AI & Bakat Insurans: Tarik Gen Z, Tutup Jurang Tenaga

Angka yang patut buat mana-mana ketua insurans duduk tegak: sektor insurans dijangka kehilangan hampir 400,000 pekerja menjelang 2026 akibat persaraan dan susut tenaga kerja. Itu bukan sekadar isu HR—itu isu keupayaan operasi, kelangsungan servis tuntutan, dan kelajuan syarikat menilai risiko.

Dalam siri “AI dalam Insurans dan Pengurusan Risiko”, saya suka bercakap terus terang: ramai organisasi cuba “menarik bakat muda” dengan menukar poster kerjaya dan menambah manfaat kecil. Tapi realitinya, generasi baharu menilai industri berdasarkan cara kerja (autonomi, pembelajaran, fleksibiliti) dan makna kerja (impak, tujuan). Di sinilah AI boleh jadi pemangkin—bukan untuk menggantikan manusia, tetapi untuk membuat kerja insurans terasa lebih moden, lebih bermakna, dan lebih cepat berkembang.

Jurang bakat insurans bukan masalah pengambilan semata-mata

Jawapan ringkas: jurang bakat berlaku apabila persepsi industri tak seiring dengan realiti transformasi, dan apabila laluan kerjaya nampak statik.

Ramai calon Gen Z dan Millennial melihat insurans sebagai:

• terlalu birokratik dan “top-down”
• kerja yang berulang-ulang (tuntutan, underwriting, pemprosesan)
• kurang ruang untuk kreativiti dan inovasi

Masalahnya, itu separuh benar—kerana banyak syarikat memang masih mengurus kerja berasaskan proses lama. Bila kerja harian penuh dengan tugasan manual (salin data, semak dokumen satu per satu, buat ringkasan laporan secara tangan), sukar untuk meyakinkan bakat muda bahawa insurans ialah tempat untuk membina kerjaya dinamik.

AI boleh menutup jurang ini dari dua sisi:

1. menjadikan kerja lebih “high-value” (analisis, keputusan, empati pelanggan)
2. menjadikan pembangunan kerjaya lebih tersusun dan pantas (pembelajaran, bimbingan, mobiliti dalaman)

Kepimpinan kolaboratif: AI sebagai “penguat budaya”, bukan alat semata-mata

Jawapan terus: model kepimpinan top-down semakin tidak relevan kerana bakat muda mahu suara mereka mempengaruhi keputusan.

Organisasi yang masih mengamalkan “arahan turun” biasanya lambat membuat keputusan, sukar mencuba idea baharu, dan cepat kehilangan pekerja yang berpotensi tinggi. Kajian tenaga kerja menunjukkan pekerja yang nampak masa depan cerah di syarikat lebih cenderung kekal, lebih terlibat, dan lebih sanggup mencadangkan majikan mereka kepada orang lain.

Apa yang ketua insurans boleh buat minggu ini

Mulakan dengan mekanik yang kecil tetapi konsisten:

1. Mesyuarat keputusan 30 minit: fokus pada pilihan yang jelas dan siapa pemilik tindakan.
2. “Idea to pilot” dalam 14 hari: pilih 1 idea operasi (contoh: triage tuntutan) dan uji skala kecil.
3. Dashboard keputusan: teluskan metrik—masa pemprosesan tuntutan, kadar ralat data, SLA.

Di mana AI masuk dalam kepimpinan

AI membantu kepimpinan kolaboratif dengan membuang beban kerja “low-value” yang biasanya menyebabkan pasukan jadi reaktif.

Contoh penggunaan praktikal:

• AI ringkaskan mesyuarat & tindakan: transkrip, rumus keputusan, dan tugasan automatik (dengan semakan manusia).
• Analitik ramalan beban kerja: ramal puncak tuntutan (contoh musim banjir hujung tahun) supaya jadual pasukan lebih adil.
• Pemetaan kemahiran pasukan: kenal pasti jurang kemahiran underwriting digital, pengesanan penipuan, atau analitik risiko.

Budaya kolaboratif bukan slogan. Ia wujud bila data dan keputusan mudah diakses, dan kerja rutin tak menenggelamkan tenaga manusia.

“Purpose” yang betul: Insurans ialah kerja kemanusiaan—AI jadikan ia lebih terasa

Jawapan terus: untuk menarik bakat seterusnya, industri perlu menonjolkan misi teras—melindungi keluarga dan komuniti ketika krisis.

Bakat muda biasanya memilih majikan yang jelas tentang impak sosial. Insurans sebenarnya kuat di sini: tuntutan kemalangan, kematian, kebakaran, banjir—itu semua saat yang paling memerlukan. Cuma, ramai pekerja barisan hadapan tidak sempat merasai “makna” kerana mereka tersepit dalam proses manual.

AI boleh memulangkan masa untuk empati

Bila AI digunakan dengan betul, staf tuntutan dan khidmat pelanggan dapat fokus pada perkara yang manusia lakukan paling baik: mendengar, menenangkan, menjelaskan pilihan.

Antara aplikasi yang selamat dan realistik:

• Pembantu tuntutan berasaskan AI untuk mengumpul dokumen awal, menyusun kronologi, dan mencadangkan senarai semak.
• Automasi semakan polisi untuk mempercepat semakan perlindungan asas (tetap dengan pengesahan pegawai).
• AI untuk pencegahan penipuan: bendera awal pola yang mencurigakan supaya siasatan lebih tepat.

Bila masa penyelesaian tuntutan menjadi lebih cepat dan konsisten, pelanggan rasa dihargai. Bila pelanggan rasa dihargai, pekerja pun rasa kerja mereka bermakna.

Laluan kerjaya moden: bukan underwriting sahaja—ini “stack” baharu insurans

Jawapan terus: insurans perlu menjual realiti baharu—kerjaya dalam AI, data, keselamatan siber, UX, dan pengurusan produk sama penting dengan peranan tradisional.

Ramai calon menyangka insurans cuma:

• ejen jualan
• adjuster tuntutan
• underwriter “kertas kerja”

Sedangkan syarikat insurans moden memerlukan peranan seperti:

• Data scientist risiko (model ramalan kerugian)
• AI/ML engineer (model triage tuntutan, klasifikasi dokumen)
• Pakar keselamatan siber (perlindungan data pelanggan)
• Pereka UX (pengalaman aplikasi tuntutan yang ringkas)
• Product owner insurtech (gabung keperluan bisnes + teknologi)

Contoh “career lattice” yang lebih menarik

Bukan semua orang mahu naik secara menegak. Ramai mahu bergerak secara lateral untuk bina kemahiran.

Contoh laluan 24 bulan yang realistik:

• Bulan 1–6: Eksekutif tuntutan + automasi dokumen
• Bulan 7–12: Penganalisis operasi tuntutan (SLA, punca kelewatan)
• Bulan 13–18: Projek AI triage tuntutan (peranan “business translator”)
• Bulan 19–24: Pemilik produk dalaman untuk platform tuntutan digital

Laluan begini menjadikan insurans tempat yang setanding dengan syarikat teknologi dari segi pembelajaran—tanpa kehilangan elemen “purpose”.

Affinity insurance: gabung minat peribadi + kerja

Program insurans berasaskan komuniti (contoh persatuan profesional, alumni universiti, koperasi, atau komuniti tertentu) membuka ruang kerja yang lebih dekat dengan identiti pelanggan. Ini selari dengan gaya Gen Z yang suka kerja yang ada “komuniti”.

AI boleh membantu affinity insurance melalui:

• segmentasi pelanggan yang lebih tepat
• cadangan perlindungan yang lebih relevan
• komunikasi yang diperibadikan tanpa membebankan pasukan pemasaran

Mentorship dan jaringan: AI boleh skala bimbingan tanpa hilang sentuhan manusia

Jawapan terus: mentorship ialah alat rekrut dan retensi paling murah—dan AI boleh bantu menjadikannya konsisten.

Banyak program mentor gagal bukan sebab niat kurang baik, tetapi sebab:

• padanan mentor-mentee tidak serasi
• sesi tidak konsisten
• tiada “goal” pembelajaran yang jelas

Cara gunakan AI untuk mentorship yang lebih menjadi

AI boleh menyokong (bukan mengambil alih) proses bimbingan melalui:

• padanan mentor-mentee berasaskan kemahiran dan minat (contoh: tuntutan digital, antifraud, underwriting SME)
• pelan pembelajaran 90 hari yang jelas, dengan tugasan kecil
• ringkasan sesi: topik dibincang, tindakan, dan sumber rujukan dalaman

Saya tegas di sini: mentorship perlu diukur seperti projek bisnes.

Metrik yang boleh digunakan:

• kadar kekal 12 bulan untuk pekerja baharu
• masa untuk capai produktiviti (contoh: bilangan fail tuntutan diselesaikan dengan kualiti baik)
• mobiliti dalaman (berapa ramai naik peranan atau pindah fungsi)

Pelan tindakan 60 hari untuk tarik bakat generasi baharu

Jawapan terus: organisasi yang bergerak pantas akan menang bakat—bukan yang tunggu “projek transformasi 2 tahun”.

Berikut pelan ringkas yang saya pernah lihat berkesan:

Minggu 1–2: Audit kerja “membunuh motivasi”

Senaraikan 10 tugas yang paling banyak masa tetapi rendah nilai (contoh: rekey data, semak dokumen berulang).

Minggu 3–6: Pilih 1 kes penggunaan AI yang selamat

Contoh selamat:

• pengelasan dokumen tuntutan
• ringkasan nota kes
• carian pintar dalam panduan polisi dan SOP

Tetapkan kawalan:

• semakan manusia wajib untuk keputusan penting
• log audit untuk semua cadangan AI
• polisi data dan privasi yang jelas

Minggu 7–8: Jadikan projek AI sebagai “projek bakat”

Libatkan pekerja muda sebagai:

• “process owner”
• penguji (UAT)
• pereka aliran kerja (workflow)

Ini memberi mereka ownership—benda yang mereka cari dari awal.

Minggu 9–10: Komunikasi kerjaya yang lebih jujur

Kemas kini halaman kerjaya dan bahan rekrut dengan cerita sebenar:

• projek automasi tuntutan yang sedang berjalan
• peranan data dan AI dalam underwriting
• peluang latihan dalaman dan mentorship

Minggu 11–12: Bina komuniti dalaman

Buat kumpulan minat profesional (contoh: “AI untuk Tuntutan”, “Antifraud & Analytics”, “Risk Modelling”) yang bertemu 1x sebulan.

Penutup: AI bukan sekadar teknologi—ia strategi bakat

Jurang tenaga kerja insurans yang besar memaksa kita memilih: kekal dengan cara lama dan menanggung kelewatan operasi, atau gunakan AI untuk membina budaya kerja yang lebih kolaboratif, bermakna, dan kaya peluang.

Saya percaya tarikan sebenar untuk Gen Z bukan pada “AI” sebagai buzzword. Tarikannya ialah hasilnya: kerja yang kurang manual, keputusan yang lebih jelas, pelanggan yang lebih terbela, dan kerjaya yang boleh berkembang tanpa menunggu bertahun-tahun.

Jika organisasi anda serius mahu menutup jurang bakat insurans, langkah seterusnya mudah: pilih satu proses berimpak tinggi (underwriting, tuntutan, atau antifraud), kenal pasti titik sakit, dan bina projek AI yang juga berfungsi sebagai program pembangunan pemimpin muda. Soalnya sekarang—proses mana yang anda berani ubah terlebih dahulu?