夜雨聆风保险公司岗位 AI 暴漏度从夯到拉
这几天，AI 圈又出现了一个很适合保险公司内部开会用的材料：Andrej Karpathy 做了一个美国岗位可视化工具，把美国劳工统计局 BLS 的 342 个职业、约 1.43 亿个工作岗位放在一起，用一个“Digital AI Exposure”指标给每类岗位打分。
这个分数不是“失业预测”。
它不是说某个岗位 9 分，就代表这个岗位明年全员下岗；也不是说某个岗位 3 分，就可以安心喝茶到退休。
它衡量的是：当前以数字工作为主的 AI，会在多大程度上重塑这个岗位。
Karpathy 自己也说得很清楚：这是一个研究/开发工具，不是一篇严肃经济学论文，更不是岗位死亡名单。高分代表“暴露度高”，意思是这个岗位的工作内容更数字化、更依赖写作、分析、沟通、判断、表格、系统操作和文档处理，因此更容易被 AI 介入、加速、重组。
这句话对保险公司尤其刺耳。
因为保险业听起来是一个“关系行业”“信任行业”“风险行业”，但它的后台，其实长期是一个巨大的文档、流程、表格、规则和判断机器。
而 AI 最先盯上的，不是“保险”这个行业标签，而是里面一个个可以被拆开的岗位节点。
一、Karpathy 的数据到底说了什么？
先看几个关键数字。
Karpathy 的工具覆盖 342 个 BLS 职业、约 1.43 亿个美国岗位。CSEP 对这个工具的评估文章提到，如果把 7 分及以上定义为“高 AI 暴露”，那么约 38.1% 的职业、34.3% 的总就业人数落在高暴露区间。
它的评分逻辑很直白：
如果一个岗位基本可以在电脑前完成，比如写作、编码、分析、沟通、报告、设计、审核，那么 AI 暴露度天然偏高。
如果一个岗位需要大量线下身体动作、现场环境判断、手工操作、不可预测的物理世界互动，那么 AI 暴露度就低很多。
这其实给保险公司提供了一个非常实用的判断框架：
不要先问“这个岗位会不会消失”。
先问：
这个岗位的核心产出，是不是一堆可以被数字化处理的信息？
如果答案是是，那它就不一定立刻被替代，但一定会被重做。
二、保险公司最该警惕的，不是岗位消失，而是岗位被“拆开”
很多人讨论 AI 替代岗位时，喜欢用一个很粗糙的模型：
核保员会不会被替代？理赔员会不会被替代？客服会不会被替代？销售会不会被替代？
这个问题问得太大。
现实更可能不是“岗位整体消失”，而是“岗位里的某些任务先被拿走”。
一个核保员，并不是每天只做一种事。
他可能要读体检报告、核对既往症、查看投保告知、比对规则、补充问询、判断风险、写核保意见、和业务员沟通、处理例外情况。
这里面有些任务高度数字化：阅读材料、提取关键信息、匹配规则、生成问询、形成初步意见。
也有些任务仍然依赖人：例外判断、灰区权衡、客户沟通、责任边界、监管合规、复杂病例的最终决策。
AI 最先吃掉的，不是“核保员”这个名字，而是核保流程里的信息处理层。
同样，理赔员也不是整体被替代。
但理赔材料初审、票据识别、责任条款匹配、缺件提醒、理算草稿、异常线索提示，这些环节都非常适合 AI 介入。
所以保险公司的正确问题不是：
“我们会不会少一批人？”
而是：
我们哪些岗位里的哪些任务，已经不该继续用人工从头做一遍了？
三、把 Karpathy 的分数翻译成保险岗位：谁最先被重估？
根据 Karpathy 的公开 scores.json，几个和保险公司高度相关的职业评分很有参考价值：
Customer service representatives，客户服务代表：9 分； Insurance underwriters，保险核保员：9 分； Claims adjusters, appraisers, examiners, and investigators，理赔查勘/定损/审核/调查相关岗位：7 分； Insurance sales agents，保险销售代理：7 分； Actuaries，精算师：8 分； Accountants and auditors，会计与审计：8 分； Financial clerks，财务文员：9 分； General office clerks，办公室文员：9 分； Human resources specialists，人力资源专员：7 分； Market research analysts，市场研究分析师：9 分。
这组分数很有意思。
如果用现在更流行的话说，可以做一个“从夯到拉”的保险岗位 AI 暴露榜。
我查了一下，这个梗不是随便说“很夯、很拉”，而是一套从好到坏的五级评价法：夯 → 顶级 → 人上人 → NPC → 拉。
放到这篇文章里，我们不按“岗位高级不高级”排，而按“AI 暴露度/被重构优先级”排：越靠前，越说明 AI 最容易先冲进去，工作流越值得优先重做。
保险岗位 AI 暴露度：从夯到拉
夯：AI 已经站在门口，门禁都快识别成功了
客服代表：9 分。标准问答、进度查询、投诉摘要、工单生成，都是 AI 的主场。 保险核保员：9 分。材料读取、规则匹配、风险提示、问询生成，非常适合 AI 预处理。 财务文员/办公室文员：9 分。录入、核对、汇总、表格、流程流转，几乎就是数字劳动力的练兵场。 市场研究分析师：9 分。资料搜集、数据分析、报告生成，AI 能把基础产能直接拉满。
顶级：不会马上消失，但工作方法会被快速重写
精算师：8 分。建模、数据处理、假设测试会被 AI 加速，但模型责任、经营解释和监管沟通仍靠人。 会计与审计：8 分。凭证、底稿、异常识别、报表分析会被自动化，但最终判断和签字责任不会消失。 财务/金融分析相关岗位：8-9 分。分析和报告很容易被 AI 改造，真正稀缺的是解释和决策建议。
人上人：AI 会增强强者，也会拉开差距
保险销售代理：7 分。方案制作、客户跟进、内容生产会被 AI 放大；信任建立、家庭风险沟通、长期关系经营仍是人类主场。 销售管理/渠道管理：7 分。预测、报表、活动方案会被 AI 加速，但队伍管理、利益协调、关键客户关系仍然靠人。
NPC：大量日常动作会被系统接管，人容易变成流程里的点击器
理赔查勘、定损、审核、调查：7 分。材料初审、理算草稿、异常识别适合 AI；现场查勘、责任争议、复杂谈判仍需要人。 人力资源专员：7 分。简历筛选、面试记录、制度问答会被 AI 处理，但组织判断和人际复杂性仍然保留。 合规/运营支持类岗位：如果主要工作是查制度、填表、留痕、催办、汇总，就很容易被 AI 变成“半自动流程节点”。
拉：不是岗位拉，而是“只做低价值搬运”的工作方式很拉
需要大量线下接触、现场判断、强关系维护、复杂谈判的岗位，短期被完全替代的概率更低。 但如果一个人只做复制、粘贴、搬材料、套模板、机械转述，即使岗位名字听起来很专业，也会被 AI 快速压缩价值。
所以这个榜单真正想说的不是“谁更危险”，而是“谁最应该先重做工作流”。
它并不是把“低端岗位”一刀切为高风险，也不是把“专业岗位”全部保护起来。
恰恰相反，它提醒我们：AI 这轮冲击首先打到的是屏幕上的白领工作。
越是依赖文本、表格、规则、模型、报告、系统流转的岗位，越容易被重塑。
这对保险公司意味着什么？
意味着最先被 AI 改造的岗位，不一定是大家想象中的“简单重复劳动”，而是那些长期被认为需要专业判断、但其中包含大量数字处理步骤的岗位。
核保是。
理赔是。
客服是。
财务、审计、合规、人力、市场分析也是。
AI 不会先敲公司大门说“我要替代某某部门”。
它会更安静地进入一个个流程节点：
先帮客服总结通话。
再帮客服生成答复。
再帮客服判断客户情绪。
再帮客服自动创建工单。
最后管理层突然发现：原来客服岗位真正不可替代的部分，不是“回答标准问题”，而是处理高情绪、高价值、高复杂度的关系场景。
岗位没有瞬间消失，但岗位的价值内核变了。
四、保险客服：第一个被“透明化”的岗位
如果只看分数，客户服务代表 9 分，非常刺眼。
但这个分数不难理解。
保险客服的大量工作天然适合 AI：
客户问保单状态，AI 可以查；
客户问理赔进度，AI 可以答；
客户问材料缺什么，AI 可以列；
客户说不清楚问题，AI 可以总结；
客户情绪很激动，AI 可以识别风险并升级；
客服通话结束后，AI 可以自动生成工单、摘要、标签和下一步动作。
这不是未来科幻，而是非常现实的工作流改造。
但这里有一个关键误区：
客服不是“没用了”，而是低价值的重复问答不该再占用人的主要时间。
真正值钱的客服，会从“回答机器”变成“复杂关系处理者”。
他们处理的将是 AI 接不稳的部分：投诉升级、客户信任修复、复杂责任解释、灰区协调、跨部门推动。
所以客服岗位的未来，不是简单少人，而是分层。
低复杂度请求自动化；中等复杂度请求由 AI 预处理后交给人；高复杂度请求由更强的人负责兜底。
最危险的不是客服岗位本身，而是只会照本宣科、不会处理复杂场景的人。
五、核保：不是被替代，而是“初筛权”被 AI 拿走
保险核保员在 Karpathy 的工具里是 9 分，这个分数对保险公司内部可能更有冲击。
因为核保通常被认为是专业岗位。
但专业不等于低暴露。
核保的很多基础环节，本质上是把客户信息、健康告知、体检报告、既往病史、职业类别、财务资料，与公司规则和风险模型进行匹配。
这些工作高度数字化。
AI 很适合做几件事：
第一，材料读取。把体检报告、病历、问卷和投保资料中的风险点提取出来。
第二，规则匹配。根据产品规则、核保手册、既往案例，生成初步风险提示。
第三，补充问询。自动判断还缺什么材料、该问客户什么问题。
第四，意见草稿。形成“标准体承保、加费、除外、延期、拒保、人工复核”的初步建议。
但这不意味着核保员没有价值。
恰恰相反，高级核保员会更重要。
因为 AI 可以处理常规样本，却很难独立承担边界判断：
一个病例是否存在逆选择？
一个客户的体况是否只是纸面异常？
一个销售渠道是否有系统性风险？
某个核保策略会不会影响产品经营质量？
这些问题不是单纯信息提取，而是经营判断。
所以核保的未来不是“人没了”，而是“初筛权被 AI 拿走，最终判断权向高级人集中”。
这会导致一个很现实的变化：
初级核保岗位如果还停留在材料搬运和规则照抄，会非常危险；
但能训练 AI、审查 AI、处理灰区、沉淀规则、参与产品和风险策略的人，会变得更稀缺。
六、理赔：AI 最容易先吃掉“材料流转”，不是现场责任
理赔相关岗位在 Karpathy 工具里是 7 分，低于客服和核保，但仍然属于高暴露。
原因也很清楚：理赔有一部分强数字化，也有一部分强现场、强谈判、强责任判断。
AI 很容易先进入这些环节：
材料初审：发票、病历、诊断证明、事故证明是否齐全；
责任匹配：事故原因、保障责任、免责条款是否相关；
理算草稿：赔付金额、免赔额、比例、限额的初步计算；
异常识别：重复理赔、可疑医院、异常用药、时间线矛盾；
客户沟通：缺件提醒、进度通知、拒赔说明初稿。
但理赔中仍有很多 AI 难以独立完成的部分。
比如现场查勘、重大事故调查、复杂责任协商、诉讼风险判断、医疗真实性审核、客户情绪安抚。
这就是保险业的特殊性：
它不是纯互联网业务。
它既有数字流程，也有真实世界的事故、疾病、家庭、情绪和冲突。
因此 AI 对理赔岗位的影响，不会是“全部替代”，而是把理赔拆成两层：
底层是材料和规则的自动化处理；
上层是复杂案件、争议案件、重大案件的人类判断。
未来优秀理赔员的核心能力，不再是“我能把材料从系统 A 搬到系统 B”，而是“我能判断 AI 的结论哪里不可靠”。
七、销售：保险代理人不会先被替代，但会被“会用 AI 的代理人”替代
保险销售代理在 Karpathy 工具里是 7 分。
这个分数比很多人想象中高，但又没有高到 9 或 10。
为什么？
因为销售岗位有两部分。
一部分是数字化的：客户画像、产品对比、方案制作、话术生成、跟进提醒、会议纪要、朋友圈内容、续保提醒、异议处理脚本。
这些 AI 很擅长。
另一部分是关系型的：信任建立、需求挖掘、家庭风险讨论、长期陪伴、关键时刻的情绪支持。
这些 AI 暂时很难完全替代。
所以保险销售的真实变化不是“AI 替代代理人”，而是：
会用 AI 的代理人，替代不会用 AI 的代理人。
过去，一个普通代理人可能一天只能认真整理几个客户的方案。
现在，AI 可以帮助他快速做客户资料整理、保障缺口分析、产品差异说明、会后纪要、下一步跟进计划。
这会造成一个重尾结果：
顶尖代理人如果接入 AI，会把服务半径进一步放大；
普通代理人如果还只靠手工记忆和临场发挥，会越来越吃力。
这就是 AI 时代最残酷的一点：工具看似人人可用，但收益不会平均分配。
八、保险公司真正该做的，是岗位重构，而不是岗位恐吓
很多公司谈 AI，最后容易落到两个极端。
一种是兴奋：太好了，可以裁人了。
另一种是恐慌：完了，大家都要失业了。
这两个判断都太粗。
Karpathy 这类数据真正有价值的地方，不是给管理层一张“裁员清单”，而是给组织一张“流程重构地图”。
保险公司应该拿这张地图做三件事。
第一，拆任务。
不要按部门和岗位看 AI，而要按任务看 AI。客服、核保、理赔、销售、财务、人力、合规，每个岗位都拆成：信息收集、信息判断、沟通协调、系统录入、责任确认、最终决策。
第二，分风险。
哪些任务可以完全自动化？
哪些任务只能 AI 辅助？
哪些任务必须人类确认？
哪些任务一旦出错会产生合规、声誉或法律风险？
第三，重训人。
不要只培训“怎么问 AI”。
更重要的是培训员工如何审查 AI、纠正 AI、沉淀规则、处理例外、承担责任。
AI 时代，公司最缺的不是“提示词高手”，而是能把业务规则、AI 工具和真实流程接起来的人。
九、给保险人的一句实话：保护你的不是岗位名称，而是不可替代的任务组合
过去，一个人常常靠岗位名称获得安全感。
我是核保。
我是理赔。
我是客服。
我是精算。
我是财务。
但 AI 时代，岗位名称的保护力会下降。
真正保护你的，是你手里的任务组合。
如果你的主要工作是：复制、录入、汇总、标准问答、套模板、搬材料、查规则、写普通报告，那么无论你岗位名称多专业，AI 暴露度都不会低。
如果你的工作包含：复杂判断、跨部门协调、客户信任、灰区责任、监管理解、业务策略、系统设计、AI 监督，那么即使你的岗位也被 AI 改造，你反而可能获得更强杠杆。
这就是一个非常现实的职业建议：
不要只问“我的岗位安全吗”。
要问：
我的日常任务里，有多少是在帮系统做低价值的信息搬运？有多少是在承担真正的判断和责任？
前者越多，越危险。
后者越多，越值得加仓。
结语：AI 不会礼貌地等待保险公司准备好
Karpathy 的岗位暴露度工具不完美。
它没有充分考虑中国保险市场，也没有考虑监管差异、客户习惯、组织阻力、需求弹性和岗位内部差异。
但它提供了一个非常有用的提醒：
AI 对岗位的影响，不是按行业宣传口号来的，而是按任务结构来的。
保险公司不要再泛泛讨论“AI 赋能保险业”。
真正该做的是拿出流程图，一格一格看：
这里是不是数字化信息处理？
这里是不是重复判断？
这里是不是标准沟通？
这里是不是低风险自动化？
这里是不是必须人类兜底？
AI 时代，岗位不会整齐地排队消失。
它会先悄悄拿走一部分任务，再改变一部分绩效标准，最后重写一部分岗位价值。
所以，对保险公司来说，最危险的不是 AI 太强。
最危险的是：
业务还没拆清楚，培训还没跟上，治理还没建立，管理层已经急着把 AI 当成裁员按钮。
真正聪明的公司，不会只问“AI 能替代多少人”。
它会问：
我们能不能用 AI，把人从低价值流程里释放出来，让真正懂客户、懂风险、懂责任的人，去做更高价值的判断？
这才是保险业面对 AI 岗位重构时，最值得押注的方向。
参考来源：
Andrej Karpathy, US Job Market Visualizer / Digital AI Exposure Dashboard Karpathy jobs GitHub repository: scores.json CSEP, “Which Jobs are at Risk From AI? Evaluating Karpathy’s Exposure Dashboard” U.S. Bureau of Labor Statistics, Occupational Outlook Handbook
