6個月完成兩輪融資 3000 萬美元，這家 AI 公司找到了保險業最值錢的痛點

你能想象嗎？一個價值 7 萬億美元的行業，至今仍然依賴 PDF 和 Excel 表格來運轉。這不是某個落后地區的小作坊，而是全球保險業的真實寫照。每天，成千上萬的保險專業人士把大部分時間花在整理文檔、手動輸入數據、核對信息這些重復性工作上，而不是真正去評估風險、服務客戶、推動業務增長。這種狀況已經持續了幾十年，直到現在，AI 終于找到了突破口。

就在上個月，一家名為 FurtherAI 的創業公司宣布完成了 2500 萬美元的 A 輪融資，由硅谷頂級風投 Andreessen Horowitz 領投。這是保險 AI 領域有史以來最大的 A 輪融資之一。更令人驚訝的是，這輪融資距離他們 500 萬美元的種子輪僅僅過去了六個月。這種融資速度在保險科技領域極為罕見，背后反映的是整個行業對 AI 技術的迫切需求。我深入研究了 FurtherAI 正在做的事情后發現，他們不是在做一個簡單的軟件工具，而是在重新定義保險業的工作方式。這讓我想起了幾十年前計算機剛進入辦公室時帶來的那種顛覆性變革，只不過這一次，變革的速度要快得多。

保險業真正的痛點在哪里

我一直認為，要理解一個行業的創新，必須先理解這個行業的痛點。保險業的問題不是缺少軟件，恰恰相反，保險公司有太多軟件系統，但這些系統大多建立在數字時代的早期，甚至有些核心流程從未真正實現數字化。這就造成了一個矛盾的局面：保險公司在技術上投入了大量資金，但員工的日常工作效率卻沒有得到本質提升。

我和一位在保險公司工作的朋友聊過這個話題。他告訴我，處理一份商業財產保險的投保申請，他需要在多個系統之間來回切換，手動復制粘貼信息，對照不同格式的文檔，核對數據的一致性。整個過程可能需要幾個小時，而其中真正需要專業判斷的部分可能只占 20%，其余 80% 都是機械性的文檔處理工作。更糟糕的是，這種重復性工作不僅浪費時間，還容易出錯。一個數字抄錯、一個條款理解偏差，都可能導致定價錯誤或理賠糾紛。

Andreessen Horowitz 的合伙人 Joe Schmidt 在談到這個問題時說得很直白："保險業每年都選擇用更多的人力來解決問題，而這反過來又創造了更多的內部復雜性和龐大的外包生態系統。"這就像是一個惡性循環：業務量增加，就招更多人；人多了，管理變復雜；管理復雜了，效率反而降低；效率低了，又需要更多人。這種模式在過去幾十年也許勉強維持得住，但在今天這個快速變化的時代，它已經成為行業發展的瓶頸。

我覺得保險業面臨的核心挑戰其實有三個層面：人才短缺、風險加劇和監管壓力。有經驗的保險專業人士越來越難招，而氣候變化等新興風險讓傳統的風險評估模型失效，與此同時監管機構要求更高的透明度和更嚴格的合規標準。在這種三重壓力下，保險公司急需找到新的方法來提升效率、降低成本，同時保持甚至提高服務質量。過去幾年，很多公司嘗試過引入 AI 工具，但結果往往令人失望。通用的 AI 工具無法理解保險文檔的復雜性和專業術語，而專門針對某個單一環節開發的點解決方案又只能解決一小部分問題，無法帶來系統性的改善。

FurtherAI 的獨特之處

FurtherAI 的出現改變了這個局面。他們的創始人 Aman Gour 和 Sashank Gondala 都不是保險行業的老兵，反而正是這種"局外人"的視角讓他們看到了行業真正的機會。Aman 在微軟工作過，之后創辦了一家 AI 招聘公司并成功退出。Sashank 則在蘋果工作了十多年，參與開發了 Siri 的核心語言模型。如果你用過 iPhone 的 Siri，那你就用過他寫的代碼。這兩個人的技術背景非常深厚，但更重要的是，他們知道如何把 AI 技術應用到實際業務問題上。

我特別喜歡他們進入保險行業的故事。當時他們剛加入 Y Combinator 的冬季訓練營，正在尋找合適的創業方向。YC 的合伙人 Tom Blomfield 建議他們選擇一個有深度數據問題的行業，然后全力攻克它。他們考察了法律、抵押貸款等多個領域，最后選擇了保險。但他們沒有坐在辦公室里閉門造車，而是做了一件很接地氣的事：買了一盒甜甜圈，開著車在舊金山灣區到處跑，挨家挨戶敲經紀人的門，請求坐下來觀察他們的實際工作流程。Aman 回憶說，那一周他們大概拜訪了二三十個人。

通過這種深入一線的調研，他們發現了一個關鍵洞察：整個保險價值鏈實際上只依賴四種核心文檔類型——經紀人信函、財產清單、Accord 表格和損失歷史記錄。在 FurtherAI 出現之前，承保人必須手動總結這些文檔中的信息，然后重新輸入到內部系統中。這個過程不僅耗時，而且容易出錯。而 FurtherAI 的系統可以自動解析這些文檔，標準化數據格式，并直接集成到現有系統中。經紀人只需要把文檔轉發給 FurtherAI 的系統，剩下的工作就自動完成了。

我認為 FurtherAI 最聰明的地方在于，他們不是試圖替換保險公司現有的核心系統，而是在現有系統之上建立一個智能層。這種做法大大降低了實施難度和風險。要知道，保險公司的核心系統往往已經運行了幾十年，替換這些系統的成本和風險都極高。而 FurtherAI 可以與現有系統集成，不需要推翻重來。更重要的是，他們采用的是"復合 AI"的方法，而不是針對單一問題的點解決方案。

什么是復合 AI？簡單來說，就是一個平臺可以處理多個相互關聯的工作流程，而不是只解決一個孤立的問題。比如說，FurtherAI 開始時幫助 MGA（管理型總代理）處理投保申請，在這個過程中，AI 學會了如何理解保險文檔。然后，同樣的 AI 能力可以用于承保審計、政策比較、理賠處理等其他工作流程。每增加一個工作流程，整個系統都會變得更強大，因為 AI 從不同場景中學到的知識可以相互增強。這就像是一個飛輪效應，隨著時間推移，系統會變得越來越智能，越來越有價值。

Aman 在接受采訪時說得很清楚："我們從第一性原理思考問題。保險的本質是什么？就是承保人和被保險人之間的一個承諾。隨著時間推移，分銷渠道在演變，承保方式在演變，風險格局在演變，但核心文檔類型沒有根本改變。如果你有一個 AI 能夠真正理解這些基礎文檔，你就可以解決整個價值鏈上的多個問題。"這種思維方式讓我想起了喬布斯當年對個人電腦的思考，不是在現有框架內做改進，而是重新思考問題的本質。

AI 如何真正改變保險工作流程

讓我用一個具體例子來說明 FurtherAI 是如何工作的。假設你是一個承保人，收到了一份超額責任保險的投保申請。在傳統流程中，你需要手動分析整個保險塔層結構，這可能需要花費好幾個小時，甚至一整天。你要仔細閱讀每一層的條款，理解不同層級之間的關系，計算各家保險公司的責任份額，核對限額和免賠額等等。這不僅耗時，而且需要高度集中注意力，稍有不慎就可能遺漏關鍵信息。

而使用 FurtherAI 的系統，你只需要把所有相關文檔上傳，然后用自然語言提問："伯克希爾在這個保險塔中的位置是什么？第一層的主要承保人是誰？各家公司的份額分別是多少？"AI 會自動分析整個塔層結構，準確回答你的問題。這個過程從幾個小時縮短到幾分鐘。更重要的是，AI 不會疲勞，不會因為注意力分散而遺漏信息，準確率可以達到 95% 以上。

這種效率提升不僅僅是量的變化，更是質的飛躍。當承保人從繁瑣的文檔處理工作中解放出來后，他們可以把時間和精力投入到真正需要專業判斷的工作上，比如評估風險、制定承保策略、與客戶溝通等。這就是 Aman 說的"從提供工作流程到提供結果"的轉變。用戶不再需要知道如何操作復雜的系統，他們只需要表達自己想要達成的目標，AI 就會自動找到實現這個目標的最佳路徑。

FurtherAI 目前已經處理了數十億美元的保費，為包括 Accelerant、MSI 和 Leavitt Group 在內的領先保險公司提供服務。這些客戶報告的結果非常驚人：團隊生產力提高了一倍，投保申請到報價的轉化率提高了 15%，政策比較的準確率超過 95%，提案生成速度提高了 10 倍。Accelerant 的首席運營官 Venkat Raman 說："FurtherAI 團隊在快速建立復雜企業工作流程方面是一個出色的合作伙伴。"Leavitt Group 的 Laurie Flanagan 則總結道："實施 FurtherAI 改變了游戲規則——更快的周轉時間、更高的準確性，以及一個我們可以不斷擴展的平臺。"

我特別欣賞 FurtherAI 的"前置部署工程"模式。他們不是簡單地賣一個軟件產品，而是派出 AI 工程師與客戶團隊并肩工作，確保 AI 能夠產生實際影響。這種深度合作的方式讓客戶把 FurtherAI 視為真正的 AI 合作伙伴，而不只是一個 AI 工具。Sashank 解釋說："我在自然語言處理和 AI 領域工作了十年，終于看到它在保險行業創造真正的影響，這讓我非常興奮。為了加速采用，我們建立了前置部署工程模式，保險團隊與 AI 工程師手拉手工作，推動規模化的結果。"

為什么是現在

很多人問，為什么 AI 在保險業的應用會在現在這個時間點爆發？我認為有幾個關鍵因素匯聚在一起，創造了這個完美的時機。

技術層面，大語言模型的能力在過去兩年有了質的飛躍。過去的 AI 系統可能能識別文檔中的某些關鍵詞，但無法真正理解保險條款的含義。而現在的 LLM 不僅能理解自然語言，還能理解保險專業術語，能夠區分承保范圍和免責條款，能夠理解不同條款之間的邏輯關系。這種理解能力是 AI agent 能夠處理復雜保險工作流程的基礎。正如 Aman 所說："AI 現在能夠理解英語，而保險單就是用英語寫的。如果經過良好的微調，它可以理解什么是承保范圍、什么是免責條款，并能非常準確地標注所有的承保和免責內容。這是根本性的變化。"

市場層面，保險業正面臨前所未有的壓力。人才短缺越來越嚴重，有經驗的保險專業人士即將退休，而年輕人對這個行業的興趣不高。氣候變化帶來的新風險讓傳統的風險模型失效，保險公司需要更快速、更準確地評估新型風險。監管要求越來越嚴格，合規成本不斷上升。在這種多重壓力下，保險公司已經沒有選擇，必須尋找新的方法來提升效率。

我注意到一個有趣的數據：根據 OpenAI 的案例研究，保險業是 AI 采用速度第二快的行業。這完全顛覆了保險業技術保守的刻板印象。為什么會有這樣的轉變？Aman 的解釋很有說服力："我真的認為，保險業采用技術慢不是行業的問題，而是過去的技術無法解決保險業的核心需求。"過去的軟件只能帶來 10-20% 的效率提升，這種程度的改進不足以讓保險公司冒著巨大風險去替換核心系統。但 AI 不一樣，它能帶來 80% 甚至更高的效率提升，這種幅度的改進足以讓保險公司下定決心進行轉型。

商業模式層面，FurtherAI 也做出了創新。他們不收取保費的百分比，因為 Aman 認為那是"愚蠢的"——客戶辛辛苦苦賺來的保費，為什么要因為優化了一個流程就分走一部分？他們也不按用戶許可證收費，因為目標是讓每個人都使用它、獲得最大價值。他們采用的是基于使用量的定價模式：你用得越多，創造的價值越多,支付的費用也越多。這種定價方式讓客戶和 FurtherAI 的利益完全一致——當客戶從系統中獲得更多價值時，FurtherAI 也獲得更多收入。

實施起來有多難

我知道很多讀者最關心的問題是：這聽起來很好,但實施起來會不會很麻煩？畢竟保險公司的 IT 系統出了名的復雜和陳舊，引入新技術往往需要漫長的實施周期和高昂的成本。

FurtherAI 在這方面給了我一個驚喜。Aman 在播客采訪中詳細解釋了他們的實施流程："我們今天見面，了解你想解決的用例。我們簽署保密協議。你安排一個時間給我們做快速的流程概述。我們理解流程，給你報價，在接下來的一周內建立試點環境。你可以在下周開始測試，25 天內就能上線。"他還補充說，25 天已經是很寬松的估計，因為其中包括了 3 天的保密協議簽署時間。如果雙方配合得好，整個過程可以在 3 周內完成。

更重要的是，對于 MGA 和 MGU 這些 FurtherAI 的理想客戶來說，基本上不需要 IT 團隊的參與。客戶只需要提供一個 30 分鐘的流程概述，剩下的工作 FurtherAI 都會處理。當然，對于大型保險公司，還是需要通過安全合規審查，比如 SOC 2、GDPR、ISO 等認證，以及采購和 IT 部門的審批流程。但相比傳統的企業軟件實施，這已經快得多了。

這種快速實施能力來自于 FurtherAI 的技術架構。他們構建的是一個可以快速適應不同工作流程的平臺，而不是為每個客戶定制開發的系統。當一個新客戶加入時，FurtherAI 的 AI 可以快速學習客戶的文檔格式和工作流程，然后自動生成相應的處理規則。這就像是給 AI 看幾個例子，它就能理解應該怎么做，而不需要從零開始編程。

指數級增長的潛力

FurtherAI 目前支持 12 個工作流程，包括投保申請處理、政策比較、承保審計、理賠受理等。但 Aman 告訴采訪者，他們已經識別出了 167 個可以用 AI 優化的保險工作流程，目標是到 2026 年中期支持 100 多個工作流程。這種擴張速度不是線性的，而是指數級的。他們在去年第四季度只有 1 個工作流程，今年 1 月增加到 2 個，2 月變成 4 個，3 月變成 8 個，現在已經達到 12 個。這就是典型的復合增長模式。

我特別感興趣的是 Aman 提到的一個未來愿景：到今年年底，AI 能否自動創建一個全新的保險產品？一個針對特定市場、特定風險的專業化保險方案，由 AI 自動設計、定價、向監管機構申報并獲得批準？Aman 認為這是可能的。如果真的實現了，那將是保險業的一個里程碑事件。這意味著保險產品的創新速度將大大加快，保險公司可以更快速地響應市場需求，開發出更貼合客戶需求的產品。

更宏觀地看，AI 對保險業的影響不僅僅是效率提升，更是市場擴大。Aman 引用一位保險高管的話說，全球可保風險中只有不到 10% 實際上得到了保險。這意味著超過 90% 的可保風險還沒有被覆蓋，不是因為這些風險不可保，而是因為傳統方式無法觸達這些風險。當 AI 大幅降低了承保成本和時間后，那些過去因為成本太高而無法承保的風險，現在變得可以承保了。這就像是打開了一個巨大的新市場。

從投資者的角度看，這也是為什么 Andreessen Horowitz 會在 FurtherAI 的 A 輪投入 2500 萬美元。Joe Schmidt 在宣布投資時說："FurtherAI 正在重新定義保險的運作方式。Aman 和 Sashank 是技術型創始人,他們的客戶把他們視為真正的 AI 合作伙伴,而不僅僅是 AI 工具。他們早期的牽引力顯示出了一個改變保險業世代的機會。"這不是客套話，而是對市場潛力的真實判斷。

我對保險業未來的思考

站在現在這個時間點回望過去,我發現每一次技術革命都會重塑行業格局。計算機的普及改變了會計行業,互聯網的興起改變了零售業,移動互聯網改變了出行和支付。現在,AI 正在改變保險業。這不是漸進式的改進,而是范式的轉變。

我認為保險業在未來五年將經歷三個階段的轉變。第一階段是自動化階段,也就是現在 FurtherAI 正在做的事情:用 AI 自動化那些重復性的文檔處理工作,讓保險專業人士從繁瑣的日常任務中解放出來。這個階段的重點是效率提升,主要價值體現在成本降低和速度加快。

第二階段是智能化階段。當 AI 積累了足夠多的數據和經驗后,它不僅能處理文檔,還能提供洞察和建議。比如,AI 可以分析一個投保申請,不僅自動填寫表格,還能指出潛在的風險點,建議合適的保費和條款,甚至預測這個客戶未來的理賠概率。這個階段的重點是決策支持,主要價值體現在風險管理和定價精準度的提升。

第三階段是創新階段。AI 不再只是輔助人類工作,而是成為保險產品創新的引擎。就像 Aman 設想的那樣,AI 可以自動設計新的保險產品,開拓新的市場,觸達那些過去無法承保的風險。這個階段的重點是市場擴張,主要價值體現在收入增長和市場份額提升。

我也意識到,這種轉變會給保險業的從業者帶來挑戰。一些基礎性的、重復性的工作崗位可能會減少,但同時也會創造出新的工作機會。比如,需要更多懂得如何訓練和監督 AI 的專業人士,需要更多能夠解讀 AI 分析結果并做出戰略決策的高級人才,需要更多能夠設計和優化 AI 工作流程的產品經理。整體而言,保險業的人才結構會向更高價值的方向轉移。

對于保險公司的決策者來說,現在是做出選擇的關鍵時刻。你可以繼續觀望,等待技術更加成熟,但風險是可能會被那些先行者甩在身后。你也可以現在就開始嘗試,即使只是從一個小的試點項目開始。FurtherAI 這樣的公司已經把實施門檻降得很低,25 天就能看到效果,試錯成本并不高。更重要的是,通過早期嘗試,你可以積累寶貴的經驗,為更大規模的轉型做好準備。

Aman 在播客中說了一句話讓我印象深刻:"我對 FurtherAI 有一個執念。我的第一家公司雖然成功退出,但并沒有達到我預期的高度。我們花了四年時間才達到幾百萬美元的年收入。這一次,我想改變這個結果。我希望 FurtherAI 能在五年內上市,讓整個團隊都能去納斯達克敲鐘,留下一生難忘的回憶。"這種雄心和決心,加上扎實的技術能力和清晰的市場策略,讓我相信他們有機會實現這個目標。

從更大的視角看,FurtherAI 的故事不只是一個創業公司的成功故事,更是整個保險業轉型的縮影。當一個價值 7 萬億美元的行業開始擁抱 AI 時,產生的影響將是深遠的。這不僅會改變保險公司的運營方式,也會改變保險產品的形態,最終會改變每個人與保險打交道的體驗。也許在不久的將來,我們購買保險、提交理賠,都會像現在使用智能手機一樣簡單直觀。而這一切的起點,就在現在。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。