Pibit.AI sikrer 7 millioner dollars i serie A for at bringe troværdig AI-underwriting til mainstream

Forsikringsindustrien har længe været defineret af sin evne til at forstå, kvantificere og håndtere risiko. Alligevel ligner de systemer, underwriters afhænger af, stadig artefakter fra en anden æra. Mens andre industrier har omfattet avanceret automatisering og intelligent værktøj, er underwriting forblevet afhængig af regneark, spredte dokumenter og arbejdskrævende gennemgang. Det er netop denne lukke, som Pibit.AI sigter mod at lukke — og med en frisk 7 millioner dollars i serie A, accelererer virksomheden sin plan om at modernisere en af forsikringens mest essentielle funktioner.

Finansieringsrunden, ledet af Stellaris Venture Partners med deltagelse fra Y Combinator og Arali Ventures, vil drive den fortsatte udvikling og adoption af Pibit.AIs Centralized Underwriting Risk Environment (CURE™). Designet til at samle hele underwriting-rejsen — fra første indsendelse til endelig beslutning — positionerer CURE™ Pibit.AI i centrum af en hurtigt udviklende marked, hvor forsikringsselskaber og MGAs er under stigende pres for at gøre mere med mindre.

En mission rodnet i personlig erfaring

For grundlægger Akash Agarwal er virksomhedens oprindelse dybt personlig. Som barn så han sin far arbejde sent om natten med at håndtere forsikringspapirer. År senere, da han oplevede, hvordan AI revolutionerede industrier fra transport til logistik, var kontrasten slående: Hvis AI kunne guide køretøjer autonomt, hvorfor var underwriting stadig fastlåst i en verden af PDF’er, e-mails og manuel dataindtastning?

Dette spørgsmål blev gnisten bag Pibit.AI. Agarwal forestillede sig en underwriting-miljø, hvor AI fungerer som en pålidelig, gennemsigtig partner — ikke en sort boks-erstatning. Tillid blev den centrale pille i virksomhedens filosofi: Hver output skal være forklarlig, verificerbar og i overensstemmelse med en underwriters ekspertise.

“AI skal styrke underwriters, ikke erstatte dem,” bemærkede Agarwal. “Vi bygger noget, der er gennemsigtigt og beslutningsklart — et system, som underwriters kan stole på, samtidig med at det hjælper dem med at gå hurtigere end nogensinde før.”

CURE™-platformen: Transformation af underwriting-livscyklusen

I hjertet af Pibit.AIs tilbud ligger CURE™, en tæt integreret platform, der samler den fragmenterede underwriting-proces. I stedet for at skifte mellem værktøjer, dokumenter og datakilder opererer underwriters inden for en enkelt miljø, der er forbedret med AI-drevet intelligens.

CURE™ inkluderer formål-byggede moduler som:

• ClearCURE™ til indsendelses-triage
• DocumentCURE™ til præcis parsing af beskidte, ustrukturerede dokumenter
• ResearchCURE™ til realtids-databerigelse
• RiskCURE™ til avanceret konto-vurdering og portefølje-niveau indsigt
• WorkflowCURE™ til orkestrering af opgaver, samarbejde og beslutnings-sporing

Sammen støtter disse moduler en strømlinet rejse fra initial indsendelse til beslutningsklar output. Platformen automatiserer dataindsamling og -klassificering, mens den opretholder menneskelig oversigt, hvor det er vigtigst. Pibit.AIs filosofi kombinerer hastighed med pålidelighed: Automatisering accelererer processen, mens gennemsigtig logik bevarede tillid, konsistens og overholdelse.

Levérer målbart impact for forsikringsselskaber og MGAs

Behovet for modernisering er blevet mere presserende. Indsendelsesvolumener fortsætter med at stige, mens underwriting-holdene bliver mindre. Mange hold taber stadig op til en tredjedel af deres tid på manuel triage, dokumenthåndtering og data-normalisering. Ineffektiverne langsomerer ikke kun holdene — de påvirker også nøjagtighed, omsætning og risikovælger.

Pibit.AIs kunder, som inkluderer HDVI, Shepherd Insurance, RMS Insurance Brokerage, Kinetic og Method Insurance Services, ser allerede dramatiske forbedringer. Rapporterede resultater inkluderer op til 85% hurtigere underwriting-cykler, en 32% stigning i brutto-præmium per underwriter og op til 700 basispointers forbedring i tab-ratio.

For forsikringsselskaber oversætter disse gevinster sig til større kapacitet, højere gennemløb og evnen til at skala profitabelt. Som Adam Price, CEO hos Kinetic, fremhævede: Virksomheden kan nu håndtere mere end en milliard dollars i årlige indsendelser uden at skulle øge omkostningerne. For Method Insurance Services har platformen givet struktur til at skala nationalt uden at gå på kompromis med kontrol eller nøjagtighed.

For Stellaris Venture Partners var kombinationen af effektivitet og gennemsigtighed afgørende for at lede serie A-runden. Partner Alok Goyal fremhævede, at CURE™ løser de grundlæggende begrænsninger, der hæmmer moderne underwriting — forældede arbejdsgange, inkonsistent data og stigende operationelle krav.

De bredere implikationer: Hvad denne teknologi signalerer for fremtiden

Opkomsten af platforme, der samler data, automatiserer rutine-analyse og bringer forklarlighed til komplekse beslutninger, markerer et vendepunkt for industrier, der historisk har afhængt af manuel ekspertise. Underwriting er et af de klareste eksempler, men den underliggende trend strækker sig langt ud over forsikring. Da organisationer på tværs af sektorer genererer eksponentielt mere information, end hold kan rimeligt behandle, bliver behovet for systemer, der kan fortolke ustrukturerede input, fremhæve relevante indsigt og præsentere dem på en gennemsigtig måde, universelt.

De næste ti år vil sandsynligvis se en skift i, hvordan videnarbejde selv er organiseret. I stedet for at fagfolk tilbringer store dele af dagen med at indsamle, formate eller afstemme information, vil deres fokus flytte sig mod at evaluere AI-genererede anbefalinger, udforske edge-tilfælde og anvende dom til scenarier, der ikke passer mønsteret. Denne overgang vil ikke eliminere menneskelig ekspertise — den vil omforme, hvor denne ekspertise anvendes. Mennesker vil i stigende grad fungere som beslutningsarkitekter snarere end data-processorer.

En parallel transformation vil udvikle sig omkring tillid. Da AI bliver involveret i flere højrisiko-beslutninger, vil kravet om forklarbarhed kun intensiveres. Systemer, der kan vise deres begrundelse, citerer beviserne bag deres konklusioner og kvantificerer usikkerhed, vil sætte standarden. Værktøjer, der ikke kan levere det niveau af gennemsigtighed, vil have svært ved at opnå accept, især i regulerede industrier.

På længere sigt vil opbygningen af struktureret, beslutningsklar data skabe nye muligheder. Mere præcis risikomodellering, tværsindustrielle benchmarking og realtids-overvågning af opdykkende tendenser vil blive muligt på måder, der ikke er muligt i dag. Hele arbejdsgange — ikke kun isolerede opgaver — vil blive redesignet omkring kontinuerlig intelligens snarere end statiske dokumenter og episodiske gennemgang.