Harper官网展示的三步流程：一次沟通、比对承保市场、客户选择后由Harper完成后续。图片来自Harper官网。
很多AI公司把效率卖给专业服务机构，Harper选择直接成为那家机构。它不向保险经纪人出售一个助手，而是用AI经营一家商业保险经纪公司。
一家经纪公司的经营信号
商业保险不是一个容易被AI“演示”出来的市场。客户材料零散，保险公司的承保偏好不断变化，不同州还有牌照和合规要求。产品最终交付的也不是一段答案，而是一张真正可以生效的保单。
Harper却在这个低调赛道里跑出了几组值得注意的数据：
- TechCrunch报道，Harper在2026年2月宣布累计融资4680万美元。
- 同一报道显示，传统经纪流程往往需要5至7天，Harper把部分流程压缩到1至2天；一支传统销售团队每月可能完成20至30单，Harper当时每月新增超过1000家客户。
- TechCrunch报道时，Harper已服务超过5000家客户。官网目前称服务6000多家公司、客户留存率为98.78%，这两项为公司自报数据，未经第三方审计。
这些数字的意义不只是“AI让投保更快”。更重要的是，Harper正在验证一种不同的商业结构：用软件式运营能力，承接原本由人力密集型经纪公司完成的收入。
从卖工具到亲自交付
传统AI创业路径通常是为既有机构提供软件：帮经纪人整理材料、生成邮件、搜索保单，最后按账号或席位收费。客户得到效率，软件公司拿到其中一小部分预算。
Harper向前多走了一步。客户只需要描述自己的业务和风险，Harper负责接触承保市场、比较方案、推进材料，并在客户选择后继续完成保单服务。它面对客户的承诺不是“给你一个更聪明的工作台”，而是“把保险办下来”。
这改变了AI价值的计价方式。经纪流程每缩短一天、每名员工能服务更多客户，增加的都不只是软件使用量，而是整家经纪公司的交易产能。Harper没有公开收入和佣金结构，因此不能把具体变现效率当作事实；但作为持牌经纪业务，它至少有机会把自动化收益留在服务收入里，而不是只收一笔固定工具费。
AI接管的是运营重量
Harper的自动化并不依赖一个无所不能的Agent。它更像把保险经纪流程拆成一组可判断、可追踪的运营任务，再让AI承担其中最重的重复劳动。
| 流程环节 | AI与系统承担的工作 | 人类保留的责任 |
|---|---|---|
| 客户信息进入 | 从沟通和文档中提取业务、风险与投保信息 | 确认关键信息和需求 |
| 市场匹配 | 结合承保偏好筛选可能的保险公司 | 处理例外与复杂风险 |
| 投保申请 | 组织材料、路由申请、追踪缺失项 | 审核提交质量 |
| 跟进服务 | 草拟消息、安排优先级、推动后续工作流 | 与客户和承保方处理关键沟通 |
| 最终决定 | 提供内部信息与操作辅助 | 持牌人员及保险公司作出最终资格和承保决定 |
Harper的隐私政策明确写到，AI被用于文档分类与提取、消息草拟、跟进排序和通话中的内部提示；最终资格、绑定保单等决定仍由人类和保险公司完成。
这个边界很关键。商业保险的难点不是把所有人移出流程，而是在不放弃责任主体的前提下，让少数专业人员管理更大的业务量。AI负责吞掉运营重量，人类集中处理判断、关系和责任。
为什么经纪业务能放大AI红利
专业服务里存在一个常见矛盾：客户希望得到结果，供应方却按人头扩张。新增业务意味着更多销售、助理、运营和专业人员，规模越大，协调成本也越高。
Harper试图把这条成本曲线压平。它的客户入口、材料结构、市场匹配和后续跟进都在同一套运营系统里，业务增长不必等比例增加手工协调。只要自动化准确率和合规控制没有恶化，每名持牌人员就可能承接更多客户。
这也是“AI原生专业服务”比普通效率工具更有商业张力的地方：它不要求客户先认同AI，也不要求客户改变购买类别。企业仍然在购买商业保险，只是背后的交付公司换了一套成本结构。
护城河长在真实运营里
Harper公开的技术说明透露了一个比模型本身更重要的方向。其模型会使用客户沟通、投保申请、保单文档、报价与批改单、承保偏好指南以及内部标注数据。公司还提到黄金数据集、自动评估、持续监控和人工覆盖等控制方式。
这些数据不是从公开网页抓来的行业知识，而是每天完成保险业务时产生的过程记录：什么风险应该送到哪家承保方，什么材料会被退回，哪种跟进能推进报价，哪些例外必须升级给人类。
业务量越大，Harper越有机会积累更完整的承保偏好和流程反馈；匹配越准确，响应越快，又能支持更多业务量。这个闭环需要真实交易、持牌运营和承保市场关系共同参与，单独复制一个模型或聊天界面无法得到。
能抄走的动作
Harper的做法并不只适用于保险。
第一，寻找“结果明确、流程繁琐、责任不能消失”的服务。AI最适合先接管材料处理、路由、催办和质检，让专业人员保留最终判断。
第二，把产品指标翻译成经营指标。模型准确率只能说明技术可用，流程从几天降到几天、每名员工能服务多少客户、客户是否续约，才说明商业系统成立。
第三，尽早设计人工兜底。监管行业里的人工审核不是自动化失败，而是产品边界的一部分。谁能推翻AI建议、什么情况必须升级、决策如何留痕，都应该在工作流里成为正式功能。
第四，判断自己应该卖工具还是交付结果。卖工具更轻，也更容易启动；亲自交付需要牌照、运营和渠道，但可能捕获更多价值。选择哪条路，取决于团队是否真的有能力承担行业责任。
最难复制的不是模型
Harper在2024年上线，进入市场的时间并不长，但它的先发优势不只来自早用大模型。更难补齐的是承保市场关系、州级监管经验、持牌团队，以及从数千家客户真实流程中形成的数据。
这里也有不能被浪漫化的部分。融资4680万美元让Harper有资源同时建设技术、经纪运营和合规体系；保险行业的人才与渠道关系也不是一个纯软件团队短期内能买到的。创业者可以学习它的流程拆解和价值捕获方式，却不能假设行业基础设施会自动出现。
三个尚未回答的问题
第一，增长质量。官网披露的98.78%留存率很亮眼，但未经第三方审计，口径也未说明。客户数量增长是否能转化为稳定续保和可持续佣金，还需要更长周期验证。
第二，利润结构。更快的流程不等于更高的利润。获客成本、复杂案件所需人工、不同保险产品的佣金差异，都会影响AI原生经纪公司能否获得接近软件的经济性。
第三，监管与责任。Harper已经明确保留人工最终决定，但业务扩张到更多州、行业和特殊风险后，合规成本也会增加。自动化规模和责任控制能否同步增长，是这类公司的真正压力测试。
Harper最值得关注的，不是它给保险行业装上了多少AI，而是它把AI放进了谁的利润表。下一批有机会的AI产品，可能不会以“软件工具”的样子出现。它们会直接成为一家交付结果的公司，再让客户从更快、更便宜、更稳定的服务里感受到AI。