Fulcrum 的保险经纪自动化野心：Arjun Mangla 如何把 AI 从流程工具推向市场结构变革

一、嘉宾背景

本期节目来自 Exponential View，由 Azeem Azhar 主持，题目聚焦“自动化保险经纪办公室”。这不是一场泛泛讨论 AI 创业的访谈，而是围绕 Arjun Mangla 和 Fulcrum 的具体行业判断展开：AI 如何进入商业保险经纪环节，并把一个长期依赖人工撮合的市场推向更高效率和竞争性。

嘉宾 Arjun Mangla 是 Fulcrum 的联合创始人兼 CEO。节目和嘉宾背景材料都把 Fulcrum 描述为一家建设保险行业 AI 未来的公司，重点是让商业保险更高效、更有竞争性；其工作落点包括保险经纪流程自动化、商业保险工作流，以及更深层的市场撮合改进。Mangla 在节目中不是以旁观分析师身份发言，而是以正在搭建垂直 AI 公司的创始人身份，解释为什么他认为保险既足够大，也足够难，值得把公司使命押在这里。

访谈还提供了 Mangla 的创业背景线索。主持人提到，他和联合创始人 Sambav 曾在 McKinsey 工作时相识；Mangla 随后谈到，父亲建设公司的经历影响了他对创业痛苦、兴奋和长期改变的理解。他把这种经历延伸为一种创始人方法：先诚实地区分“什么必须发生”和“怎么让它发生”，再把这种思维从少数创始人扩展到快速增长的组织中。节目里提到 Fulcrum 曾在三四个月内从五人增长到四十人，因此文化建设不是装饰性话题，而是公司能否承载其行业野心的一部分。

二、本期主要内容

这期访谈的主线，是 Mangla 如何解释商业保险的社会功能、市场低效和 AI 机会。他先把保险定义为企业大胆行动的基础设施：企业可以把部分灾难性风险转移出去，从而避免日常运营被不确定性冻结。为了让这个抽象概念更直观，他举了 iPhone 从中国穿越风浪海域运往美国的例子：如果存在保险覆盖，企业就不必因为船只可能出事而让业务停摆。Mangla 还称，企业每年购买接近两万亿美元保险，有些公司每年保险支出超过十亿美元。这里的数字来自嘉宾说法和节目背景，应理解为节目中支撑其论点的行业规模框架，而不是本文独立测量的市场统计。

随后，访谈转向一个矛盾：如此巨大的资本市场，为什么没有像常见商品市场那样透明、低利润、低成本、高竞争？Mangla 的回答是，问题不在于没有资本，而在于市场撮合仍由一小群工作量巨大的专业人士手工完成。经纪人需要理解企业业务事实，把它们翻译成保险需求，向承保方营销，等待回应，比较报价，并帮助客户选择覆盖方案。Fulcrum 试图介入的正是这条链路，而不是仅仅把某个表格做得更漂亮。

节目中段进一步解释了为什么这个行业不能被简单看成保守后台。Mangla 强调保险高度依赖分析，因为它要为现实世界中极其不同的资产建模：SpaceX 的空间站、Amazon 的卡车队、Tesla 的制造工厂，风险结构完全不同。保险的难处在于判断每类资产可能发生什么、概率如何、损失如何，并据此为风险定价。也正因为问题既大又难，Mangla 才认为 AI 的机会不只是“替人发邮件”，而是改变商业保险如何分销、投保、维护和交易。

三、核心观点：推理、例子与边界

Mangla 最重要的判断，是保险经纪的低效不能简单归因于“传统行业反应慢”。他承认保险业看起来保守，但把一部分原因归于过去十到十五年技术供应商反复制造的失望：许多被包装成行业变革的技术最终没有真正奏效，保险业因此形成了对技术的怀疑，也缺少持续吸收新工具的能力。这个判断有解释力，因为它把采用障碍从“客户落后”改写为“信任被反复消耗”。但它也有边界：节目主要呈现 Fulcrum 创始人的视角，并未提供保险经纪公司、承保方或企业客户的独立反证与量化采用数据，因此这更像是一位行业创业者对销售阻力的诊断，而不是完整的行业因果证明。

在这一诊断基础上，Mangla 描述了 AI 产品进入保险经纪客户心智的三个阶段。第一阶段是演示怀疑：demo 看起来有效，但客户不确定它能否处理真实问题。第二阶段是替代焦虑：当工具真的有效，用户开始担心自己是否会被替代。第三阶段是能力增强：如果专业人士善用系统，它可能让自己在岗位上更突出。这个变化解释了为什么 Fulcrum 的产品叙事不能停在“节省时间”，而要明确经纪人的未来角色：关系、咨询、判断、监控和质量控制仍由人承担，系统则处理更重、更重复、更需要并行推进的市场沟通与信息转换。

Mangla 对“工作流自动化”的警惕，是本期最值得细读的部分。他认为，AI 能力每周、每月都在推进，今天的前沿能力很快可能变成低价商品化能力。因此，一家公司如果只是把当前流程降本，短期表现会很好；例如一个一千万或两千万美元的流程被降到五分之一，当然有吸引力。但几年后，新的负责人可能会把一百万、两百万或五百万美元的 AI 成本视为新基线，并继续追求下一个十倍改进。这里的推理并不是说降本没有价值，而是说降本本身可能缺少长期防御性。真正的结构性问题是：AI 是否能纠正那些过去明显不合理、但因人工执行成本过高而无法改变的制度安排。

放到保险业，Mangla 把这个结构性机会指向分销。他将商业保险分销拆成两部分：初始投保 placement，以及覆盖维护 maintenance。初始投保是为客户找到合适覆盖；覆盖维护则更动态，因为企业本身持续变化。企业会增加卡车、出售建筑、收购新业务，或关闭某个业务单元，保险必须跟随这些变化。现状却高度人工化：新增五辆卡车可能意味着企业发邮件给经纪公司，经纪人制作标准变更请求，联系承保方，然后反复跟进直到获得回应。这个例子让“AI 改变市场结构”变得具体：如果这些沟通回路能够自动化，经纪人就可以从表格和追邮件中释放出来，把更多注意力放到客户关系与咨询判断上。

更进一步，Mangla 质疑年度续保以及默认回到同一家承保方做 endorsement 的行业习惯。他指出，建筑可能存在几十年，汽车也通常持续五到十年，为什么商业保险要以十二个月续保为默认节奏？为什么新增资产时默认只是向原承保方追加变更？他的回答是，这些安排很大程度上源于人工负担：如果每次资产变化都重新营销、重新询价、重新交易，今天的经纪系统难以承受。AI 的潜力在于让保险系统连接企业核心系统，使资产变化发生时，覆盖与资金流可以更连续地调整。不过，这仍是未来图景，而不是节目中已经被证明的落地事实；它依赖系统集成、数据质量、承保方参与、监管边界和客户信任等条件，节目没有逐一验证这些条件已经成立。

访谈后半段把行业观点拉回创始人判断。Mangla 反复使用“智识诚实”这个概念，指在外界观感、短期诱因、社交不适和局部最优面前，仍然追问长期真正应该做什么。AI 时代尤其容易让创业者分心，因为几乎每个客户都能指出一个 AI 可以带来十倍改善的问题。Fulcrum 的挑战，是拒绝只为短期收入去做一年或两年后可能被模型进步淘汰的小自动化功能，转而追求更难、更慢、但可能更深地改变行业结构的方向。这个观点很强，也同样需要限制：它是创始人战略原则，不等于所有短期自动化都错误；在现金流、客户信任和数据接入尚未成熟时，局部自动化可能正是通往结构性变革的入口。

四、学习与应用

对研究垂直 AI 的人来说，本期访谈最可应用的框架，是区分“流程自动化价值”和“市场结构重塑价值”。前者回答：这个工具能不能把邮件、表格、跟进、录入、比对做得更快？后者追问：如果这些动作的边际成本接近下降，原本的行业制度是否还合理？在保险经纪中，这个问题落到 placement 和 maintenance：投保是否还必须靠少数专业人士逐项营销？覆盖维护是否还必须依赖年度续保、邮件请求和默认 endorsement？这种提问方式适用于其他垂直行业，但不能跳过行业真实约束。只有当数据、工作流、责任边界和交易参与方都能接入，结构性重塑才不只是漂亮愿景。

产品和销售团队也可以借鉴 Mangla 对客户心理阶段的描述。面对保守行业，最初的任务不是展示模型能力，而是证明 demo 能解决真实问题；当客户开始相信工具有效，叙事又要处理替代焦虑，说明系统如何增强专业人士，而不是简单消灭他们；当客户进入能力增强阶段，产品才更容易被放入人员预算逻辑，因为它被看作提升产能和服务质量的工具。这个路径的边界在于，客户“难取悦”不是坏事，而是采购逻辑正在重排：一旦 AI 被拿来替代或增强劳动，客户会更严格地要求可靠性、责任链、效果证明和异常处理。

战略上，本期节目提醒创业者不要把 ROI 只算成当前人力成本的折扣。把一项流程成本降五倍当然有商业价值，但如果这一层能力很快商品化，它可能只能形成短期收入，而难以形成长期壁垒。更稳健的应用方式，是把降本当作进入客户工作流的第一步，同时不断追问哪些默认制度只是“因为过去太费人工所以不得不这样”。在保险场景里，年度续保、变更请求、人工追承保方，都是 Mangla 用来说明这一点的例子。可操作的判断标准包括：这个功能是否只替代了一个孤立动作，还是能让更多交易参与方进入同一条自动化路径；它是否改善了信息流和决策质量；它是否让未来更连续、更竞争的市场机制成为可能。

组织建设层面，Mangla 的两个内部价值也有实际含义。Fulcrum 对外的日常任务是做出相对当前世界有十倍改善的产品，并提供出色客户体验；对内则强调极端所有权和工作中的乐趣。极端所有权意味着公司不能永远靠创始人亲自兜底，每个职能负责人都要成为自己领域的最后防线。乐趣并不是轻松，而是避免把创业变成只等待遥远胜利的苦役。这个观点对快速扩张公司尤其重要，因为从五人到四十人后，早期团队靠默契承受压力的方式会失真，必须被翻译成可理解、可复制、可执行的文化。

最后，本文应当把 Mangla 的说法视为一套有力但仍待验证的创业者论证，而不是已经完成的行业结论。节目没有证明 Fulcrum 已经让保险行业全面连续交易，也没有独立验证所有规模数字或客户结果。它真正提供的价值，是一套判断 AI 应用机会的高质量问题清单：这个行业是否重要且复杂？低效是否来自手工市场撮合，而不只是软件界面落后？客户不信任是否有历史原因？自动化是否能让专业人士更强，而不是只让成本更低？以及，今天看似合理的制度，是不是只是过去技术限制留下的妥协？

来源

• 原始节目：Automating the insurance brokerage office | Arjun Mangla, Co-founder and CEO Fulcrum