هل يستبدل الذكاء الاصطناعي مسوّي مطالبات التأمين؟ فرز المستندات وتقدير التعويض المبدئي يُؤتمتان، أما تقصّي الوقائع وحسم حدود التغطية فيحتاجان إنسانًا.
سيظل لمسوّي المطالبات دور مهم، في حين تتقلص الأدوار المقتصرة على تنظيم المواد. سيصبح التقييم الأولي أسرع، لكن تقصّي الوقائع، والأحكام الحدّية في شروط الوثيقة، ورصد الأنماط المريبة، وشرح القرارات للعملاء، كلها ستبقى.
يقوم مسوّي مطالبات التأمين بما هو أكثر بكثير من حساب مبالغ التعويض. فمهمته أن يتثبّت من وقائع الحادث أو الخسارة، وأن يحدد ما إذا كان ينبغي الدفع وما إذا كان المبلغ مناسبًا وفق شروط الوثيقة، وأن يشرح هذا القرار للأطراف المعنية عند الحاجة. ويحمي هذا الدور عدالة التعويضات من خلال مراجعة المطالبات، وتنظيم المعلومات الميدانية، ورصد الأنماط المريبة، والتواصل مع العملاء.
قيمة هذا الدور لا تكمن في سرعة حساب المبلغ، بل في التقاط الفجوة بين الوقائع وشروط العقد، والخروج بحكم يتقبّله الناس. وحتى مع تسريع الذكاء الاصطناعي لتنظيم المستندات، تظل الحوادث الملتبسة والحالات المتنازع عليها في عهدة البشر.
يحسبه ai-job-risk.net من أربع مجموعات بيانات عامة، على مقياس من 0 إلى 100 نسبةً إلى 188 مهنة نغطيها. الرقم الأعلى يعني أن جزءًا أكبر من مهام الوظيفة مما يستطيع الذكاء الاصطناعي التوليدي أداءه أو يُستخدم فيه بالفعل. وهو ليس احتمال فقدان الوظيفة.
تحليل المهام لدى الباحثين (Eloundou وزملاؤه؛ منظمة العمل الدولية). يُعرض كرتبة مئينية بين جميع المهن التي يقيّمونها.
الاستخدام المرصود لـ Microsoft Copilot وAnthropic Claude في مهام هذه المهنة. يُعرض كرتبة مئينية بين جميع المهن التي يقيّمونها.
تغيّر الإنتاجية: يُتوقع أن تنخفض حصة هذه المهنة من العمالة في القطاعات التي توظفها، إذ ستجعل برامج الحاسوب والذكاء الاصطناعي عمليات تسوية المطالبات أكثر كفاءة، مما يتيح لمسوّي المطالبات التركيز على المطالبات الأكثر تعقيدًا.
Productivity change - share decreases as computer software and artificial intelligence (AI) will make claims adjustment processes more efficient, allowing adjusters to focus on more complex claims.
أرقام أمريكية لمهنة BLS "Claims adjusters, examiners, and investigators". تفترض توقعات BLS أن التقنية تواصل التطور بوتيرتها التاريخية؛ وهي ليست توقعًا لأثر الذكاء الاصطناعي وحده.
المصادر
مؤشر التعرض يحسبه ai-job-risk.net من مجموعات البيانات أدناه (البيانات حتى 15 أكتوبر 2026). وأرقام العمل الأمريكية مصدرها BLS دون تغيير.
لم تُعدّ الجهات الناشرة هذا الموقع ولم تراجعه ولم تصادق عليه. الاستشهادات الكاملة والتراخيص والمنهجية
تتضمن تسوية المطالبات كثيرًا من المهام التحضيرية التي يجيدها الذكاء الاصطناعي. فتنظيم مستندات المطالبة، وحصر المعلومات المطلوبة، والمقارنة بالحالات السابقة، وتقدير مبلغ تعويض مبدئي، كلها قابلة للأتمتة إلى حد كبير، وكلما ارتفع عدد الحالات كبرت الفائدة عادةً.
لكن صرف التعويضات الفعلي نادرًا ما يقتصر على الحساب. فهناك اختلاف روايات الحادث، ونقص الأدلة، والتفسيرات الحدّية لشروط الوثيقة، وصعوبة شرح القرارات للعملاء، واحتمال الاحتيال. ولا يزال على أحدٍ أن يقرر ما يمكن قبوله على أنه واقعة، وكيف ينبغي شرح هذا القرار.
مسوّي المطالبات ليس مجرد شخص يعالج المدفوعات؛ دوره أن يقارن وقائع الحادث بشروط العقد ويتخذ قرار دفع معقولًا. والتمييز المهم هنا هو بين المراحل التي يسهل على الذكاء الاصطناعي أتمتتها والقيمة التي تبقى مرهونة بالتقدير البشري.
يبلغ الذكاء الاصطناعي أقصى قوته في تنظيم معلومات المطالبات وإجراء التقييمات الأولية بناءً على قواعد موحدة. ويسهل بشكل خاص أتمتة إعداد المواد ومقارنتها بالحالات السابقة.
يجيد الذكاء الاصطناعي ترتيب تقارير الحوادث والصور وتقديرات الإصلاح والشهادات الطبية وغيرها من المواد، ثم حصر ما ينقصها، وهو ما يقلّص وقت التحضير بشكل ملحوظ. غير أن البشر ما زالوا مطالبين بتحديد الأدلة التي تهم فعلًا في قرار الدفع.
حين تكون شروط الوثيقة موحدة والوقائع واضحة، يستطيع الذكاء الاصطناعي المساعدة بفعالية في التقييم الأولي، وتوليد مسودة لمبلغ التعويض بسرعة. لكن ما إن يبدأ الوضع الفعلي في الاختلاف ولو قليلًا، حتى يصبح التقييم الآلي البحت محفوفًا بالمخاطر.
يقارن الذكاء الاصطناعي بكفاءة المطالبة الحالية بالحالات المشابهة وقواعد الاستثناء ذات الصلة، ما يجعله مفيدًا في إبراز المسائل الأولية. لكن الإنسان وحده يستطيع الحكم على ما إذا كانت الحالة الراهنة تحمل فعلًا الطبيعة نفسها لتلك الأمثلة السابقة.
ينتج الذكاء الاصطناعي مسودات أولى جيدة لإشعارات الدفع وطلبات المستندات الإضافية وخطابات الرفض، فيقلّ وقت الكتابة. لكن يبقى على البشر التحقق من أن الشرح مفهوم للعميل وأن الصياغة آمنة من الناحية القانونية.
ما يبقى لمسوّي المطالبات هو إثبات الوقائع واتخاذ قرارات دفع يتقبلها الآخرون. وكلما زاد الغموض في الحالة، اشتد اعتمادها على التقدير البشري والمساءلة.
حين لا تتطابق نماذج المطالبة والصور وإفادات الشهود وتقديرات الإصلاح تمامًا، يظل على أحدٍ أن يقرر ما يمكن قبوله على أنه واقعة. فحتى مع كم كبير من المواد، لا يمكن الوصول إلى نتيجة إذا لم تتّسق الأجزاء فيما بينها. ومن يستطيع عزل مواضع الشك الحقيقية يبقى في موقع قوي بشكل خاص.
لا يزال على مسوّي المطالبات أن يفصل في الحالات التي لا يتضح فيها ما إذا كانت الخسارة تقع ضمن التغطية أو ضمن استثناء. وهذا يتطلب أكثر من قراءة نص الوثيقة؛ إنه يتطلب تطبيق تلك الشروط على الحدث الفعلي. وفي الحالات الحدّية تظهر صعوبة هذه المهنة بأوضح صورها.
يبقى عمل اكتشاف المطالبات المضخّمة أو بلاغات الحوادث المريبة. يستطيع الذكاء الاصطناعي كشف الأنماط، لكن على البشر أن يحكموا على ما يبدو غير سليم تحديدًا في الحالة الراهنة. ويتطلب ذلك حرصًا على تجنب إغفال المشكلات الحقيقية والمبالغة في رد الفعل تجاه الإشارات الضعيفة على حد سواء.
سيواصل مسوّو المطالبات شرح قرارات الدفع أو أسباب التخفيض بطريقة يفهمها العملاء وورش الإصلاح والمؤسسات الطبية وغيرها من الأطراف. فمجرد إعلان النتيجة يولّد احتكاكًا، ومن يستطيع شرح الوقائع والعقد معًا بوضوح يصعب استبداله.
مع الوقت، لن يُقيَّم مسوّو المطالبات بعدد الحالات التي يعالجونها بقدر ما يُقيَّمون بدقة تقصّيهم للوقائع وشروحهم. والمفتاح هو استخدام الذكاء الاصطناعي دعمًا مع تعميق القدرة على الحكم في الحالات المتنازع عليها.
لا يكفي أن تقرأ بنود التأمين بشكل مجرد؛ بل عليك أن تفهم كيف تنطبق تلك البنود على الحوادث والخسائر الفعلية. فحتى حين تبقى الصياغة كما هي، قد تقود وقائع مختلفة إلى استنتاجات مختلفة. والقدرة على ربط النص بالواقع هي أساس هذا الدور.
عندما لا تكفي المستندات وحدها، تحتاج إلى معرفة ما الذي تسأل عنه بعد ذلك وأين تكمن التناقضات. وإذا فاتك سؤال مهم تنخفض جودة القرار. ومن يستطيع استخلاص شروح مفيدة من الآخرين يظل في موقع قوي.
يتطلب عمل المطالبات حساسية تجاه الأنماط المريبة، وفي الوقت نفسه ضبطًا للنفس يمنع القفز إلى الاستنتاجات بسرعة. فإذا اكتفيت بالشك وحده أو بالثقة وحدها، تنهار جودة التقييم. ومن يحافظ على هذا التوازن يميل إلى الاحتفاظ بقيمته على المدى الطويل.
عليك أن تستخدم الذكاء الاصطناعي لتسريع تنظيم المستندات والمقارنة بالحالات المشابهة، مع الاستمرار في التحقيق المعمّق بنفسك في الحالات الحدّية والمتنازع عليها. وكلما قلّ وقت التحضير، أمكن تخصيص مزيد من الوقت لتقصّي الوقائع والشرح. ومن يحوّل مكاسب الكفاءة إلى حكم أفضل سيزداد قوة.
تتجاوز خبرة تسوية المطالبات معالجة المدفوعات؛ فهي تبني قوة في تقصّي الوقائع، والأحكام الحدّية، ورصد الأنماط المريبة، وشرح القرارات الصعبة للآخرين. وهذا يسهّل الانتقال إلى أدوار يكون فيها للمراجعة وتقدير المخاطر وزن كبير.
الخبرة في اتخاذ قرارات الدفع بعد وقوع الخسارة تساعد أيضًا على توضيح ما ينبغي مراجعته بعناية أكبر في مرحلة الاكتتاب. ويناسب هذا المسار من يريد توظيف الحكم المكتسب من جانب المطالبات في الطرف الأمامي من مراجعة الوثائق.
مؤشر التعرض 74/100 · الوظائف الأمريكية 2025–35 -3.8%
من يتميزون بالتثبت من الوقائع ووزن الأدلة كثيرًا ما يحسنون الأداء في التدقيق أيضًا. ويناسب هذا المسار من يريد تطبيق الحكم القائم على كل حالة على حدة في مراجعة أوسع لمخاطر المؤسسة.
مؤشر التعرض 84/100 · الوظائف الأمريكية 2025–35 +5.0%
الخبرة في مراجعة المستندات وشرح القرارات الصعبة للعملاء تنتقل جيدًا كذلك إلى الإقراض ومراجعة الائتمان. وهي تلائم من يريد أن يحمل التأني في الحكم والتواصل القوي معًا إلى دور مراجعة مالية آخر.
مؤشر التعرض 89/100 · الوظائف الأمريكية 2025–35 +1.1%
الخبرة في شرح المسائل الصعبة بما يتناسب مع مستوى فهم الطرف الآخر ترتبط جيدًا أيضًا بأدوار دعم العملاء ونجاحهم المستمر. وهذا مناسب لمن يريد تحويل مهارات التواصل المكتسبة في المطالبات إلى دعم طويل الأمد للعملاء.
مؤشر التعرض 83/100 · الوظائف الأمريكية 2025–35 +3.9%
الاطلاع على نوعية المشكلات التي يواجهها العملاء عند المطالبة يساعد على توضيح ما يجب شرحه بعناية أكبر في مرحلة التعاقد. ويناسب هذا المسار من يريد توظيف معرفته بالمطالبات لتحسين جودة البيع ودعم الوثائق.
مؤشر التعرض 86/100 · الوظائف الأمريكية 2025–35 +3.3%
من يتميزون بالتثبت من الوقائع وتحمّل مسؤولية الشرح يمكنهم الانتقال بفعالية إلى العمل المحاسبي، حيث للأدلة والاستثناءات أهمية كبيرة. وهذا يناسب من يريد تطبيق الحكم المتأني على الحالات في الشرح والمراجعة الماليين.
مؤشر التعرض 84/100 · الوظائف الأمريكية 2025–35 +5.0%
سيظل لمسوّي المطالبات دور مهم، في حين تتقلص الأدوار المقتصرة على تنظيم المواد. سيصبح التقييم الأولي أسرع، لكن تقصّي الوقائع، والأحكام الحدّية في شروط الوثيقة، ورصد الأنماط المريبة، وشرح القرارات للعملاء، كلها ستبقى. وفي السنوات المقبلة، لن يكون الفارق الحقيقي في عدد الحالات التي يعالجها المرء، بل في مدى إقناع قراراته وعدالتها.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه مصحح المطالبات. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
تسجّل مهنة مصحح المطالبات 77 من 100 على مؤشرنا للتعرض للذكاء الاصطناعي التوليدي (المرتبة 81 من 188). ويقيس ذلك مقدار العمل الذي يستطيع الذكاء الاصطناعي أداءه أو يُستخدم فيه، لا ما إذا كانت الوظيفة ستختفي. يتوقع مكتب BLS أن يتغير التوظيف في مهنة مصحح المطالبات في الولايات المتحدة بنسبة -5.5% بين 2025 و2035.
يبلغ الذكاء الاصطناعي أقصى قوته في تنظيم معلومات المطالبات وإجراء التقييمات الأولية بناءً على قواعد موحدة. ويسهل بشكل خاص أتمتة إعداد المواد ومقارنتها بالحالات السابقة. على سبيل المثال: تنظيم نماذج المطالبات والأدلة الداعمة، التقييم الأولي وفق الشروط الموحدة، المقارنة بالحالات السابقة واستخراج نقاط الخلاف، صياغة الإشعارات وخطابات التوضيح.
ما يبقى لمسوّي المطالبات هو إثبات الوقائع واتخاذ قرارات دفع يتقبلها الآخرون. وكلما زاد الغموض في الحالة، اشتد اعتمادها على التقدير البشري والمساءلة. على سبيل المثال: تحديد وقائع الحادث، الحكم على حدود التغطية التأمينية، رصد مؤشرات الاحتيال والأنماط غير الطبيعية، الشرح والتفاوض مع العملاء والأطراف المعنية.
مع الوقت، لن يُقيَّم مسوّو المطالبات بعدد الحالات التي يعالجونها بقدر ما يُقيَّمون بدقة تقصّيهم للوقائع وشروحهم. والمفتاح هو استخدام الذكاء الاصطناعي دعمًا مع تعميق القدرة على الحكم في الحالات المتنازع عليها. على سبيل المثال: ربط نصوص الوثيقة بالحوادث الواقعية، مهارة المقابلة وترتيب أسئلة المتابعة، الوعي بالاحتيال مع التأني في الحكم، تحسين التحضير بالذكاء الاصطناعي.
