问题——AI应用广泛后，传统保险对风险独立性的假设遭遇挑战。多家商业险承保方开始在责任险、董责险等产品中引入更宽泛的AI排除条款，并推动形成行业文本。拟自2026年1月起生效的有关背书，意味着长期模糊的责任边界将被明文化，企业在谈判中的争议空间明显收窄。 原因——风险从“独立随机”向“同源聚合”演变。越来越多企业依赖同一基础模型、同一API接口、同一云服务与工具链。一旦底层模型逻辑缺陷、训练数据污染或关键接口遭注入，错误可通过供应链迅速扩散，导致成千上万应用在相近时段出现相似失效。保险业担忧的不是单个系统出错，而是同源事故在不同企业间被复制，形成系统性索赔。，AI参与决策与执行使过失主体在部署方、集成商、平台及模型提供者之间漂移，司法与理赔中“何为AI、何为AI使用”的定义仍有解释空间，继续加大承保不确定性。 影响——承保趋严、费率上行与条款重写成为趋势。市场普遍担心出现多十亿美元级别的系统性索赔，风险集中可能冲击资本占用与再保承接能力。AI风险往往触及多个传统险种的触发边界，导致理赔责任界定困难。例如深伪视频会议诱导转账等事件，既可归为欺诈险，也可归为网络险，触发条件与除外责任不同，促使险企提高费率、收紧条件，甚至要求客户强化身份认证与流程控制。企业将发现从2026年起，所购保单更加细分、更昂贵、前置条件更多。 对策——承保治理前移与企业风控体系升级。保险业正在把风险治理嵌入承保流程，定价依据从传统精算数据转向审计与风险证据链。企业需建立AI使用清单、模型评估与供应链审计机制，完善数据治理、权限控制与应急预案，并加强对外部模型与服务提供者的责任约定。行业层面可探索统一定义、分级分类与测试标准，降低责任争议成本。 前景——保险业经营范式面临重塑。随着AI风险逐步被规范化写入条款，保险将从“概率生意”转向“治理生意”，承保更注重过程控制和合规证明。未来，AI风险可能催生独立险种与更细颗粒度的附加险，责任边界将更加清晰，但成本与门槛同步提高。企业在使用AI时需把保险要求视为治理标准的一部分，而非事后补救工具。
保险业对AI风险的重新定义，反映了技术进步与风险管理之间的差距；此变化提醒我们，技术创新必须与风险治理同步推进。只有明确责任界定、完善安全标准和监管框架，才能在创新与安全之间实现平衡，让技术真正助力经济社会发展。