图：Pace官方产品发布图把一个保险Agent拆成语音、文档、邮件和计算机操作四类动作。它要卖的不是“替你判断风险”，而是把保险运营里没人愿意碰的输入、校验、写回和跟进串起来。
保险业听到AI时，最容易想到的是承保。
模型能不能判断一个客户风险？能不能重新给保单定价？能不能比精算师更快发现欺诈？这些问题听起来更性感，也更像“智能”的战场。
但真正愿意先付钱的地方，可能没那么体面。
它在经纪人发来的长邮件链里，在47页表单和保险凭证（COI）里，在续保材料缺一个字段的提醒里，在客户询问保单号的电话里，在客服团队每天重复处理的保单服务里，也在那些仍然要靠人工点开的老旧桌面系统和绿屏终端里。
Pace切的就是这层后台。
2026年5月27日，Pace宣布完成4600万美元B轮融资，由Thrive Capital和Sequoia共同领投，Emergence和Pruven参与。公司在公告里说，自从2025年上线以来，头部保险客户已经用Pace的AI Agent完成了超过25万个关键保险工作流。
这组数字不是第三方审计口径，但它足够说明Pace没有停在演示阶段。它已经把AI放进了保险公司愿意采购、愿意试错、愿意扩量的真实运营流程。
更值得看的是Pace选择从哪里开始。
它没有先把自己包装成“AI承保员”。它说自己做的是专为保险运营打造的Agent，覆盖投保材料处理、续保、保单服务和理赔。公告里列出的能力很具体：理解复杂表单，在长邮件链和电话里多轮沟通，操作自研桌面应用，甚至进入绿屏终端。配置方式叫Agent Operating Procedures（Agent操作规程），用自然语言定义Agent该怎样做事。
这不是一个聊天机器人故事。
这是一个行业后台吞吐量故事。
保险最贵的不是模型，是摩擦
保险公司的核心资产当然是风险判断。
但在很多实际场景里，风险判断之前有大量不体面的准备工作：把经纪人发来的信息整理成系统能读的字段，把缺失材料要回来，把续保邮件分到正确团队，把保单服务请求做完，把理赔初始材料归档，把结果写回内部系统。
这些工作看起来低端，却决定了一个保险机构能处理多少业务。
如果每份投保材料都要人打开邮件、下载附件、核对表单、补字段、写系统、再回邮件，业务量增长就会线性消耗人力。团队可以加人，但加人慢、培训慢、一致性差，而且很难在突发高峰时马上扩容。
Pace的商业化判断是：先不要和保险机构争夺最终判断权，先帮它们把判断之前和判断之后的运营成本降下来。
这件事的采购阻力更小。
因为客户不用立刻回答“AI能不能替我承担承保责任”。他们只需要回答另一个更朴素的问题：如果一个Agent能稳定处理一批投保材料、续保、保单服务或理赔任务，让团队少做重复动作、少漏字段、少等邮件，它值不值得买？
对保险运营负责人来说，这个问题更接近预算语言。
Pace卖的是运营容量
Pace官网的产品页很少用宏大词汇。
它展示的是企业客户正在怎样使用Pace。Prudential的客户口径提到，自动化系统帮助其改造客户获取流程，让团队把更多时间放在客户关系上。WTW提到，这种合作会长期影响其商业模式。Convex US的首席运营官则说，在同时与多家行业厂商进行概念验证（POC）后，Pace成为明确选择，并将帮助Convex扩展邮件分流和数据接入能力。
最直接的一条来自Palomar。Pace产品页引用其首席运营官Rudy Hervé的话说，Pace可以把工作从接收材料推进到产出结果，解决超过90%的案件且无需人工介入，从而提升一致性并释放容量。
这些都是官网和客户披露，未经第三方审计，不能直接推算合同金额。但它们共同指向一个很清楚的购买理由：同一支团队能够多处理多少保险运营任务。回答是否聪明，只是其中一环。
这也是为什么Pace有预约演示和登录入口，却没有公开自助价格。
它面向的是保险公司、经纪、MGA和大型运营团队。买方关心的不是每月几十美元的座席费，而是Agent能否接进现有系统、遵守运营流程、处理异常、留下审计痕迹，并在一个流程跑通后扩展到更多流程。
在这种企业销售里，AI能力只是入场券。
真正的产品化壁垒，是把保险运营里的脏细节做成可配置、可监控、可复制的流程系统。
从一个流程扩到一个后台
Pace的产品发布图很说明问题。
一个Agent被放在中间，四类输入和动作连在一起：语音、文档、邮件和计算机操作。左边是客户声音、表单文件、续保邮件、保单数据回写；右边不是一段漂亮的生成文本，而是已经被抽取、发送、写入或完成的运营结果。
这张图解释了为什么保险后台适合Agent，而不是只适合RPA。
传统自动化擅长处理结构稳定的步骤：点哪里、填什么、何时提交。但保险运营里充满半结构信息。经纪人邮件可能说得很口语化，表单可能不完整，附件可能来自不同格式，客户可能在电话里临时改说法，内部系统也可能老到没有现代API。
这类工作靠纯规则会脆，靠纯LLM会危险。
Pace试图站在中间：用AI理解不规则输入，用Agent Operating Procedures约束动作边界，再把结果推进到具体系统和业务流程里。
这也是垂直AI产品很容易被低估的一点。
外行看见的是“模型能读邮件、读表单、打电话”。客户买的却是“这个系统懂我的行业对象、流程边界和异常处理”。一旦一个Agent在投保材料处理流程里跑通，续保、服务、理赔就会成为相邻流程扩张。
Pace在B轮融资公告里说，接下来要把这套AI运营能力扩展到美国、欧洲以及全球数千万项运营任务。这个目标仍然是公司口径，但扩张路径是合理的：不是不断寻找新用户下载一个工具，而是在少数大型客户里不断吞掉更多任务类型。
企业AI的扩张经常不是“用户数乘以价格”，而是“流程数乘以任务量”。
为什么这比AI承保更早变现
承保、定价、欺诈识别当然也会被AI改变。
但它们牵涉责任、监管、解释、模型风险和组织权力。一个保险机构要让AI进入最终判断层，需要更长的信任链。
后台运营不一样。
它同样重要，但风险边界更容易设计。Agent可以先收材料、抽字段、补信息、写草稿、分派案件、更新系统，把不能确定的部分交给人。人仍然保留最终判断，AI先把杂活做掉。
这让Pace的产品位置很聪明。
它不要求客户一次性相信“AI比保险专家更懂风险”。它只要求客户相信：在清晰操作边界里，AI可以比人工更快、更一致地处理大量重复但不规则的工作。
这类价值更容易被验证。
一次概念验证不需要证明模型会不会改变整个保险行业，只需要证明某个流程的周转时间下降、人工介入比例下降、遗漏减少、案件吞吐量上升。Convex在同时测试多家主要行业厂商后选择Pace，正说明采购方会把它放进具体流程里比较结果。
对创业者来说，这里有一个很硬的启发：垂直AI不要总从行业里最高势能、最高风险、最有想象力的决策点开始。
更好的入口，可能是那些业务负责人已经痛到愿意买、但大公司自己又长期自动化不好的脏活。
脏活反而更像好生意
Pace不是没有不确定性。
它没有公开价格，没有披露收入规模，客户效果主要来自官网和客户口径，超过25万个工作流和超过90%的案件解决率也都未经第三方审计。保险客户的采购周期长，系统集成复杂，合规和安全要求高；一旦Agent在客户沟通或系统写回中出错，后果也不会轻。
但这些限制没有削弱这个案例的价值。
它们恰恰说明，Pace卖的不是一个轻量AI插件，而是一套必须进入客户核心运营的系统。难点越多，越不适合通用工具横扫；行业细节越脏，越可能给垂直产品留下位置。
保险AI最先赚钱的地方，未必是替保险公司做更聪明的风险判断。
它可能先发生在一个更不起眼的地方：把每一封邮件、每一份表单、每一个电话、每一次系统写回，变成更便宜、更稳定、更可扩张的运营动作。
这就是Pace给AI产品创业者的提醒。
AI商业化不一定要先站到决策桌中央。有时候，先把后台脏活接下来，才是进入预算的最快路径。