Kort svar: AI automatiserer allerede betydelige dele af forsikringsarbejdet - indtagelse, tilbudsgivning, rutinemæssig service og dele af skader - så rent transaktionelle agentroller vil blive mindre, når deres primære fordel er hastighed på standardpolicer. Men agenter vil ikke forsvinde: mennesker betyder stadig noget, når ansvarlighed, komplekse risici og vanskelige skadesager dukker op.
Vigtige konklusioner:
Automatisering : Aflastning af indtag, sammenligninger, fornyelser og grundlæggende ændringer for at reducere administrationstiden.
Ansvarlighed : Hold en navngiven person ansvarlig, når rådgivning eller forsikringsforklaringer påvirker resultaterne.
Kompleksitet : Fokuser menneskelig ekspertise på kommercielle beslutninger vedrørende formue og dækning med flere lag.
Påstande : Brug AI til triage og dokumentudtrækning, eskalering af forhandlinger og undtagelser til personer.
Overholdelse : Kræv forklarlighed, biaskontrol og revisionsspor for automatiserede beslutninger og rådgivning.
At se et forsikringstilbud dukke op på få sekunder kan udløse tanken: "Nå ... det var det så, agenterne er i orden." Mange mennesker ender der. Virkeligheden er mere skæv - og i virkeligheden mere interessant. AI er ved at smadre dele af forsikringsarbejdsgangen - de kedelige dele, de gentagne dele, de dele der får folk til at gabe midt i en sætning. At erstatte forsikringsagenter fra ende til anden hører dog til en anden kategori af krav. Det ligner at sige, at en lommeregner erstattede revisorer. Det gjorde det ikke. Det ændrede, hvad det kræver at være revisor. ( McKinsey ; Reuters )
Så det bliver diskuteret som voksne, der stadig nogle gange panikscroller ved midnat 😅.
Artikler du måske har lyst til at læse efter denne:
🔗 Vil AI erstatte revisorer?
Hvordan automatisering omformer regnskabsopgaver og fremtidige karrieremuligheder.
🔗 Vil AI erstatte radiologer?
Udforsker AI-billeddannelsesværktøjer, nøjagtighedsgrænser og ændringer i radiologiarbejdsstyrken.
🔗 Vil AI erstatte investeringsbankfolk?
Nedbryder arbejdsgange inden for aftaleindgåelse, AI-styrker og de bankfærdigheder, der stadig er nødvendige.
🔗 Job, som AI ikke kan erstatte, og dem den vil
Globalt overblik over roller, der er modstandsdygtige over for AI, og job i risikozonen.
Spørgsmålet alle stiller (selv når de ikke siger det) 😬
Når folk spørger "Vil AI erstatte forsikringsagenter", giver de sjældent en klar og neutral forespørgsel. Underteksten er typisk:
-
"Vil jeg stadig have et job?"
-
"Får jeg en bedre aftale uden et menneske?"
-
"Vil jeg blive narret af en chatbot, der lyder selvsikker, men ... tager fejl?"
-
"Hvis noget går galt, hvem skal jeg så råbe ad?" (Lad os være ærlige.)
Forsikring er følelsesladet, selv når det foregiver andet. Det er penge, risiko, frygt og papirarbejde forklædt som en pæn månedlig betaling. Kunstig intelligens klarer papirarbejdet godt. Frygt ... i mindre grad.
Hvad AI allerede gør bedre end mennesker (ja, jeg sagde det) ⚡🤖
I nogle områder er AI simpelthen hurtigere og mere konsekvent end en menneskelig agent på deres bedste dag efter to kopper kaffe:
-
Dataindtag og prækvalifikation : Indsamling af grundlæggende oplysninger, opdagelse af manglende felter og instruktion til rettelser.
-
Tilbudssammenligninger : Filtrering efter selvrisiko, dækningsgrænser, tillæg, prisintervaller.
-
Rutinemæssig policeservice : Adresseopdateringer, ID-kort, betalingspåmindelser, grundlæggende påtegninger.
-
Detektion af svindelmønstre : Ikke perfekt, men AI er god til at registrere "dette ser statistisk set forkert ud".
-
Opkald/chat-triage : Sender dig til den rigtige afdeling uden femten omstillinger (nogle gange).
Hvis din interaktion med en agent mest handler om at "giv mig et tilbud hurtigt", så er AI allerede i gang med at gribe fat i den jobfunktion. Ikke hele jobbet - men en del, og det er en del. ( McKinsey ; Deloitte )
Hvad gør en god udgave af en forsikringsagent 🧠🧾
Det er den del, folk springer over, og så undrer de sig over, hvorfor samtalen bliver uoverskuelig senere.
En "god" forsikringsagent er ikke bare en prisgiver med en behagelig stemme. En god udgave af en forsikringsagent besidder en blanding af færdigheder, der er stædigt menneskelige:
-
Risikooversættelse : At ændre "dækningsvilkår" til "hvad sker der, hvis dit tag lækker, og din nabos loft bliver til et vandfald".
-
Opdagelse : At stille de spørgsmål, du ikke vidste var vigtige, som f.eks. "Driver du en virksomhed hjemmefra?" eller "Hvem kører egentlig den bil?"
-
Afvejningscoaching : Hjælper dig med at vælge mellem præmie og selvrisiko uden at lade som om, der er en magisk gratis frokost.
-
Navigation i forsikringsselskaber : At vide, hvilke forsikringsselskaber der har tendens til at være ligeglade med krav, hvilke der er kræsne, og hvilke der hader bestemte risici.
-
Fortalervirksomhed når det bliver grimt : Kravtvister, forvirring, afslag, mærkelige kantsager.
Her er en vaklende metafor, der stadig virker: AI er en meget hurtig indkøbsscanner 🛒. En god agent er den ven, der forhindrer dig i at købe ingredienser, der ikke passer sammen, og derefter hjælper dig med at lave mad, når køkkenet bryder i brand. Lidt dramatisk - men ikke langt fra.
Hvor AI kan erstatte agentopgaver (ikke agenten, opgaverne) 🧩🤖
Dette er det afgørende skift: job er bundter af opgaver . AI har en tendens til at adskille dem. ( McKinsey )
Opgaver, der højst sandsynligt vil blive hårdt automatiseret
-
Grundlæggende tilbudsgivning for standardrisici
-
Førstegangsunderwriting-tjek
-
Dokumentbehandling (ansøgninger, forsikringsbevis, fornyelser)
-
Kundesupport på FAQ-niveau
-
Enkle ændringer i dækning (tilføj et køretøj, fjern en chauffør, opdater adresse)
Opgaver som AI vil hjælpe med, men ikke fuldt ud selv (i hvert fald ikke pålideligt)
-
Kompleks erhvervsforsikringsplacering
-
Formuende personlige linjer med flere ejendomme, samleobjekter og paraplylag
-
Kravbehandling og eskalering
-
Rådgivning om dækning med reelt ansvarlighed
Så hvis din forretningsportefølje primært handler om råvarepolitikker, og "værdien" er hastighed ... er presset reelt 😬.
Hvorfor fuld udskiftning er sværere end det ser ud 🧍♀️⚖️
Selv hvis AI kan udføre 80% af arbejdet, er de sidste 20% den del, der udløser retssager, aflysninger og omdømmeskade. Forsikringsbranchen har tre vanskelige realiteter:
1) Ansvarlighed er vigtig
Hvis AI giver en dårlig anbefaling, hvem ejer den så? Udbyderen? Platformen? Kunden, der stoler på den? Det er ikke bare filosofisk - det er operationelt. ( NAIC )
2) Folk beskriver ikke risiko tydeligt
Mennesker glemmer ting, misforstår spørgsmål eller indtaster forkerte oplysninger med sikkerhed. AI kan hjælpe med at opdage uoverensstemmelser, ja, men det afhænger stadig af inputtet. Skrald ind, smart skrald ud 😵💫.
3) Kantsager er hele spillet
De øjeblikke, hvor du har mest brug for forsikring, er, når der sker noget usædvanligt. Mærkelige tingsskader, usædvanligt ansvar, ulykker med flere parter, driftsafbrydelser. I marginale tilfælde tjener mennesker stadig deres levebrød.
Sammenligningstabel: de mest populære muligheder, som kunder rent faktisk bruger 🧾🔍
Nedenfor er et praktisk overblik over, hvordan "erstatningsagenter" ser ud i virkeligheden. Der er inkluderet mindre formateringssærheder, fordi virkeligheden er sær.
| værktøj / mulighed | publikum | pris | hvorfor det virker |
|---|---|---|---|
| AI-citat chatbot 🤖 | "Bare giv mig en pris"-kunder | Normalt gratis at bruge | Hurtig, lav friktion, god til basale behov - men kan føles glat, hvis man stiller nuancerede spørgsmål .. |
| Direkte-til-transportør online portal 🏢 | Folk der ved, hvad de vil have | Integreret i premium | Enkel købsproces, færre hænder involveret; nogle gange begrænset vejledning (du kører bussen) |
| Hybridagent + AI CRM 🧠📲 | De fleste familier + små virksomheder | Agentprovision, den samme præmie | Det bedste af begge dele - AI fremskynder administrationen, agenten håndterer vurderinger og forklarer afvejninger |
| Menneskelig agent, fuld service 🧍♂️📞 | Komplekse risici, “Jeg vil have en person” | Kommissionen, nogle gange større indsats | Personlig fortalervirksomhed, relationer, ansvarlighed - langsommere nogle gange, men roligere når det gælder |
| Medarbejderfordelsplatform med automatisering 📊 | Arbejdsgivere | Gebyrer pr. medarbejder / platform | Strømliner tilmeldinger + compliance; stadig brug for mennesker til plandesign (og drama) |
Har du bemærket noget? "Vinderen" afhænger af, hvad du værdsætter: hastighed, enkelhed, kontrol, tryghed eller nogen at give skylden. Ja, skylden er en funktion nogle gange 😅.
Salg og distribution: Hoveddøren forandrer sig 🚪🤖
Salg er der, hvor AI ser mest disruptiv ud, fordi det er målbart. Leads kommer ind, formularer udfyldes, tilbud sendes ud, og salgsrater spores. AI elsker salgstragte. Mennesker ... glemmer nogle gange at følge op, fordi deres hund er blevet syg. Det sker.
Hvad ændrer sig i salget
-
AI kan kvalificere leads øjeblikkeligt
-
AI kan hurtigt køre tilbudsscenarier (egenbetaling op, præmie ned; egenbetaling ned, præmie op)
-
AI kan personliggøre beskeder i stor skala (nogle gange uhyggeligt, nogle gange nyttigt) ( McKinsey )
Hvad der ikke forsvinder
-
Tillidsopbygning for meningsfulde køb
-
At forklare undtagelser uden at få nogen til at se glasagtige ud
-
Opdage, når kunden misforstår, hvad de køber
En af de største tavse risici: AI kan "optimere" til konvertering. Det kan skubbe folk mod underforsikring, fordi det er billigere og nemmere at sige ja til. En menneskelig agent, der er noget værd, vil nogle gange tale dig fra den billigste løsning. Det fungerer dårligt i et vækstdashboard, men det er en håndgribelig service.
Påstande: hvor robottillid kan give bagslag 😵💫🧯
Krav er der, hvor AI kan hjælpe massivt - og også hvor den kan gøre mest skade, hvis den håndteres forkert.
Hvor AI udmærker sig i forbindelse med krav
-
Sortering af skadestyper (bil vs. ejendom vs. ansvar)
-
Udtrækning af detaljer fra fotos og dokumenter
-
Opdagelse af uoverensstemmelser og potentielle svindelmønstre
-
Fremskynder rutinemæssige, lavkomplekse udbetalinger ( Tractable ; Wired )
Hvor mennesker stadig dominerer
-
Forhandling når ansvaret er uløst
-
Fortolkning af politisk sprog i grænsesituationer
-
Håndtering af følelsesladede kunder (opkaldene "mit liv brænder")
-
Eskalering og undtagelser
En skadesanmeldelse er ikke bare data. Det er nogens ødelagte uge, nogle gange måned. Hvis AI-oplevelsen føles kold eller forvirrende, hopper kunderne alligevel hen til et menneske - og nu skal mennesket rydde op efter spildet. Som at leje en robotstøvsuger, der smører marmelade ud over gulvet. Nyttig, indtil den ikke er det.
Overholdelse og regulering: væggen AI bliver ved med at støde ind i 🧱⚖️
Forsikring er strengt reguleret. Alene det sinker fantasien om, at "AI erstatter alle". ( FCA ; NAIC )
AI kan hjælpe med overholdelse af reglerne ved at:
-
Standardisering af oplysninger
-
Sikring af at de nødvendige formularer leveres
-
Logføring af samtaler og politikændringer
Men AI introducerer også nye compliance-hovedpiner:
-
Forklaring af automatiserede beslutninger
-
Håndtering af bekymringer om bias og retfærdighed
-
Vedligeholdelse af revisionsspor, der giver mening
Og, og det er vigtigt: du kan ikke lade en model opfinde et svar om dækning. Selv en lille fejl kan blive til en stor ting. En agent kan også tage fejl, ja, men der er en person at stille spørgsmålstegn ved, omskole, disciplinere eller sagsøge (igen ... skylden er en funktion, hold da op). ( NAIC )
AI og forsikringsagenter: det klareste svar 😅
AI vil erstatte nogle forsikringsagenter, og det vil erstatte dele af de fleste agenters arbejde . Det vil ikke slette rollen på tværs af linjen, fordi rollen er opdelt i to versioner. ( Reuters )
Version der bliver klemt
-
transaktionspolitik salg
-
fornyelser med lav berøring
-
grundlæggende serviceanmodninger
-
simpel tilbudsgivning for standardrisici
Version der bliver stærkere (hvis den gøres rigtigt)
-
rådgiver, konsulent, risikotolk
-
kommerciel specialist
-
sagsbehandlingsrådgiver / eskaleringspartner
-
relationsdrevet bogbygger
"Agenten" bliver mindre en tilbudsmaskine og mere en risikocoach. Det er et bedre job ... men det kræver færdigheder, som nogle agenter aldrig blev ansat til i første omgang. Den overgang kan være ujævn.
Hvis du er forsikringsagent, hvad skal du så gøre nu 🧠📈
Ikke "panik" til at starte med. Panik får folk til at gøre impulsive ting, som at købe kurser, de aldrig vil færdiggøre.
Praktiske bevægelser, der hjælper:
-
Bliv en dækningsforklarer : Øv dig i at omsætte politiksprog til almindelig tale. Optag dig selv. Krymp dig lidt. Forbedr dig.
-
Fokuser på komplekse sager : Små erhvervskunder, specialforsikringer, liv- og invaliditetsplanlægning, paraplystrategi, husstande med flere policeordninger.
-
Brug AI som din assistent, ikke din erstatning : Automatiser opfølgning, dataindtastning, påmindelser om fornyelse og indtag. ( McKinsey )
-
Skadeplanlægning : Kunderne husker skadesoplevelser mere end præmier. Vær den person, der hjælper, når det er stressende.
-
Dokumentér rådene tydeligt : Hvis du giver anbefalinger, så tag noter. Det er beskyttelse for dig og klarhed for dem.
Det lyder måske dramatisk, men det er sandt: agenter, der opfører sig som rådgivere, vil overleve. Dem, der opfører sig som menneskelige former, vil blive automatiseret.
Hvis du er kunde, skal du vælge mellem AI og en agent 🧾🤔
Her er et hurtigt mavefornemmelsetjek:
Brug AI-først-muligheder, hvis:
-
din situation er ligetil
-
du forstår det grundlæggende i dækning
-
du er tryg ved selvtjenende forandringer
-
du er primært interesseret i hastighed og pris
Brug et humant middel (eller en hybrid) hvis:
-
du har flere ejendomme, køretøjer eller komplicerede husstandsdrivere
-
du driver en virksomhed eller en bijob
-
du har brug for vejledning om ansvar (paraply, professionel eksponering, udlejers ting)
-
du har haft krav eller forventer større risiko
-
du vil have nogen til at tjekke dine valg fornuftigt
En overraskende god strategi er hybrid: få AI-tilbud hurtigt, og få derefter et menneske til at gennemgå de to bedste muligheder for huller i dækningen. Det bedste fra begge verdener - som at bruge GPS og stadig kigge på vejskilte.
Sådan ser den næste normal ud (og hvorfor det ikke kun er undergang) 🌤️🤖
Det mest sandsynlige resultat er ikke "mennesker forsvinder." Det er:
-
Færre agenter udfører administrativt arbejde af lav værdi
-
Mere automatisering i tilbudsgivning, service og fornyelser
-
Mere fokus på rådgivende salg
-
Flere specialiserede roller (kommercielle nicher, risikostyring, skadesbehandling)
-
Nye opgaver for "AI-supervisor": gennemgang af output, registrering af fejl, træning af arbejdsgange ( EIOPA ; NAIC )
Vi ender med færre rent transaktionelle formidlere og flere rådgivere, der ved, hvad de laver. Hvilket, for at være ærlig, sandsynligvis også er sundere for kunderne.
AI erstatter ikke forsikringsagenter som art. Den opfører sig mere som en hurtig evolution. Nogle tilpasser sig. Nogle gør ikke. Stemme fra naturdokumentar: "Og her ser vi agenten, der nægtede at stoppe med at faxe formularer..." 📠😬
Resumé 🧾✨
AI vil erstatte meget af det repetitive arbejde, som agenter udfører, og det vil erstatte agenter, hvis rolle dybest set var "menneskelig grænseflade til formularer". Men forsikring er fuld af vanskelige sager, følelsesladede øjeblikke og ansvarlighedsbehov - og disse favoriserer stadig mennesker, især i komplekse situationer. ( NAIC ; EIOPA )
Hurtig opsummering
-
AI vil dominere tilbudsgivning, indtag, rutinemæssig service og dele af skader 🧠⚡ ( McKinsey )
-
Mennesker er fortsat afgørende for kompleks risiko, nuanceret rådgivning og fortalervirksomhed 🧍♀️⚖️
-
Fremtiden er hybrid: AI håndterer hastighed, agenter håndterer dømmekraft 🤝🤖 ( Reuters )
-
Agenter, der udvikler sig til rådgivere, vil klare sig fint - måske endda bedre 📈🙂
Hvis du stadig er urolig, tager du ikke fejl. Forandring kan føles som at stå på en rullende gangbro, mens du binder dine sko. Du kan gøre det ... men du vil vakle lidt.
Metabeskrivelse (under 160 tegn):
AI og forsikringsagenter: hvad AI kan automatisere, hvor mennesker stadig vinder, og hvordan hybrid forsikringsrådgivning fortsætter med at udvikle sig. 🤖🧾
Hashtags:
#Forsikring #AI #Forsikringsteknologi #Forsikringsagenter #Kundeoplevelse #Skader #Risikostyring #Automatisering #FremtidensArbejd #FinTech 🤖📄
Ofte stillede spørgsmål
Vil AI erstatte forsikringsagenter fuldstændigt?
AI erstatter allerede mange agentopgaver - som f.eks. indtagelse, tilbudssammenligninger og rutinemæssig service - men fuld erstatning er vanskeligere. Forsikringsvirksomheder læner sig op ad ansvarlighed, menneskelige input, der sjældent ankommer pænt, og sager, der dukker op i forbindelse med skader eller komplekse dækningsbeslutninger. I praksis er rollen splittet: transaktionelle agenter bliver presset, mens rådgiverlignende agenter bliver mere værdifulde.
Hvilke dele af en forsikringsagents arbejde automatiserer AI lige nu?
AI udmærker sig ved gentagne arbejdsgangstrin: indsamling af grundlæggende oplysninger, opdagelse af manglende felter, sammenligning af tilbud efter selvrisiko og grænser, håndtering af simple påtegninger og viderestilling af chats eller opkald. Det hjælper også med at opdage svindelmønstre og fremskynder behandlingen af krav med lav kompleksitet. Hvis en agents værdi primært ligger i hastighed for standardpolicer, er presset fra AI håndgribeligt.
Er det sikkert at bruge en AI-tilbudschatbot til at købe forsikring?
Det kan være sikkert i enkle situationer, hvor du allerede forstår det grundlæggende om dækning og kan verificere detaljer. Den største risiko er selvsikre, men forkerte forklaringer på dækning, eller manglende nuancer som udelukkelser og edge case-scenarier. En almindelig tilgang er at bruge AI til hurtige tilbud og derefter få en menneskelig agent til at gennemgå de bedste muligheder for huller.
Hvornår skal jeg vælge en menneskelig agent i stedet for en onlineportal eller AI?
En menneskelig agent (eller hybrid agent) hjælper normalt mest, når risikoen er kompleks eller på høje indsatser: flere ejendomme, komplicerede husholdningsbehov, bijob, små kommercielle behov, beslutninger om paraplyansvar eller tidligere skadeshistorik. Agenter tilføjer værdi ved at oversætte risiko til et letforståeligt sprog, stille spørgsmål, der ikke vidste, hvad man skulle stille, og tale sagen, når skader bliver vanskelige.
Hvorfor er skadeshåndtering et problem, hvor AI kan give bagslag?
Krav er ikke bare data – de er ofte følelsesladede og fulde af undtagelser. AI kan triage, udtrække detaljer fra fotos eller dokumenter og markere uoverensstemmelser, men forhandling, grænseoverskridende politikfortolkning og eskalering favoriserer stadig mennesker. Hvis en AI-oplevelse føles kold eller forvirrende, har kunderne en tendens til at kræve et menneske alligevel, ofte efter at situationen allerede er blevet mere kompliceret.
Hvordan begrænser reguleringen AI's mulighed for at erstatte forsikringsagenter?
Forsikring er stærkt reguleret, hvilket sinker "fuldautomatiserede" fantasier. AI skal understøtte afsløringer, revisionsspor, bekymringer om retfærdighed og forklarlighed omkring automatiserede beslutninger. Et centralt spørgsmål er ansvarlighed: hvis en automatiseret anbefaling er forkert, skal nogen stadig tage ejerskab over resultatet. Denne regulatoriske friktion holder mennesker opdateret, især i forbindelse med rådgivningslignende interaktioner.
Vil AI gøre forsikring billigere, hvis jeg springer agenten over?
Nogle gange kan AI mindske friktion og administrationsomkostninger, hvilket kan hjælpe med simple policer. Men "billigere" er ikke garanteret, og den større risiko er at underforsikre for at få en lavere pris. Mennesker, der fungerer som sande rådgivere, forhindrer ofte dækningsfejl, der koster langt mere end en lille præmieforskel, især når en reel skade rammer.
Hvad bør forsikringsagenter gøre nu for at forblive relevante i et AI-tungt marked?
Den sikreste vej er at skifte fra "tilbudstrykker" til risikorådgiver. Fokuser på at forklare dækningen i et letforståeligt sprog, dyb indsigt i komplekse sager (erhvervssager, specialsager, sager med høj nettoformue) og opbygge en handlingsplan for skadesstøtte. Brug AI til at automatisere opfølgninger, indtag og fornyelser, samtidig med at dokumentationen af anbefalinger strammes, så rådgivningen forbliver klar og forsvarlig.
Hvordan ser den "hybride" fremtid for AI og forsikringsagenter ud?
De fleste tegn peger på en hybridmodel: AI håndterer hastighed - indtagelse, tilbudsgivning, servicering og dele af reklamationer - mens mennesker håndterer vurdering, rådgivning og fortalervirksomhed. Det skaber også nyt arbejde, såsom at overvåge AI-output, opdage fejl og forbedre arbejdsgange. Resultatet er færre rent transaktionelle formidlere og mere specialiserede, rådgivende roller.
Hvis AI kan udføre 80% af forsikringsarbejdet, hvorfor betyder de sidste 20% så meget?
Fordi de sidste 20% er der, hvor forsikring fører til tvister, afslag, juridisk risiko og omdømmeskade. Folk beskriver ikke risiko tydeligt, og marginale sager opstår ofte på præcis det tidspunkt, hvor du har mest brug for dækning. Selv små fejl i forklaringerne på dækningen kan blive store problemer. Derfor er mennesker fortsat vigtige for ansvarlighed, nuancering og eskalering, når tingene går galt.
Referencer
-
National Association of Insurance Commissioners (NAIC) - content.naic.org
-
Den Europæiske Tilsynsmyndighed for Forsikring og Arbejdsmarkedspensioner (EIOPA) - eiopa.europa.eu
-
Den Europæiske Tilsynsmyndighed for Forsikring og Arbejdsmarkedspensioner (EIOPA) - eiopa.europa.eu
-
Finanstilsynet (FCA) - fca.org.uk
-
Informationskommissærens kontor (ICO) - ico.org.uk
-
McKinsey & Company - Fremtiden for AI i forsikringsbranchen - mckinsey.com
-
McKinsey & Company - Potentialet for generationens AI inden for forsikring: Seks træk ved frontløbere - mckinsey.com
-
Reuters - reuters.com
-
Deloitte - deloitte.com
-
Tractable - tractable.ai
-
WIRED - wired.com