Mercer前團隊用AI破解7.5億糊涂賬

一位CFO堅信公司每年在員工福利上花掉7.5億美元，卻拿不出任何辦法核實這個數字。福利是他唯一看不清的預算大項，而這項開支通常是企業僅次于人力的第二大成本。

這不是某家公司的特例。跨國企業的福利數據散落在十幾種語言的保險單、經紀人報告、供應商門戶、續保文件和各國本地合同中。沒人把這些拼圖拼完整過，直到一家倫敦創業公司決定用AI試試。

從Darwin到Origin：同一撥人的第二次出牌

Origin的創始人Chris Bruce和Pete Craghill，正是2016年被美世（Mercer）以控股方式收購的Thomsons Online Benefits（后更名為Darwin）的締造者。Darwin在被收購時占據著非美國全球福利管理市場80%的份額。

2023年的一次對話中，兩人意識到大語言模型的進展終于讓十五年前沒能徹底解決的問題變得可解了。他們花了前十八個月啃最硬的骨頭：數據攝取。

「福利數據不只是非結構化的，」CTO Craghill向《財富》解釋，「它在格式、語言和完整度上因地區而異， wildly inconsistent。」學會在信任輸出之前評估源材料的質量，是一切后續工作的前提。

3000萬美元押注：AI能把PDF變成實時儀表盤

Origin剛剛完成的A+輪融資由Notion Capital領投，這家機構此前也參與了公司的A輪融資。Felix Capital（2025年5月A輪領投方）、Acadian Ventures及所有老股東繼續跟投。匯豐創新銀行英國（HSBC Innovation Banking UK）提供了額外的成長融資。

這筆3000萬美元讓Origin在12個月內總融資超過5000萬美元——去年5月的A輪2100萬美元融資時估值1.06億美元。新資金將用于繼續打磨其AI引擎Cuido，把政策、合同、續保文件、經紀人報告和供應商平臺數據轉化為福利和HR團隊可實時查詢的集中智能層。

那位自認為花掉7.5億美元的CFO，現在預期能通過這個平臺省下約7500萬美元。

為什么偏偏是現在？

福利預算的結構性不透明并非新病。跨國公司在每個運營國家都要面對本地保險市場、監管要求和供應商生態，數據天然碎片化。傳統解決方案要么只做單一國家，要么需要企業投入巨量人力做手工整合。

大語言模型的突破在于處理「野生數據」的能力——那些從沒為機器閱讀設計的PDF、掃描件、合同附件。Origin的賭注是：AI現在足夠聰明，能先理解一份巴西葡萄牙語的團體醫療險保單，再把它和德國的年金計劃、日本的補充福利放在同一個分析框架里。

這不是簡單的OCR（光學字符識別）或文檔解析。Cuido的核心挑戰是建立跨語言、跨格式的語義理解，并在數據質量參差不齊時給出可靠判斷。Craghill強調的「源材料質量評估」，本質上是在解決AI領域經典的「垃圾進，垃圾出」問題。

市場會買單嗎？

Origin的切入點精準：CFO和HR負責人對福利支出的失控感是真實的，而ROI敘事（7500萬節省來自7.5億支出）對董事會極具說服力。但挑戰同樣明顯——跨國企業的IT和安全團隊對第三方AI處理敏感合同數據的態度，以及傳統福利咨詢巨頭（正是美世這類公司）的防御反應。

Bruce和Craghill的老東家美世至今仍是福利咨詢領域的重量級玩家。Origin與舊主的關系是競爭還是潛在合作，尚未明朗。兩人2016年出售Darwin時簽下的競業限制早已過期，但行業人脈和認知既是資產，也可能成為利益沖突的引線。

另一個懸念是數據飛輪能否轉起來。AI產品的護城河往往來自用戶反饋帶來的模型迭代，但福利合同的敏感性和低頻性（年度續保為主）可能限制學習速度。Origin需要在早期客戶中快速積累跨地區、跨行業的數據多樣性，才能兌現「全球統一視圖」的承諾。

當那位CFO第一次看到自己的福利支出被拆解到國家、供應商、險種維度時，他的第一反應是什么——是終于松了口氣，還是發現省下的錢比預期更多？