6个月完成两轮融资 3000 万美元，这家 AI 公司找到了保险业最值钱的痛点

你能想象吗？一个价值 7 万亿美元的行业，至今仍然依赖 PDF 和 Excel 表格来运转。这不是某个落后地区的小作坊，而是全球保险业的真实写照。每天，成千上万的保险专业人士把大部分时间花在整理文档、手动输入数据、核对信息这些重复性工作上，而不是真正去评估风险、服务客户、推动业务增长。这种状况已经持续了几十年，直到现在，AI 终于找到了突破口。

就在上个月，一家名为 FurtherAI 的创业公司宣布完成了 2500 万美元的 A 轮融资，由硅谷顶级风投 Andreessen Horowitz 领投。这是保险 AI 领域有史以来最大的 A 轮融资之一。更令人惊讶的是，这轮融资距离他们 500 万美元的种子轮仅仅过去了六个月。这种融资速度在保险科技领域极为罕见，背后反映的是整个行业对 AI 技术的迫切需求。我深入研究了 FurtherAI 正在做的事情后发现，他们不是在做一个简单的软件工具，而是在重新定义保险业的工作方式。这让我想起了几十年前计算机刚进入办公室时带来的那种颠覆性变革，只不过这一次，变革的速度要快得多。

保险业真正的痛点在哪里

我一直认为，要理解一个行业的创新，必须先理解这个行业的痛点。保险业的问题不是缺少软件，恰恰相反，保险公司有太多软件系统，但这些系统大多建立在数字时代的早期，甚至有些核心流程从未真正实现数字化。这就造成了一个矛盾的局面：保险公司在技术上投入了大量资金，但员工的日常工作效率却没有得到本质提升。

我和一位在保险公司工作的朋友聊过这个话题。他告诉我，处理一份商业财产保险的投保申请，他需要在多个系统之间来回切换，手动复制粘贴信息，对照不同格式的文档，核对数据的一致性。整个过程可能需要几个小时，而其中真正需要专业判断的部分可能只占 20%，其余 80% 都是机械性的文档处理工作。更糟糕的是，这种重复性工作不仅浪费时间，还容易出错。一个数字抄错、一个条款理解偏差，都可能导致定价错误或理赔纠纷。

Andreessen Horowitz 的合伙人 Joe Schmidt 在谈到这个问题时说得很直白："保险业每年都选择用更多的人力来解决问题，而这反过来又创造了更多的内部复杂性和庞大的外包生态系统。"这就像是一个恶性循环：业务量增加，就招更多人；人多了，管理变复杂；管理复杂了，效率反而降低；效率低了，又需要更多人。这种模式在过去几十年也许勉强维持得住，但在今天这个快速变化的时代，它已经成为行业发展的瓶颈。

我觉得保险业面临的核心挑战其实有三个层面：人才短缺、风险加剧和监管压力。有经验的保险专业人士越来越难招，而气候变化等新兴风险让传统的风险评估模型失效，与此同时监管机构要求更高的透明度和更严格的合规标准。在这种三重压力下，保险公司急需找到新的方法来提升效率、降低成本，同时保持甚至提高服务质量。过去几年，很多公司尝试过引入 AI 工具，但结果往往令人失望。通用的 AI 工具无法理解保险文档的复杂性和专业术语，而专门针对某个单一环节开发的点解决方案又只能解决一小部分问题，无法带来系统性的改善。

FurtherAI 的独特之处

FurtherAI 的出现改变了这个局面。他们的创始人 Aman Gour 和 Sashank Gondala 都不是保险行业的老兵，反而正是这种"局外人"的视角让他们看到了行业真正的机会。Aman 在微软工作过，之后创办了一家 AI 招聘公司并成功退出。Sashank 则在苹果工作了十多年，参与开发了 Siri 的核心语言模型。如果你用过 iPhone 的 Siri，那你就用过他写的代码。这两个人的技术背景非常深厚，但更重要的是，他们知道如何把 AI 技术应用到实际业务问题上。

我特别喜欢他们进入保险行业的故事。当时他们刚加入 Y Combinator 的冬季训练营，正在寻找合适的创业方向。YC 的合伙人 Tom Blomfield 建议他们选择一个有深度数据问题的行业，然后全力攻克它。他们考察了法律、抵押贷款等多个领域，最后选择了保险。但他们没有坐在办公室里闭门造车，而是做了一件很接地气的事：买了一盒甜甜圈，开着车在旧金山湾区到处跑，挨家挨户敲经纪人的门，请求坐下来观察他们的实际工作流程。Aman 回忆说，那一周他们大概拜访了二三十个人。

通过这种深入一线的调研，他们发现了一个关键洞察：整个保险价值链实际上只依赖四种核心文档类型——经纪人信函、财产清单、Accord 表格和损失历史记录。在 FurtherAI 出现之前，承保人必须手动总结这些文档中的信息，然后重新输入到内部系统中。这个过程不仅耗时，而且容易出错。而 FurtherAI 的系统可以自动解析这些文档，标准化数据格式，并直接集成到现有系统中。经纪人只需要把文档转发给 FurtherAI 的系统，剩下的工作就自动完成了。

我认为 FurtherAI 最聪明的地方在于，他们不是试图替换保险公司现有的核心系统，而是在现有系统之上建立一个智能层。这种做法大大降低了实施难度和风险。要知道，保险公司的核心系统往往已经运行了几十年，替换这些系统的成本和风险都极高。而 FurtherAI 可以与现有系统集成，不需要推翻重来。更重要的是，他们采用的是"复合 AI"的方法，而不是针对单一问题的点解决方案。

什么是复合 AI？简单来说，就是一个平台可以处理多个相互关联的工作流程，而不是只解决一个孤立的问题。比如说，FurtherAI 开始时帮助 MGA（管理型总代理）处理投保申请，在这个过程中，AI 学会了如何理解保险文档。然后，同样的 AI 能力可以用于承保审计、政策比较、理赔处理等其他工作流程。每增加一个工作流程，整个系统都会变得更强大，因为 AI 从不同场景中学到的知识可以相互增强。这就像是一个飞轮效应，随着时间推移，系统会变得越来越智能，越来越有价值。

Aman 在接受采访时说得很清楚："我们从第一性原理思考问题。保险的本质是什么？就是承保人和被保险人之间的一个承诺。随着时间推移，分销渠道在演变，承保方式在演变，风险格局在演变，但核心文档类型没有根本改变。如果你有一个 AI 能够真正理解这些基础文档，你就可以解决整个价值链上的多个问题。"这种思维方式让我想起了乔布斯当年对个人电脑的思考，不是在现有框架内做改进，而是重新思考问题的本质。

AI 如何真正改变保险工作流程

让我用一个具体例子来说明 FurtherAI 是如何工作的。假设你是一个承保人，收到了一份超额责任保险的投保申请。在传统流程中，你需要手动分析整个保险塔层结构，这可能需要花费好几个小时，甚至一整天。你要仔细阅读每一层的条款，理解不同层级之间的关系，计算各家保险公司的责任份额，核对限额和免赔额等等。这不仅耗时，而且需要高度集中注意力，稍有不慎就可能遗漏关键信息。

而使用 FurtherAI 的系统，你只需要把所有相关文档上传，然后用自然语言提问："伯克希尔在这个保险塔中的位置是什么？第一层的主要承保人是谁？各家公司的份额分别是多少？"AI 会自动分析整个塔层结构，准确回答你的问题。这个过程从几个小时缩短到几分钟。更重要的是，AI 不会疲劳，不会因为注意力分散而遗漏信息，准确率可以达到 95% 以上。

这种效率提升不仅仅是量的变化，更是质的飞跃。当承保人从繁琐的文档处理工作中解放出来后，他们可以把时间和精力投入到真正需要专业判断的工作上，比如评估风险、制定承保策略、与客户沟通等。这就是 Aman 说的"从提供工作流程到提供结果"的转变。用户不再需要知道如何操作复杂的系统，他们只需要表达自己想要达成的目标，AI 就会自动找到实现这个目标的最佳路径。

FurtherAI 目前已经处理了数十亿美元的保费，为包括 Accelerant、MSI 和 Leavitt Group 在内的领先保险公司提供服务。这些客户报告的结果非常惊人：团队生产力提高了一倍，投保申请到报价的转化率提高了 15%，政策比较的准确率超过 95%，提案生成速度提高了 10 倍。Accelerant 的首席运营官 Venkat Raman 说："FurtherAI 团队在快速建立复杂企业工作流程方面是一个出色的合作伙伴。"Leavitt Group 的 Laurie Flanagan 则总结道："实施 FurtherAI 改变了游戏规则——更快的周转时间、更高的准确性，以及一个我们可以不断扩展的平台。"

我特别欣赏 FurtherAI 的"前置部署工程"模式。他们不是简单地卖一个软件产品，而是派出 AI 工程师与客户团队并肩工作，确保 AI 能够产生实际影响。这种深度合作的方式让客户把 FurtherAI 视为真正的 AI 合作伙伴，而不只是一个 AI 工具。Sashank 解释说："我在自然语言处理和 AI 领域工作了十年，终于看到它在保险行业创造真正的影响，这让我非常兴奋。为了加速采用，我们建立了前置部署工程模式，保险团队与 AI 工程师手拉手工作，推动规模化的结果。"

为什么是现在

很多人问，为什么 AI 在保险业的应用会在现在这个时间点爆发？我认为有几个关键因素汇聚在一起，创造了这个完美的时机。

技术层面，大语言模型的能力在过去两年有了质的飞跃。过去的 AI 系统可能能识别文档中的某些关键词，但无法真正理解保险条款的含义。而现在的 LLM 不仅能理解自然语言，还能理解保险专业术语，能够区分承保范围和免责条款，能够理解不同条款之间的逻辑关系。这种理解能力是 AI agent 能够处理复杂保险工作流程的基础。正如 Aman 所说："AI 现在能够理解英语，而保险单就是用英语写的。如果经过良好的微调，它可以理解什么是承保范围、什么是免责条款，并能非常准确地标注所有的承保和免责内容。这是根本性的变化。"

市场层面，保险业正面临前所未有的压力。人才短缺越来越严重，有经验的保险专业人士即将退休，而年轻人对这个行业的兴趣不高。气候变化带来的新风险让传统的风险模型失效，保险公司需要更快速、更准确地评估新型风险。监管要求越来越严格，合规成本不断上升。在这种多重压力下，保险公司已经没有选择，必须寻找新的方法来提升效率。

我注意到一个有趣的数据：根据 OpenAI 的案例研究，保险业是 AI 采用速度第二快的行业。这完全颠覆了保险业技术保守的刻板印象。为什么会有这样的转变？Aman 的解释很有说服力："我真的认为，保险业采用技术慢不是行业的问题，而是过去的技术无法解决保险业的核心需求。"过去的软件只能带来 10-20% 的效率提升，这种程度的改进不足以让保险公司冒着巨大风险去替换核心系统。但 AI 不一样，它能带来 80% 甚至更高的效率提升，这种幅度的改进足以让保险公司下定决心进行转型。

商业模式层面，FurtherAI 也做出了创新。他们不收取保费的百分比，因为 Aman 认为那是"愚蠢的"——客户辛辛苦苦赚来的保费，为什么要因为优化了一个流程就分走一部分？他们也不按用户许可证收费，因为目标是让每个人都使用它、获得最大价值。他们采用的是基于使用量的定价模式：你用得越多，创造的价值越多,支付的费用也越多。这种定价方式让客户和 FurtherAI 的利益完全一致——当客户从系统中获得更多价值时，FurtherAI 也获得更多收入。

实施起来有多难

我知道很多读者最关心的问题是：这听起来很好,但实施起来会不会很麻烦？毕竟保险公司的 IT 系统出了名的复杂和陈旧，引入新技术往往需要漫长的实施周期和高昂的成本。

FurtherAI 在这方面给了我一个惊喜。Aman 在播客采访中详细解释了他们的实施流程："我们今天见面，了解你想解决的用例。我们签署保密协议。你安排一个时间给我们做快速的流程概述。我们理解流程，给你报价，在接下来的一周内建立试点环境。你可以在下周开始测试，25 天内就能上线。"他还补充说，25 天已经是很宽松的估计，因为其中包括了 3 天的保密协议签署时间。如果双方配合得好，整个过程可以在 3 周内完成。

更重要的是，对于 MGA 和 MGU 这些 FurtherAI 的理想客户来说，基本上不需要 IT 团队的参与。客户只需要提供一个 30 分钟的流程概述，剩下的工作 FurtherAI 都会处理。当然，对于大型保险公司，还是需要通过安全合规审查，比如 SOC 2、GDPR、ISO 等认证，以及采购和 IT 部门的审批流程。但相比传统的企业软件实施，这已经快得多了。

这种快速实施能力来自于 FurtherAI 的技术架构。他们构建的是一个可以快速适应不同工作流程的平台，而不是为每个客户定制开发的系统。当一个新客户加入时，FurtherAI 的 AI 可以快速学习客户的文档格式和工作流程，然后自动生成相应的处理规则。这就像是给 AI 看几个例子，它就能理解应该怎么做，而不需要从零开始编程。

指数级增长的潜力

FurtherAI 目前支持 12 个工作流程，包括投保申请处理、政策比较、承保审计、理赔受理等。但 Aman 告诉采访者，他们已经识别出了 167 个可以用 AI 优化的保险工作流程，目标是到 2026 年中期支持 100 多个工作流程。这种扩张速度不是线性的，而是指数级的。他们在去年第四季度只有 1 个工作流程，今年 1 月增加到 2 个，2 月变成 4 个，3 月变成 8 个，现在已经达到 12 个。这就是典型的复合增长模式。

我特别感兴趣的是 Aman 提到的一个未来愿景：到今年年底，AI 能否自动创建一个全新的保险产品？一个针对特定市场、特定风险的专业化保险方案，由 AI 自动设计、定价、向监管机构申报并获得批准？Aman 认为这是可能的。如果真的实现了，那将是保险业的一个里程碑事件。这意味着保险产品的创新速度将大大加快，保险公司可以更快速地响应市场需求，开发出更贴合客户需求的产品。

更宏观地看，AI 对保险业的影响不仅仅是效率提升，更是市场扩大。Aman 引用一位保险高管的话说，全球可保风险中只有不到 10% 实际上得到了保险。这意味着超过 90% 的可保风险还没有被覆盖，不是因为这些风险不可保，而是因为传统方式无法触达这些风险。当 AI 大幅降低了承保成本和时间后，那些过去因为成本太高而无法承保的风险，现在变得可以承保了。这就像是打开了一个巨大的新市场。

从投资者的角度看，这也是为什么 Andreessen Horowitz 会在 FurtherAI 的 A 轮投入 2500 万美元。Joe Schmidt 在宣布投资时说："FurtherAI 正在重新定义保险的运作方式。Aman 和 Sashank 是技术型创始人,他们的客户把他们视为真正的 AI 合作伙伴,而不仅仅是 AI 工具。他们早期的牵引力显示出了一个改变保险业世代的机会。"这不是客套话，而是对市场潜力的真实判断。

我对保险业未来的思考

站在现在这个时间点回望过去,我发现每一次技术革命都会重塑行业格局。计算机的普及改变了会计行业,互联网的兴起改变了零售业,移动互联网改变了出行和支付。现在,AI 正在改变保险业。这不是渐进式的改进,而是范式的转变。

我认为保险业在未来五年将经历三个阶段的转变。第一阶段是自动化阶段,也就是现在 FurtherAI 正在做的事情:用 AI 自动化那些重复性的文档处理工作,让保险专业人士从繁琐的日常任务中解放出来。这个阶段的重点是效率提升,主要价值体现在成本降低和速度加快。

第二阶段是智能化阶段。当 AI 积累了足够多的数据和经验后,它不仅能处理文档,还能提供洞察和建议。比如,AI 可以分析一个投保申请,不仅自动填写表格,还能指出潜在的风险点,建议合适的保费和条款,甚至预测这个客户未来的理赔概率。这个阶段的重点是决策支持,主要价值体现在风险管理和定价精准度的提升。

第三阶段是创新阶段。AI 不再只是辅助人类工作,而是成为保险产品创新的引擎。就像 Aman 设想的那样,AI 可以自动设计新的保险产品,开拓新的市场,触达那些过去无法承保的风险。这个阶段的重点是市场扩张,主要价值体现在收入增长和市场份额提升。

我也意识到,这种转变会给保险业的从业者带来挑战。一些基础性的、重复性的工作岗位可能会减少,但同时也会创造出新的工作机会。比如,需要更多懂得如何训练和监督 AI 的专业人士,需要更多能够解读 AI 分析结果并做出战略决策的高级人才,需要更多能够设计和优化 AI 工作流程的产品经理。整体而言,保险业的人才结构会向更高价值的方向转移。

对于保险公司的决策者来说,现在是做出选择的关键时刻。你可以继续观望,等待技术更加成熟,但风险是可能会被那些先行者甩在身后。你也可以现在就开始尝试,即使只是从一个小的试点项目开始。FurtherAI 这样的公司已经把实施门槛降得很低,25 天就能看到效果,试错成本并不高。更重要的是,通过早期尝试,你可以积累宝贵的经验,为更大规模的转型做好准备。

Aman 在播客中说了一句话让我印象深刻:"我对 FurtherAI 有一个执念。我的第一家公司虽然成功退出,但并没有达到我预期的高度。我们花了四年时间才达到几百万美元的年收入。这一次,我想改变这个结果。我希望 FurtherAI 能在五年内上市,让整个团队都能去纳斯达克敲钟,留下一生难忘的回忆。"这种雄心和决心,加上扎实的技术能力和清晰的市场策略,让我相信他们有机会实现这个目标。

从更大的视角看,FurtherAI 的故事不只是一个创业公司的成功故事,更是整个保险业转型的缩影。当一个价值 7 万亿美元的行业开始拥抱 AI 时,产生的影响将是深远的。这不仅会改变保险公司的运营方式,也会改变保险产品的形态,最终会改变每个人与保险打交道的体验。也许在不久的将来,我们购买保险、提交理赔,都会像现在使用智能手机一样简单直观。而这一切的起点,就在现在。

文章来自微信公众号 “ 深思圈 ”