Augmented Intelligence

Branchen Lösung

Augmented Intelligence

Ein Statement, weshalb AI bei legal-i für Augmented Intelligence oder Amplified Intelligence steht anstelle von Artificial Intelligence.

Branchen Lösung

Augmented Intelligence

Ein Statement, weshalb AI bei legal-i für Augmented Intelligence oder Amplified Intelligence steht anstelle von Artificial Intelligence.

Intro

The Future of Work

legal-i ist eine Augmented Intelligence

Bei legal-i setzen wir auf ein partnerschaftliches Modell, das den Menschen in den Mittelpunkt stellt und eine Zusammenarbeit zwischen Fachexperten und AI ermöglicht, um bessere und genauere Ergebnisse schneller zu erzielen. Wir nennen das Augmented Intelligence. Unser Ansatz konzentriert sich darauf, die AI als intelligenten Assistenten zur Unterstützung des Menschen zu nutzen. Unsere kognitive Technologie verbessert also die menschliche Intelligenz, anstatt sie zu ersetzen.

Im Folgenden werden wir verschiedene Quellen zu diesem Thema vorstellen und dann praktische Erfahrungen aus dem Alltag von legal-i teilen.

The Future of Work

Nachfolgend erfährst du, wie die Zukunft mit Augmented Intelligence aussehen wird.

Why The AI Revolution Is All About Augmentation

People who are skeptical of artificial intelligence (AI) and machine learning (ML) often harbor fears of robots stealing jobs and human workers being replaced by automatons. But the reality is that AI is increasingly being applied across sectors not to replace our jobs but to enhance them.

AI and ML applications are augmenting every facet of how we do business, giving knowledge workers superpowers to be more productive, capable and effective than ever before.

AI and ML are changing the future of work, forging a landscape in which humans and AI work side by side. According to estimates from late 2020 by the World Economic Forum, technology will create at least 12 million more jobs than it eliminates by 2025. With the increased capacities provided by AI and ML, humans will be able to automate menial tasks and spend their time focusing on more meaningful tasks that require creativity and judgment.

Rather, I want to encourage all companies to reconsider how they think about these technologies using the framework of augmentation. Far from eliminating the human element of work, AI and ML are empowering ordinary workers to achieve superhuman accomplishments.

Humans with Machines is the future of insurance

Business leaders are constantly asking key questions related to artificial intelligence: Will advanced technologies replace human workers? Should I invest more in machines, or in people? The answer to these questions is not machines versus humans, but machines with humans.

Neither technology nor people alone can respond to the current driving forces of change. It will take humans working together with machines in a designed system.

Insurance is a people business. It takes one human to understand another. A machine can predict human behaviour, but it won’t understand them. This is why humans are the last piece of the puzzle to deliver customercentric products, services, and experiences.

How the amplified future in insurance might look like

legal-i: Augmented Intelligence statt künstliche Intelligenz

Bei legal-i erkennen wir im täglichen Arbeitsablauf, dass Maschinen ihre Stärken an Stellen ausspielen können, an denen Menschen Schwächen aufweisen, und umgekehrt. Durch die Zusammenarbeit von Mensch und Maschine wird jedoch etwas Neues geschaffen, das sowohl Maschine als auch Mensch in den Schatten stellt.

Die Schwächen der Maschine

Maschinen haben Schwierigkeiten dabei, Informationen in einen Kontext zu setzen und zu bewerten, was dazu führen kann, dass sie falsche Schlüsse ziehen. Ein Beispiel dafür ist folgendes Röntgenbild, das von einer Maschine fälschlicherweise als Brunnen klassifiziert wurde.

In der Aufgabe, aus einem Stapel von 20’000 Bildern alle mit einem Brunnen herauszusuchen, zeigt sich deutlich, dass Mensch und Maschine jeweils ihre Stärken und Schwächen haben. Während die Maschine die Aufgabe schnell erledigt, kann sie einige Bilder fälschlicherweise als Brunnen identifizieren. Der Mensch wiederum benötigt für die Aufgabe viel Zeit und ist bei repetitiven und monotonen Aufgaben schnell unaufmerksam. Die Lösung besteht darin, dass Mensch und Maschine zusammenarbeiten. Die Maschine wird so programmiert, dass sie möglichst alle Brunnen erkennt und im Zweifelsfall auch Bilder als Brunnen klassifiziert, die nur ähnlich aussehen. Der Mensch erhält dann einen Stapel mit potentiellen Brunnen-Bildern und muss nur noch diejenigen aussortieren, die keine Brunnen sind. Durch diese Zusammenarbeit können Mensch und Maschine jeweils ihre Stärken ausspielen und bessere Ergebnisse erzielen.

Warum eine perfekte Erkennung von Information in unstrukturierten Daten unmöglich ist: Eine Betrachtung aus Sicht von legal-i

Eine 100%ige Genauigkeit bei der Erkennung von Daten im Use-Case von legal-i ist in der Praxis nicht erreichbar. Dies liegt an verschiedenen Faktoren wie der Vielfalt der Datenquellen (die Daten können von praktisch allen Spitälern und Ämtern in der Schweiz stammen), der Varianz in der Dokumentenqualität (von sehr gut bis sehr schlecht gescannt), der zeitlichen Spannweite der Dokumenterstellung (Dokumente aus den 1990er Jahren unterscheiden sich in Sprache und Erscheinungsbild von aktuellen Dokumenten), der Lesbarkeit von Handschriften (gut lesbar bis sehr schwer zu entziffern) usw.

Bei legal-i sind wir uns dieser Schwierigkeiten vollständig bewusst. Wir wissen, dass man das Gegenteil behaupten kann, wenn man auf Basis von Messungen an Test-Sets arbeitet und die Optimierung anhand einer begrenzten Anzahl von Dokumenten durchführt.

Obwohl eine Erkennungsgenauigkeit von 100% nicht möglich ist, setzen sich die Ingenieure von legal-i Tag und Nacht dafür ein, die Erkennungen kontinuierlich zu verbessern.

Das Ziel von legal-i ist es, trotz der Unvollkommenheit in der Erkennungsgenauigkeit, bestmögliche Ergebnisse zu liefern. Wir haben im User-Interface spezifische Mechanismen implementiert, um dies zu erreichen:

Wir haben spezielle Kategorien für Dokumente, die nicht erkannt werden konnten, damit der Fachbearbeiter:in einfach eingreifen und legal-i Feedback geben kann. Dadurch lernt das System und kann zukünftige Erkennungen verbessern.
Zu Beginn der Zusammenarbeit wird während eines Pilotprojekts die Extraktionsqualität analysiert und die Modelle dementsprechend angepasst.
Das User-Interface, welches die Interaktion zwischen dem Benutzer und legal-i steuert, wird seit 3.5 Jahren kontinuierlich optimiert und auf das Feedback der Benutzer:innen angepasst.
Erkennungsparameter werden so eingestellt, dass lieber zu viel als zu wenig gefunden wird, da es für den Benutzer einfacher ist, falsche Informationen zu erkennen, als fehlende zu suchen.

Dank dieser Ansätze konnten wir bei grossen Schweizer Versicherungen bereits signifikante Effizienzsteigerungen erzielen.