)
Lo sviluppo low-code permette di produrre software di qualità in minor tempo rispetto alle tradizionali metodologie di sviluppo. Viene incoraggiato, infatti, l’utilizzo di strumenti visuali ed astrazioni che riducono le possibilità di errore e favoriscono una migliore collaborazione tra sviluppatori e business.
Quotidianamente i nostri professionisti utilizzano la piattaforma low-code Pega nella realizzazione di processi innovativi in ambito Financial Services: l’obiettivo principale di questa esperienza è sperimentare in un contesto realistico le capabilities di AI messe a disposizione dalla piattaforma, con conseguente progettazione e realizzazione di una PoC di un processo di raccomandazione in un contesto di vendita di prodotti assicurativi.
La sperimentazione nasce da una proposta di tesi della Business Unit 'Products&Claims' di Blue Reply Financial Services in ambito low-code ed è svolta in collaborazione con l'Università di Torino. L'esperienza è stata gestita in modalità ibrida (lavoro in presenza e remote working) tramite un tirocinio formativo della durata di 6 mesi.
Il processo prevede la raccolta iniziale di informazioni riguardanti, ad esempio, la professione e l’età del potenziale acquirente. Sulla base dei dati inseriti, viene quindi individuato il prodotto che potrebbe essere di maggiore interesse, scegliendolo tra diverse opzioni: Casa, Pet ed Auto.
Nell’individuazione del prodotto da raccomandare, si tiene conto innanzitutto di regole che possono derivare da obblighi normativi o dalla situazione attuale del potenziale acquirente:
i prodotti possono essere sottoscritti solo da maggiorenni
il prodotto Casa non è idoneo se il potenziale cliente ha dichiarato di vivere in affitto
Dopo aver individuato uno o più prodotti adatti sulla base di regole predefinite, si crea quindi un ranking dei rimanenti assegnando loro uno score calcolato tramite l’ausilio di modelli di machine learning (adattivi o predittivi), identificando quello con punteggio più elevato.
L’apprendimento adattivo è risultato flessibile e versatile, dal momento che può essere applicato anche in assenza di un training set iniziale. Un modello adattivo, infatti, apprende dai feedback che riceve continuamente dall’applicazione. Questo vuol dire che, per esempio, a fronte di un feedback negativo da parte di un potenziale cliente verso un certo prodotto, il modello aggiornerà i propri parametri interni in modo tale da migliorare le predizioni future su profili simili. Ovviamente all’inizio le predizioni del modello adattivo non sono molto accurate, ma migliorano man mano che nuovi esempi vengono raccolti e processati.
Pega mette a disposizione dello sviluppatore low-code molti strumenti nella creazione e gestione dei modelli di machine learning, nonché nella loro integrazione nei processi. Lo sviluppatore non deve preoccuparsi dei dettagli dei modelli matematici sottesi all’aggiornamento di un modello adattivo, ma dovrà preoccuparsi invece di raccogliere i feedback e presentarli al servizio Adaptive Decision Manager (ADM) della piattaforma, che si occuperà dunque dell’aggiornamento effettivo del modello.
L’esperienza di tesi ha permesso allo studente di calarsi gradualmente nel contesto aziendale, utilizzando metodologie e tecnologie tra le più innovative, sfruttando un sistema di affiancamento (tecnico e funzionale) sia da remoto che in presenza, rispettando i tempi e gli impegni stabiliti.
Sei interessato ad intraprendere un progetto di tesi con noi? Clicca sul pulsante in basso per visualizzare le proposte attualmente disponibili!
Tra i principali vantaggi per lo studente:
- Coaching ed utilizzo della piattaforma Pega
- Corso Pega finalizzato al conseguimento delle Certified Pega System Architect e Certified Pega Business Architect
- Utilizzo di asset aziendali
- Muovere i primi passi in azienda in un contesto giovane e dinamico, far parte di un gruppo di progetto e partecipare ad attività ludiche e di team building con la Business Unit
Il lavoro è attualmente in fase di evoluzione nell’ambito di una nuova tesi magistrale. Tra le vie di miglioramento in esame vi sono:
- Estensione del processo alle garanzie opzionali
- Aumento del grado di personalizzazione tramite l’utilizzo del prodotto Pega Customer Decision Hub (CDH)