Glassdoor 最新研究显示，在评价中提及 AI 的美国保险理赔员里，高达 98% 持批评态度，这一比例使保险理赔员成为美国劳动力市场中最反感 AI 的职业群体。美国劳工统计局的就业数据与之一致：2025 年 5 月至 2026 年 5 月，保险理赔行业就业人数下降了 21%。AI 对保险业岗位结构的重塑已经发生，而一线理赔员对落地方式的不满，正在成为这次调整中最显眼的信号。

Glassdoor 数据：98% 的批评率

Glassdoor 高级经济学家 Chris Martin 最初并不相信这个数字，重新核对数据后才确认：在发布评价时提到 AI 的理赔员中，98% 持批评态度。代表性评价包括「把 AI 推到要求人类不再使用自己的思想和大脑，这实在令人反感」「别再把 AI 强加给所有人」「这家公司使用的 AI 应用全都是垃圾」。

Martin 的结论是，保险理赔行业正在经历一场巨大的调整。Glassdoor 还发现，当员工认为裁员即将到来，或认为公司把质量不佳的 AI 产品强推给自己和客户时，评价会明显转向反对 AI。

就业数据：预测与实际都在下降

美国劳工统计局（BLS）2024 年预计，未来十年美国保险理赔员数量将减少 18,900 人，降幅约 5%。实际数据比预测更陡：2025 年 5 月至 2026 年 5 月，该行业就业人数下降 21%。对刚入行的新人来说压力更大——自 2025 年以来，保险理赔行业的入门级职位招聘量已下降 50%。BLS 将技术发展列为推动就业下降的重要因素之一。

一线案例：AI 出错，理赔员兜底

前理赔员 Ahmad Jackson 的经历是这种不满的具体样本。大约一年前，他所在的保险公司在首次损失报告环节引入 AI：客户首次报告事故时，由 AI 建立理赔案件、收集信息，简单案件快速处理，复杂案件转交人工。

实际运行中，Jackson 和其他理赔员突然面对大量被 AI 错误分类的案件，需要重新转交正确的部门。他在 AI 生成的理赔摘要中多次发现「幻觉」内容；当他无意中把这些错误信息转述给理赔申请人或律师后，承受客户怒火的却是他自己。不久后 Jackson 辞职，跳槽到另一家保险公司。他表示，AI 经常把事情搞错，反而给理赔员增加了更多工作。

来自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。」他认为，AI 只是一个工具，绝不应该被交出控制权。

自动化在扩张：96% 与 55%

与一线的不满并行的是自动化的快速渗透。自 2015 年成立的保险公司 Lemonade 宣称要用机器人和机器学习取代传统行政流程：截至去年年底，其聊天机器人 AI Jim 已处理 96% 的首次理赔报告，自动化系统参与处理约 55% 的全部理赔案件。

多家 AI 保险初创公司也在涌入，Liberate、Pace 等公司凭借重塑保险业的愿景获得数百万美元融资。实际应用包括：客户提交理赔时直接与聊天机器人对话；房屋受损案件由 AI 分析客户上传的照片和视频来估算赔付金额；数百页医疗记录交给 AI 总结并提取关键内容；AI 在几秒内审核投保人上传的证明文件并发放赔付款。

传统保险公司则选择另一条路线。State Farm 发言人 Justin Tomczak 表示，公司希望为代理人和员工提供更好的工具，让他们把更多时间用在帮助客户上，理赔工作仍结合人类经验与数字技术。

责任倒挂：错在 AI，账算在人

曾担任理赔员、现任保险行业顾问的 Sandy Avina 指出，理赔员对 AI 的输出结果并没有太多信心。律师提交的文件中一个污点或模糊痕迹，就可能导致 AI 出现「幻觉」、造成错误赔付；AI 总结医疗报告时遗漏关键信息，同样会让赔偿金额出错。

更麻烦的是责任归属。客户通常不知道混乱或错误信息的真正源头是 AI，往往认为是负责案件的理赔员犯了错。这意味着 AI 每出一个错，成本都由一线员工承担——这正是 98% 批评率背后的核心矛盾。

Lemonade 发言人 Paul Staats 承认，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；但他同时认为，自动化能让员工把同理心、关怀和专业知识集中到最复杂的理赔案件上。Staats 也表示，Glassdoor 的这份报告应该得到整个保险行业的认真对待。

结论：效率数字不是 AI 落地的全部

保险业 AI 化的速度已经可以用数字衡量：96% 的首次理赔报告由机器人处理，55% 的理赔案件有自动化参与，行业就业一年下降 21%。但理赔员的批评提醒了另一面：自动化比例再高，出错时兜底的仍是一线员工，责任倒挂不解决，效率叙事就只是管理层的一厢情愿。判断一家保险公司 AI 落地是否成功，看的不是自动化覆盖率，而是错误发生时谁承担责任、员工是否因此更轻松——目前的数据给出的答案并不乐观。