01.

AI 如何重构保险行业

保险业是一个极其庞大但高度依赖人力、流程复杂、技术渗透率低的传统行业，正处于从人力向 AI Automation 变革的临界点。这为 GenAI Startup 创造了巨大的空间。

保险业是全球最大、最稳定的服务业之一。全球保险行业年保费总额超 7.4 万亿美元（Swiss Re， 2023），其中美国市场贡献约 2.5 万亿，占全球 38%，是最大的单一市场。在许多发达国家，保险业长期占据 GDP 的 7%～12%，美国高达 11.3%。所以哪怕 AI 只吃掉其中一小部分流程，也足以支撑一批千亿美金市值的公司。

与庞大的市场体量形成对比的是极低的运营效率，是一个人工驱动的“信息搬运工行业”。保险公司至今依赖大量人力完成文书处理、表单填写、客户服务和索赔审核等流程。根据 McKinsey 2022 数据，一家典型的保险公司仍有超过 60% 的流程依赖人工判断与数据录入，人工成本占总运营支出的 40%～60%。而消费者的体验也很糟糕，美国的索赔流程平均耗时 7 到 15 天，尤其是尤其是医疗和财产险。客户满意度（NPS）仅为 31 分，远低于科技行业（通常超过 60 分）。具体来说，行业中的结构性资源浪费主要表现在以下几个方面：

• 分销费用：传统保险公司需要依赖经纪人网络、渠道返佣和线下获客，推高了获客和保单转化成本。

• 人工理赔成本：理赔流程中大量依赖人工数据录入、文档核对和规则判断，耗时高、错误率大。

• 欺诈赔付损失：全球每年因欺诈造成的保险赔付达数千亿美元，仅美国每年就有约 1200 亿美元损失，占总赔付的近 10%。

• 信息孤岛：客户数据、理赔资料、合规文档等分散在不同系统中，跨部门流程难以协调。

AI 非常适合保险行业的原因是，保险的核心流程：核保、报价、索赔、合规、客户支持，本质上都是对标准规则下的文档、表格、历史记录的处理。

这些任务过去由人工完成，过去 2 年，LLMs 大幅提升了 AI 对于复杂文本、PDF 文件、合同、邮件等非结构化信息的理解和操作能力。尤其是处理非结构化信息（PDF、合同、邮件、票据）方面，LLM 比传统自动化工具（如 RPA 或简单 OCR）有显著更强的泛化能力和上下文理解力，第一次真正有了接管完整 workflow 的可能性。比如：

• 承保环节，AI 可自动采集和分析数据，帮助风险建模和定价更精准，降低人工判断误差。

• 理赔环节，AI 可自动处理索赔材料，实时反馈进度。

• 客服与运营环节，Voice Agent 可实现 24/7 全天候服务。

• 合规与监管报告环节，AI 完成交易监测、可疑活动识别及报表生成。

很多 GenAI startup 在围绕保险行业的“流程节点”构建 AI 基础设施与产品。比如 FurtherAI、Anterior 等 GenAI workflow automation 平台。另一类 Harper、Corgi 这样的 AI-native 经纪公司或承保商（carrier），Day One 就通过 LLM Agent 重构保险产品的交付方式和组织结构，成为保险公司本身。AI-native 的保险创业公司期待能在更少人力支撑下跑通业务闭环，实现更快的响应、更低的运营成本和更高的客户满意度。传统大公司受限于 IT 架构、合规流程和惯性，转型步伐缓慢，为 startup 留出了充分的时间窗口。

总的来看，保险行业市场足够大，且人力密集、技术渗透率低，现有公司更新迟缓。这使保险行业不仅有面向现有保险行业的 AI workflow 平台机会，还有可能催生出产品形态和成本结构上彻底不同于 legacy 的“AI-native 保险公司”。

结构性机会

保险行业链条清晰，参与方包括：

Provider，即保险提供方。其中 Carrier 直接向保单持有人提供保险并承担风险，Reinsurer 为保险公司提供风险转移保障，Underwriter 评估风险，制定保单条款，通常服务于 carrier。

中间角色连接客户与保险公司。一方面，Agent / MGA 代表保险公司销售产品，其中 Agent 可为单一或多家保险公司销售产品；MGA（管理普通代理人）有承保权，负责特定市场的承保、理赔。另一方面，Broker / Aggregator 则代表客户寻找最优保险方案。Broker 代表客户，与多个保险公司合作提供定制方案，Aggregator 提供报价比价平台，便于客户选择。

Policyholders 是最终投保人，可能是个人或企业。

Claims Process中，包括 adjuster、examiner、investigator 等，负责理赔审核、欺诈排查等。

source: slideteam.net

根据行业角色以及上图可以看出，整个价值链可拆分为前台与后台环节，AI 的应用机会也沿此结构分布：

Front-Office：面向客户或业务人员的 AI 工具

包括客户获取、销售支持、投保咨询与服务，是 AI 产品切入最直接、可通过 PLG 或轻量部署落地的场景。比如，Fair Square 利用 voice agent 帮助老年人选择合适的医疗保险。Strada 提供的 voice agent 可以自动打电话，帮保险经纪人找客户、报价投保；Harper 打造了一个 AI 商业保险平台，可以自动填写表格、匹配保险公司，还能统一管理客户沟通。Vantel 则专注帮经纪人自动比价、验证合同。

Back-Office：核保、出单、理赔、会计、文档管理，聚焦核心运营系统自动化

在核保环节，AI 可以根据客户的健康状况、信用评分、驾驶记录等数据，自动评估风险，决定是否承保及对应保费。在理赔方面，AI 也能自动识别事故照片、分析损失情况，例如 Tractable 已经实现了车险理赔的图像识别自动化。在反欺诈上，Shift Technology、FRISS 等公司通过模型分析找出异常索赔行为，有效降低欺诈率。定价和风险评估也更加精准，像 Insurify、Planck 这类平台利用大数据帮助保险公司实现更细颗粒度的定价。甚至有公司（如 Zesty.ai）利用卫星图像来评估房屋风险，辅助承保和再保判断。

AI 在保险中的使用场景还可以根据标准化程度，分成决策类任务 vs 行政重复性任务

重复性任务标准化高、准确性要求相对低，能快速部署，是 AI Agent 类保险工具早期的创业重心；高价值、复杂判断任务则是推动行业变革的长期机会。

TAM 估算

如果仅看美国市场，美国保险行业（包括 P&C、健康、寿险等）的总保费收入在 $2.5 trillion。

• P&C（财产与意外险）：约 $800B+

• 人寿与年金：约 $600B+

• 健康险（商业部分）：约 $1T+

保险公司的运营成本通常占总保费收入的 20–25%，主要包括：

• 理赔运营

• 承保流程

• 客户支持

• 合规与文档处理

• 销售佣金与分销

以总保费 $2.5T 来估算，保守运营成本约为 $500B。

根据 McKinsey、Accenture、Deloitte 等机构分析，人力支出通常占运营成本的大头，尤其是在以下环节：

• 理赔处理：高达 60–70% 成本为人力操作（审查、调查、沟通）

• 承保流程：传统流程完全依赖人工判断与文档处理

• 客服中心：运营中最主要的成本就是人工

• 合规与审计流程：在金融 / 保险行业尤其重度依赖人工审核

综合这些研究，估算运营成本中 60–70% 是人力相关。所以人力支出大约为 $325B。

我们可以从以下几个维度来估算 AI 在该领域的潜在市场空间：

1. 直接可替代的人力成本

这是短期最大的机会，AI 在这类任务中已被证明具备显著效率提升空间（自动化文档处理、生成理赔摘要、智能客户交互等），即使 AI 工具仅能替代其中 10–20% 的人力成本，其对应的可捕获市场空间在 $30–70B。

2. 增量效率收益

AI 的真正价值并不仅是“降本”，而是通过更精准的定价、更高效的转化、更优的客户体验，拉动保险核心指标的改善：

• 更精确的风险评分可降低损失率（loss ratio）2–4%，为 P&C 公司带来每年数十亿美元的盈利改善。

• 更智能的客户沟通与销售工具可提升新保单签约率。

• 更快的理赔周期将改善客户满意度并提升留存率。

这部分市场空间更难量化，但根据多家 Insurtech 公司披露的 ROI 数据，每 1 美元 AI 投入可带来 3–5 美元效率或盈利改善。美国保险行业年运营利润约 $300B，假设其中 10–15% 未来可由 AI 驱动提升，即代表额外 $30–45B 的空间。

3. “保险基础设施层”的平台机会

随着 AI 在承保、理赔、定价与客户服务等核心流程中不断渗透，行业将出现一批 AI-native 的“full-stack 公司”。其 Infra 具备 API-first 架构，成为新一代的保险决策与数据中枢。

Guidewire 和 Duck Creek 是传统 IT 基建提供商，营收模式主要依赖 on-prem 或 SaaS 软件许可和维护费，增长天花板明确，客户生命周期长但扩展慢。AI-native 平台可同时切入更多高频场景，如自动理赔、AI 承保、风险建模引擎等，是数据流动平台 + 决策引擎 + 工作流自动化工具的混合体，商业模式可以按使用量、节省成本分成、API 计费多种方式计费，TAM 更大。Guidewire 的客户主要是大型保险公司，但 AI-native 平台也可赋能 TPA、MGA、Insurtech、新消费品牌甚至是银行、出行、电商内嵌保险需求。

这类平台的 TAM 远不止 Guidewire 和 Duck Creek 当前市场（合计约 $8B），而更接近于：

• 保险公司运营支出的 5–10%（即 $25B–$50B）

• 或者每年节省 / 提升的效率收益分成模型（假设为节省 / 增收 $100B 中的 10%，即 $10B）

综上：

其中直接替代人力成本（$30–70B）是最清晰、最短期可落地的机会，效率与利润提升（$30–45B）为中期价值来源；平台型 AI 基础设施（$10–50B+）为长期市场大公司的机会。AI 在美国保险行业的中长期 TAM 可估算为 $70–150B。

02.

投资 Thesis 及重要标的

AI 对保险前端交互的迭代：

Voice Agent 赋能销售及客服

保险前端（销售、咨询、初步信息采集、客户服务）存在大量标准化、高重复性的交互环节，以及依赖经验和知识的复杂认知任务。标准化但高认知负载的任务（如方案解释、医保选项判断、信息采集）正好落在 LLM + Voice Agent 的“sweet spot”。 LLM 的对话理解力提升，Voice infra 成熟（如 Vapi、ElevenLabs），以及保险的一大客户群，老年人群体电话偏好，推动了真实使用。

Voice Agent 可以自动化处理高标准化流程，显著降低人力成本、提升 7x24 服务能力、扩大覆盖面，并保证合规性与服务一致性。更重要的是，通过系统集成，它能成为自动化流程的起点（如预约、报价、资料填写等），打通后续工作流。

代表项目：

• Strada: 利用 Voice Agent 自动拨打销售电话，收集客户意图，提升客户获取和转化效率。关注其在销售线索转化和 MGA/ 经纪人赋能方面的表现。

• Fair Square: 针对老年人群体，通过 Voice Agent 简化医保方案选择和信息采集流程，改善用户体验。关注其在特定人群服务和复杂信息匹配上的能力。

保险中后台 

AI 自动化 SOP，实现降本增效

保险中后台长期依赖大量手动操作，流程虽标准，但信息源非结构化（保单、PDF、ACORD 表等），人工处理慢且容易出错。传统 RPA 无法理解内容，ERP 和 CRM 系统又无弹性，造成效率瓶颈。

而基于 LLM 的 Copilot + Workflow Agent 的组合，正重新定义“保险行业的操作系统”：它能读懂文件、理解语义、完成判断，并自动执行操作，形成端到端的 SOP 自动化。这个领域一旦部署，客户粘性强，替换成本高，ROI 明确。医疗领域的预授权自动化（如 Cohere Health， Anterior）和保险领域的会计自动化（Comulate）、保单 / 理赔处理（FurtherAI）均验证了此逻辑。

代表项目：

• FurtherAI: 基于 LLM 的“保险行业 Copilot”，自动化保单提交处理、保单比较、核保审核、理赔录入等。通过文件上传 + 对话问答形式，让保险从业者可以快速理解、处理非结构化文本（如 SOV、ACORD 表、保单、损失记录等）。

• Anterior: 基于 LLM 的助手，帮助医生护士快速整理医保所需文件（预授权），降低拒付率。

超越工具赋能

AI native 保险公司重塑行业价值链

AI 不仅仅是工具，更可以成为重构保险商业模式的核心驱动力。传统保险公司技术堆栈陈旧、数据断裂、运营复杂，AI 的潜力无法完全释放。真正的范式转变是诞生 AI-native 的保险公司，从第一天起就以 AI Agent 为核心构建产品、流程和增长引擎。

AI Native 保险公司可以用 AI 主导风险评估、动态定价、个性化产品设计、自动化理赔和全流程客户交互，具备比传统玩家更高的 LTV/CAC，可能直接引发行业洗牌。就像 Nubank 是“mobile-native 银行”，AI Native 保险公司可能会打破传统牌照、运营、渠道三位一体的护城河。

代表项目：

•Harper: 定位为 AI-native 商业保险经纪公司，利用 AI 大幅提升经纪人的效率和客户体验，例如通过 AI Hub 自动填写表格、匹配最佳 carrier/underwriter、管理客户沟通，旨在实现更高的 NPS 和更快的增长。

• Corgi: 愿景是打造第一家 AI-Native 保险提供商。从底层构建 AI 驱动的保险产品和运营体系，可能在风险评估、动态定价、个性化产品、自动化理赔等方面远优于传统保险公司。

03.

公司图谱

高标准化流程

前台 （Front-office）：

Voice Agent 重塑客户交互与销售转化

Front-office 高标准化流程场景的产品是 AI voice agent 加垂直流程工具，集成保险行业的流程、法规和术语。AI startup 帮助客户利用 voice agent 处理与客户交互中标准化程度较高的环节，例如信息采集、初步筛选、引导决策、表单填写、跟进沟通等可结构化流程。比如 Fair Square 会询问老年用户的医保覆盖情况，与保险方案匹配；Cohere Health 内嵌与 payer 系统对接、事前审批逻辑等。

Voice agent 的商业化路径多围绕“提升效率 + 降本增效”展开。比如 CareCycle 减少客服人力；Strada 主动拨打销售电话，提升客户转化率；Fair Square 降低老年人选择保险的困扰，改善用户体验。很契合保险行业“重流程”的特点，因为保险行业其实对于合规、客户满意度提升是有刚性需求的。

这个领域的创业公司还偏早期，创始团队多为 Fintech/Healthtech 背景加强技术背景合伙人的组合。

代表公司

Strada

• 产品：voice agent，帮助保险经纪人和 MGAs 自动拨打电话。

• 创始团队：由 CEO Amir Prodensky 和 CTO Arash Khazaei 联合创立。Amir 曾担任 Revolut 美国市场负责人，主导了在美国的产品上线和储蓄产品设计，拥有巴克莱投行背景和加拿大劳里埃大学金融与经济学位；Arash 曾是微软 AI 部门的 senior engineer，负责企业知识图谱和 NLP 技术研发，毕业于多伦多大学计算机工程专业。两位创始人此前曾在金融科技公司 Percents 共事。

• 融资：2023 年 9 月 1 日完成 250 万美元种子轮，投资者为 Y Combinator。

Fair Square 

• 产品：医疗保险经纪公司，帮助老年人找到最符合自身医疗保健需求的健康保险计划。传统方式中，老年患者感到困惑和沮丧，需要花费数小时与人工呼叫中心通话，Fair Square Medicare 构建基于 LLM 的 voice agent，用于筛选老年人的保险覆盖范围，并改善和简化客户体验。

• 创始团队：由 Daniel Petkevich 创立，毕业于耶鲁大学物理学专业，职业生涯始于 Redfin 的增长部门，之后共同创立了金融科技公司 Trim 并主导其从零到一的发展，该公司后来被 OneMain Financial 收购。

• 融资：最新一轮融资为 2022 年 5 月 1500 万美元 A 轮融资，投资者包括 Y Combinator， Slow Ventures， Define Ventures。

CareCycle

• 产品：为医疗保险机构和现场营销组织 （FMO） 提供 voice agent，支持医疗保险销售和服务的运营效率。 AI voice agent 客服团队处理整个 Medicare 会员旅程，提升会员留存。

• 创始团队：CEO Alex Doonanco 毕业于不列颠哥伦比亚大学经济学专业，曾参与创办多家科技公司并担任美国 AI Rudder 的首位本土员工。团队 CTO Evan Roubekas 毕业于维多利亚大学计算机软件工程专业，是一位具备全栈开发能力的系统架构师，曾在 Suncor 能源公司担任高级应用开发工程师，主导过多个复杂系统的重构与优化项目。

•融资：创立于 2024 年，入选 YC W25，2025 年 4 月，种子轮融资已筹集 200 万美元，投资方位 Y Combinator， Pioneer Fund， Strike Capital。

Cohere Health

• 产品：是一家专注于提高医疗保健效率和效果的 SaaS 公司，提供 AI 驱动的健康保险计划预授权平台。Cohere Unify™ 支持实时、智能的健康保险计划预授权，大约 88% 的请求可以通过 AI 立即获得批准，简化了事先授权，减轻了 providers 行政负担，加快了审批速度。

•公司发展：服务超过 1600 万健康计划会员，每年处理 1200 万份事先授权请求。 已与美国领先的健康计划建立了多项重要合作伙伴关系，其中包括 Blue Cross Blue Shield 附属机构。

• 创始团队：2019 年由 Co-Founder & COO Duncan Reece 和 Co-Founder & CEO Siva Namasivayam 创立，Duncan 毕业于斯坦福计算机系，曾在多个知名医疗公司担任重要管理职位，包括 Mindstrong、Iora Health 等；Siva 毕业于匹兹堡大学计算机科学硕士和密歇根大学 MBA 学位，医疗科技连续创业者，包括在 2007 年共同创立 SCIO Health Analytics 并将其从零开始发展至 9000 万美元年收入规模，最终在 2018 年以超过 2.4 亿美元的价格出售给 EXL 公司。

• 融资：已完成 9610 万美元融资，最新一轮为 2024 年 2 月 5000 万美元 C 轮融资，投资者包括 Temasek、Deerfield Management、Define Ventures、Humana、Flare Capital Partners 、 Polaris Partners 等。20 年 7 月 A 轮融资中，投资方包括 Humana、 Flare Capital Partners、Define Ventures，21 年 4 月 B 轮由 Polaris Partners 投资。

后台 （Back-office）:

 AI 自动化 SOP

这一领域的公司聚焦于将保险公司内部运营等强流程化行业中的标准操作流程（SOP）实现 AI 自动化，目标是提升效率、降低成本、减少人为错误，并增强流程的可扩展性与合规性。

AI Agent 的角色是自动执行任务，包括非结构化数据的识别（如 PDF、邮件）、自动填写系统表单等，但会有 expert-in-the-loop 等人工审核机制确保责任明确、流程可追踪。这类 AI Agent 会和客户现有的 AMS、EHR、CRM 等企业系统集成。

这个领域的代表性公司包括 Comulate、Anterior、Camber 等，公司业务增长很快，如 Comulate 年收入翻四倍。该领域的产品部署后，客户粘性强、替换成本高，叠加降本增效带来明确 ROI，商业可持续性显著。但集成复杂度和客户 IT 系统差异也使得销售周期较长，不同客户的 AMS、CRM、EHR 系统异构，对 AI agent 的数据适配、权限管理、日志追踪要求较高，需强技术交付能力和垂直行业 know-how。

代表公司

FurtherAI

• 产品：致力于打造专为保险行业设计的 AI 原生工具，通过自动化繁琐、重复且易出错的人工流程，帮助保险公司、再保险公司、MGA 和经纪人提高效率、减少错误。他们的产品可以自动完成保单提交处理、保单比较、核保审核、理赔录入等。其工具已被多个保险行业的玩家广泛采用并取得显著效果，例如：

1）某领先 MGA 将核保生产力提升 2 倍；

2）某风险交易所审核保单数量翻倍，审查时间减少 20%；

3）某地区性保险公司将保单比较速度提升 95%。

•创始团队：Aman Gour CEO 和 Sashank Gondala CTO 共同毕业于乔治亚理工大学，创始人拥有技术和保险背景，曾在 Microsoft、Apple、At-Bay、Travelers、Hartford 等公司工作，并曾创办 AI 招聘公司 TurboHire。

• 融资：2025 年 4 月 2 日，完成 850 万美元种子轮融资，投资者包括 Y Combinator、 South Park Commons、Nexus Venture Partners 、BrokerTech Ventures 、 Pioneer Fund。

Anterior

• Anterior 由前医生 Abdel Mahmoud 创立，开发了一个基于大模型的助手（LLM co-pilot），帮助医生护士快速整理医保所需文件，降低拒付率、加快患者获得治疗的速度。目前产品聚焦在“预授权自动化”，未来计划扩展到更多医疗行政场景。

• 目前完成了 2000 万美元 A 轮融资，投后估值为 9500 万美元，由 NEA 领投，老股东 Sequoia 和 Neo 跟投。天使投资人包括 DeepMind 联合创始人、现任微软 AI 负责人 Mustafa Suleyman。

• NEA 医疗负责人 Mohamad Makhzoumi 加入董事会，其投资项目还包括即将上市的 Tempus 和获得 10 亿美元融资的 AI 药物研发公司 Xaira。Anterior 的竞争对手包括 Cohere Health，后者于今年 2 月完成 5000 万美元融资。

Comulate

• 产品：专为保险经纪公司设计的会计自动化平台。通过端到端的自动化来应对保险经纪公司会计团队日益增长的工作量和复杂性。

•主要功能：

1）端到端自动化：Comulate 为保险经纪公司提供全面的自动化解决方案，涵盖直接账单、现金应用、承运人应付账款、收入完整性等；

2）Comulate 致力于服务于当前和未来排名前 100 的保险经纪公司。通过自动化重复性任务，Comulate 可以帮助会计团队提高效率并减少错误。帮助保险经纪公司实现会计流程的转型。

•融资：2024 年，该初创公司收入翻了两番，拿下很多大型公司客户，收入在数千万级别。所以跳过了 A 轮，2025 年 2 月直接融了 2000 万美元 B 轮。早期投资者为 Spark Capital，B 轮投资者包括 Jonathan Crystal、Zachary Perret、Spark Capital、Neo、Qasar Younis、Workday Ventures。

• 团队：CEO Jordan Katz 是连续创业者，曾在 Asana、Pathlight 深耕企业协作与运营效率产品，对复杂企业流程理解很深；CTO Michael Mattheakis 是 Brex 的早期核心工程师（第十号员工），主导构建了其核心的基于银行账户的审批系统和底层集成基础设施，对构建金融系统的稳定性、可拓展性与安全性有实战经验。他在 Brex 见证公司从 10 人到 900 人的增长，具备从 0 到 1 打磨系统、并随公司成长持续重构系统的能力。两位创始人自密歇根大学相识，切入传统保险业的财务自动化场景，具备既懂客户流程又能动手构建系统的“全栈型”能力。

Camber

• 产品：是一家医疗技术公司，致力于从根本上简化和自动化医疗服务提供者的医疗报销流程，可自动化和简化保险索赔处理和报销工作流程。该平台实现了约 95% 的首次索赔批准率，改善医疗保健提供商的现金流。

• 目前为 40 个州的 90,000 名患者提供账单结算服务，并已处理超过 20 亿美元的索赔，并且针对减轻中小型诊所的财务压力，使他们能够更加专注于患者护理。

•创始团队：Camber 的创始团队的背景为医疗与科技交叉，由来自麦肯锡医疗团队的 Christophe Rimann（CEO）、Celina Qi（COO）、Nathan Lee 等共同创立，CEO Christophe Rimann 曾主导麦肯锡医疗健康组的收入周期管理项目，并在 COVID-19 期间为美国医院设计经济模型。Nathan 和 Celina 分别毕业于哈佛大学计算机与神经科学专业，在麦肯锡担任医疗健康方向顾问。三位联合创始人曾长期共事，具备从 0 到 1 打造产品的经验。

• 融资：已筹集总计 5000 万美元的资金，最新一轮融资是 2025 年 2 月由 Andreessen Horowitz 领投的 3000 万美元 B 轮融资。其他参与者包括 ACME、Craft、K Ventures 和 Y Combinator。

低标准化流程

前台 （Front-office）:  

AI 成为保险经纪人的“外脑”

部分传统保险前台流程（如保单比较、合同审核、客户匹配、代理协作等）极度依赖人力，流程冗长、信息非结构化、知识密集但重复性高。目前，越来越多创业公司以 AI Copilot 的形式切入这一流程，帮助代理人、经纪人或客户完成繁琐但关键的认知工作。与高标准化的场景不同，该领域的公司强调 AI 与人协同，而非完全替代。

这个领域的公司聚焦于保险经纪人（broker）或代理（agent）的工作流：

• 保单比较（Vantel）

• 合同 / 风险审核（Vantel、Harper）

• 客户匹配与产品推荐（Harper、NEXT、Coterie）

多数公司以 LLM 赋能处理认知任务为核心能力，不是完全自动化流程，而是增强判断力。LLM 将保险行业大量的 PDF 保单、Word 合同、邮件等非结构化数据，转化为可追溯的结构化数据。

商业模式包括简单的工具 SaaS，也包括 AI 赋能的新一代保险公司，比如 Harper 的愿景就是成为 NPS 最好的经纪公司，corgi 自称为 AI 原生 insurance carrier，代表了 AI-native insurance broker/carrier 的初步形态。

代表公司

Harper

• 产品：AI-native 商业保险经纪公司，拥有一套完整的 AI 解决方案，内部使用来增强销售、运营和服务互动。核心产品 Harper Hub 可以自动填写表格、寻找最佳 carriers 和 underwriters、管理客户沟通。

• 愿景：每个传统的专业服务行业都将有一个比现有企业更高效、产生更多收入、增长更快的 AI 版本。商业保险经纪市场每年的佣金超过 1000 亿美元，Harper 希望成为世界上最大的保险经纪公司，拥有最好的 NPS。

• 创始团队与融资：入选 YC W25，其他投资人包括 Pioneer Fund。CEO Dakotah Rice 曾就职于高盛、凯雷投资集团、Coatue、Poolit，布朗大学 2012 届毕业生，哈佛商学院 2021 年辍学生。CTO Tushar Nair 曾就职于高盛、Poolit。

Vantel

•产品：为商业保险经纪人打造的 AI 软件平台，可实现工作流程自动化，如保单比较和合同验证，包括：

1）保单比较：5 分钟内比较 5 份保单（手动操作需 5 小时），即时识别差异和关键条款，并根据保障质量对保单进行排名；

2）合同验证：交叉核对合同与保单中的保险要求，识别隐藏风险。

输入：非结构化的 pdf

输出：结构化 sheet 可以点进去查原文档，提供 ref

• 创始团队与融资：入选 YC W25，其他投资人包括 Rebel Fund。

创始团队具有 Ex AMS、microsoft 等 NLP 工程师经验，连续创业者，在 AI 与机器学习领域有多次创业经历。

1）CEO Love Redin：曾在获得风险投资的初创公司和麦肯锡担任数据科学家，大学前在斯堪的纳维亚最大的保险公司担任理赔员。拥有瑞典皇家理工学院工程物理和数学背景，是北极陆军游骑兵；

2）Cofounder Ulme Wennberg 创办过几家初创公司，前微软软件工程师，在瑞典皇家理工学院攻读工程物理，同时在斯德哥尔摩经济学院学习商业和经济学，在华盛顿大学进行研究生学习，合著了 2019 年最具影响力的信息提取论文之一，并参与构建亚马逊 Alexa 对话 agent。

Corgi

• 产品：AI-native 保险提供商，愿景是 Building the First AI Insurance Company。

• 创始团队与融资：连续创业团队，入选 YC S24，获 50 万美元种子轮前融资，其他投资者为 Rebel Fund。

Nico Laqua CEO & CTO  哥大毕业，曾成功创立著名游戏发行商 Basket，Emily Yuan COO，斯坦福大学辍学，创建 picnic，后转型成 basket，她在 Basket Entertainment 担任重要董事会成员。

后台 （Back-office）: AI 驱动保险核心决策

AI 在此类后台流程中辅助进行更复杂的分析、风险评估、欺诈调查等，这些流程缺乏标准化、依赖大量专业判断和非结构化数据。比如灾难风险建模和风险转移（CatX），AI 保单分析、动态定价与推荐（RiskCube），网络安全风险建模与防御整合（Coalition， Corvus）。

这些公司多数由保险从业者（精算师、风险顾问、保险经纪）、AI/ML 专家、前 FAANG/ 咨询工程背景人员共同创立。普遍采用聚焦单一高痛点流程 → 横向 / 纵向扩展的策略：

聚焦细分场景、解决单点“慢、贵、易错”的核心痛点，通过人 +AI 协作替代大量手工和中介成本，最终目标是成为新一代保险科技中台（Tech-driven TPA、智能承保平台、智能投研平台）。

这个领域在这一轮 LLM 变革中没有出现很多值得关注的新公司。Coalition、Corvus 在 2017 年即入场，已完成上亿美元融资，代表 AI 保险的成熟一代，正向平台化演进。

代表公司

CatX 

• CatX 打造了一个用于保险风险转移的数字交易平台，连接保险公司与机构投资者，以更低的成本、更快的速度实现灾难风险的对冲和再保险交易。平台提供灾害风险分析、损失评估、场景建模等能力，支持用户上传房产信息或文档，并快速生成风险洞察。其 Catamaran 2.0 工具集结合了历史数据分析与推荐算法，简化了原本高成本、低透明度的操作流程。

• 团队具有保险精算、软件开发和金融建模背景。

1）Benedict Altier：保险顾问，为安盛、Beazley 和 MS Amlin 等领先保险公司建模，毕业于牛津大学；

2）Lucas Schneider - Co-founer/ CTO：牛津大学机器学习博士候选人，曾就职于巴克莱投资银行和麦肯锡；

3） Jon Wood：曾在怡安保险经纪公司等任职；

4）Matthew Salamon：经验丰富的软件开发者，曾就职于怡安、普华永道和 Balancer。

• 目前已完成三轮融资，共计 320 万美元，获得 Y Combinator 等机构支持。最新一轮股权融资于 2023 年 11 月完成。投资者包括 Y Combinator、 Hi2 Venture Fund、Lloyd's La、Botware Ventures、HackLegacy VC 等。

Corvus Insurance

• 由 Philip Edmundson 于 2017 年创立，提供 AI 驱动的网络与商业保险，利用数据科学和实时扫描技术主动识别企业的网络风险。其平台为保险经纪人提供风险评分工具，并通过实时数据动态定价，增强了核保准确性和客户信任度。

• 公司以数字驱动的 MGA 形式快速成长，广泛覆盖北美市场。团队具备承保和风控背景。共融资 1.608 亿美元，最新一轮为 2021 年 5 月 1500 万美元 C 轮融资。投资者包括 Insight Partners， Bain Capital Ventures， Obvious Ventures， Titanium Ventures， 406 Ventures 等。

Coalition 

• 2017 年创立网络保险和安全公司，结合保险覆盖和实时网络安全工具，帮助中小企业降低网络攻击风险。产品涵盖网络风险、D&O、犯罪保险等多个品类，通过技术平台“Underwriting Ease”赋能经纪人自动生成报价与风险分析报告。近期推出的 CoalitionAI 借助 LLM，为经纪人与客户提供聊天式风控助手。

• 创始人来自 Cloudflare、CIA 等机构，具备网络安全与金融运作的跨界视角。Joshua Motta 是 Coalition 的首席执行官兼联合创始人。在创立 Coalition 之前，他曾在 Cloudflare（COO 兼特别项目主管）、高盛、微软和 CIA 担任高级职务 。领导团队还包括 CRO  Shawn Ram、CFO Jim Young、CPO Chung-Man Tam、CTO Maha Virudhagiri 等。

•融资：

1）A 轮（2018 年 3 月）：1000 万美元，投资方包括 Vy Capital、Ribbit Capital、Valor 等；

2）B 轮（2019 年 5 月）：4000 万美元，投资方包括 Greenoaks Capital、hillhouse capital、Ribbit Capital 等；

3）D 轮（2021 年 3 月）：1.75 亿美元，由 Index Ventures 领投，General Atlantic 等现有投资者参与。

 排版：夏悦涵

延伸阅读