求职与职场评价平台Glassdoor近日发布的一项研究显示，保险理赔员已成为美国劳动力市场中最反感人工智能的职业群体。在发布评价时提及AI的保险理赔员中，高达98％持批评态度，这一比例远超其他职业群体。研究指出，保险理赔员最常抱怨的问题是“痴迷AI的管理层把容易出错的AI强行推给员工和客户”，而当AI在实际工作中出现问题时，最终往往仍需要理赔员来收拾残局。
Glassdoor高级经济学家Chris Martin原本并未预料到保险理赔员会对AI如此抵触。他在看到研究结果后，甚至重新确认了数据，随后开始深入调查。Martin最终得出的结论是，保险理赔行业正在经历一场巨大的结构性调整。美国劳工统计局（BLS）在2024年预计，未来十年美国保险理赔员的数量将减少18,900人，降幅约为5％。而根据美国劳工统计局的最新数据，从2025年5月到2026年5月，该行业的就业人数已大幅下降21％。对于职业生涯刚起步的理赔员而言，形势更为严峻——Glassdoor数据显示，自2025年以来，保险理赔行业的入门级职位招聘数量已下降50％。
理赔员在实际工作中遭遇的困境是这一现象的直接原因。一位曾在大型保险公司理赔部门工作的Ahmad Jackson向WIRED透露，大约一年前，他所在的公司决定在首次损失报告环节引入AI，即当客户首次报告事故时，利用AI建立理赔案件并收集相关信息。公司原本希望这项技术能让简单案件更快处理，复杂情况则转交给人工。但实际情况是，Jackson和其他理赔员随后面临大量被AI错误分类的案件，不得不重新将其转交给正确的部门。他在阅读AI生成的理赔摘要时，也多次发现所谓的“幻觉”问题。当他无意中将错误信息转述给理赔申请者或律师时，最终承受客户怒火的却是他自己。不久后，Jackson选择辞职并跳槽至另一家保险公司。“AI经常把事情搞错，”Jackson表示，“而且它反而给理赔员增加了更多工作。”
美国劳工统计局将技术发展视为推动就业人数下降的重要因素之一。过去几年，多家AI初创公司进入保险行业，其中Liberate和Pace等公司凭借“重塑”保险业的愿景获得数百万美元融资，传统保险公司也在不断扩大AI的使用范围。在实际应用中，客户提交理赔申请时可能不再与真人沟通，而是直接与聊天机器人交流；房屋受损等案件可能不再派工作人员现场检查，而是由AI分析客户提供的照片或视频估算赔付金额；数百页的医疗记录也可交由AI总结提取关键内容。甚至，保险公司的AI系统可以直接处理投保人上传的资料，在几秒钟内完成审核并发放赔付款。
保险科技公司Lemonade正是这一趋势的代表。自2015年成立以来，Lemonade一直宣称希望利用“机器人和机器学习”取代传统保险业的繁琐行政流程。截至去年年底，该公司自主开发的聊天机器人AI Jim已处理96％的首次理赔报告，自动化系统则参与处理了约55％的全部理赔案件。相比之下，State Farm等传统保险公司则强调理赔工作仍需结合人类经验与数字技术。Lemonade发言人Paul Staats表示：“AI将影响许多工作岗位，并对保险行业乃至整个经济中的许多现有职业构成威胁。”不过他也认为，自动化能够让员工把“同理心、关怀和专业知识”集中到最复杂的理赔案件上，并称Glassdoor的这份报告“应该得到整个保险行业的认真对待”。
Glassdoor的数据同时显示，当员工感觉裁员即将到来时，他们发布的评价往往会越来越反对AI。Martin表示，当员工认为公司正在把一款质量不佳的AI产品强行推给自己或客户时，也会对AI表现出强烈的怀疑和不满。来自美国亚拉巴马州莫比尔市的理赔行业高管Geoffrey Conrad表示，行业内部已出现明显的“AI疲劳”。“我们已经受够了这些不断被塞进我们工作中的AI。”他说，“AI只是一个工具，它绝不应该被交出控制权。”
并非所有理赔员都认为AI毫无价值。Jackson表示，AI在一些行政工作中确实能提供帮助，例如处理租车订单延期等“琐碎”的电话事务。State Farm发言人Justin Tomczak也表示，公司希望“为代理人和员工提供更好的工具，让他们能够投入更多时间做最重要的事情——帮助客户”。不过，曾担任理赔员、如今成为保险行业顾问的Sandy Avina指出，理赔员对AI的输出结果“并没有太多信心”。例如，律师提交的文件中若存在污点或模糊痕迹，可能导致AI出现“幻觉”并造成错误赔付；AI在总结医疗报告时遗漏关键信息，也可能导致赔偿金额出错。更棘手的是，客户通常并不知道混乱或错误信息的真正源头是AI，往往会认为是负责案件的理赔员犯了错。
Conrad承认，很多人对保险理赔员并无好感，甚至认为他们是在灾难发生后盘旋而来的“冷酷秃鹫”。但他坚持认为，一名优秀的理赔员应该既富有同理心，又愿意尽最大努力帮助投保人获得应有的赔偿。随着AI技术在保险行业的渗透持续加深，理赔员群体与AI系统之间的摩擦，正在成为观察企业级AI落地过程中人机协作困境的一个典型样本。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
