stort dette kan bli, og hva vi kan bruke det til.