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

L’industria assicurativa è stata a lungo definita dalla sua capacità di comprendere, quantificare e gestire il rischio. Eppure, i sistemi sui quali si basano gli underwriter sembrano ancora oggetti di un’altra era. 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. Questo divario è esattamente ciò che Pibit.AI mira a 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 round di finanziamento, guidato da Stellaris Venture Partners con la partecipazione di Y Combinator e Arali Ventures, sarà utilizzato per lo sviluppo e l’adozione continuata dell’Ambiente di rischio di underwriting centralizzato (CURE™) di Pibit.AI. 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 gli MGAs sono sotto crescente pressione 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 tardi la notte per gestire la documentazione assicurativa a mano. Anni dopo, mentre assisteva alla rivoluzione dell’AI nei settori dei trasporti e della 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 un partner affidabile e trasparente — non come un black-box sostitutivo. La fiducia è diventata il pilastro centrale della filosofia dell’azienda: ogni output dovrebbe 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 possano fidarsi mentre li aiuta a muoversi più velocemente che mai”.

La piattaforma CURE™: trasformazione del ciclo di vita di underwriting

Al cuore dell’offerta di Pibit.AI c’è CURE™, una piattaforma integrata che consolida il processo di underwriting frammentato. Invece di passare da uno strumento all’altro, da un documento all’altro e da una fonte di dati all’altra, 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 disordinati e non strutturati
• ResearchCURE™ per l’arricchimento dei dati in tempo reale
• RiskCURE™ per la valutazione avanzata degli account e le informazioni a livello di portafoglio
• WorkflowCURE™ per l’orchestrazione delle attività, la collaborazione e la tracciabilità 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 e 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 gli MGAs

La necessità di modernizzazione sta diventando sempre più urgente. I volumi di presentazione continuano a salire, mentre i team di underwriting si riducono. Molti team perdono ancora fino a un terzo del loro tempo per la triage manuale, la gestione dei documenti e la normalizzazione dei dati. Le inefficienze non rallentano solo i team — 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 throughput più elevato e la possibilità di scalare in modo profittevole. Come ha sottolineato Adam Price, CEO di Kinetic: l’azienda può ora gestire più di un miliardo di dollari in presentazioni annuali senza dover aumentare i costi fissi. 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 per guidare il round di finanziamento della serie A. Il partner Alok Goyal ha sottolineato che CURE™ affronta i vincoli fondamentali che limitano l’underwriting moderno — flussi di lavoro obsoleti, dati incoerenti e crescenti richieste operative.

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

L’ascesa di piattaforme che unificano i dati, automatizzano l’analisi di routine e portano spiegabilità alle decisioni complesse segna un punto di svolta per le industrie che hanno storicamente dipeso dall’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 quantità esponenzialmente maggiori di informazioni di quelle che i team possono ragionevolmente elaborare, la necessità di sistemi che possano interpretare input non strutturati, evidenziare informazioni rilevanti e presentarle in modo trasparente sta diventando universale.

Il prossimo decennio probabilmente vedrà un cambiamento in come il lavoro della conoscenza stesso è organizzato. Invece di trascorrere grandi parti della giornata raccogliendo, formattando o riconciliando 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 ridisegnerà. Le persone agiranno sempre più come architetti di decisioni piuttosto che come elaboratori di dati.

Una trasformazione parallela si svolgerà intorno alla fiducia. Man mano che l’AI sarà coinvolta in decisioni ad alto rischio, la domanda di spiegabilità aumenterà. I sistemi che possono mostrare il loro ragionamento, citare le prove dietro le loro conclusioni e quantificare l’incertezza stabiliranno lo standard. Gli strumenti che non forniscono quel livello di trasparenza lottano per ottenere l’accettazione, soprattutto nelle industrie regolamentate.

A lungo termine, l’accumulo di dati strutturati e pronti per la decisione creerà nuove possibilità. La modellazione del rischio più precisa, il benchmarking cross-industriale e il monitoraggio in tempo reale delle tendenze emergenti diventeranno fattibili 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.