LO
这个职业有新的已核实记录时通知我 → · 标出哪些任务是你的(VOLO Pro,免费)→ · 给一个团队或一届毕业生用 →
保险理赔员
决定这份保单赔不赔、赔多少、以及要对谁说不 —— 而那通常是对方最近过得最糟的一天。
找出你们团队去年赔得最大的五件,看每一件是为什么变大的。如果规律是「没人早点发现」,那就是这份工作。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
适用于个人险种的理赔 —— 车险、家财、健康、旅行 —— 这类业务量大,而且大多数案件彼此相似。复杂的商业险、责任险与大额案件查勘是另一份工作,暴露度也不同;核保同样是另一回事,它决定谁能拿到保单,而不是保单赔什么。监管在这里要紧:一家保险公司就一个自动化决定必须披露什么,在不同市场差别极大。
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
每一格是一项任务。大小是它在这份工作里的分量,颜色是它正在往哪个方向走。点一格,看这个判断还不能说明什么。
那个数字来自一家直销、承保简单个人险种的公司,而同一份备案文件的下一句写着:机器人无权定赔、或它发现疑点的案件,会被转派给人类理赔专家。所以它确立的是「在那家公司,入口那一段被自动化了」,不是「理赔不再需要人」。它也没有说那些跑着老系统的传统保险公司 —— 按保费算,那才是市场的大部分。
这是一条关于工作结构的判断,不是对「事实有多常被争议」的测量 —— 而这个比例因险种而差异极大。它也没有说一致等于正确:把一条规则一致地应用在一份写得糟糕的保单上,产出的是一致的不公平。
它没有说在非标准物品上、或在配件供应波动的市场里准不准,也没有说「定损变快」是否改变了理赔人实际拿到多少。这两件事都没有被公开测量过。
这是一条关于「风险落在哪儿」的判断,不是对「有多少案件是例外」的测量。它也没有声称人处理例外处理得好 —— 一个在高业务量下疲惫的理赔员,正是一件贵案件被漏掉的典型原因。
它保护的是「要答复」这件事,不是人数。一个人可以为大量自动拒赔答复,而在若干市场里,给出的那个解释本身也是模板。能把这项义务到底有多重定下来的,是一次因自动拒赔而针对保险公司的执法行动 —— 它还没有出现过。
这里没有任何东西测量误报,而误报正是这项任务的全部代价 —— 一个被错误标记的理赔人,就是一个被统计模型指控犯罪的人。监管机构的调查统计了有多少保险公司在用这类模型,一家保险公司报告了节省的金额,但没有一家报告被标记的理赔人里有多少其实是诚实的。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
近期变化#
日本最大的两家财产保险公司(同属 MS&AD 集团)与其图像分析合作方共同宣布,在理赔支付业务中启用一项功能:对客户为证明损失而提交的照片,多层次分析其中的电子特征和附带信息,以检测可能由生成式 AI 制作或加工的图像,或被篡改、挪用的图像。检测结果在理赔部门作为参考信息使用,新闻稿写明,是否赔付的最终判断仍像过去一样由负责人员作出。两家公司称这是第一阶段。图像分析公司联合署名并共同申请了专利,因此有利害关系。没有给出处理量、检出率或误报的数字。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
全球最大的保险公司之一报告它自己 2025 年的财产险业务。它说,能读懂复杂医疗单据(病历、出入院记录)的 AI 被用于非车险理赔的端到端自动结案,覆盖近百万件,借此 70% 的人身伤害理赔自动结案,最快 51 秒。它还报告,2025 年智能反欺诈节省理赔 105.1 亿元,连续第三年超过 100 亿元。这些都是保险公司自己的数字:节省额没有说明计算方法,年报也没有说系统不能结案的理赔怎样处理、多少由员工复核,或雇用了多少理赔人员。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
美国和欧洲,一家保险公司。公司年报说,截至 2025 年 12 月 31 日,约 55% 的理赔从头到尾自动处理;其理赔机器人会把无权结案的、或它发现疑点的理赔分诊并分派给人工理赔专家,按专长、资质、工作量和排班匹配。这是公司自己的说法;没有给出例外队列的规模,也没有给出处理它的人数。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
欧盟,收件人是各国主管机关而不是公司本身,覆盖保险公司与中介在价值链上的活动。有两件事必须放在一起读,否则这条记录会误导人。它说应该具备什么:依据偿付能力 II 指令第 46 条与授权条例 2015/35 第 258 条,在 AI 系统的整个生命周期上保持有效的内部控制 —— 角色、升级程序与各责任职能写进制度文件,相关员工按其岗位受训,并设置护栏确保系统按预期运行。它不是什么:第 2.8 段写明本意见不设立任何新要求;第 2.4 至 2.6 段在保险公司可能使用的各类高风险 AI 系统中,点名了寿险与健康险的风险评估与定价;它们没有点名理赔,并写明这一归类不影响《AI 法案》第 6(3)、6(4) 与第 7 条的适用。所以对一个理赔决定,这份意见没有指向高风险监管体系;它说适用的是普通的内部控制法,加上告知客户正在与 AI 系统交互、以及提升员工 AI 素养这两项义务。这里没有任何一句话要求由人来决定某一件具体的赔案。
失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。
一家美国直销保险公司,承保简单的个人险种,系统是自己建的。备案文件紧接着的下一句自己限定了这个说法:机器人无权定赔、或它发现疑点的案件,会被分诊并转派给人类理赔专家。所以它确立的是这家公司「受理」这一步被自动化了,不是「理赔不再需要人」;它也没有说那些跑着老保单系统的传统保险公司 —— 而在多数市场里,大部分保费在它们手上。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
美国九个州的保险监管机构依据市场行为监管权限,向 2020 年直接保费超过 7,500 万美元的私人乘用车险公司发出的调查;193 家回复,截止日期为 2021 年 10 月 28 日。193 家中有 135 家报告在理赔中使用 AI 或机器学习。这些模型主要作为理赔员的信息来源(96 家);另有用于确定理赔金额(50 家)、分派理赔案件(58 家)和评估损失照片(55 家)的。用于批准理赔的很少(9 家),用于拒赔的一家都没有。欺诈方面,95 家使用这类模型,主要用于把理赔转出做进一步调查(83 家)。数据描述的是 2021 年美国大型车险公司、由公司向监管机构自报的情况;它没有测量模型替代了理赔员多少时间。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
这对你意味着什么#
你会被招进来先做的那件事 —— 受理报案、处理那些和其它案件长得一样的案子 —— 正是有公司在自己年报里写着「98% 由机器人完成」的那一半。撑得住的是例外和拒绝,而这两样都不是靠处理常规业务量学会的。面试时问一句:有多大比例的案件根本会到人手里。
你的处境取决于你的一天是业务量还是例外。业务量是别人商业测算里那个有数字的部分。例外才是一本理赔业务真正亏钱的地方,而能把「贵的异常案件」和「只是异常的案件」分开的人,是一个部门替代不了的 —— 但那是一个比今天小的部门。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
挪到处理例外的那张桌子
常规案件是那个自动化数字的来源;异常案件是钱真正亏掉的地方。一个把前者自动化掉的部门,仍然需要有人做后者。
位置更少,而拿到一个位置通常需要你处理过足够多的业务量,才认得出什么叫异常 —— 而那正是自动化正在拿走的经验。
找出你们团队去年赔得最大的五件,看每一件是为什么变大的。如果规律是「没人早点发现」,那就是这份工作。
成为为自动决定答复的那个人
在欧盟,保险公司被期望对其使用的 AI 系统保持有效的内部控制和人工监督,并指定负责的职能。当越来越多的拒赔由系统产出,必须有人能说出「这一件为什么」—— 而那是一个明确的位置,不是一件杂活。
它要求你弄懂模型实际用了什么,而多数保险公司现在答不上来 —— 预计第一年都在弄清这件事。
挑一件自动拒赔的案子,只凭档案去重建「它为什么被拒」。记下你能走到哪一步。
转到给风险定价的那一侧
定价就是建立在理赔数据上的,而一个见过「损失实际上是怎么来的」的人,知道价目表上没有的东西。
它比理赔更量化;而在若干市场里,自动化定价本身带着一套义务,而你将会接过它。
问一个做定价的同事:哪一种理赔规律,他最希望自己早一年知道。
常见问题#
逐项去问,因为两半的速度差得很远。一家保险公司自己的年报给入口那一段标了数字 —— 98% 的情况下由它的机器人受理并在无人介入下赔付或拒赔。而同一份文件的下一句写着:它定不了的案件会转给人类专家 —— 而那个转派,正是没有动的那一部分。一个你自己能核对的信号:你上个月经手的案件里,有多少在一个从没见过它们的人眼里,和其它每一件长得都一样。
不是,而那个落差才是有用的部分。那个数字来自一家直销的保险公司,承保的是简单的个人险种,系统是自己建的。在多数市场里,大部分保费在跑着老得多的系统的传统保险公司手上 —— 在那里,同样的自动化意味着换基础设施,而不是配置一下。本站把能力、部署、就业变化分开,正是因为关于这个行业的预言,错的就在这三者之间的距离上。
这正是该向保险公司问的问题,而且比问「有没有用 AI」好。在欧盟,保险公司必须对其 AI 保持有效的内部控制和人工监督,并告知客户他们是在与 AI 系统打交道;但那里没有任何规定要求每一宗理赔都由一个人来决定。值得检验的是:那个解释是针对你这一件的,还是一份模板 —— 因为模板化的解释意味着这一页所说的那个「要答复的位置」,目前没有人在坐。
完全取决于你从哪扇门进,而这件事值得在接下来之前问清楚。做常规业务量的岗位,处在有公司自己的年报给它标了百分比的那一半。挂在例外、大案或投诉上的岗位,处在「要答复」的那一半 —— 而它通常需要前一种岗位提供的那种业务量经验。这就是这个职业当下那个不太舒服的形状。面试时问两句:有多大比例的案件会到人手里,以及到不了的那些后来怎么样了。
这些判断底下是什么#
这一页上 6 条任务判断里,6 条有已核实事件支撑、0 条是平台推断,每一条都在它出现的地方标注着。它们底下是 2 个技术维度、一条自语言模型进入公众视野以来的回溯轨迹,以及 6 条已核实事件。
同一个职能里的其他岗位#
一家公司先把工作分成职能,再分成岗位。下面这些和这一份工作同在「客户服务」里 —— 那是一件关于组织结构的事实,不是「它们相似」或者「它们在朝同一个方向变」的判断。