CEO Kespry Ungkap Bagaimana Drone dan AI Mengubah Penilaian Kerusakan Atap Akibat Badai
Penilai asuransi tradisional menghadapi pendakian berbahaya dan pengukuran yang memakan waktu untuk menilai kerusakan atap pasca-badai, dengan tingkat cedera hampir empat kali lebih tinggi dibanding pekerja konstruksi umum. Mereka mengandalkan tangga, kamera, penggaris ukur, dan ekstrapolasi manual untuk memperkirakan total kerusakan properti.
CEO Kespry, George Mathew, berpendapat bahwa drone dapat menggantikan tangga, menyampaikan data yang lebih cepat, lebih aman, dan lebih akurat. “Masuk drone: Anda cukup mengetuk area di iPad, membuat poligon, dan biarkan sistem menangkap setiap piksel yang diperlukan untuk analisis,” katanya. Pendekatan ini telah mendorong kapasitas harian Farmers Insurance dari tiga rumah menjadi tiga rumah per jam—lompatan produktivitas 8- hingga 10-kali lipat yang dilaporkan di Dreamforce 2024.
Selain kecepatan, citra drone memungkinkan dimensi atap yang presisi dan disalurkan ke dalam model AI yang mendeteksi lokasi dampak hujan es dan menyimpulkan kerusakan yang disebabkan oleh angin. Hasilnya adalah kumpulan data yang lebih kaya dan lebih andal yang langsung disalurkan ke dalam perangkat lunak klaim asuransi, mengurangi tenaga kerja manual dan kesalahan.
Akar Kespry melacak ke tahun 2013 ketika pendirinya berfokus pada IoT industri. Kemenangan besar pertama mereka adalah di pertambangan, di mana mereka menggunakan drone untuk memfoto tumpukan barang, memproses gambar resolusi tinggi menjadi model 3-D melalui fotogrametri, dan mencapai akurasi 1- hingga 2-persen—dramatis lebih baik daripada variansi 15- hingga 20-persen dari metode survei konvensional. Teknologi yang sama sekarang mengukur bahan konstruksi dan aset berat lainnya, membuka frontier baru untuk visi komputer di industri.
Sementara raksasa teknologi seperti Amazon, Google, FedEx, dan Uber telah mencoba program drone, Kespry menekankan solusi praktis yang dapat segera diterapkan. Setelah pembatasan penerbangan awal yang menjauhkan drone dari zona rusak selama 48 jam kritis pasca-badai, ruang udara dibuka kembali, memungkinkan survei sistematis dimulai.
Mathew mencatat bahwa metodologi yang sama dapat diterapkan pada bencana lain, seperti kebakaran dan puting beliung, meskipun kompleksitas penilaian meningkat dalam skenario kerusakan total. Bahkan pada titik itu, drone dapat memetakan fondasi yang rusak, memberikan informasi untuk perkiraan biaya penggantian.
Menjangkau masa depan, Kespry melihat “AI spesifik”—algoritma yang ditargetkan untuk pengambilan keputusan konkret—sebagai arah yang paling berharga. Deteksi kerusakan hujan es mereka, yang didukung oleh jaringan saraf deep learning yang dilatih pada citra resolusi tinggi, merupakan contoh dari tren ini. Semakin spesifik kasus penggunaan, semakin tinggi nilai yang diberikan kepada bisnis.
Dengan mitra seperti State Farm dan Farmers Insurance serta bukti keberhasilan yang teruji di seluruh sektor industri, Kespry menunjukkan bahwa kecerdasan udara berbasis drone, digabungkan dengan machine learning dan visi komputer, sedang mengubah cara kita menilai dan merespons kerusakan bencana.
