WIRED опубликовал 31 августа 2026 года материал о самой анти-ИИ профессии американского рынка труда: по данным Glassdoor, страховые аджастеры — сотрудники, которые оценивают ущерб и суммы выплат по страховым случаям, — в 98% случаев оставляют негативные отзывы об ИИ. Их пессимизм объясним: отрасль стремительно сжимается, рутину первичного приёма заявлений и оценки ущерба уже выполняют алгоритмы, а цена ошибок этих алгоритмов ложится на людей. На этой профессии хорошо видно, как устроена «вторая волна» корпоративного ИИ: автоматизация не столько убирает труд, сколько перераспределяет его.
Что произошло
В материале WIRED собраны измеримые следы сжатия профессии. Ещё в 2024 году бюро трудовой статистики США (BLS) прогнозировало минус 18 900 рабочих мест, или минус 5%, за десятилетие; реальность оказалась жёстче — за год с мая 2025-го по май 2026-го занятость сектора упала на 21%. Число entry-level вакансий с 2025 года снизилось на 50%. В статье названы конкретные механизмы вытеснения: чатботы забирают первичный приём заявлений, анализ фотографий и видео формирует суммы выплат без выезда специалиста, а ИИ-суммаризация медицинских записей страдает галлюцинациями. Подливают автоматизации стартапы: Liberate привлекла 50 миллионов долларов на reasoning AI-агентов для страхования, а Pace — 46 миллионов долларов на «агентную рабочую силу». Рейтинг, в котором аджастеры заняли последнее место по отношению к ИИ, построен на данных отзывов Glassdoor.
Контекст
Страхование стало первым измеримым рынком, где вертикальные ИИ-агенты прошли стадию пилотов и превратились в оплаченный спрос. Показателен кейс insurtech-компании Lemonade: её чатбот AI Jim к концу прошлого года обрабатывал 96% первичных обращений и около 55% всех исков полностью автоматически. Схема работы — confidence-based routing: простые сегменты идут на автопилоте, сложные кейсы эскалируются человеку. Раунды Liberate и Pace сформировали вендорскую экосистему «агентной рабочей силы», и у страховщиков появился покупатель, уже обученный платить за автоматизацию. Одновременно ломается классическая лестница профессии, где джун начинал с рутины: когда вход через entry-level позиции сужается, рушится и канал передачи экспертизы от опытных специалистов к новичкам — а именно на этой базе держится умение проверять чужие решения.
Почему это важно для индустрии
Для отрасли это портрет «второй волны» корпоративного ИИ: внедрение не сокращает труд, а перераспределяет его. Экономия на выездах и первичном приёме оборачивается очередью ручной доработки — переклассификацией заявлений и исправлением галлюцинаций в сводках, — а репутационные издержки ошибок ложатся на сотрудников линии фронта, а не на вендора модели. Для билдеров сигнал двойной. С одной стороны, покупатель сформирован и платит, но конкуренция в слое первичного приёма уже плотная. С другой — ценность смещается к шву между AI-решением и человеком: review-очереди с фильтрами по типам ошибок, QA-панели по классификации и галлюцинациям, движки маршрутизации по уверенности модели и интеграционный middleware между агентами и legacy-системами страховщиков. В закупках всё важнее станут метрики: доля ошибок классификации, частота галлюцинаций, стоимость спорных случаев и скорость эскалации человеку. Важная оговорка про защитимость таких продуктов: без доступа к данным и пайплайнам страховщика инструменты контроля качества превращаются в тонкую обёртку, которую при желании повторят сами Liberate или Pace, — устойчивость здесь определяется интеграцией и дистрибуцией. Если падение junior-найма сохранится, отрасль столкнётся с дефицитом людей, способных верифицировать решения агентов, и стоимость человеческой проверки вырастет.
Почему это важно для пользователей
Для читателя материал — наглядная инструкция о том, как ИИ внедряют сверху и без согласия исполнителей: когда модель ошибается в классификации заявления, страдает человек на линии фронта, а не вендор. Как клиенту страховой вам полезно знать, что выплата может быть посчитана алгоритмом по фотографиям за секунды и без выезда оценщика. При спорном решении жаловаться стоит именно на итоговый расчёт и требовать человеческой проверки — особенно если случай связан с медицинскими документами, которые ИИ пересказывает с галлюцинациями. Тем, кто присматривается к профессии аджастера, стоит учесть, что вход через джуниорские позиции заметно сузился, а сама роль смещается к обработке исключений и апелляций.
Что пока неизвестно / ограничения
Ключевые цифры — доля негативных отзывов, падение занятости и вакансий, метрики автоматизации Lemonade — приводятся по данным WIRED, Glassdoor, BLS и самих компаний и в этом материале независимо не проверялись. Отзывы на Glassdoor самоселективны: их пишут те, кто решил высказаться, поэтому 98% — это снимок настроений профессии, а не строгое социологическое измерение. Из материала не следует, какая часть годового падения занятости вызвана именно ИИ, а не реструктуризациями или общим состоянием рынка. Неизвестно и то, как часто автоматические расчёты выплат оказываются ошибочными и насколько успешно клиенты оспаривают алгоритмические решения.
Источники
Автор
Look at AI, редакция