摘要：AI责任拐点与企业保障的结构性转变
全球保险市场正经历一个关键的人工智能责任拐点，其特征是保险公司正在前所未有地迅速撤回对人工智能（AI）相关风险的承保。这一转变并非是对单一损失事件的反应，而是对系统性偿付能力威胁的防御，以及AI系统固有的难以量化的特性。
以AIG、WR Berkley和Great American为代表的主要承运人已向美国监管机构提交申请，要求将AI相关责任从其企业保单中排除。AIG甚至公开表示，此举是为了保留未来实施这些排除条款的选择权，预计索赔的频率和规模将随时间增加。
这种集中的行动，特别是WR Berkley提出的“绝对”AI排除条款（针对董事和高管责任险D&O、错误和疏忽险E&O以及信托责任险），正在传统责任险中制造巨大的、先前未被识别的保障缺口。其结果是，巨大的风险负担正被转移回企业自身，迫使公司立即对现有风险管理策略进行全面的重新评估。
第一部分：人工智能责任拐点的成因：传统承保的系统性挑战
保险业转向排除AI风险，是基于精算原则对现代AI系统带来的两大根本性挑战的应对：不可量化的相关性损失和固有的黑箱不透明性。
1.1 系统性关联损失：大数法则的失效
保险承保的传统基石是大数法则，该法则假设保险组合中的损失是相互独立的。然而，广泛部署的AI模型，尤其是大型语言模型（LLMs），带来了系统性关联风险。
如果一个被广泛采用的核心基础AI模型或供应商平台由于固有的缺陷或偏差而发生故障，单一的故障可能同时触发保险公司整个企业客户群中的数千起索赔。怡安集团的一位高管明确指出，保险公司可以承受对一家公司4亿美元的损失，但无法承受代理AI事故一次性引发1万起损失。这种灾难性风险威胁着主要保险公司的偿付能力资本，是保险市场迅速撤回承保的首要驱动力。
1.2 “黑箱”特性与认知不确定性
传统承保过程依赖历史损失数据来可靠地预测风险的频率和严重性。然而，AI技术的新颖性和加速发展意味着缺乏可用于准确计算损失概率的历史数据集。
保险公司发现，LLM的输出被认为是过于不可预测和不透明的，一位承保人将其描述为“太像一个黑箱”而无法准确定价。精算研究将AI风险量化中的不确定性区分为两类：
偶然不确定性（Aleatoric Uncertainty）： 结果中固有的随机性或自然变异性，精算师擅长建模此类风险。
认知不确定性（Epistemic Uncertainty）： 源于根本性的知识缺乏、模型规格错误或数据不足。
专有LLM的“黑箱”性质，加上几十年损失历史的缺失，产生了极高的认知不确定性。缺乏了解AI系统如何失败的能力，阻止了通用承保人参与承保，从而驱动了排除条款的部署。
1.3 高风险损失事件：新兴的责任载体
近期发生的一系列高知名度、高成本的AI故障事件，证明了AI系统造成严重财务损失的潜力，并界定了传统保单未能涵盖的新兴风险载体。
误传和“幻觉”（Hallucination）： Google的AI概览功能错误地指控一家太阳能公司存在法律问题，导致该公司面临1.1亿美元的诽谤诉讼。这凸显了AI内容错误导致的第三方责任成本。
合同责任： 加拿大航空被法院裁定必须兑现其聊天机器人虚构的丧亲折扣，突显了自动化代理可能无意中创造出具有约束力、意料之外的合同义务。
深度伪造欺诈： 诈骗者利用AI生成的深度伪造技术，在一次视频会议中冒充高管，从伦敦工程公司Arup窃取了2500万美元。虽然本质上是网络攻击，但其责任常常涉及公司犯罪或管理监督。
这些损失事件的累积效应是，主要的财务损失正从传统的网络险（专注于数据泄露响应）向专业和管理责任险（E&O/D&O）转移。
第二部分：传统保单的侵蚀：AI“绝对排除条款”的部署
保险业的排除运动主要集中在董事和高管责任险（D&O）和职业责任险（E&O）等关键责任险种中，旨在切断AI相关索赔的保障。
2.1 针对D&O, E&O和CGL的关键排除
传统的责任险（如CGL、D&O和网络险）在理论上可以对AI增强的风险提供“静默”（Silent）保障。然而，保险公司正通过引入明确的排除条款来迅速消除这种静默承保的可能性。
WR Berkley的“绝对”AI排除条款： 这是目前最激进的责任否认形式之一，目标是D&O、E&O和信托责任险。它旨在排除“基于、产生于或归因于任何人或实体对人工智能的任何实际或指称的使用、部署或开发”的任何索赔。
排除的广泛覆盖范围： 该条款的范围极广，明确排除了多个关键风险领域：
内容与通信： 使用AI生成、创建或传播任何内容或通信的索赔。
治理失败： 与AI相关的政策、实践、程序或培训不足或缺陷的索赔。
监管行动： 任何监管AI使用或披露的联邦、州、地方或国际法律、法规的实际或指称违反。
AI洗白诉讼： 任何与AI相关的“实际或指称的陈述、披露或声明”（包括关于AI能力或风险评估的声明）。
这种绝对排除法意味着，即使AI技术仅构成产品或工作流程的次要部分，也可能被拒绝赔付。
2.2 定义困境与歧义带来的法律风险
“绝对”排除条款的效力高度依赖于其对“人工智能”的定义。WR Berkley提供的定义包括任何**“基于其接收的输入，推断如何生成预测、内容、建议或决策的机器系统”**。
这种故意的广义和技术性措辞，为保险公司提供了最大的杠杆来否认涉及任何复杂算法的索赔。对于缺乏AI工程师、计算机程序员或精算师等专业知识的理赔处理人、风险经理和法官来说，理解这一界定是极其困难的。这种歧义性不可避免地会引发关于承保适用性的争议，极大地增加了投保人在法庭上对抗承保人的法律风险。
2.3 市场标准化与CGL险的风险隔离
除了广义的“绝对”排除条款，市场正朝着更具针对性的标准化排除方向发展。
生成式AI排除： Hamilton保险集团采用了专门针对“生成式人工智能”的排除条款，聚焦于响应用户提示生成内容（文本、图像、音频）的系统。
CGL险标准化： 行业模板提供商Verisk正通过引入针对商业综合责任险（CGL）的排除条款来加速市场标准化。例如，拟议中的CG 40 47排除条款将身体伤害、财产损失或个人及广告伤害的保障排除在生成式AI之外。
Verisk的标准化努力表明，AI排除条款正迅速从专有承运人的文件转变为商业险几乎所有险种的通用条款，这标志着AI风险被系统性隔离。
第三部分：应对策略：企业风险转移与治理框架
面对传统保障的结构性侵蚀，企业政策持有人必须从依赖含糊不清的现有政策转向通过定制化的风险转移机制和严格的治理来管理其AI风险敞口。
3.1 肯定性AI保险的兴起与优势
保险业留下的保障空白正由专业保险公司通过提供肯定性AI保险（Affirmative AI Coverage）来填补。
明确性与范围： 肯定性AI保单通过明确的书面语言定义AI相关风险的承保方式。例如，Counterpart提供的扩展保障旨在覆盖AI生成的错误、决策失误、有偏差的输出和“幻觉”报告，并提供对歧视索赔的保护。QBE也推出了针对欧盟AI法案罚款的有限监管承保。
取代“沉默式承保”： 尽管理论上“沉默式承保”可能更广泛，但由于新排除条款的积极部署，肯定性AI语言通常提供更可靠的现实保护，尤其在涉及企业客户或面临监管尽职调查时。
3.2 AI治理：新的承保量化指标
由于缺乏可靠的历史损失数据，提供肯定性承保的保险公司正将投保人的AI治理框架作为主要的承保指标。承保人更愿意为证明其严肃对待AI风险的公司提供有利条款和避免限制性排除。
企业必须立即采取行动，证明其AI成熟度，建立可审计的AI治理框架，包括：
风险评估与缓解： 建立充分的风险评估和缓解系统。
数据质量与偏差测试： 确保输入系统的数据集具有高质量，以最大程度地减少歧视性结果的风险。AI系统中的算法偏差（Algorithmic Bias）可能导致不公平的或歧视性的结果，一旦引发监管审查和罚款，将构成系统性责任驱动因素。
人工监督与可追溯性： 建立适当的人工监督措施和活动日志，以确保结果的可追溯性。
详细文档与合规性： 提供详细的文档，证明AI系统符合法律法规，并积极解决不公平歧视等问题。
通过展示对风险的主动管理而非忽视，企业可以在谈判更广泛的承保范围和更有利的定价方面处于更有利的地位。
3.3 替代风险转移：自保公司的战略作用
对于核心业务依赖AI运营，且商业市场拒绝承保其风险的大型公司，专属自保公司（Captive Insurance）提供了重要的替代风险转移（ART）机制。
填补排除缺口： 自保公司可以承保传统D&O/E&O保单明确排除的风险，例如AI相关的运营风险、第三方供应商故障或源于算法偏差的监管/合规风险。
支持创新： 自保公司通过提供定制化保险覆盖和强大的内部风险缓解策略，使母公司能够以更大的财务信心大规模采用AI技术。
鉴于自保公司在承保商业市场认为难以定价和新兴的风险（如网络风险）方面有着悠久的历史，它为应对AI系统的复杂性和不确定性提供了一个必要的内部风险融资工具。
企业政策持有人行动计划总结
立即保单审计： 对所有责任保单（D&O、E&O、CGL、网络险）进行紧急审查，识别并分析新引入的AI排除条款，特别关注其对“人工智能”的定义。
建立AI治理： 立即建立和文件化全面的AI治理框架，确保人工监督和偏差测试，并确保所有AI决策的可追溯性。
寻求定制化保障： 积极与经纪人合作，寻求肯定性AI承保，并争取尽可能最窄的排除措辞。
评估ART机制： 对于具有大量AI风险暴露的公司，应立即评估和利用自保公司（Captive Insurance）来承保商业市场拒绝或定价过高的关键风险。
结论与展望
保险公司大规模引入AI排除条款，是全球风险管理领域的一个结构性拐点。这一转变的核心在于系统性关联损失的威胁和AI模型固有的认知不确定性，使得传统承保模式无法应对。
AI风险不再是“静默承保”下的模糊可能性，而是企业必须主动管理的明确的、未受保护的责任。未来AI风险的保险市场将出现分化：传统承运人将继续排除通用AI风险，而一个由肯定性AI保险、专业再保险和专属自保公司组成的专业生态系统将提供有限且明确的保障。企业能否获得这种专业承保能力，将取决于其能否展示出经过验证的、严格的公司AI治理成熟度，这已成为风险转移的新先决条件。未能主动调整其保险组合的企业，将面临重大的、未经识别的、且无法承保的财务风险。
免责声明
重要提示：
本文仅供一般信息参考和讨论之用，旨在对人工智能责任风险及其在保险市场的影响提供专业见解和分析，不应被视为法律建议、专业意见、风险管理咨询或特定保单或承保范围的声明。
保险保单的具体条款、条件和排除条款可能因承运人、司法管辖区和具体事实情况而异。本文提及的任何排除条款、风险评估方法或替代风险转移机制（如自保公司）的有效性、适用性或实施细节，均需要根据您自身的具体情况和适用的法律法规，寻求独立的法律、保险或精算专业人士的建议。
对于因依赖本文任何内容而产生的任何损失或损害，作者或相关公司概不承担任何责任。所有读者在做出任何保险或风险管理决策之前，应仔细审查其现有保单的实际文本，并与合格的保险经纪人或法律顾问进行全面协商。
本文观点不构成任何形式的投资、法律或承保建议。
点击以下阅读原文链接搜索往期文章
