هل سيحل الذكاء الاصطناعي محل مكتتب التأمين؟ يتأتمت الفرز الأولي وتقييم المخاطر، لكن الحالات الحدّية وشروط الملاحق لا تزال تحتاج إلى حكم بشري.
لا يختفي الاكتتاب التأميني بسبب الذكاء الاصطناعي؛ ما يتقلص هو الأدوار التي تقتصر على المراجعة القياسية. سيصبح الفرز الأولي أسرع، لكن القرارات في الحالات الحدّية، وتعديل الشروط، وتفسير الظروف الخاصة، والشرح لفرق المبيعات، كلها ستبقى.
لا يقتصر عمل مكتتب التأمين على مراجعة بيانات الطلب. فمهمته أن يقرر ما إذا كان يجب قبول الوثيقة أصلًا، وبأي شروط يمكن قبولها، وما إذا كان مستوى القسط والملاحق مناسبًا. وهو يوازن بين الربحية والمخاطر من خلال النظر في معدلات المطالبات وخصائص مقدّم الطلب والإفصاحات والتاريخ المرضي وشروط العقد والتركيبة العامة للمحفظة.
تكمن قيمة هذا الدور في تقرير إلى أي مدى يمكن المضي في الحالات الاستثنائية والحدّية، لا في اتباع جدول قواعد آليًا. وحتى مع تسريع الذكاء الاصطناعي للتقييم بالنقاط ومسودات التوصيات، تظل مسؤولية قرارات الاكتتاب والتعديلات الدقيقة بيد 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 ستتيح أنظمة الاكتتاب الآلية معالجة مزيد من الطلبات حاسوبيًا، مما يقلل العدد اللازم من مكتتبي التأمين.
Productivity change - share decreases as automated underwriting systems will allow more applications to be handled by computer processing, reducing the needed number of insurance underwriters.
أرقام أمريكية لمهنة BLS "Insurance underwriters". 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
يضم الاكتتاب التأميني مجالات كثيرة تتوافق جيدًا مع الذكاء الاصطناعي. فالفرز الأولي لبيانات الطلبات، والمقارنة مع معدلات الخسائر التاريخية، وتقييم المخاطر بالنقاط، والتصنيف ضمن الشروط القياسية، كلها مهام قابلة للأتمتة.
لكن في الاكتتاب الفعلي، لا تنطبق كل الحالات على المعايير القياسية بسلاسة. فقد تكون تفاصيل الإفصاح غامضة، أو تكون الأنشطة التجارية معقدة، أو يكون الخطر مرتفعًا بينما الربحية لا تزال مغرية، أو لا يتضح كيف ينبغي هيكلة الملاحق. وفي هذه المواقف، لا بد من شخص يقرر إلى أي مدى تستعد الشركة للمضي.
الاكتتاب في جوهره ليس مراجعة مكتبية، بل هو عمل تحديد الشروط التي يمكن بموجبها قبول الخطر، ورسم الحد الفاصل بين المخاطرة والربح. والمهم هو الفصل بين المراحل الأرجح للأتمتة والحكم الذي سيستمر بيد البشر.
أفضل ما يتقنه الذكاء الاصطناعي هو المراجعة الأولية المستندة إلى قواعد قائمة وكميات كبيرة من البيانات. وكلما كانت الحالة أقرب إلى الشروط القياسية، سهلت أتمتتها، وازداد احتمال أن يهيمن عليها الحكم الآلي.
يلائم الذكاء الاصطناعي فرز الطلبات ضمن الشروط القياسية بناءً على معلومات أساسية كالعمر والمهنة والتاريخ المرضي وتفاصيل العقد، ويستطيع تسريع القرار الأول. لكن الآلات لا تزال تجد صعوبة في الإحاطة الكاملة بالغموض في المدخلات أو بالسياق الخلفي المهم.
تتفوق الأدوات الذكية في مقارنة الحالة بالعقود المشابهة ونسب الخسائر التاريخية ونطاقات الأقساط القياسية، ما يسرّع توليد نقاط مرجعية. لكن تحديد ما إذا كانت هذه الحالة بالذات تحمل فعلًا طبيعة الخطر نفسها التي تعكسها البيانات السابقة يبقى عملًا بشريًا.
من السهل نسبيًا أتمتة المسودات الأولى للاستثناءات والملاحق القياسية، ما يجعل الذكاء الاصطناعي مفيدًا في إيجاد نقطة انطلاق أولية. لكن القرار النهائي يظل بحاجة إلى البشر حين يجب أن تعكس الشروط خصائص العميل واستراتيجية المبيعات.
يستطيع الذكاء الاصطناعي أن يسرد بكفاءة البنود الناقصة في الطلبات ونماذج الإفصاح والمستندات الداعمة، فيخفف العبء الإداري قبل المراجعة. لكن تقدير أهمية البند الناقص من منظور تعاقدي لا يزال عملًا بشريًا.
ما يبقى بيد المكتتب هو رسم الحدود في الحالات الحدّية. فكلما ابتعدت الحالة عن المعايير القياسية، ازداد اعتمادها على حكم بشري خاضع للمساءلة. والتعامل مع الاستثناءات هو بالضبط الموضع الذي تتجلى فيه خبرة هذه المهنة أوضح ما تكون.
سيظل على المكتتبين أن يقرروا إلى أي مدى يمكن المضي في حالات لا تُقاس بالشروط القياسية وحدها. وهذا يعني الموازنة بين معدلات المطالبات وشروط العقد واستراتيجية المبيعات وتوازن المحفظة ككل، وهو أمر يصعب استبداله بالتقييم بالنقاط وحده.
سيبقى عمل تعديل الأقساط والاستثناءات والملاحق بحيث يظل الخطر سليمًا اقتصاديًا. فإذا شددت الشروط أكثر من اللازم لن تُبرم الصفقة، وإذا تساهلت فيها انهارت الربحية. وعملية الموازنة هذه جزء أساسي من الاكتتاب.
لا يزال على المكتتب أن يقرأ ما وراء ظاهر الطلب، وأن يحكم على المستوى الحقيقي للخطر بتفسير الشروح التكميلية والظروف الاستثنائية. وحتى حين تكون المعلومات ناقصة، لا بد من شخص يقرر الأسئلة الإضافية الواجب طرحها. والقدرة على القراءة بين السطور مهمة هنا.
سيواصل المكتتبون شرح أسباب تطبيق شروط معينة والمخاوف القائمة من منظور الاكتتاب لفرق المبيعات والوكلاء. فإصدار القرار وحده لا يكفي لتحريك الميدان. ويبقى من يفهمون الربحية والواقع الميداني معًا ذوي قيمة خاصة.
في السنوات المقبلة، سيُقدَّر مكتتبو التأمين لقدرتهم على قراءة الظروف الحدّية أكثر من قراءة النقاط. والمفتاح هو استخدام الذكاء الاصطناعي كأداة دعم مع تعميق الحكم في الحالات الاستثنائية.
لا يكفي النظر إلى معدلات الحوادث ونسب الخسائر وحدها؛ إذ يحتاج المكتتب إلى فهم كيف يؤثر تغيير شروط معينة في الربحية. فالاكتتاب أكثر من قرار لحظي؛ إنه أيضًا عمل هيكلة الشروط. ومن يربطون الأرقام بلغة العقود سيكونون أقوى.
حين تفتقر الحالة إلى معلومات كافية، يحتاج المكتتب إلى القدرة على تحديد التفاصيل الإضافية الواجب تأكيدها بالضبط. فإذا طرحت الأسئلة الخاطئة، فاتتك معلومات الخطر المهمة حقًا. ومن يعزلون القضايا الجوهرية بسرعة مفيدون جدًا في الممارسة العملية.
من المهم فهم ليس الحالة الفردية فحسب، بل أيضًا مقدار ما تحمله الشركة بالفعل من كل نوع من المخاطر عبر محفظتها. فقد تبدو حالة ما معقولة بمفردها، ثم تصبح إشكالية في المجموع. وكلما استطاع الشخص رسم الحدود وهو يرى الصورة كاملة، ارتفعت قيمته.
حتى حين يولّد الذكاء الاصطناعي النقاط والشروط المقترحة بسرعة، يظل على المكتتب أن يفحص المنطق بنفسه كلما خرجت الحالة عن النمط القياسي. وكلما ازداد النظام سهولة، ازداد ظهور ضعفه أمام الاستثناءات. ومن يفهمون حدود الأتمتة سيزدادون قوة بمرور الوقت.
تتجاوز الخبرة في الاكتتاب الأعمال الورقية، فهي تبني قوة في تقييم المخاطر وتصميم الشروط والحكم على الربحية والتفاوض مع فرق المبيعات. وهذا يسهّل الانتقال إلى أدوار تحمل فيها المراجعة والحكم على المخاطر وزنًا أكبر.
تنتقل خبرة تقرير قبول الحالات مع الموازنة بين خصائص العميل والشروط انتقالًا جيدًا إلى قرارات الإقراض. ويناسب ذلك من يرغب في توظيف قوته في المراجعة وتعديل الشروط في دور على جانب الجهة المُقرِضة.
مؤشر التعرض 89/100 · الوظائف الأمريكية 2025–35 +1.1%
كثيرًا ما يتكيف المتميزون في رسم حدود المخاطر ووزن الأدلة جيدًا مع تدقيق الضوابط الداخلية وعمليات المراجعة. ويلائم ذلك من يريد توسيع الحكم على الحالات الفردية إلى تقييم سلامة أنظمة أوسع.
مؤشر التعرض 84/100 · الوظائف الأمريكية 2025–35 +5.0%
خبرة الموازنة بين الشروط والربحية مفيدة أيضًا في تحليل مخاطر الأعمال وعوائدها. ويناسب هذا المسار من يريد تطبيق حكم الاكتتاب على تقييم الإدارة والأداء المالي.
مؤشر التعرض 91/100 · الوظائف الأمريكية 2025–35 +7.2%
ترتبط القدرة على تفسير القواعد واتخاذ القرارات في الحالات الحدّية ارتباطًا جيدًا بالقضايا المحاسبية ومسؤوليات الإيضاح. ويلائم ذلك من يريد مدّ مهارات المراجعة الدقيقة إلى الحكم المالي.
مؤشر التعرض 84/100 · الوظائف الأمريكية 2025–35 +5.0%
يستطيع من يفهمون شروط المنتجات ومنطق الاكتتاب تقديم قيمة قوية في أدوار المبيعات وإعداد العروض أيضًا. ويناسب ذلك من يريد توظيف منظور المكتتب في شرح الشروط بوضوح للعملاء.
مؤشر التعرض 86/100 · الوظائف الأمريكية 2025–35 +3.3%
لا يختفي الاكتتاب التأميني بسبب الذكاء الاصطناعي؛ ما يتقلص هو الأدوار التي تقتصر على المراجعة القياسية. سيصبح الفرز الأولي أسرع، لكن القرارات في الحالات الحدّية، وتعديل الشروط، وتفسير الظروف الخاصة، والشرح لفرق المبيعات، كلها ستبقى. والعامل المميِّز الحقيقي لن يكون سرعة اتخاذ القرار، بل مدى سلامة رسم الحدود.
الوظائف المعروضة هنا تنتمي الى القطاع نفسه الذي تنتمي اليه متعهد التأمين. وهي ليست الوظيفة نفسها، لكنها تساعد على مقارنة تاثير الذكاء الاصطناعي وقرب المسارات المهنية.
تسجّل مهنة متعهد التأمين 74 من 100 على مؤشرنا للتعرض للذكاء الاصطناعي التوليدي (المرتبة 90 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 متعهد التأمين في الولايات المتحدة بنسبة -3.8% بين 2025 و2035.
أفضل ما يتقنه الذكاء الاصطناعي هو المراجعة الأولية المستندة إلى قواعد قائمة وكميات كبيرة من البيانات. وكلما كانت الحالة أقرب إلى الشروط القياسية، سهلت أتمتتها، وازداد احتمال أن يهيمن عليها الحكم الآلي. على سبيل المثال: الفرز الأولي لبيانات الطلبات، مقارنة المخاطر بالبيانات السابقة، صياغة الشروط والملاحق المقترحة، تنظيم مستندات المراجعة وتحديد النواقص.
ما يبقى بيد المكتتب هو رسم الحدود في الحالات الحدّية. فكلما ابتعدت الحالة عن المعايير القياسية، ازداد اعتمادها على حكم بشري خاضع للمساءلة. والتعامل مع الاستثناءات هو بالضبط الموضع الذي تتجلى فيه خبرة هذه المهنة أوضح ما تكون. على سبيل المثال: تقرير قبول الحالات الحدّية، الموازنة بين شروط العقد والربحية، تفسير الإفصاحات والظروف التكميلية، التفاوض مع فرق المبيعات وشرح القرارات لها.
في السنوات المقبلة، سيُقدَّر مكتتبو التأمين لقدرتهم على قراءة الظروف الحدّية أكثر من قراءة النقاط. والمفتاح هو استخدام الذكاء الاصطناعي كأداة دعم مع تعميق الحكم في الحالات الاستثنائية. على سبيل المثال: فهم نسب الخسائر وشروط العقود، تصميم أسئلة الاستيضاح في الحالات الاستثنائية، الحكم من منظور المحفظة، التحقق من الاكتتاب المدعوم بالذكاء الاصطناعي.
