Pibit.AI zabezpiecza 7 milionów dolarów w ramach rundy Series A, aby wprowadzić zaufane underwriting oparte na sztucznej inteligencji do mainstreamu

Branża ubezpieczeniowa od dawna jest definiowana przez swoją zdolność do zrozumienia, ilościowego określenia i zarządzania ryzykiem. Jednak systemy, na których polegają underwriterzy, nadal wyglądają i działają jak relikt z innej ery. Podczas gdy inne branże zaakceptowały zaawansowaną automatyzację i inteligentne narzędzia, underwriting pozostał zależny od arkuszy kalkulacyjnych, rozproszonych dokumentów i czasochłonnych przeglądów. To zapełnienie luki jest dokładnie tym, czym zajmuje się Pibit.AI — i z nowymi 7 milionami dolarów w ramach rundy Series A, firma przyspiesza swój plan modernizacji jednej z najbardziej istotnych funkcji ubezpieczeń.

Runda finansowania, prowadzona przez Stellaris Venture Partners z udziałem Y Combinator i Arali Ventures, będzie napędzać dalszy rozwój i przyjęcie Centralized Underwriting Risk Environment (CURE™) przez Pibit.AI. Zaprojektowane w celu zjednoczenia pełnej podróży underwritingu — od pierwszego zgłoszenia do ostatecznej decyzji — CURE™ umieszcza Pibit.AI w centrum szybko ewoluującego rynku, gdzie ubezpieczyciele i MGAs są pod coraz większą presją, aby robić więcej z mniej.

Misja oparta na osobistym doświadczeniu

Dla założyciela Akasha Agarwala, pochodzenie firmy jest głęboko osobiste. Jako dziecko, obserwował, jak jego ojciec pracował późno w nocy, zarządzając dokumentami ubezpieczeniowymi ręcznie. Lata później, gdy był świadkiem rewolucji sztucznej inteligencji w branżach od transportu po logistykę, kontrast był wyraźny: jeśli sztuczna inteligencja mogła prowadzić pojazdy autonomicznie, dlaczego underwriting wciąż utknął w świecie plików PDF, e-maili i ręcznego wprowadzania danych?

To pytanie stało się iskrą, która zaowocowała powstaniem Pibit.AI. Agarwal wyobraził sobie środowisko underwritingu, w którym sztuczna inteligencja służy jako niezawodny, przejrzysty partner — a nie czarna skrzynka zastępująca. Zaufanie stało się centralnym filarem filozofii firmy: każde wyjście powinno być wyjaśnione, weryfikowalne i zgodne z ekspertyzą underwritera.

“Sztuczna inteligencja powinna wspierać underwriterów, a nie ich zastępować”, zauważył Agarwal. “Budujemy coś, co jest przejrzyste i gotowe do podjęcia decyzji — system, którym underwriterzy mogą zaufać, jednocześnie pomagając im poruszać się szybciej niż kiedykolwiek wcześniej.”

Platforma CURE™: Przekształcanie cyklu życia underwritingu

W sercu oferty Pibit.AI znajduje się CURE™, ściśle zintegrowana platforma, która konsoliduje fragmentaryzowany proces underwritingu. Zamiast przełączać się między narzędziami, dokumentami i źródłami danych, underwriterzy działają w ramach jednego środowiska wzbogaconego o inteligencję napędzaną przez sztuczną inteligencję.

CURE™ obejmuje moduły stworzone specjalnie do:

• ClearCURE™ do triażu zgłoszeń
• DocumentCURE™ do dokładnego parsowania nieładnych, niestrukturyzowanych dokumentów
• ResearchCURE™ do wzbogacania danych w czasie rzeczywistym
• RiskCURE™ do zaawansowanej oceny kont i analizy portfela
• WorkflowCURE™ do orchestracji zadań, współpracy i śledzenia decyzji

Wszystkie te moduły wspierają uproszczoną podróż od pierwszego zgłoszenia do gotowego do podjęcia decyzji. Platforma automatyzuje gromadzenie i klasyfikację danych, jednocześnie zachowując nadzór ludzki tam, gdzie jest to najważniejsze. Filozofia Pibit.AI łączy szybkość z niezawodnością: automatyzacja przyspiesza proces, a przejrzysta logika zachowuje zaufanie, spójność i zgodność.

Dostarczanie mierzalnego wpływu dla ubezpieczycieli i MGAs

Potrzeba modernizacji staje się coraz pilniejsza. Objętość zgłoszeń nadal rośnie, a zespoły underwritingu kurczą się. Wiele zespołów nadal traci do jednej trzeciej swojego czasu na ręczny triaż, obsługę dokumentów i normalizację danych. Niewydajności nie tylko spowalniają zespoły — wpływają na dokładność, przychody i selekcję ryzyka.

Klienci Pibit.AI, w tym HDVI, Shepherd Insurance, RMS Insurance Brokerage, Kinetic i Method Insurance Services, już teraz doświadczają dramatycznych popraw. Zgłaszane wyniki obejmują do 85% szybsze cykle underwritingu, 32% wzrostu składki brutto na underwritera oraz nawet 700 punktów bazowych poprawy w współczynniku strat.

Dla ubezpieczycieli te zyski przekładają się na większą wydajność, wyższą produktywność i możliwość skalowania zysków. Jak podkreślił Adam Price, CEO w Kinetic, firma może teraz zarządzać ponad miliardem dolarów w rocznych zgłoszeniach bez potrzeby zwiększania nakładów. Dla Method Insurance Services platforma zapewniła strukturę do skalowania na poziomie krajowym bez utraty kontroli lub dokładności.

Dla Stellaris Venture Partners ta kombinacja wydajności i przejrzystości była decydującym czynnikiem w prowadzeniu rundy Series A. Partner Alok Goyal podkreślił, że CURE™ rozwiązuje podstawowe ograniczenia hamujące nowoczesny underwriting — przestarzałe przepływy pracy, niespójne dane i rosnące wymagania operacyjne.

Szersze implikacje: co ta technologia sygnalizuje dla przyszłości

Wzrost platform, które ujednolicają dane, automatyzują rutynową analizę i wprowadzają przejrzystość do złożonych decyzji, oznacza punkt zwrotny dla branż, które historycznie opierały się na manualnej ekspertyzie. Underwriting jest jednym z najbardziej wyraźnych przykładów, ale podstawowy trend sięga znacznie szerzej niż ubezpieczenia. Gdy organizacje z różnych sektorów generują wykładniczo więcej informacji, niż zespoły mogą rozsądnie przetworzyć, potrzeba systemów, które mogą interpretować niestrukturyzowane dane wejściowe, ujawniać istotne spostrzeżenia i prezentować je w przejrzysty sposób, staje się powszechna.

Następne dziesięciolecie prawdopodobnie ukaże przesunięcie w tym, jak sama praca wiedzy jest zorganizowana. Zamiast profesjonaliści spędzali dużą część dnia na gromadzeniu, formatowaniu lub uzgadnianiu informacji, ich uwaga zostanie przesunięta w kierunku oceny zaleceń generowanych przez sztuczną inteligencję, badania przypadków brzegowych i stosowania sądu w sytuacjach, które nie pasują do normy. Ta transformacja nie wyeliminuje ekspertyzy ludzkiej — przekształci miejsce, w którym ta ekspertyza jest stosowana. Ludzie będą coraz częściej działać jako architekci decyzji, a nie procesorzy danych.

Równoległa transformacja rozwinie się wokół zaufania. Gdy sztuczna inteligencja będzie zaangażowana w coraz więcej decyzji o wysokim ryzyku, popyt na przejrzystość będzie tylko nasilał się. Systemy, które mogą pokazać swoje rozumowanie, cytować dowody za swoimi wnioskami i ilościowo określić niepewność, staną się standardem. Narzędzia, które nie zapewnią tego poziomu przejrzystości, będą miały trudności z uzyskaniem akceptacji, zwłaszcza w branżach regulowanych.

W dłuższej perspektywie nagromadzenie strukturalnych, gotowych do podjęcia decyzji danych stworzy nowe możliwości. Bardziej dokładne modelowanie ryzyka, porównywanie branż i monitorowanie w czasie rzeczywistym pojawiających się trendów staną się wykonalne w sposób, który nie jest możliwy dzisiaj. Całe przepływy pracy — a nie tylko izolowane zadania — zostaną zaprojektowane na nowo wokół ciągłej inteligencji, a nie statycznych dokumentów i okazjonalnych przeglądów.