Pibit.AI ottiene 7 milioni di dollari nella serie A per portare l’intelligenza artificiale di underwriting affidabile nel mainstream

L’industria assicurativa è stata a lungo definita dalla sua capacità di comprendere, quantificare e gestire il rischio. Eppure, i sistemi su cui si basano gli underwriter sembrano ancora oggetti di un’altra epoca. Mentre altre industrie hanno abbracciato l’automazione avanzata e gli strumenti intelligenti, l’underwriting è rimasto dipendente da fogli di calcolo, documenti sparsi e revisioni laboriose. È proprio questo divario che Pibit.AI si propone di colmare — e con un fresco finanziamento di 7 milioni di dollari nella serie A, l’azienda sta accelerando il suo piano per modernizzare una delle funzioni essenziali dell’assicurazione.

Il finanziamento, guidato da Stellaris Venture Partners con la partecipazione di Y Combinator e Arali Ventures, sarà utilizzato per finanziare lo sviluppo e l’adozione continua dell’ambiente di underwriting centralizzato di Pibit.AI (CURE™). Progettato per unificare l’intero percorso di underwriting — dalla prima presentazione alla decisione finale — CURE™ posiziona Pibit.AI al centro di un mercato in rapida evoluzione in cui le compagnie assicuratrici e le MGAs sono sotto pressione crescente per fare di più con meno.

Una missione radicata nell’esperienza personale

Per il fondatore Akash Agarwal, l’origine dell’azienda è profondamente personale. Da bambino, ha visto suo padre lavorare fino a tarda notte per gestire la documentazione assicurativa a mano. Anni dopo, mentre assisteva alla rivoluzione dell’AI in settori come il trasporto e la logistica, il contrasto era netto: se l’AI poteva guidare veicoli in modo autonomo, perché l’underwriting era ancora bloccato in un mondo di PDF, email e immissione manuale dei dati?

Questa domanda è diventata la scintilla dietro Pibit.AI. Agarwal ha immaginato un ambiente di underwriting in cui l’AI serve come partner affidabile e trasparente — non come un black-box sostitutivo. La fiducia è diventata il pilastro centrale della filosofia dell’azienda: ogni output deve essere spiegabile, verificabile e allineato con l’esperienza dell’underwriter.

“L’AI dovrebbe potenziare gli underwriter, non sostituirli”, ha notato Agarwal. “Stiamo costruendo qualcosa che è trasparente e pronto per la decisione — un sistema che gli underwriter possono fidarsi mentre li aiuta a muoversi più velocemente che mai.”

La piattaforma CURE™: trasformare il ciclo di vita dell’underwriting

Al cuore dell’offerta di Pibit.AI c’è CURE™, una piattaforma integrata che unifica il processo di underwriting frammentato. Invece di passare da uno strumento all’altro, documenti e fonti di dati, gli underwriter operano all’interno di un unico ambiente arricchito dall’intelligenza guidata dall’AI.

CURE™ include moduli progettati appositamente come:

• ClearCURE™ per la triage delle presentazioni
• DocumentCURE™ per l’analisi precisa di documenti non strutturati e disordinati
• ResearchCURE™ per l’arricchimento dei dati in tempo reale
• RiskCURE™ per la valutazione avanzata dei conti e le informazioni a livello di portafoglio
• WorkflowCURE™ per l’orchestrazione delle attività, la collaborazione e il monitoraggio delle decisioni

Insieme, questi moduli supportano un percorso fluido dalla presentazione iniziale all’output pronto per la decisione. La piattaforma automatizza la raccolta e la classificazione dei dati mentre mantiene la supervisione umana dove è più importante. La filosofia di Pibit.AI combina velocità con affidabilità: l’automazione accelera il processo, mentre la logica trasparente preserva la fiducia, la coerenza e la conformità.

Fornire un impatto misurabile per le compagnie assicuratrici e le MGAs

La necessità di modernizzazione sta diventando più urgente. I volumi delle presentazioni continuano a salire, mentre le squadre di underwriting si riducono. Molte squadre perdono ancora fino a un terzo del loro tempo con la triage manuale, la gestione dei documenti e la normalizzazione dei dati. Le inefficienze non rallentano solo le squadre — influiscono sull’accuratezza, sui ricavi e sulla selezione del rischio.

I clienti di Pibit.AI, che includono HDVI, Shepherd Insurance, RMS Insurance Brokerage, Kinetic e Method Insurance Services, stanno già vedendo miglioramenti drammatici. I risultati segnalati includono cicli di underwriting fino all’85% più veloci, un aumento del 32% del premio lordo scritto per underwriter e fino a 700 punti base di miglioramento nei rapporti di perdita.

Per le compagnie assicuratrici, questi guadagni si traducono in una maggiore capacità, un maggior throughput e la capacità di scalare in modo profittevole. Come ha sottolineato Adam Price, CEO di Kinetic: l’azienda può ora gestire oltre un miliardo di dollari in presentazioni annuali senza dover aumentare i costi generali. Per Method Insurance Services, la piattaforma ha fornito la struttura per scalare a livello nazionale senza compromettere il controllo o l’accuratezza.

Per Stellaris Venture Partners, quella combinazione di efficienza e trasparenza è stato un fattore decisivo nel guidare il finanziamento della serie A. Il partner Alok Goyal ha sottolineato che CURE™ affronta i vincoli fondamentali che limitano l’underwriting moderno — workflow obsoleti, dati inconsistenti e richieste operative in aumento.

Le più ampie implicazioni: cosa segnala questa tecnologia per il futuro

L’ascesa di piattaforme che uniscono i dati, automatizzano l’analisi di routine e portano spiegabilità alle decisioni complesse segna un punto di svolta per le industrie che storicamente hanno fatto affidamento sull’esperienza manuale. L’underwriting è uno degli esempi più chiari, ma la tendenza sottostante si estende ben oltre l’assicurazione. Mentre le organizzazioni di tutti i settori generano una quantità esponenzialmente maggiore di informazioni rispetto a quelle che le squadre possono ragionevolmente elaborare, la necessità di sistemi in grado di interpretare input non strutturati, evidenziare informazioni rilevanti e presentarle in modo trasparente sta diventando universale.

Nel prossimo decennio, è probabile che si verifichi un cambiamento nella struttura stessa del lavoro della conoscenza. Invece di trascorrere grandi porzioni della giornata a raccogliere, formattare o riconciliare informazioni, l’attenzione si sposterà verso la valutazione delle raccomandazioni generate dall’AI, l’esplorazione dei casi limite e l’applicazione del giudizio alle situazioni che non rientrano nello schema. Questa transizione non eliminerà l’esperienza umana — la ridefinirà. Le persone agiranno sempre più come architetti decisionali piuttosto che come elaboratori di dati.

Una trasformazione parallela si svolgerà intorno alla fiducia. Mentre l’AI sarà coinvolta in decisioni ad alto rischio, la domanda di spiegabilità aumenterà. I sistemi che possono mostrare la loro logica, citare le prove a sostegno delle loro conclusioni e quantificare l’incertezza stabiliranno lo standard. Gli strumenti che non saranno in grado di fornire quel livello di trasparenza lottano per ottenere l’accettazione, soprattutto in settori regolamentati.

Nel lungo termine, l’accumulo di dati strutturati e pronti per la decisione creerà nuove possibilità. La modellazione del rischio più precisa, il benchmarking tra settori e il monitoraggio in tempo reale delle tendenze emergenti diventeranno possibili in modi che non sono possibili oggi. Interi flussi di lavoro — non solo compiti isolati — saranno ridisegnati intorno all’intelligenza continua piuttosto che ai documenti statici e alle revisioni episodiche.