Pibit.AI Mengamankan $7M Seri A untuk Membawa Underwriting AI yang Dapat Dipercaya ke Arus Utama

Industri asuransi telah lama didefinisikan oleh kemampuan untuk memahami, mengukur, dan mengelola risiko. Namun, sistem yang digunakan oleh underwriter masih terlihat dan terasa seperti artefak dari era lain. Sementara industri lain telah mengadopsi otomatisasi canggih dan alat cerdas, underwriting masih bergantung pada spreadsheet, dokumen yang tersebar, dan tinjauan yang memakan waktu. Kesenjangan ini adalah apa yang Pibit.AI berusaha untuk tutup — dan dengan $7 juta Seri A yang baru, perusahaan ini mempercepat rencananya untuk memodernisasi salah satu fungsi esensial asuransi.

Pembiayaan putaran, yang dipimpin oleh Stellaris Venture Partners dengan partisipasi dari Y Combinator dan Arali Ventures, akan membiayai pengembangan dan adopsi Centralized Underwriting Risk Environment (CURE™) dari Pibit.AI. Dirancang untuk mempersatukan seluruh perjalanan underwriting — dari pengajuan awal hingga keputusan akhir — CURE™ memposisikan Pibit.AI di pusat pasar yang berkembang pesat di mana perusahaan asuransi dan MGA berada di bawah tekanan untuk melakukan lebih banyak dengan kurang.

Misi yang Berakar pada Pengalaman Pribadi

Bagi pendiri Akash Agarwal, asal-usul perusahaan ini sangat pribadi. Sebagai seorang anak, dia menyaksikan ayahnya bekerja sampai larut malam untuk mengelola kertas kerja asuransi dengan tangan. Tahun-tahun kemudian, ketika dia menyaksikan AI merevolusi industri dari transportasi hingga logistik, kontrasnya sangat mencolok: jika AI dapat memandu kendaraan secara otonom, mengapa underwriting masih terjebak dalam dunia PDF, email, dan entri data manual?

Pertanyaan ini menjadi percikan di balik Pibit.AI. Agarwal membayangkan lingkungan underwriting di mana AI berfungsi sebagai mitra yang dapat dipercaya dan transparan — bukan black-box pengganti. Kepercayaan menjadi tiang utama filosofi perusahaan: setiap output harus dapat dijelaskan, diverifikasi, dan selaras dengan keahlian underwriter.

“AI harus memberdayakan underwriter, bukan menggantikan mereka,” Agarwal mencatat. “Kami sedang membangun sesuatu yang transparan dan siap keputusan — sistem yang underwriter dapat percayai sambil membantu mereka bergerak lebih cepat dari sebelumnya.”

Platform CURE™: Mengubah Siklus Underwriting

Di jantung penawaran Pibit.AI terdapat CURE™, platform yang terintegrasi erat yang mengkonsolidasikan proses underwriting yang terfragmentasi. Alih-alih beralih antara alat, dokumen, dan sumber data, underwriter beroperasi dalam satu lingkungan yang ditingkatkan oleh kecerdasan AI.

CURE™ mencakup modul yang dirancang khusus seperti:

• ClearCURE™ untuk triase pengajuan
• DocumentCURE™ untuk parsing dokumen yang tidak terstruktur dengan akurat
• ResearchCURE™ untuk pengayaan data waktu nyata
• RiskCURE™ untuk evaluasi akun canggih dan wawasan tingkat portofolio
• WorkflowCURE™ untuk mengatur tugas, kolaborasi, dan pelacakan keputusan

Bersama, modul-modul ini mendukung perjalanan yang lancar dari pengajuan awal hingga output yang siap keputusan. Platform ini mengotomatisasi pengumpulan dan klasifikasi data sambil mempertahankan pengawasan manusia di mana itu paling penting. Filosofi Pibit.AI menggabungkan kecepatan dengan keandalan: otomatisasi mempercepat proses, sementara logika transparan mempertahankan kepercayaan, konsistensi, dan kepatuhan.

Menghadirkan Dampak yang Dapat Diukur untuk Perusahaan Asuransi dan MGA

Kebutuhan akan modernisasi semakin mendesak. Volume pengajuan terus meningkat, namun tim underwriting semakin menurun. Banyak tim masih kehilangan hingga sepertiga waktu mereka untuk triase manual, penanganan dokumen, dan normalisasi data. Inefisiensi tidak hanya memperlambat tim — mereka juga memengaruhi akurasi, pendapatan, dan pemilihan risiko.

Para pelanggan Pibit.AI, yang termasuk HDVI, Shepherd Insurance, RMS Insurance Brokerage, Kinetic, dan Method Insurance Services, sudah melihat perbaikan dramatis. Hasil yang dilaporkan termasuk hingga 85% siklus underwriting yang lebih cepat, peningkatan 32% dalam premi tertulis bruto per underwriter, dan hingga 700 poin dasar perbaikan dalam rasio kerugian.

Bagi perusahaan asuransi, keuntungan ini diterjemahkan menjadi kapasitas yang lebih besar, throughput yang lebih tinggi, dan kemampuan untuk berkembang dengan menguntungkan. Seperti yang ditunjukkan oleh Adam Price, CEO di Kinetic: perusahaan sekarang dapat mengelola lebih dari satu miliar dolar dalam pengajuan tahunan tanpa perlu meningkatkan biaya overhead. Untuk Method Insurance Services, platform ini menyediakan struktur untuk berkembang secara nasional tanpa mengorbankan kontrol atau akurasi.

Bagi Stellaris Venture Partners, kombinasi efisiensi dan transparansi ini adalah faktor penentu dalam memimpin putaran Seri A. Mitra Alok Goyal menekankan bahwa CURE™ menangani keterbatasan inti yang menghambat underwriting modern — alur kerja yang ketinggalan zaman, data yang tidak konsisten, dan tuntutan operasional yang meningkat.

Implikasi yang Lebih Luas: Apa yang Ditandai Teknologi Ini untuk Masa Depan

Munculnya platform yang mempersatukan data, mengotomatisasi analisis rutin, dan membawa kejelasan ke keputusan kompleks menandai titik balik bagi industri yang secara historis bergantung pada keahlian manual. Underwriting adalah salah satu contoh paling jelas, tetapi tren dasar ini meluas jauh melampaui asuransi. Ketika organisasi di berbagai sektor menghasilkan jumlah informasi yang eksponensial lebih banyak daripada yang dapat diproses tim, kebutuhan akan sistem yang dapat menafsirkan input yang tidak terstruktur, menampilkan wawasan relevan, dan menyajikannya dengan cara yang transparan menjadi universal.

Decade berikutnya kemungkinan akan melihat pergeseran dalam cara kerja pengetahuan itu sendiri diorganisir. Alih-alih profesional menghabiskan sebagian besar hari mereka mengumpulkan, memformat, atau merekonsiliasi informasi, fokus mereka akan bergeser ke evaluasi rekomendasi yang dihasilkan AI, menjelajahi kasus tepi, dan menerapkan penilaian pada skenario yang tidak sesuai dengan pola. Transisi ini tidak akan menghilangkan keahlian manusia — itu akan mengubah di mana keahlian itu diterapkan. Orang akan semakin berperan sebagai arsitek keputusan daripada pengolah data.

Transformasi paralel akan terjadi di sekitar kepercayaan. Ketika AI terlibat dalam keputusan yang lebih berisiko, tuntutan akan kejelasan hanya akan meningkat. Sistem yang dapat menunjukkan alasan mereka, mengutip bukti di balik kesimpulan mereka, dan mengukur ketidakpastian akan menetapkan standar. Alat yang gagal menyediakan tingkat transparansi tersebut akan berjuang untuk mendapatkan penerimaan, terutama di industri yang diatur.

Di jangka panjang, akumulasi data yang terstruktur dan siap keputusan akan menciptakan kemungkinan baru. Pemodelan risiko yang lebih akurat, benchmarking antar industri, dan pemantauan waktu nyata tren yang muncul akan menjadi memungkinkan dengan cara yang tidak mungkin dilakukan saat ini. Seluruh alur kerja — bukan hanya tugas terisolasi — akan dirancang ulang di sekitar kecerdasan berkelanjutan daripada dokumen statis dan tinjauan episodik.