当AI遇见传统保险业，Corgi正在掀起一场颠覆性的革命。这家2024年创立的AI保险公司，从创业公司的保险刚需切入，毅然放弃已盈利的经纪模式，用两年时间、上亿美元资金打造全栈承保能力。本文将深度解析Corgi如何用AI重构保险核心流程，以及它对AI创业'由轻到重'转型的战略启示。
今天分享的这家公司叫：Corgi（没错，就是柯基），https://www.corgi.insure/
Corgi是一家 2024 年成立于旧金山的 AI 保险公司，创始人是 Nico Laqua 和 Emily Yuan。
这是一家面向创业公司的全栈保险承保公司，自己设计产品、自己承保、自己出单，减少中间环节，让创业公司更快买到合适的保险。
今年 1月，Corgi 刚完成了一轮 1.08 亿美元的融资，估值约6.3 亿美元，并拿到监管批准。
这里解释下为什么美国创业公司买保险是刚需：
美国创业公司买保险，是它的商业环境决定的，保险的种类包括但不限于：
基础商业责任险，主要管线下场景，比如办公室有人摔倒、第三方财产损坏、租办公室时房东要求提供保险。很多房东会要求创业公司在租赁前提供一般责任险证明。
D&O，董事和高管责任险，保护创始人、董事、高管因为管理决策被起诉时的法律费用和赔偿风险。融资后尤其重要。
Tech E&O，技术错误与遗漏险，适合 SaaS、AI、软件服务公司。比如你的系统 bug 导致客户业务中断、数据处理错误、交付没有达到合同要求，客户索赔时可能会用到。
Cyber，网络安全险，主要覆盖数据泄露、黑客攻击、勒索软件、隐私事件、监管应对等。
EPLI，雇佣实践责任险，主要覆盖员工相关纠纷，比如歧视、骚扰、错误解雇、劳动争议等。美国雇佣诉讼频率和成本都比较高，所以公司越招人越需要重视。
回到Corgi 这家公司。保险、金融、法律、医疗这些行业，过去被监管、流程、牌照和旧系统保护了很多年。
Corgi 的故事，就是从这些看似最难攻破的行业开始的。
Nico 第一次真正意识到保险行业的问题，是在他上一家公司买保险的时候。
那时候他还在做一家游戏公司，公司需要买保险，一份保单报价 6 万美元。
对一个早期创业者来说，这是一笔很大的钱。他在访谈里说，当时自己每个月薪水大概只有 1000 到 2000 美元，所以 6 万美元的保险支出非常夸张。
更让他难受的是，整个购买过程很慢。
要找经纪人，要等回复，要来回确认。几周过去，保单才终于买下来。
但到底买了什么、保障什么、为什么这么贵，整个过程并不清楚。
这类体验对创业公司很常见。
公司刚成立时，可能因为租办公室需要买商业责任险；
融资时，投资人和董事会可能要求公司买董事及高管责任险；
签企业客户时，对方可能要求技术责任险、网络安全保险；
公司开始招人后，又会涉及雇佣相关责任险。
这些东西听起来离业务很远，但很多时候会直接影响公司能不能融资、能不能签单、能不能继续扩张。
Corgi 现在的官网上也详细介绍了创业公司在不同阶段要买的保险：
Pre-seed 和 Seed 阶段，创业公司通常需要基础商业责任险、D&O、Tech E&O、Cyber；
到了 Series A 阶段，保险会进一步关系到融资、企业客户合同和 SOC 2 合规；
Growth Stage 阶段，还会增加更高额度、更复杂的雇佣和管理责任保障。
这就是 Corgi 一开始看到的机会。
Corgi 最早的想法并没有多么 fancy。
Nico 和 Emily 一开始想做的是保险经纪业务。他们已经拿到了保险经纪牌照，想帮创业公司更方便地买保险。
这其实是很多保险科技公司的常规路径。Nico 说，他们当时已经卖出了几万美元保费，收入增长也不错。
前端做得更好一点，报价更快一点，页面更现代一点，服务更及时一点。
用户觉得体验好了，公司也可以通过经纪佣金赚钱。
但他们很快发现，这条路解决不了根本问题。
因为经纪商只是中间人。经纪商前端做得再好，最后还是要把用户交给传统保险公司。
真正决定价格、保障范围、承保速度和理赔体验的，仍然是后面的承保机构。
他们自己做经纪业务时，才第一次看清楚这个行业底层有多旧。
Nico 在一个访谈里说，他们给每一份保单都要打电话，还要和保险公司来回发传真。
对方可能是上百亿美元规模的公司，但日常流程仍然很原始。
很多行业的数字化，表面看就是做了一个好用的网站。
但点进去以后，底层产品、定价逻辑、审批流程、风险判断、理赔规则，全都都还是旧的。
Corgi 的转折点，就是他们决定关掉原来已经跑起来的经纪业务，自己成为保险承保公司。
做经纪商，主要是帮用户找保险产品。
做承保公司，就要自己设计保单、自己判断风险、自己出单、自己承担责任，还要面对监管、资本要求、风控、理赔和合规。
也就是从卖别人的产品，变成自己设计和生产保险产品。
Corgi自己做承包的举措，就是想彻底改变这个传统行业：用 AI 和软件，把一家保险公司从底层开始就重做一遍。
普通经纪平台或者保险科技公司解决的是：用户怎么买得更方便；
Corgi 更彻底，它要解决的是：保险产品怎么被设计、定价、承保和管理。
从经纪商变成承保公司之后，Corgi 进入了最艰难的一段时间。
他们花了接近两年做监管和牌照，过程中公司多次接近失败。
Nico 说，他们前后融了接近 8000 万美元，几乎是在没有收入的情况下撑过来。
很多创业公司讲壁垒，喜欢讲模型、数据、产品体验、品牌。
但 Corgi 要打造的壁垒是：监管许可、承保能力、资本、流程、系统、行业信任。
这也解释了为什么 Corgi 的创始人会说，别人很难做一个 Corgi 2.0。
因为如果另一家公司想做同样的事情，也要花很长时间拿监管许可，也要准备大量资本，也要搭建承保和理赔系统，还要从零建立市场信任。
尤其在 AI 应用越来越容易被复制的今天，真正难复制的东西，是那些和监管、资金、业务责任绑定在一起的底层能力。
Corgi 花了两年时间，大量金钱，以及多次面临失败的风险，在打造他们的核心壁垒上。
Corgi 对外说自己是AI 原生保险公司，但这里的 AI 不是简单放一个聊天机器人回答用户问题。
它更像一家 AI 原生保险公司的内部操作系统。
保险公司最慢的地方，往往在承保、报价、材料审核、风险判断、保单管理和理赔。
传统流程里，这些环节需要大量人工判断，也被很多旧系统、表格、邮件和纸质文件拖慢。
Corgi 想做的是把这些流程全部重新软件化。
比如，一个创业公司来买保险，系统需要理解它的行业、融资阶段、客户类型、产品风险、是否处理敏感数据、是否有 AI 模型责任、是否需要满足企业客户合同要求。
然后根据这些信息，系统会快速给出合适的保险组合和价格。
Corgi 官网现在强调，用户可以几分钟内申请，获得即时报价，最快当天绑定保单；它还提到，用 AI 驱动的承保平台替代传统 2 到 4 周的承保周期。
这就是 AI 在这类公司里的真实位置。
它不是一个单点功能，而是完全被嵌进了承保、理赔、保单运营这些核心流程里。
创始人 Nico 和 Emily 一开始并不是保险行业的人。这在传统行业里通常会被认为是劣势。
保险行业有监管，有牌照，有精算，有理赔，有复杂的产品条款。
外行进来，容易被认为不懂行。
但 Emily 却说，行业里待了 20 年的人有经验，但也容易形成固定思维：
保险就应该这样做，流程就应该这样走，技术只能塞进原来的系统里。
Corgi 的优势在于，它可以从零开始问一些很基础的问题：
这些问题，行业内部的人未必看不见，但他们可能早就习惯了。
新团队没有这套惯性，所以更容易做出激进判断：既然旧系统很难改，那就自己做一个新的。
这也是很多 AI 原生公司的共同特征。
它们不一定比传统公司更懂行业细节，但它们更敢于重新拆解流程。
旧公司看到的是“在现有系统里加一点自动化”，新公司看到的是“这个系统本身能不能重做”。
Nico 在一个访谈里讲了一个很有意思的创业判断。
很多年轻创业者会从自己身边的小问题开始，比如校园 App、小工具、轻量软件。
这当然没错，但他认为，如果一个想法本身太小，最后很难吸引足够强的人才和资本。
他自己的经历也很典型。
早期他做过大学社团 App，后来做游戏公司 Basket。这家游戏公司也已经做到了一定规模，是一家拥有 2 亿以上月活的游戏发行公司。
但他最后还是离开了。
原因也很直接：那不是他和 Emily 想花未来 10 年去做的事情。
这不是说每家公司都要一开始就做万亿市场。
更准确地说，是一个创业者要判断：自己现在做的事情，有没有机会变成一个重要公司。
如果 Corgi 继续做保险经纪，它可能是一家增长不错的公司。
但成为承保公司之后，它才真正切进了保险行业的核心价值链。
这也是为什么它能吸引大笔资金。因为它做的事情足够大，也足够难。
过去一年，很多 AI 应用都在追求轻。轻产品、轻团队、快速上线、快速增长。
一个人或者几个人，用现成模型和工具，可以很快做出一个产品。
这条路当然还会继续存在。
但 Corgi 提醒我们，AI 创业还有另一条路：
进入那些很重、很慢、很难改的行业，把 AI 放进核心流程里，而不是停在表层体验上。
保险就是典型例子。
这个行业规模巨大，流程复杂，监管严格，传统机构多，中间环节多，变化很慢。
也正因为这样，一旦新的公司能真的拿到牌照、搭起系统、跑通承保和理赔，就会形成很深的壁垒。
Corgi 的路径可以总结成几步：
过去，很多 AI 创业公司喜欢避开监管、避开重资产、避开复杂流程，先从轻产品做起。
现在，一些团队开始反过来做。
以上，祝你今天开心。
作者：张艾拉 公众号：Fun AI Everyday
本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自作者提供
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。