# 保险外包一年700亿美元，这家AI公司要把毛利率从10%做到80% > Training Data No. 80 中文精读 - 原标题：What’s the Future of Vertical SaaS in an AGI World? Jamie Cuffe, CEO of Pace - 发布日期：2026-02-03 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/080-whats-the-future-of-vertical-saas-in-an-agi-world-jamie-cuff-Uqr2U2.html - 精读字数：约 4780 字（阅读约 11 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 麻省理工那份流传很广的报告说，95%的企业AI试点以失败收场。这期播客的客人Jamie Cuffe给出的数字刚好相反：他创办的Pace，至今每一个试点都转进了生产环境，一个没死。 Pace做的事，一句话能讲完：保险业的「代理式流程外包」。全球银行、金融、保险三个行业每年花在BPO（业务流程外包）上的钱接近4000亿美元，跟整个全球云软件市场的规模相当，光保险就占700亿。撑起这门生意的是几十万人肉坐席，行业里几家几百亿美元市值的上市公司，毛利率只有10%到15%。Jamie的判断是，未来十年这笔钱会整体转向「外包给AI」，而Pace给自己定的毛利率目标是80%。 这是红杉资本播客Training Data的一期，标题问的是「AGI世界里垂直SaaS的未来」，聊下来，答案比标题具体得多。Jamie的履历有点绕：普林斯顿毕业，进红杉做过投资，后来在Retool从零搭建前部署工程师团队。但他的起点其实就是保险。他生在伦敦，长在纽约、伦敦和百慕大之间，全是保险业重镇。爸爸先在一家再保险公司管运营，后来去伦敦劳合社的承保代理做同样的活。 真正的转折发生在Retool。这家公司的大量客户来自金融服务，从Ethos、Vouch这样的新锐保险公司，到Progressive、伯克希尔哈撒韦。他做前部署工程师，等于坐在第一排看这些公司的运营难题：保单管理、理赔、提交受理。客户甚至用Retool搭内部工具，专门给BPO的流程提效。 那个阶段，软件能做的事很有限，把BPO支出优化个10%左右，这就是OCR和RPA那一代技术的天花板。ChatGPT出来之后，账变了。**软件第一次有机会整体替换这项服务，替它打补丁的时代结束了**。 为什么先挑保险？Jamie给的理由很实在：**这个行业的通用语言是邮件和PDF**。产业链里中介太多，经纪人有经纪人的系统，承保商有承保商的系统，彼此之间没有API，沟通只能靠邮件、PDF和电话。当年BPO生意就是从这儿长出来的：总得有人手工把文档里的数据敲进系统。现在，同样的活恰好是AI代理最擅长的。催生外包的原因，成了AI进场的原因。 ## 毛利率从10%到80%，做不到就算失败 主持人问Jamie晚上睡不着都在想什么，他的答案很直白：怕Pace最后只做成了一家「更大的BPO」。 他算过账：BPO行业里有多家几百亿美元市值的上市公司，毛利率10%到15%，员工几十万级别，干的就是这些活。那样的公司很优秀，但在他的定义里，**做成一家更大的BPO，就是这场创业的失败案例**。 真正的目标分三层：先把保险的后台流程接过来，毛利率从10%推到80%，几十万员工换成几十万个AI代理加一小队保险专家；再把这套打法复制到更多行业。 Pat Grady补了一个视角：盯BPO预算还有个隐藏好处。客户和BPO之间本来就有成熟接口，目标写得清清楚楚，活干完要验收，有的客户还让多家BPO互相竞争。这等于自带了评测标准和对比基线。 关于毛利率，他的观点值得单独记下来：**毛利率不必第一天就高，但你得有一条通往高毛利率的路径**。Pace的飞轮是这么设计的：每次产品改进，都直接推高毛利率。今天数字低没关系，接的活越来越难，这个数字得一路往上走。 ## 别把AI塞进小盒子 聊到产品，Jamie吐槽了市面上常见的一种做法：搭一个工作流编排器，画一张流程图，把AI当节点塞进几个格子，外面再包一层代码。 > 「如果你把AI硬塞进这些小格子里，再在外面包一层代码，你就错过了今天AI真正能做到的事。」 他的逻辑是：**BPO这行存在的理由，恰恰是这些流程没法用确定性代码写清楚**。里面有人的判断，有层出不穷的边缘情况。把AI塞进小盒子再包代码，等于把今天AI能做到的事硬生生做小了。 Pace的做法，是把客户的标准操作流程（SOP）翻译成「代理操作程序」。产品里像一份Notion文档，用自然语言写清楚每个步骤，中间挂上各种工具：从几百页的复杂文档里做长上下文检索，对成堆的规则做推理，再把结果写回保险公司的核心系统。碰上没有API的老系统，干脆用网页代理直接操作界面，经纪人对着承保商门户录数据这种场景也能跑通。 人在环上吗？绝大多数工作流没有人工介入，AI端到端跑完。上线初期准确率大概90%，客户的要求是99.5%以上，中间的差距靠标注样本和自我改进循环拉平。等数字达标，人手就转向下一个更难的任务。 他还给大模型实验室列了张愿望清单。推理模型的扩展曲线已经让复杂文档抽取的可靠性超过人类；下一个前沿是网页代理，保险后台的典型任务是「在管理界面上做增删改查」，跟订餐厅、订机票那种演示完全两码事；更远期是强化学习，代理从输入一路跑到输出，每一步都有标准答案可打分，天然适合做奖励函数，可以按客户、按工作流规模化地训练。 ## 95%的试点会失败，他们一个没死 Lauren Reeder在节目里提到MIT那项研究：95%的AI试点以失败告终。Jamie的回应很平静：Pace到现在，每一个试点都进了生产环境，他对这个纪录相当骄傲。 他归因于公司的核心价值观之一：closing the distance，拉近距离。团队飞到客户现场办公，只做保险，队伍里有一批保险老兵，客户一开口就知道这帮人懂行。脏活累活前置：帮客户调提示词、从运营数据里搭出干净的评测集、接内部系统，全在签下七位数合同之前干完。 具体怎么开工？从客户的COO办公室聊起，找机会点。Jamie特意说不喜欢「概念验证」这个词，Pace从不在演示数据上跑，一上来就用客户的真实数据。第一步是把成功标准定死，甚至鼓励客户拿出最苛刻的验收条件，他们对自己的产品有信心，不怕考。 现场能看到的东西很生动：客户的SOP是一份50到100页的文档，写着60来个步骤，哪里要从系统A取数、哪里要录进管理后台，文档里用红框标出来。Jamie说，因为服务对象是BPO，这些流程大多已经写得很清楚，但总有缝隙，文档没写的潜规则，只有贴着客户干活才能发现。 结果是，好几个客户说Pace是他们合作过的公司里，从接触到跑通概念验证最快、从概念验证到生产环境也最快的。 Jamie在Retool时建过业界规模数一数二的前部署工程师团队。他认为这个岗位最合适的人选是「当过创始人的人」：想往商业走的工程师，或者懂技术的商务。标准只有一条，想尽一切办法让客户成功。 Pat Grady把这件事放进更大的图景：AI应用公司做分发，自下而上和自上而下是两个极端，最好钉死在一端。ChatGPT、OpenEvidence是自下而上；Harvey、Sierra、Pace是自上而下的解决方案型公司。**这个阶段这类公司卖的核心东西是信任**。客户看得见AI的魔力，也看得见它会出错。前部署工程师既给客户吃定心丸，又把一线的真实问题带回公司，省得团队在办公室里空想需求。 那前部署工程师会不会只是过渡？两人的判断一致：终局是软件化的工作流，但短期多招前部署工程师错不了。Pace的前部署工程师自己也写代码进生产库，面试就考这个，看到问题当场修，不发工单等排期。已经有客户在Pace的人搭好头一两个工作流之后，自己的业务分析师接着建到了九个、十个。公司现在80%是工程师，上面一层前部署，再上面是市场团队，三层比例要配平。 招人怎么办？两头都招，坐在一起。一边从前五大保险公司挖运营专家，他们亲手干过这些关键流程；一边找YC出身的AI创业者，站在代理技术最前沿。让他们紧挨着跟客户一起干活，互相学，两边上手都快。 ## 省钱只是开胃菜 先说钱。客户的BPO年支出八位数美元起步，Pace在很短时间里帮一些客户做到了50%到75%的成本节省。 但Jamie说，客户很快会发现更值钱的东西： - 速度。一份风险提交不会只发给一家承保商，谁回得快谁先签约。AI把响应时间压下来，直接变成成单率。 - 弹性。保险业务季节性极强，1月1日的投保高峰，眼下的飓风季。以前要临时扩BPO人力，现在AI全天候干活，积压还没形成就清完了。 - 可观测性。BPO过去是个黑箱，活干到哪一步、卡在哪里，客户看不清。现在每一步、每条推理都摊开，客户反过来重构自己的流程。 准确率这事儿也有反转。行业里总在问AI能不能达到人类的准确率，Jamie说很多场景里AI能远超人类。他举了个画面：一份300页的理赔文件，几百条规则要核对，周五下午，一个真人盯着这份文件，第298页的那条规则大概率就漏了。AI每次都用同样的质量跑完全部规则。**这件事的本质，是把团队里最好的那个BPO员工的能力，复制成可以规模化的产能**。 Pat Grady用Waymo打了个比方：坐过旧金山无人车的人都懂，一个注意力永远在线、把每个边角案例见过一百万遍的司机是什么概念。训练得当的AI，已经能证明它在很多工作上比大多数人干得好。 顺带一张行业底牌：BPO的平均错误率有5%到10%，有些客户那边实际更高。所谓「人类基线」，没大家想的那么高。 ## 他想做服务业的Constellation Jamie在红杉实习时学到一件事：合伙人Andrew Reed最喜欢的公司是Constellation Software。这家加拿大公司的创始人Mark Leonard掌舵30年，把一堆单独立不住的垂直软件小生意聚合起来，用联邦制管理，做到加拿大市值最大的公司之一，七八百亿美元。 Jamie想干的是同一件事，只是对象从软件换成服务。BFSI的BPO年支出接近4000亿美元，跟全球云软件市场一样大，保险占700亿。把这些垂直服务聚合到一个平台上，再把行业经济学改造一遍，是他看到的终局。Pat Grady补了一句，这类市场往往「sneaky big」，没有家喻户晓的名字，比外人以为的大得多。 公司名字Pace，本意是步速。三条价值观：closing the distance，拉近距离；be the rock，做客户的磐石，保险是在客户最难的日子里出现的，Pace要在客户每天的工作里顶上；set the pace，定步速，跑得比谁都快。 红杉办公室电梯口有块屏幕，写着「我们只和我们下一笔投资一样好」。Jamie说这句话渗进了Pace的文化：每个季度归零，**你只和你下一个客户一样好**。 ## 明天就能用上的四件事 这期节目听完，不同的人能带走不同的东西： - 管着外包流程的运营负责人：把那份50到100页、写了60个步骤的SOP翻出来。只要这个流程已经外包出去、量大、有验收标准，它就是AI代理的现成说明书。从提交受理、首次报案这类流程顶部的大流量环节试起。 - 正在做AI产品的人：先别急着画工作流图。问自己两个问题，这个流程能不能让代理从头跑到尾，输出有没有标准答案可以打分。能打分，后续才谈得上用强化学习继续抬准确率。 - 想创业的人：Jamie的建议是去当前部署工程师，公司里的人要么在造东西，要么在卖东西，这个岗位两样都干，是离真问题最近的创始人训练营。 - 采购AI方案的人：判断供应商有个简单标准，看它敢不敢在开工前把成功标准定死，敢不敢直接拿真实数据跑，绕开演示数据。Pace甚至鼓励客户拿出最苛刻的验收条件。 二次创业的Jamie还留了几条经验。从Retool学到的：一门心思盯客户和收入，融资、律师这些事大多是干扰项，团队用着Cursor、Codex这类工具，省下的时间全砸在客户身上。关于单打独斗：早期确实需要联合创始人一起穿越沙漠，可方向一旦清楚，剩下的全是执行风险，让整个团队参与价值观、招聘和产品决策，反而能招到更强的人。他大学时为了结识红杉的Bryan Schreier，熬了个通宵写出20页的普林斯顿创业报告，对方此后看着他走完职业每一步。**找到愿意一次次押注你的人，比找到一笔钱重要得多**。 Pace成立才一年，故事刚开头。但这场对话留下了一个清晰的坐标：全球最老、最重的行业里，那些最脏最累的活，恰好是AI今天最能干的活。BPO这门4000亿美元的人肉生意，正在变成AI代理的第一块试验田。