Blev äntligen helt BORTBLÅST av AI idag. En lagkamrat visade mig vad han byggt på bara två dagar med hjälp av Cursor AI. 2026 kommer att se en ALDRIG tidigare skådad produktivitetstillväxt med AI:s framsteg. LÅNG historia för perspektiv. Ämne: Återförsäkring (Chock, jag vet) Som mäklare inom återförsäkring arbetade vi med VÄLDIGT stor data som tog otroligt lång tid att analysera och förhandla med tredje part. ENORMA datamängder för ett helt försäkringsbolag (inklusive premier, skadeersättningar, exponering på platsnivå, förlustutvecklingstrianglar, prissättningsalgoritmer, affärsprognoser osv – tänk 20+ blad med 5 000 rader och 50+ kolumner data). Vi tog dessa stora datamängder och skickade dem till vårt katastrofmodelleringsteam. De körde exponeringsfilerna genom sofistikerade katastrofmodeller från tredjepartsleverantörer (10 000+ simuleringar av en katalog med tusentals simulerade katastrofer). Dessa simuleringar kördes på molndatorer och tog upp till en eller två veckor att få tillbaka resultaten från våra modelleringsteam. Medan modelleringsresultaten pågick hade vi en flotta av mäklaranställda och analytiker som körde excel-baserad erfarenhets- och exponeringsanalys på portföljen. (Erfarenhetsförändringar år för år, aktuarieanalys av exponeringsprissättning, prognoser för framtida prissättning med mera) Denna process skulle också ta veckor. Som en del av erfarenhets- och exponeringsanalysen skulle vi mata in katastrofmodelleringsresultaten från modelleringsavdelningarna i vårt eget proprietära riskstrukturerande finansiella verktyg. Detta verktyg gjorde det möjligt för mäklarna att hitta på återförsäkringsstrukturer och simulera de sannolikhetsmässiga finansiella resultaten av olika återförsäkringsdesigner. Beroende på resultaten av ALL analys ovan skulle mäklarteamet sedan skapa ett "försäljningsförslag" till försäkringskunden för att förbereda dem för att marknadsföra sin affär inför det kommande exponeringsåret. När vi har kommit på den perfekta strukturen och strategin måste vi sälja designen av vår strukturerade produkt till våra kunder med hjälp av empiriska data som vi samlat från de enorma datamängder de delade, och vår djupa förståelse för marknadens breda efterfrågan. Efter att en slutgiltig struktur och strategi hade bestämts, skulle vi marknadsföra återförsäkringsprogrammet brett till 100+ återförsäkringsmotparter. Vi bad om offerter på varje enskilt strukturerat lager vi skapade. (precis som du jämför din bil- eller hemförsäkring för att hitta bästa pris, gjorde vi detta 100 gånger per kund, med sofistikerade strukturerade finansiella riskintervaller.) De intresserade återförsäkringsparterna skulle ha flera frågor (vissa otroligt dumma och tidskrävande, andra hyfsade) Vårt team hanterade alla förfrågningar via e-post (hjärndöda mängder mejl). När vi har allt offertmaterial skulle vi gå igenom marknadsvillkoren genom våra egna verktyg för att hjälpa till med slutlig placeringsstruktur, prissättningsrekommendationer och förhandlingsstrategi. och prisförslag. Varje återförsäkringsplacering från början till slut tog ungefär 6+ månader, och analysen krävde största delen av tiden och ansträngningen. PROCESSEN VAR OUTHÄRDLIGT LÅNG. Så VARFÖR tar jag upp det här? De förmågor jag såg idag kan slakta 50%+ av återförsäkringspersonalen och sänka placeringstidslinjen med 80%+ I praktiken en 90% ökning av arbetskraftens effektivitet i ett kontorsjobb. HUR? 1. Den "proprietära" riskstruktureringsmodellen (mjukvara) som hela vårt företag använde tog över ett decennium att bygga, och det finns ett fåtal anställda som arbetar nästan heltid med att underhålla och förbättra verktyget. Anta att fem anställda arbetar heltid i ett decennium, i välbetalda jobb. Troligen 20 miljoner dollar+ i tid, webbutveckling under det senaste decenniet för ett ENDA verktyg. Idag såg jag Cursor skapa en bättre Monte Carlo-simuleringsplattform än vad jag använde när jag arbetade inom återförsäkring. Det tog en anställd två timmar. 2. Katastrofmodellering. Vi hade ett helt team av katastrofmodellerare. 15+ anställda i hela organisationen. Deras uppgift var att interagera med modelleringsprogramvaran och tillhandahålla tolkande diagram över data och utdata från programvaran. Varenda ett av deras jobb skulle kunna raderas. 15+ anställda, troligen runt 3 miljoner till 5 miljoner dollar i årlig utgift. Tredjepartsleverantörernas katastrofmodeller skulle sannolikt kunna dupliceras inom några veckor, med en blandning av offentligt och privat tillgänglig data, för under 100 000 dollar (host host $VRSK (marknadsvärde 31 miljarder dollar, 81x p/b-tal, 33x P/E-tal)) Insikter / diagram och grafer kan skapas och anlyseras på mindre än 10 minuter. Agenter kan interagera med molnprogramvara och utföra rutinuppgifter, som att skrapa data och initiera en simulering i tredjepartsprogramvara. 3. Mäklare. Analytikerroller, nästan föråldrade. All data kan konsumeras, analyseras, jämföras år på år, prognostiseras osv. med en enda operatör, och ALLA utfall kan sannolikt fungera inom en enda dag. Inkludera allt TÄNKANDE som är kopplat till att skapa en marknadsstrategi och till och med erbjuda rekommenderade marknadsförings- och försäljningsmaterial. Agenter kan skapa utkast till e-post till marknader Agenter kan utarbeta svar på frågor osv. ~50% av vår arbetsstyrka var mäklare. Hälften av dem är nästan omedelbart överflödiga. I princip är HELA affärsmodellen FÖRVIRRAD, tillsammans med de företag vi historiskt samarbetade med. Försäljning, analys, leverantörshantering, företagets arkitektur, organisationsschema, HR-hantering, leverantörskostnader för förmåner, T&E, R&D osv. Mjukvarukostnaderna kommer att sjunka till noll, marginalerna kommer fortsätta att pressas. Vitkrageanalytiskt arbete kan utföras på några minuter. Dedikerade webbutvecklingsteam behövs betydligt mindre (vilken anställd som helst kan teoretiskt vara en lågnivå-webbutvecklare). Företag värda flera miljarder dollar kommer att byggas med MYCKET SMÅ team som utnyttjar dessa verktyg före alla andra. Alla trodde att AI skulle attackera arbetarklassen först, men verkligheten är att de flesta "färdigheter" eller "expertis" inom tjänstemän nu finns tillgängliga för ALLA. Kunskapsgapet urholkat. AI:s framsteg är som att ha en miniräknare för daglig matematik. Dina mattelärare brukade alltid säga "du måste lära dig det här på det hårda sättet utan en kalkylator," trots att jag i VARJE verkliga scenario har en miniräknare vid mobilen. AI är för intelligens vad kalkylatorn är för matematik. Det är bara tidigt. Världen kommer att se så annorlunda ut om 5 och 10 år. Jag är fortfarande helt ställd. Effekterna av andra och tredje graden är så omfattande. Risk är felprissatt, GLOBALT. Jag är väldigt tacksam för Bitcoin just nu.

$STRC Slut på dag 2 Slutade med 80,6 miljoner dollar i volym > 100 dollar 33 % av volymen = 26,5 miljoner dollar 2-dagars uppskattning uttagsautomat @ 33 % = 51,8 miljoner dollar BRRRRRR Det här är signalen.

Dag 2. $STRC har handlats ~38 miljoner dollar i volym idag över 100 dollar. Digital kredit fiat-penningmaskin kör BRR Jag misstänker att detta kommer att ske under de kommande 5 handelsdagarna.