国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

保險行業(yè)，作為一個龐大但效率低下的傳統(tǒng)領域，正迎來AI技術的深度變革。本文深入探討了AI如何重構保險行業(yè)的各個環(huán)節(jié)，從客戶獲取、銷售支持到核保、理賠、客服等核心流程。

保險業(yè)是全球最大的行業(yè)之一，年保費超 7.4 萬億美元，美國市場以 2.5 萬億美元的體量位居首位，行業(yè)占總 GDP 比例達 11.3%。

但與其龐大規(guī)模形成鮮明對比的是其極低的運營效率，超過 60%的流程仍依賴人工判斷與數(shù)據(jù)錄入，人工成本占總運營支出的 40%-60%。

漫長的索賠周期（平均 7-15 天）和低下的客戶滿意度（NPS 僅 31 分）是行業(yè)常態(tài)。

分銷費用高昂、人工理賠成本巨大、欺詐損失嚴重（美國每年約 1200 億美元）以及普遍存在的信息孤島，構成了這個人力驅(qū)動的“信息搬運工行業(yè)”的結構性浪費。

過去兩年，LLMs 在理解和操作復雜文本、合同、郵件等非結構化信息方面的巨大進展為 AI 接管保險業(yè)核心流程（如核保、報價、索賠、合規(guī)、客戶支持）提供了前所未有的可能性。AI Agent 不僅能作為效率工具優(yōu)化現(xiàn)有流程，更可能催生出商業(yè)模式和成本結構上完全不同的“AI-native 保險公司”。

本文系統(tǒng)梳理了 AI Agent 在保險行業(yè)的產(chǎn)業(yè)結構和應用圖景。Voice AI 與 Agent 正在革新獲客與客戶服務方式。Strada 正在為保險經(jīng)紀人自動化銷售外呼，F(xiàn)air Square 則通過語音代理幫助老年人群簡化復雜的投保決策。后臺來看，AI 正在大幅壓縮保險行業(yè)高度依賴人力的標準操作流程（SOP）。

同時還出現(xiàn)了 AI-native 的保險公司，如 Harper 和 Corgi，不僅僅為現(xiàn)有玩家構建 AI 工具，而是利用 AI 從頭開始打造整個保險業(yè)務，成為 AI 端到端驅(qū)動的新型市場參與者。其絕大部分核心業(yè)務流程（如獲客、核保、定價、理賠、客服）都由AI Agent 執(zhí)行，直接與傳統(tǒng)保險公司競爭。這種模式一旦跑通，對傳統(tǒng)保險業(yè)的沖擊將是結構性的，是我們認為 AI 在保險領域最具想象空間的投資主題。

01.AI 如何重構保險行業(yè)

保險業(yè)是一個極其龐大但高度依賴人力、流程復雜、技術滲透率低的傳統(tǒng)行業(yè)，正處于從人力向 AI Automation 變革的臨界點。這為 GenAI Startup 創(chuàng)造了巨大的空間。

保險業(yè)是全球最大、最穩(wěn)定的服務業(yè)之一。全球保險行業(yè)年保費總額超 7.4 萬億美元（Swiss Re， 2023），其中美國市場貢獻約 2.5 萬億，占全球 38%，是最大的單一市場。在許多發(fā)達國家，保險業(yè)長期占據(jù) GDP 的 7%～12%，美國高達 11.3%。所以哪怕 AI 只吃掉其中一小部分流程，也足以支撐一批千億美金市值的公司。

與龐大的市場體量形成對比的是極低的運營效率，是一個人工驅(qū)動的“信息搬運工行業(yè)”。保險公司至今依賴大量人力完成文書處理、表單填寫、客戶服務和索賠審核等流程。根據(jù) McKinsey 2022 數(shù)據(jù)，一家典型的保險公司仍有超過 60% 的流程依賴人工判斷與數(shù)據(jù)錄入，人工成本占總運營支出的 40%～60%。而消費者的體驗也很糟糕，美國的索賠流程平均耗時 7 到 15 天，尤其是尤其是醫(yī)療和財產(chǎn)險?？蛻魸M意度（NPS）僅為 31 分，遠低于科技行業(yè)（通常超過 60 分）。

具體來說，行業(yè)中的結構性資源浪費主要表現(xiàn)在以下幾個方面：

• 分銷費用：傳統(tǒng)保險公司需要依賴經(jīng)紀人網(wǎng)絡、渠道返傭和線下獲客，推高了獲客和保單轉(zhuǎn)化成本。
• 人工理賠成本：理賠流程中大量依賴人工數(shù)據(jù)錄入、文檔核對和規(guī)則判斷，耗時高、錯誤率大。
• 欺詐賠付損失：全球每年因欺詐造成的保險賠付達數(shù)千億美元，僅美國每年就有約 1200 億美元損失，占總賠付的近 10%。
• 信息孤島：客戶數(shù)據(jù)、理賠資料、合規(guī)文檔等分散在不同系統(tǒng)中，跨部門流程難以協(xié)調(diào)。

AI 非常適合保險行業(yè)的原因是，保險的核心流程：核保、報價、索賠、合規(guī)、客戶支持，本質(zhì)上都是對標準規(guī)則下的文檔、表格、歷史記錄的處理。

這些任務過去由人工完成，過去 2 年，LLMs 大幅提升了 AI 對于復雜文本、PDF 文件、合同、郵件等非結構化信息的理解和操作能力。尤其是處理非結構化信息（PDF、合同、郵件、票據(jù)）方面，LLM 比傳統(tǒng)自動化工具（如 RPA 或簡單 OCR）有顯著更強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：

• 承保環(huán)節(jié)，AI 可自動采集和分析數(shù)據(jù)，幫助風險建模和定價更精準，降低人工判斷誤差。
• 理賠環(huán)節(jié)，AI 可自動處理索賠材料，實時反饋進度。
• 客服與運營環(huán)節(jié)，Voice Agent 可實現(xiàn) 24/7 全天候服務。
• 合規(guī)與監(jiān)管報告環(huán)節(jié)，AI 完成交易監(jiān)測、可疑活動識別及報表生成。

很多 GenAI startup 在圍繞保險行業(yè)的“流程節(jié)點”構建 AI 基礎設施與產(chǎn)品。比如 FurtherAI、Anterior 等 GenAI workflow automation 平臺。另一類 Harper、Corgi 這樣的 AI-native 經(jīng)紀公司或承保商（carrier），Day One 就通過 LLM Agent 重構保險產(chǎn)品的交付方式和組織結構，成為保險公司本身。AI-native 的保險創(chuàng)業(yè)公司期待能在更少人力支撐下跑通業(yè)務閉環(huán)，實現(xiàn)更快的響應、更低的運營成本和更高的客戶滿意度。傳統(tǒng)大公司受限于 IT 架構、合規(guī)流程和慣性，轉(zhuǎn)型步伐緩慢，為 startup 留出了充分的時間窗口。

總的來看，保險行業(yè)市場足夠大，且人力密集、技術滲透率低，現(xiàn)有公司更新遲緩。這使保險行業(yè)不僅有面向現(xiàn)有保險行業(yè)的 AI workflow 平臺機會，還有可能催生出產(chǎn)品形態(tài)和成本結構上徹底不同于 legacy 的“AI-native 保險公司”。

結構性機會

保險行業(yè)鏈條清晰，參與方包括：

• Provider，即保險提供方。其中 Carrier 直接向保單持有人提供保險并承擔風險，Reinsurer 為保險公司提供風險轉(zhuǎn)移保障，Underwriter 評估風險，制定保單條款，通常服務于 carrier。
• 中間角色連接客戶與保險公司。一方面，Agent / MGA代表保險公司銷售產(chǎn)品，其中 Agent 可為單一或多家保險公司銷售產(chǎn)品；MGA（管理普通代理人）有承保權，負責特定市場的承保、理賠。另一方面，Broker / Aggregator 則代表客戶尋找最優(yōu)保險方案。Broker 代表客戶，與多個保險公司合作提供定制方案，Aggregator提供報價比價平臺，便于客戶選擇。

Policyholders 是最終投保人，可能是個人或企業(yè)。

Claims Process中，包括 adjuster、examiner、investigator 等，負責理賠審核、欺詐排查等。

source: slideteam.net

根據(jù)行業(yè)角色以及上圖可以看出，整個價值鏈可拆分為前臺與后臺環(huán)節(jié)，AI 的應用機會也沿此結構分布：

Front-Office：面向客戶或業(yè)務人員的 AI 工具

包括客戶獲取、銷售支持、投保咨詢與服務，是 AI 產(chǎn)品切入最直接、可通過 PLG 或輕量部署落地的場景。比如，F(xiàn)air Square 利用 voice agent 幫助老年人選擇合適的醫(yī)療保險。Strada 提供的 voice agent 可以自動打電話，幫保險經(jīng)紀人找客戶、報價投保；Harper 打造了一個 AI 商業(yè)保險平臺，可以自動填寫表格、匹配保險公司，還能統(tǒng)一管理客戶溝通。Vantel 則專注幫經(jīng)紀人自動比價、驗證合同。

Back-Office：核保、出單、理賠、會計、文檔管理，聚焦核心運營系統(tǒng)自動化

在核保環(huán)節(jié)，AI 可以根據(jù)客戶的健康狀況、信用評分、駕駛記錄等數(shù)據(jù)，自動評估風險，決定是否承保及對應保費。在理賠方面，AI 也能自動識別事故照片、分析損失情況，例如 Tractable 已經(jīng)實現(xiàn)了車險理賠的圖像識別自動化。在反欺詐上，Shift Technology、FRISS 等公司通過模型分析找出異常索賠行為，有效降低欺詐率。定價和風險評估也更加精準，像 Insurify、Planck 這類平臺利用大數(shù)據(jù)幫助保險公司實現(xiàn)更細顆粒度的定價。甚至有公司（如 Zesty.ai）利用衛(wèi)星圖像來評估房屋風險，輔助承保和再保判斷。

AI 在保險中的使用場景還可以根據(jù)標準化程度，分成決策類任務 vs 行政重復性任務

重復性任務標準化高、準確性要求相對低，能快速部署，是 AI Agent 類保險工具早期的創(chuàng)業(yè)重心；高價值、復雜判斷任務則是推動行業(yè)變革的長期機會。

TAM 估算

如果僅看美國市場，美國保險行業(yè)（包括 P&C、健康、壽險等）的總保費收入在 $2.5 trillion。

• P&C（財產(chǎn)與意外險）：約 $800B+
• 人壽與年金：約 $600B+
• 健康險（商業(yè)部分）：約 $1T+

保險公司的運營成本通常占總保費收入的 20–25%，主要包括：

• 理賠運營
• 承保流程
• 客戶支持
• 合規(guī)與文檔處理
• 銷售傭金與分銷

以總保費 $2.5T 來估算，保守運營成本約為 $500B。

根據(jù) McKinsey、Accenture、Deloitte 等機構分析，人力支出通常占運營成本的大頭，尤其是在以下環(huán)節(jié)：

• 理賠處理：高達 60–70% 成本為人力操作（審查、調(diào)查、溝通）
• 承保流程：傳統(tǒng)流程完全依賴人工判斷與文檔處理
• 客服中心：運營中最主要的成本就是人工
• 合規(guī)與審計流程：在金融/保險行業(yè)尤其重度依賴人工審核

綜合這些研究，估算運營成本中 60–70% 是人力相關。所以人力支出大約為 $325B。

我們可以從以下幾個維度來估算 AI 在該領域的潛在市場空間：

1. 直接可替代的人力成本

這是短期最大的機會，AI 在這類任務中已被證明具備顯著效率提升空間（自動化文檔處理、生成理賠摘要、智能客戶交互等），即使 AI 工具僅能替代其中 10–20% 的人力成本，其對應的可捕獲市場空間在 $30–70B。

• Tractable 聲稱其 AI 在汽車理賠圖像分析中可節(jié)省 30% 理賠時間，降低人工審核成本。
• Shift Technology 表示客戶通過其反欺詐系統(tǒng)識別率提升 30–50%，減少了大量人工調(diào)查。
• Sprout.ai 報告使用 NLP 理賠摘要技術后理賠處理周期減少 40%，客服負擔下降 25%。

2. 增量效率收益

AI 的真正價值并不僅是“降本”，而是通過更精準的定價、更高效的轉(zhuǎn)化、更優(yōu)的客戶體驗，拉動保險核心指標的改善：

• 更精確的風險評分可降低損失率（loss ratio）2–4%，為 P&C 公司帶來每年數(shù)十億美元的盈利改善。
• 更智能的客戶溝通與銷售工具可提升新保單簽約率。
• 更快的理賠周期將改善客戶滿意度并提升留存率。

這部分市場空間更難量化，但根據(jù)多家 Insurtech 公司披露的 ROI 數(shù)據(jù)，每 1 美元 AI 投入可帶來 3–5 美元效率或盈利改善。美國保險行業(yè)年運營利潤約 $300B，假設其中 10–15% 未來可由 AI 驅(qū)動提升，即代表額外 $30–45B 的空間。

3. “保險基礎設施層”的平臺機會

隨著 AI 在承保、理賠、定價與客戶服務等核心流程中不斷滲透，行業(yè)將出現(xiàn)一批 AI-native 的“full-stack公司”。其 Infra 具備 API-first 架構，成為新一代的保險決策與數(shù)據(jù)中樞。

Guidewire 和 Duck Creek 是傳統(tǒng) IT 基建提供商，營收模式主要依賴 on-prem 或 SaaS 軟件許可和維護費，增長天花板明確，客戶生命周期長但擴展慢。AI-native 平臺可同時切入更多高頻場景，如自動理賠、AI 承保、風險建模引擎等，是數(shù)據(jù)流動平臺 + 決策引擎 + 工作流自動化工具的混合體，商業(yè)模式可以按使用量、節(jié)省成本分成、API 計費多種方式計費，TAM 更大。Guidewire 的客戶主要是大型保險公司，但 AI-native 平臺也可賦能 TPA、MGA、Insurtech、新消費品牌甚至是銀行、出行、電商內(nèi)嵌保險需求。

這類平臺的 TAM 遠不止 Guidewire 和 Duck Creek 當前市場（合計約 $8B），而更接近于：

• 保險公司運營支出的 5–10%（即 $25B–$50B）
• 或者每年節(jié)省/提升的效率收益分成模型（假設為節(jié)省/增收 $100B 中的 10%，即 $10B）

綜上：

其中直接替代人力成本（$30–70B）是最清晰、最短期可落地的機會，效率與利潤提升（$30–45B）為中期價值來源；平臺型 AI 基礎設施（$10–50B+）為長期市場大公司的機會。AI 在美國保險行業(yè)的中長期 TAM 可估算為 $70–150B。

02.投資 Thesis 及重要標的

AI 對保險前端交互的迭代：Voice Agent 賦能銷售及客服

保險前端（銷售、咨詢、初步信息采集、客戶服務）存在大量標準化、高重復性的交互環(huán)節(jié)，以及依賴經(jīng)驗和知識的復雜認知任務。標準化但高認知負載的任務（如方案解釋、醫(yī)保選項判斷、信息采集）正好落在 LLM + Voice Agent 的“sweet spot”。 LLM 的對話理解力提升，Voice infra 成熟（如 Vapi、ElevenLabs），以及保險的一大客戶群，老年人群體電話偏好，推動了真實使用。

Voice Agent 可以自動化處理高標準化流程，顯著降低人力成本、提升 7×24 服務能力、擴大覆蓋面，并保證合規(guī)性與服務一致性。更重要的是，通過系統(tǒng)集成，它能成為自動化流程的起點（如預約、報價、資料填寫等），打通后續(xù)工作流。

代表項目：

• Strada: 利用 Voice Agent 自動撥打銷售電話，收集客戶意圖，提升客戶獲取和轉(zhuǎn)化效率。關注其在銷售線索轉(zhuǎn)化和 MGA/經(jīng)紀人賦能方面的表現(xiàn)。
• Fair Square: 針對老年人群體，通過 Voice Agent 簡化醫(yī)保方案選擇和信息采集流程，改善用戶體驗。關注其在特定人群服務和復雜信息匹配上的能力。

保險中后臺：AI 自動化 SOP，實現(xiàn)降本增效

保險中后臺長期依賴大量手動操作，流程雖標準，但信息源非結構化（保單、PDF、ACORD 表等），人工處理慢且容易出錯。傳統(tǒng) RPA 無法理解內(nèi)容，ERP 和 CRM 系統(tǒng)又無彈性，造成效率瓶頸。

而基于 LLM 的 Copilot + Workflow Agent 的組合，正重新定義“保險行業(yè)的操作系統(tǒng)”：它能讀懂文件、理解語義、完成判斷，并自動執(zhí)行操作，形成端到端的 SOP 自動化。這個領域一旦部署，客戶粘性強，替換成本高，ROI 明確。醫(yī)療領域的預授權自動化（如 Cohere Health， Anterior）和保險領域的會計自動化（Comulate）、保單/理賠處理（FurtherAI）均驗證了此邏輯。

代表項目：

FurtherAI: 基于 LLM 的“保險行業(yè) Copilot”，自動化保單提交處理、保單比較、核保審核、理賠錄入等。通過文件上傳+對話問答形式，讓保險從業(yè)者可以快速理解、處理非結構化文本（如 SOV、ACORD 表、保單、損失記錄等）。

根據(jù)客戶訪談，F(xiàn)urtherAI 將 GPT 界面作為統(tǒng)一的文檔理解中樞，驅(qū)動整個承保、審查、比較等流程的自動化重構。將大量以往依賴 underwriting assistants、policy checkers 等人工中介角色的流程重塑，在一個美國領先 MGA 服務的案例中，AI 助手將提交處理時間從 32 分鐘縮短至 1 分鐘，節(jié)省超過 2000 小時的人工操作，使整體效率提升達 200%；在保單審核環(huán)節(jié)，為一個中型保險公司實現(xiàn)了高達 95% 的人工審查時間節(jié)省和 400% 的投資回報率。

Anterior: 基于 LLM 的助手，幫助醫(yī)生護士快速整理醫(yī)保所需文件（預授權），降低拒付率。

根據(jù)客戶訪談，Anterior 使用 LLM 自動生成預授權所需文件包，提供成功概率預估，可以節(jié)省護士/行政人力。除預授權外，還可擴展至保險資格驗證、ICD-10 編碼、醫(yī)療必要性文檔生成等 RCM 流程。典型適用科室包括高頻、標準化的門診專科（如眼科、整形外科）。

上線時間來看，通常 2-4 個月完成集成試點。前期需 IT 和 EMR 團隊協(xié)作，已有案例成功在 Cerner 和 Epic 上落地。預授權流程中獲得 9/10 評分，主要得益于節(jié)省人力、加快服務交付，提升患者留存。但多數(shù)醫(yī)院僅在單個站點或部分專科試點，競爭對手 Waystar 產(chǎn)品線更廣，涵蓋調(diào)度、RCM、預授權。不僅僅是產(chǎn)品 AI 能力，EMR 集成和支持質(zhì)量是醫(yī)院選擇產(chǎn)品的關鍵考量因素。

超越工具賦能：AI native 保險公司重塑行業(yè)價值鏈

AI 不僅僅是工具，更可以成為重構保險商業(yè)模式的核心驅(qū)動力。傳統(tǒng)保險公司技術堆棧陳舊、數(shù)據(jù)斷裂、運營復雜，AI 的潛力無法完全釋放。真正的范式轉(zhuǎn)變是誕生 AI-native 的保險公司，從第一天起就以 AI Agent 為核心構建產(chǎn)品、流程和增長引擎。

AI Native 保險公司可以用 AI 主導風險評估、動態(tài)定價、個性化產(chǎn)品設計、自動化理賠和全流程客戶交互，具備比傳統(tǒng)玩家更高的 LTV/CAC，可能直接引發(fā)行業(yè)洗牌。就像 Nubank 是“mobile-native 銀行”，AI Native 保險公司可能會打破傳統(tǒng)牌照、運營、渠道三位一體的護城河。

代表項目：

• Harper: 定位為 AI-native 商業(yè)保險經(jīng)紀公司，利用 AI 大幅提升經(jīng)紀人的效率和客戶體驗，例如通過 AI Hub 自動填寫表格、匹配最佳 carrier/underwriter、管理客戶溝通，旨在實現(xiàn)更高的 NPS 和更快的增長。
• Corgi: 愿景是打造第一家 AI-Native 保險提供商。從底層構建 AI 驅(qū)動的保險產(chǎn)品和運營體系，可能在風險評估、動態(tài)定價、個性化產(chǎn)品、自動化理賠等方面遠優(yōu)于傳統(tǒng)保險公司。

03.公司圖譜

高標準化流程

前臺 （Front-office）：Voice Agent 重塑客戶交互與銷售轉(zhuǎn)化

Front-office 高標準化流程場景的產(chǎn)品是 AI voice agent 加垂直流程工具，集成保險行業(yè)的流程、法規(guī)和術語。AI startup 幫助客戶利用 voice agent 處理與客戶交互中標準化程度較高的環(huán)節(jié)，例如信息采集、初步篩選、引導決策、表單填寫、跟進溝通等可結構化流程。比如 Fair Square 會詢問老年用戶的醫(yī)保覆蓋情況，與保險方案匹配；Cohere Health 內(nèi)嵌與 payer 系統(tǒng)對接、事前審批邏輯等。

Voice agent 的商業(yè)化路徑多圍繞“提升效率 + 降本增效”展開。比如 CareCycle 減少客服人力；Strada 主動撥打銷售電話，提升客戶轉(zhuǎn)化率；Fair Square 降低老年人選擇保險的困擾，改善用戶體驗。很契合保險行業(yè)“重流程”的特點，因為保險行業(yè)其實對于合規(guī)、客戶滿意度提升是有剛性需求的。

這個領域的創(chuàng)業(yè)公司還偏早期，創(chuàng)始團隊多為 Fintech/Healthtech 背景加強技術背景合伙人的組合。

代表公司

Strada

• 產(chǎn)品：voice agent，幫助保險經(jīng)紀人和 MGAs 自動撥打電話。
• 創(chuàng)始團隊：由 CEO Amir Prodensky 和 CTO Arash Khazaei 聯(lián)合創(chuàng)立。Amir 曾擔任 Revolut 美國市場負責人，主導了在美國的產(chǎn)品上線和儲蓄產(chǎn)品設計，擁有巴克萊投行背景和加拿大勞里埃大學金融與經(jīng)濟學位；Arash 曾是微軟 AI 部門的 senior engineer，負責企業(yè)知識圖譜和 NLP 技術研發(fā)，畢業(yè)于多倫多大學計算機工程專業(yè)。兩位創(chuàng)始人此前曾在金融科技公司 Percents 共事。
• 融資：2023 年 9 月 1 日完成 250 萬美元種子輪，投資者為 Y Combinator。

Fair Square

• 產(chǎn)品：醫(yī)療保險經(jīng)紀公司，幫助老年人找到最符合自身醫(yī)療保健需求的健康保險計劃。傳統(tǒng)方式中，老年患者感到困惑和沮喪，需要花費數(shù)小時與人工呼叫中心通話，F(xiàn)air Square Medicare 構建基于 LLM 的 voice agent，用于篩選老年人的保險覆蓋范圍，并改善和簡化客戶體驗。
• 創(chuàng)始團隊：由 Daniel Petkevich 創(chuàng)立，畢業(yè)于耶魯大學物理學專業(yè)，職業(yè)生涯始于 Redfin 的增長部門，之后共同創(chuàng)立了金融科技公司 Trim 并主導其從零到一的發(fā)展，該公司后來被 OneMain Financial 收購。
• 融資：最新一輪融資為 2022 年 5 月 1500 萬美元 A 輪融資，投資者包括 Y Combinator， Slow Ventures， Define Ventures。

CareCycle

• 產(chǎn)品：為醫(yī)療保險機構和現(xiàn)場營銷組織 （FMO） 提供 voice agent，支持醫(yī)療保險銷售和服務的運營效率。 AI voice agent 客服團隊處理整個 Medicare 會員旅程，提升會員留存。
• 創(chuàng)始團隊：CEO Alex Doonanco 畢業(yè)于不列顛哥倫比亞大學經(jīng)濟學專業(yè)，曾參與創(chuàng)辦多家科技公司并擔任美國 AI Rudder 的首位本土員工。團隊 CTO Evan Roubekas 畢業(yè)于維多利亞大學計算機軟件工程專業(yè)，是一位具備全棧開發(fā)能力的系統(tǒng)架構師，曾在 Suncor 能源公司擔任高級應用開發(fā)工程師，主導過多個復雜系統(tǒng)的重構與優(yōu)化項目。
• 融資：創(chuàng)立于 2024 年，入選 YC W25，2025 年 4 月，種子輪融資已籌集 200 萬美元，投資方位 Y Combinator， Pioneer Fund， Strike Capital。

Cohere Health

• 產(chǎn)品：是一家專注于提高醫(yī)療保健效率和效果的 SaaS 公司，提供 AI 驅(qū)動的健康保險計劃預授權平臺。Cohere Unify? 支持實時、智能的健康保險計劃預授權，大約 88% 的請求可以通過 AI 立即獲得批準，簡化了事先授權，減輕了 providers 行政負擔，加快了審批速度。
• 公司發(fā)展：服務超過 1600 萬健康計劃會員，每年處理 1200 萬份事先授權請求。 已與美國領先的健康計劃建立了多項重要合作伙伴關系，其中包括 Blue Cross Blue Shield 附屬機構。
• 創(chuàng)始團隊：2019 年由 Co-Founder & COO Duncan Reece 和 Co-Founder & CEO Siva Namasivayam 創(chuàng)立，Duncan 畢業(yè)于斯坦福計算機系，曾在多個知名醫(yī)療公司擔任重要管理職位，包括 Mindstrong、Iora Health 等；Siva 畢業(yè)于匹茲堡大學計算機科學碩士和密歇根大學 MBA 學位，醫(yī)療科技連續(xù)創(chuàng)業(yè)者，包括在 2007 年共同創(chuàng)立 SCIO Health Analytics 并將其從零開始發(fā)展至 9000 萬美元年收入規(guī)模，最終在 2018 年以超過 2.4 億美元的價格出售給 EXL 公司。
• 融資：已完成 9610 萬美元融資，最新一輪為 2024 年 2 月 5000 萬美元 C 輪融資，投資者包括 Temasek、Deerfield Management、Define Ventures、Humana、Flare Capital Partners 、 Polaris Partners 等。20 年 7 月 A 輪融資中，投資方包括 Humana、 Flare Capital Partners、Define Ventures，21 年 4 月 B 輪由 Polaris Partners 投資。

后臺 （Back-office）:

AI 自動化 SOP

這一領域的公司聚焦于將保險公司內(nèi)部運營等強流程化行業(yè)中的標準操作流程（SOP）實現(xiàn) AI 自動化，目標是提升效率、降低成本、減少人為錯誤，并增強流程的可擴展性與合規(guī)性。

AI Agent 的角色是自動執(zhí)行任務，包括非結構化數(shù)據(jù)的識別（如 PDF、郵件）、自動填寫系統(tǒng)表單等，但會有 expert-in-the-loop 等人工審核機制確保責任明確、流程可追蹤。這類 AI Agent 會和客戶現(xiàn)有的 AMS、EHR、CRM 等企業(yè)系統(tǒng)集成。

這個領域的代表性公司包括 Comulate、Anterior、Camber 等，公司業(yè)務增長很快，如 Comulate 年收入翻四倍。該領域的產(chǎn)品部署后，客戶粘性強、替換成本高，疊加降本增效帶來明確 ROI，商業(yè)可持續(xù)性顯著。但集成復雜度和客戶 IT 系統(tǒng)差異也使得銷售周期較長，不同客戶的 AMS、CRM、EHR 系統(tǒng)異構，對 AI agent 的數(shù)據(jù)適配、權限管理、日志追蹤要求較高，需強技術交付能力和垂直行業(yè) know-how。

代表公司

FurtherAI

產(chǎn)品：致力于打造專為保險行業(yè)設計的 AI 原生工具，通過自動化繁瑣、重復且易出錯的人工流程，幫助保險公司、再保險公司、MGA 和經(jīng)紀人提高效率、減少錯誤。他們的產(chǎn)品可以自動完成保單提交處理、保單比較、核保審核、理賠錄入等。其工具已被多個保險行業(yè)的玩家廣泛采用并取得顯著效果，例如：

1）某領先 MGA 將核保生產(chǎn)力提升 2 倍；

2）某風險交易所審核保單數(shù)量翻倍，審查時間減少 20%；

3）某地區(qū)性保險公司將保單比較速度提升 95%。

創(chuàng)始團隊：Aman Gour CEO 和 Sashank Gondala CTO 共同畢業(yè)于喬治亞理工大學，創(chuàng)始人擁有技術和保險背景，曾在 Microsoft、Apple、At-Bay、Travelers、Hartford 等公司工作，并曾創(chuàng)辦 AI 招聘公司 TurboHire。

融資：2025 年 4 月 2 日，完成 850 萬美元種子輪融資，投資者包括 Y Combinator、 South Park Commons、Nexus Venture Partners 、BrokerTech Ventures 、 Pioneer Fund。

Anterior

Anterior 由前醫(yī)生 Abdel Mahmoud 創(chuàng)立，開發(fā)了一個基于大模型的助手（LLM co-pilot），幫助醫(yī)生護士快速整理醫(yī)保所需文件，降低拒付率、加快患者獲得治療的速度。目前產(chǎn)品聚焦在“預授權自動化”，未來計劃擴展到更多醫(yī)療行政場景。

目前完成了 2000 萬美元 A 輪融資，投后估值為 9500 萬美元，由 NEA 領投，老股東 Sequoia 和 Neo 跟投。天使投資人包括 DeepMind 聯(lián)合創(chuàng)始人、現(xiàn)任微軟 AI 負責人 Mustafa Suleyman。

NEA 醫(yī)療負責人 Mohamad Makhzoumi 加入董事會，其投資項目還包括即將上市的 Tempus 和獲得 10 億美元融資的 AI 藥物研發(fā)公司 Xaira。Anterior 的競爭對手包括 Cohere Health，后者于今年 2 月完成 5000 萬美元融資。

Comulate

產(chǎn)品：專為保險經(jīng)紀公司設計的會計自動化平臺。通過端到端的自動化來應對保險經(jīng)紀公司會計團隊日益增長的工作量和復雜性。

主要功能：

1）端到端自動化：Comulate 為保險經(jīng)紀公司提供全面的自動化解決方案，涵蓋直接賬單、現(xiàn)金應用、承運人應付賬款、收入完整性等；

2）Comulate 致力于服務于當前和未來排名前 100 的保險經(jīng)紀公司。通過自動化重復性任務，Comulate 可以幫助會計團隊提高效率并減少錯誤。幫助保險經(jīng)紀公司實現(xiàn)會計流程的轉(zhuǎn)型。

融資：2024 年，該初創(chuàng)公司收入翻了兩番，拿下很多大型公司客戶，收入在數(shù)千萬級別。所以跳過了 A 輪，2025 年 2 月直接融了 2000 萬美元 B 輪。早期投資者為 Spark Capital，B 輪投資者包括 Jonathan Crystal、Zachary Perret、Spark Capital、Neo、Qasar Younis、Workday Ventures。

團隊：CEO Jordan Katz 是連續(xù)創(chuàng)業(yè)者，曾在 Asana、Pathlight 深耕企業(yè)協(xié)作與運營效率產(chǎn)品，對復雜企業(yè)流程理解很深；CTO Michael Mattheakis 是 Brex 的早期核心工程師（第十號員工），主導構建了其核心的基于銀行賬戶的審批系統(tǒng)和底層集成基礎設施，對構建金融系統(tǒng)的穩(wěn)定性、可拓展性與安全性有實戰(zhàn)經(jīng)驗。他在 Brex 見證公司從 10 人到 900 人的增長，具備從 0 到 1 打磨系統(tǒng)、并隨公司成長持續(xù)重構系統(tǒng)的能力。兩位創(chuàng)始人自密歇根大學相識，切入傳統(tǒng)保險業(yè)的財務自動化場景，具備既懂客戶流程又能動手構建系統(tǒng)的“全棧型”能力。

Camber

產(chǎn)品：是一家醫(yī)療技術公司，致力于從根本上簡化和自動化醫(yī)療服務提供者的醫(yī)療報銷流程，可自動化和簡化保險索賠處理和報銷工作流程。該平臺實現(xiàn)了約 95% 的首次索賠批準率，改善醫(yī)療保健提供商的現(xiàn)金流。

目前為 40 個州的 90,000 名患者提供賬單結算服務，并已處理超過 20 億美元的索賠，并且針對減輕中小型診所的財務壓力，使他們能夠更加專注于患者護理。

創(chuàng)始團隊：Camber 的創(chuàng)始團隊的背景為醫(yī)療與科技交叉，由來自麥肯錫醫(yī)療團隊的 Christophe Rimann（CEO）、Celina Qi（COO）、Nathan Lee 等共同創(chuàng)立，CEO Christophe Rimann 曾主導麥肯錫醫(yī)療健康組的收入周期管理項目，并在 COVID-19 期間為美國醫(yī)院設計經(jīng)濟模型。Nathan 和 Celina 分別畢業(yè)于哈佛大學計算機與神經(jīng)科學專業(yè)，在麥肯錫擔任醫(yī)療健康方向顧問。三位聯(lián)合創(chuàng)始人曾長期共事，具備從 0 到 1 打造產(chǎn)品的經(jīng)驗。

融資：已籌集總計 5000 萬美元的資金，最新一輪融資是 2025 年 2 月由 Andreessen Horowitz 領投的 3000 萬美元 B 輪融資。其他參與者包括 ACME、Craft、K Ventures 和 Y Combinator。

低標準化流程

前臺 （Front-office）: ?AI 成為保險經(jīng)紀人的“外腦”

部分傳統(tǒng)保險前臺流程（如保單比較、合同審核、客戶匹配、代理協(xié)作等）極度依賴人力，流程冗長、信息非結構化、知識密集但重復性高。目前，越來越多創(chuàng)業(yè)公司以 AI Copilot 的形式切入這一流程，幫助代理人、經(jīng)紀人或客戶完成繁瑣但關鍵的認知工作。與高標準化的場景不同，該領域的公司強調(diào) AI 與人協(xié)同，而非完全替代。

這個領域的公司聚焦于保險經(jīng)紀人（broker）或代理（agent）的工作流：

• 保單比較（Vantel）
• 合同/風險審核（Vantel、Harper）
• 客戶匹配與產(chǎn)品推薦（Harper、NEXT、Coterie）

多數(shù)公司以 LLM 賦能處理認知任務為核心能力，不是完全自動化流程，而是增強判斷力。LLM 將保險行業(yè)大量的 PDF 保單、Word 合同、郵件等非結構化數(shù)據(jù)，轉(zhuǎn)化為可追溯的結構化數(shù)據(jù)。

商業(yè)模式包括簡單的工具 SaaS，也包括 AI 賦能的新一代保險公司，比如 Harper 的愿景就是成為 NPS 最好的經(jīng)紀公司，corgi 自稱為 AI 原生 insurance carrier，代表了 AI-native insurance broker/carrier 的初步形態(tài)。

代表公司

Harper

產(chǎn)品：AI-native 商業(yè)保險經(jīng)紀公司，擁有一套完整的 AI 解決方案，內(nèi)部使用來增強銷售、運營和服務互動。核心產(chǎn)品 Harper Hub 可以自動填寫表格、尋找最佳 carriers 和 underwriters、管理客戶溝通。

愿景：每個傳統(tǒng)的專業(yè)服務行業(yè)都將有一個比現(xiàn)有企業(yè)更高效、產(chǎn)生更多收入、增長更快的 AI 版本。商業(yè)保險經(jīng)紀市場每年的傭金超過 1000 億美元，Harper 希望成為世界上最大的保險經(jīng)紀公司，擁有最好的 NPS。

創(chuàng)始團隊與融資：入選 YC W25，其他投資人包括 Pioneer Fund。CEO Dakotah Rice 曾就職于高盛、凱雷投資集團、Coatue、Poolit，布朗大學 2012 屆畢業(yè)生，哈佛商學院 2021 年輟學生。CTO Tushar Nair 曾就職于高盛、Poolit。

Vantel

產(chǎn)品：為商業(yè)保險經(jīng)紀人打造的 AI 軟件平臺，可實現(xiàn)工作流程自動化，如保單比較和合同驗證，包括：

1）保單比較：5 分鐘內(nèi)比較 5 份保單（手動操作需 5 小時），即時識別差異和關鍵條款，并根據(jù)保障質(zhì)量對保單進行排名；

2）合同驗證：交叉核對合同與保單中的保險要求，識別隱藏風險。

輸入：非結構化的 pdf

輸出：結構化 sheet 可以點進去查原文檔，提供 ref

創(chuàng)始團隊與融資：入選 YC W25，其他投資人包括 Rebel Fund。

創(chuàng)始團隊具有 Ex AMS、microsoft 等 NLP 工程師經(jīng)驗，連續(xù)創(chuàng)業(yè)者，在 AI 與機器學習領域有多次創(chuàng)業(yè)經(jīng)歷。

1）CEO Love Redin：曾在獲得風險投資的初創(chuàng)公司和麥肯錫擔任數(shù)據(jù)科學家，大學前在斯堪的納維亞最大的保險公司擔任理賠員。擁有瑞典皇家理工學院工程物理和數(shù)學背景，是北極陸軍游騎兵；

2）Cofounder Ulme Wennberg 創(chuàng)辦過幾家初創(chuàng)公司，前微軟軟件工程師，在瑞典皇家理工學院攻讀工程物理，同時在斯德哥爾摩經(jīng)濟學院學習商業(yè)和經(jīng)濟學，在華盛頓大學進行研究生學習，合著了 2019 年最具影響力的信息提取論文之一，并參與構建亞馬遜 Alexa 對話 agent。

Corgi

產(chǎn)品：AI-native 保險提供商，愿景是 Building the First AI Insurance Company。

創(chuàng)始團隊與融資：連續(xù)創(chuàng)業(yè)團隊，入選 YC S24，獲 50 萬美元種子輪前融資，其他投資者為 Rebel Fund。

Nico Laqua CEO & CTO ?哥大畢業(yè)，曾成功創(chuàng)立著名游戲發(fā)行商 Basket，Emily Yuan COO，斯坦福大學輟學，創(chuàng)建 picnic，后轉(zhuǎn)型成 basket，她在 Basket Entertainment 擔任重要董事會成員。

后臺 （Back-office）: AI 驅(qū)動保險核心決策

AI 在此類后臺流程中輔助進行更復雜的分析、風險評估、欺詐調(diào)查等，這些流程缺乏標準化、依賴大量專業(yè)判斷和非結構化數(shù)據(jù)。比如災難風險建模和風險轉(zhuǎn)移（CatX），AI 保單分析、動態(tài)定價與推薦（RiskCube），網(wǎng)絡安全風險建模與防御整合（Coalition， Corvus）。

這些公司多數(shù)由保險從業(yè)者（精算師、風險顧問、保險經(jīng)紀）、AI/ML 專家、前 FAANG/咨詢工程背景人員共同創(chuàng)立。普遍采用聚焦單一高痛點流程 → 橫向/縱向擴展的策略：

聚焦細分場景、解決單點“慢、貴、易錯”的核心痛點，通過人+AI 協(xié)作替代大量手工和中介成本，最終目標是成為新一代保險科技中臺（Tech-driven TPA、智能承保平臺、智能投研平臺）。

這個領域在這一輪 LLM 變革中沒有出現(xiàn)很多值得關注的新公司。Coalition、Corvus 在 2017 年即入場，已完成上億美元融資，代表 AI 保險的成熟一代，正向平臺化演進。

代表公司

CatX

CatX 打造了一個用于保險風險轉(zhuǎn)移的數(shù)字交易平臺，連接保險公司與機構投資者，以更低的成本、更快的速度實現(xiàn)災難風險的對沖和再保險交易。平臺提供災害風險分析、損失評估、場景建模等能力，支持用戶上傳房產(chǎn)信息或文檔，并快速生成風險洞察。其 Catamaran 2.0 工具集結合了歷史數(shù)據(jù)分析與推薦算法，簡化了原本高成本、低透明度的操作流程。

團隊具有保險精算、軟件開發(fā)和金融建模背景。

1）Benedict Altier：保險顧問，為安盛、Beazley 和 MS Amlin 等領先保險公司建模，畢業(yè)于牛津大學；

2）Lucas Schneider – Co-founer/ CTO：牛津大學機器學習博士候選人，曾就職于巴克萊投資銀行和麥肯錫；

3） Jon Wood：曾在怡安保險經(jīng)紀公司等任職；

4）Matthew Salamon：經(jīng)驗豐富的軟件開發(fā)者，曾就職于怡安、普華永道和 Balancer。

目前已完成三輪融資，共計 320 萬美元，獲得 Y Combinator 等機構支持。最新一輪股權融資于 2023 年 11 月完成。投資者包括 Y Combinator、 Hi2 Venture Fund、Lloyd’s La、Botware Ventures、HackLegacy VC 等。

Corvus Insurance

由 Philip Edmundson 于 2017 年創(chuàng)立，提供 AI 驅(qū)動的網(wǎng)絡與商業(yè)保險，利用數(shù)據(jù)科學和實時掃描技術主動識別企業(yè)的網(wǎng)絡風險。其平臺為保險經(jīng)紀人提供風險評分工具，并通過實時數(shù)據(jù)動態(tài)定價，增強了核保準確性和客戶信任度。

公司以數(shù)字驅(qū)動的 MGA 形式快速成長，廣泛覆蓋北美市場。團隊具備承保和風控背景。共融資 1.608 億美元，最新一輪為 2021 年 5 月 1500 萬美元 C 輪融資。投資者包括 Insight Partners， Bain Capital Ventures， Obvious Ventures， Titanium Ventures， 406 Ventures 等。

Coalition

2017 年創(chuàng)立網(wǎng)絡保險和安全公司，結合保險覆蓋和實時網(wǎng)絡安全工具，幫助中小企業(yè)降低網(wǎng)絡攻擊風險。產(chǎn)品涵蓋網(wǎng)絡風險、D&O、犯罪保險等多個品類，通過技術平臺“Underwriting Ease”賦能經(jīng)紀人自動生成報價與風險分析報告。近期推出的 CoalitionAI 借助 LLM，為經(jīng)紀人與客戶提供聊天式風控助手。

創(chuàng)始人來自 Cloudflare、CIA 等機構，具備網(wǎng)絡安全與金融運作的跨界視角。Joshua Motta 是 Coalition 的首席執(zhí)行官兼聯(lián)合創(chuàng)始人。在創(chuàng)立 Coalition 之前，他曾在 Cloudflare（COO 兼特別項目主管）、高盛、微軟和 CIA 擔任高級職務 。領導團隊還包括 CRO ?Shawn Ram、CFO Jim Young、CPO Chung-Man Tam、CTO Maha Virudhagiri 等。

融資：

1）A 輪（2018 年 3 月）：1000 萬美元，投資方包括 Vy Capital、Ribbit Capital、Valor 等；

2）B 輪（2019 年 5 月）：4000 萬美元，投資方包括 Greenoaks Capital、hillhouse capital、Ribbit Capital 等；

3）D 輪（2021 年 3 月）：1.75 億美元，由 Index Ventures 領投，General Atlantic 等現(xiàn)有投資者參與。