La corsa all'automazione nei settori regolamentati non è una novità, ma l'arrivo di un seed round da 5 milioni di dollari per Panora segnala un'accelerazione precisa: quella dell'intelligenza artificiale dentro i processi assicurativi, dove la delicatezza dei dati e la rigidità delle regole hanno sempre frenato le piattaforme cloud. Diane du Paty e Fabian Langlet, i fondatori, hanno passato oltre 200 ore a osservare broker a Brest, Nizza, Anversa e Londra mentre riscrivevano le stesse informazioni su quindici portali assicurativi diversi. Il verdetto è lapidario: «il loro lavoro è diventato più data entry che consulenza». Panora inverte la rotta con una piattaforma AI che non vuole sostituire il broker ma restituirgli tempo e responsabilità, puntando su un'architettura model-agnostic e su meccanismi di controllo che molto fanno pensare ai requisiti di chi valuta deployment on-premise.

Il cuore dell'offerta è un execution layer capace di automatizzare raccolta documenti, quotazioni, riconciliazione commissioni e verifiche di conformità. Non è una semplice interfaccia intelligente: l'infrastruttura sottostante supporta più LLM senza legarsi a un singolo fornitore, integra crittografia a livello di azienda e registra ogni passaggio in workflow tracciabili e verificabili. In un mercato come quello assicurativo europeo, dove ogni intermediario dialoga con decine di carrier attraverso sistemi privi di integrazioni moderne, la scelta tecnica non è banale. La maggior parte delle soluzioni SaaS sacrifica la trasparenza interna in cambio di velocità; Panora sembra aver colto che per i grandi broker e gli assicuratori internazionali la possibilità di auditarsi, dimostrare la conformità e mantenere il controllo sui dati è un prerequisito, non un optional.

Oltre il cloud: cosa significa “model-agnostic” in un settore che non può sbagliare

Il fatto che la piattaforma sia costruita per essere model-agnostic rivela una sensibilità più diffusa di quanto appaia. Non è solo un modo per evitare il vendor lock-in: significa che il broker (o il suo fornitore IT) può selezionare il modello più adatto a ciascun task, eventualmente eseguendolo in locale se la sensibilità dei dati lo richiede. Panora non dichiara esplicitamente un deployment on-premise, ma la combinazione di crittografia a livello di azienda, flussi auditable e logiche specifiche per ogni carrier suggerisce che l'architettura sia stata pensata per poter girare anche in ambienti ibridi o privati. In un'industria dove un singolo errore di compliance può costare carissimo, il solo fatto di poter tracciare l'inference e isolare la responsabilità dell'AI da quella dell'operatore umano diventa un asset strategico.

Il finanziamento, guidato da Isai con la partecipazione di Kima Ventures, 100in, 199 Ventures e dei fondatori di Pennylane, arriva tre mesi dopo il lancio commerciale, durante il quale Panora ha già firmato 40 clienti, alcuni tra i maggiori del settore. Il capitale servirà ad ampliare il team tecnico, rafforzare le integrazioni con i portali dei carrier e migliorare l'affidabilità degli agenti AI. L'espansione geografica, partita da Francia, Belgio e Regno Unito, punta ad altri mercati europei. È un percorso che ricorda da vicino la traiettoria di altri software verticali nati per digitalizzare mestieri artigianali (si pensi a Pennylane nella contabilità): intercettano un dolore operativo profondo, risparmiano ore di lavoro manuale e, nel farlo, ridefiniscono gli incentivi. Qui il broker non perde il controllo, ma lo ritrova, e il cliente finale riceve più consulenza e meno carta.

Il messaggio strutturale per chi lavora o investe in AI applicata ai servizi finanziari è chiaro: la sovranità dei dati e la verificabilità dei processi non sono più un limite all'innovazione, ma il suo biglietto d'ingresso. Dopo anni in cui il cloud sembrava l'unico orizzonte possibile, il settore assicurativo sta mostrando che il vero abilitatore non è la scalabilità cieca, ma la capacità di dare garanzie precise a regolatori e clienti. In quest'ottica, piattaforme come Panora, che integrano best practice di sicurezza e governance senza vincolarsi a un unico stack, potrebbero accelerare la domanda di infrastrutture di inference locali, riducendo la dipendenza da API esterne e abbattendo il costo totale di possesso a lungo termine. Non è solo questione di tecnicia: è la risposta a un'industria che ha capito che i dati dei propri clienti valgono più di qualsiasi LLM.