人工智能、气候风险与自动化如何重塑保险业的下一代劳动力

随着自动化和复杂的风险类别重新定义保险公司的工作，劳动力设计已成为一项运营与战略考验，而非人力资源事务

执行摘要

保险业正处于工作结构性重组之中。推动这一重组的力量已有充分记录：自动化的快速采用、人工智能与高级分析向核保和理赔环节的渗透，以及风险类别的涌现——气候、网络、地缘政治、出行——这些类别无法被整齐地纳入传统精算或核保边界之内。怡安对该行业的评估，与其说将问题界定为招聘短缺，不如说是能力错配。其研究识别出三类新兴人才集群，它们共同描述了该行业如何重新配置技能：重塑型从业者、行业未来学家和变革协调者。支持性数据表明了转型的规模：97%的保险公司正在加速自动化，这一比例在所有行业中都位居最高之列；预计到2030年，全球当前43%的任务将实现自动化；鉴于现有的人才短缺，全球59%的劳动力将需要重新技能培训，而91%的保险公司正计划进行新的学习与发展投资。

战略含义很明确。那些将劳动力队伍重塑视为技术项目下游结果的保险公司，很可能表现不及那些将人才架构视为首要设计变量的保险公司。

引言在过去二十年的大部分时间里，保险业的技术投资被界定为一个系统问题：核心平台替换、数据集成、数字化分销。人们假定人才会随之而来。这一假设如今正面临压力。自动化能够承接的任务正在不断扩大，而风险格局正在催生对行业传统资格路径之外专业能力的需求。

当前阶段的独特之处在于，这两种动向正在同时发生。自动化移除或重构常规处理工作的同时，气候与网络风险正在催生对专家的需求，这些专家需兼具领域知识与科学、数据或政策背景。那些只规划一种趋势而忽视另一种趋势的组织，往往会造成运营模式碎片化。保险业的自动化并非新事。基于规则的处理、直通式理赔处理以及早期的文档数字化已存在多年。发生变化的是叠加其上的分析层。

机器学习模型如今支持定价与风险选择，其方式要求在工作流的不同节点进行人工判断——不是在计算节点，而是在验证、异常处理和解释节点。大型语言模型正被应用于非结构化材料：保单措辞、理赔叙述、往来函件、监管申报文件。巨灾建模已吸收地理空间数据、卫星影像以及日益精细的气候预测。车载远程信息处理和联网设备数据已将持续风险评估引入车险，并且更缓慢地引入商业险业务。这些发展中的每一项改变的都是工作的构成，而不仅仅是工作量。怡安的2026年人力资本分析指出，组织正围绕任务而非传统职位头衔重新设计岗位，这意味着持续技能再培训和混合型技术与数字能力是基础要求，而不是差异化因素。

制约因素很少是模型能力。它在于数据质量、遗留核心系统、集成成本，以及是否有人才既理解精算或理赔的实质内容，又理解模型自身的行为。

主要分析：三类新兴技能组合

怡安的框架描述了一种最好通过基于技能的视角、而非职位族层级来理解的劳动力队伍。| 集群 | 描述 | 示例职位 | | --- | --- | --- | | 重塑型专业人才 | 技术专家如今被期望精通数字技术、适应力强，并愿意从事AI和数据驱动型工作；复合型人才画像日益受到青睐 | 核保员、理赔专业人员、精算师、数据科学家 | | 行业前瞻者 | 具有前瞻思维的人，将新兴风险——气候、网络、地缘政治、出行——转化为商业行动，且通常拥有跨行业背景 | 气候风险分析师、ESG经理、网络风险负责人 | | 变革协调者 | 推动数字化应用、促进协作并助力人才流动和技能提升的转型领导者 | 转型负责人、人力资源战略专家、业务就绪负责人 |重塑型从业者。 核保人、理赔专业人员、精算师和经纪人仍是该行业的技术骨干，但其工作正从孤岛式、人工流程转向协作化、数据工具驱动的专业领域。市场越来越看重能够将传统专业能力与相邻领域相结合的人才画像——具备可持续发展资质的核保人、拥有气候建模背景的精算师、熟悉网络风险敞口的理赔专家。

行业未来学家。 他们是转化者。他们追踪风险格局的变化，并将其转化为产品设计、情景规划和组合策略。他们的价值取决于与从业者的贴近程度：前瞻性分析只有植根于核保现实和监管约束时才有用。在此期间，一些保险公司正通过合作伙伴关系、顾问小组和委员会来获取这种能力，而非固定员工编制。变革协调者。 采用很少受到工具的制约。转型负责人、业务就绪专家和人力资源战略师是连接新技术与行为变革的职能——在领导层和运营团队中构建人工智能和数字素养，管理沟通，并将新的工作方式嵌入其中。全企业范围的技能提升和轮岗计划正成为标准做法，反映出人们认识到气候、网络和数字能力不能局限于单一部门。

使能条件与角色同样重要。怡安的研究发现，缺乏吸引力的员工价值主张和文化导致65%的候选人在招聘过程中退出——在一个保险公司不仅彼此竞争，还与科技公司、咨询公司和金融服务机构争夺数字、数据和专业风险人才的市场中，这是一个重要信号。薪酬透明度也日益成为董事会层面的人力考量。正如怡安（Aon）亚太区再保险首席执行官鲁珀特·摩尔（Rupert Moore）所观察到的那样，变化的发生速度比以往任何时候都快，而领导层行为仍然是传达转型所需思维方式的最直接杠杆之一。

创新影响

这里描述的劳动力转型并不局限于保险业，但保险业提供了一个异常清晰的案例，因为它将高度自动化暴露与复杂且受监管约束的专业判断结合在一起。

技术发展。 保险业对可解释模型、审计追踪和人在回路工作流的需求，正在塑造企业人工智能工具的构建方式，尤其是在受监管行业中，模型决策必须向监管机构和保单持有人作出合理解释。商业创新与产业转型。 任务层面的岗位设计鼓励模块化运营模式，在这种模式下，专业能力可以被获取、共享或轮换。这对保险公司如何构建共享服务、自保公司和第三方合作关系具有影响。

劳动力转型。 43%的任务自动化预测意味着，再培训不再是一项留任福利，而是一项持续性要求。按任务而非头衔来映射技能的组织，在流程变化时能更灵活地重新部署人员。

投资与研究商业化。 资本正流向风险分析、气候建模和理赔自动化。气候科学与数据研究的商业化路径日益通过保险业实现，而保险业将科学产出转化为可定价的风险。创业与创新生态系统。 保险科技活动已从分销转向基础设施：数据平台、核保工作台、风险敞口建模和人工智能治理工具。保险公司实际上既是早期初创企业的客户，也是其验证环境。

全球竞争力。 人才可得性正在成为一个区位因素。那些建立起可靠的技能再培训通道和校企混合项目的市场，可能会吸引原本集中在少数金融中心的能力。

战略洞察

技术成熟度差异很大。 尽管自动化的采用范围广泛，但部署深度各不相同。一些保险公司大规模开展模型辅助核保；另一些仍停留在试点阶段，受制于数据架构。商业机会存在于中间层。 最高价值的工作——验证、异常处理、风险解读、跨领域产品设计——正是人类能力仍然起决定性作用之处，也是复合型人才创造差异化之处。

竞争态势有利于拥有可信能力叙事的雇主。 65%的候选人退出率表明，仅靠薪酬并不足够；发展通道和文化准备度同样具有分量。

监管考量正在收紧。 金融服务中AI治理框架，以及气候披露要求，正在提高对可记录专业能力和问责制的标准。这催生了对能够在建模、合规和商业决策交叉领域运作的专业人才的需求。采用取决于组织设计，而不仅仅是培训预算。 91%的保险公司计划增加学习投入，这令人鼓舞，但如果没有任务层面的重新设计，投入往往只会带来资质，而非能力。

新兴市场拥有潜在优势。 拥有强劲STEM人才输送渠道且遗留系统负担较轻的地区，可能比成熟市场更快建立起混合型风险团队，尤其是在气候保险和参数保险领域。

融合正在加速。 保险业正在吸收数据科学、气候科学、网络安全和软件工程领域的实践。下一阶段的人才战略，可能取决于这些学科整合得有多有效，而不是任何单一学科掌握得有多深。

未来展望

未来五到十年，若干发展轨迹似乎都有可能。人工智能将继续吸收常规的分析与行政任务，使人类工作转向监督、解读以及关系密集型活动。这一边界不会一成不变；如今能胜任某项任务的模型，可能在几年内就被认为足够可靠，可以在更轻的监督下运行，从而反复重新设定工作设计。

气候技术与气候科学将深化与保险业务的融合。随着物理风险和转型风险数据的改善，承保、定价和资本配置将依赖于目前稀缺的科学素养——这为行业未来学家角色从过渡性转为永久性提供了依据。

半导体、边缘计算和卫星基础设施将影响近实时风险评估的可行程度，扩大保险公司可用的数据面，并相应提升使用这些数据所需的分析技能。劳动力模式本身将变得更加流动。基于任务的工作架构、轮岗项目和跨行业招聘可能会趋于常态化，同时还会与大学和研究机构建立更结构化的合作伙伴关系，以促进能力转移。

监管将影响采用速度。在治理框架明确的地方，保险公司可以放心地扩大 AI 辅助流程的规模；而在治理框架模糊的地方，部署可能会停滞在试点阶段——无论哪种情况，都会对劳动力规划产生影响。

更长期的竞争问题在于，保险业能否将自身呈现为一个与科技相邻的行业，而不是一个传统遗留行业。这种认知，比任何单一工具都更能决定该行业能否获得其当前所需的人才。

结论保险业的劳动力挑战并不是人员短缺。它在于该行业历来培养的技能与其如今所需的技能组合之间的错配，这一组合包括技术熟练度、跨领域思维和变革能力。怡安的三集群框架为组织这一转型提供了切实可行的方法：在深化从业者专业能力的同时增加数字能力，培养一批能够解读新兴风险的人才，并投资于推动其落地应用的人。

证据指向同一个方向。随着自动化在97%的保险公司中加速推进，以及再培训需求触及全球大多数劳动力，人才架构已从支持性职能转变为机构韧性的决定因素。

关键要点- 保险业正在经历由自动化、人工智能和分析工具驱动的任务级岗位重构，预计到2030年，当今全球43%的任务将被自动化。

• 三类人才集群描述了这一转型：重塑型从业者、行业未来主义者和变革协调者。
• 仅靠招聘无法弥合能力差距；全球59%的劳动力将需要技能重塑，91%的保险公司计划进行新的学习与发展投资。
• 员工价值主张和文化具有商业重要性——缺乏吸引力的价值主张导致65%的候选人退出招聘流程。
• 决定混合型劳动力模式能多快规模化推广的，很可能是监管清晰度和组织设计，而非模型能力。创新、人工智能、数字化转型、未来工作、保险创新、劳动力转型、技能再培训、深科技、技术战略、产业创新、新兴技术、研究成果商业化、气候风险、人工智能治理、数字经济

来源

• 怡安，“构建保险业下一代劳动力的三种角色”：https://www.aon.com/en/insights/articles/building-insurances-next-generation-workforce
• 怡安，“2026年人力资本展望：需要应对的五种力量”：https://www.aon.com/en/insights/articles/2026-human-capital-outlook-5-forces-to-act-on
• 怡安，“穿越周期保持相关性：保险公司的五项战略要务”：https://www.aon.com/en/insights/articles/relevance-through-the-cycle-5-strategic-imperatives-for-insurers
• 世界经济论坛（由怡安引用）：https://www.weforum.org/