声明：本系列文章基于原期刊目录和摘要内容整理而得，仅限于读者交流学习。如有侵权，请联系删除。

本文基于以下论文整理而得：

Cassandra R. Cole，Stephen G. Fier，Chad Marzen (2026). Artificial Intelligence and Insurance Regulation. Journal of Insurance Regulation.45(3),2-33.

作者：

Cassandra R. Cole（美国佛罗里达州立大学），Stephen G. Fier（美国弗吉尼亚联邦大学），Chad Marzen（美国宾夕法尼亚州立大学）

https://www.researchgate.net/publication/404442977_Artificial_Intelligence_and_Insurance_Regulation

人工智能与保险监管

摘要：

人工智能/机器学习的使用正变得无处不在，包括保险公司在内的企业正在迅速采用这一强大技术。尽管使用人工智能可以带来潜在效率提升和成本节约等好处，但人们对保险业中人工智能的适当使用也存在越来越多的担忧。一些人声称该技术正以歧视性方式或对投保人不利的方式被使用，同时也使保险公司面临潜在责任。因此，讨论保险公司对人工智能的使用以及州和联邦对人工智能监管的现状，应当会引起监管机构、保险公司和消费者等各类利益相关者的兴趣。

研究发现：

在对NAIC开展的四项调查的审查中，我们发现，参与调查的汽车、房屋所有者和健康保险公司中有超过70%目前正在使用、计划使用或探索使用人工智能，而人寿保险公司受访者中有58%报告目前或预期未来会使用人工智能。选择不使用人工智能/机器学习的保险公司主要将其决定归因于缺乏业务需求、有限的资源和专业知识，以及对需要系统升级的传统技术的依赖。此外，保险公司使用人工智能的运营职能各不相同，尽管在某些领域人工智能的使用更为普遍。在关于人工智能/机器学习公告的讨论中，我们提供了对NAIC示范公告的修改建议或对未来公告的考虑。这包括关于可衡量基准和保险公司信息披露的额外最佳实践指南，以提高公司人工智能实践的透明度。我们还建议将NAIC年度报表扩展，纳入人工智能系统补充文件。这将允许保险公司持续、具体地披露人工智能使用情况，并提供关于使用情况和其他人工智能相关实践如何随时间变化的信息。在审视州法律时，我们发现一些州已经制定了具体指南或通过了直接或间接影响保险业使用人工智能的法律。此外，包括HIPAA、FCRA和GLBA在内的几项现行联邦法律，建立了与各州法规互补的法规。最后，似乎存在一些共识，即承保/定价和理赔中的人工智能使用是最关键的运营职能。因此，鉴于人工智能使用和潜在风险管理相关的挑战，这些可能是监管机构选择未来重点关注的运营领域。

1.引言

企业在美国和海外对人工智能和机器学习的使用已变得无处不在。2024年，麦肯锡公司进行的一项国际调查中，78%的受访者表示其组织在至少一个职能中使用了人工智能，而2023年这一比例为55%，同比增长40%（斯坦福大学，2025年）。在人工智能使用的众多潜在好处中，该技术可以改善决策、完成业务任务、风险管理和客户体验，并可以带来更高的效率和更低的成本。保险公司是已采用人工智能/机器学习的公司之一，将其纳入运营的不同方面，包括产品开发、费率制定、理赔支付、客户关系、欺诈检测、分销和承保。全国保险监督官协会最近开展的调查表明，88%的个人汽车保险公司、70%的房屋所有者保险公司、58%的人寿保险公司和84%的健康保险公司使用、打算使用或正在探索使用人工智能/机器学习。

尽管保险业使用人工智能显然有诸多好处，但对人工智能的适当使用也存在合理的担忧。首先，人工智能的质量取决于其训练所依据的信息，它可能包含偏见，这可能会影响保险公司的决策。潜在的偏见可能导致对投保人的不公平歧视，影响他们是否获得保险保障、保障条款以及他们支付的价格。例如，针对State Farm Fire and Casualty Company提起了一起集体诉讼，声称其在欺诈检测和理赔处理中使用人工智能导致了对黑人投保人的歧视。其次，在理赔处理中使用人工智能可能导致诉讼，正如在健康保险领域已经观察到的那样。在其中一起案件中，针对Cigna Health and Life Insurance Company提起了诉讼（Kisting-Leung等诉Cigna Corporation等），此前有报道称其使用“基于人工智能的算法”在未经医生审查的情况下拒绝索赔（Bendix，2023年）。第三，人们对在事先授权中使用人工智能提出了担忧，这将阻止个人获得他们本可以在由医生而非人工智能评估病例的情况下获得的医疗服务。最后，输入人工智能系统的数据很可能包含敏感信息，这可能在数据泄露或类似个人身份信息泄露事件中使保险公司面临潜在责任。这一担忧是真实存在的，正如2025年9月所证明的那样，当时开发基于人工智能的医疗保险福利和登记系统的公司HealthCare Interactive确认了2025年7月发生的数据泄露。该公司证实，患者姓名、诊断、提供者姓名、实验室结果和健康保险登记数据等详细信息因泄露而受到损害。

2.NAIC人工智能/机器学习行业调查

2021年至2025年间，NAIC就AI/ML在行业四个板块——私人乘用车、房屋所有者、人寿和健康保险——中的使用开展了一系列调查。调查询问了几个关键问题：

●保险公司是否使用AI/ML？如果没有，为什么？

●对于使用AI/ML的保险公司：

◽AI/ML在公司的哪些职能领域使用？

◽所使用的系统是公司内部开发的还是外部的？

◽现有的治理、透明度和消费者披露水平如何？

◽消费者有哪些途径可以纠正不正确的信息？

参与公司的数量从93家（健康保险公司）到194家（房屋所有者保险公司）不等。不使用或不计划使用AI/ML的保险公司对其原因提供了各种答复。汽车、人寿和健康保险公司最常引用的原因之一（除了“没有令人信服的业务原因”外）是“缺乏资源和专业知识”。“依赖需要IT、数据和技术升级的传统系统”也是除汽车保险公司外所有保险公司最常引用的原因之一。人寿和健康保险公司中另一个经常被提及的原因是“风险与当前战略或风险偏好不相称”。房屋所有者保险公司表示，“等待监管指引”是其不使用AI的一个因素。

打开网易新闻 查看精彩图片

就AI/ML使用而言，调查表明，汽车、健康和房屋所有者保险公司中使用或计划使用AI/ML的比例（分别为88%、70%和84%）高于承保人寿保险的公司（58%）。当考虑运营时，AI/ML使用或公司计划使用AI/ML最常见的领域之一是营销/销售。调查结果表明，53%的汽车保险公司和房屋所有者保险公司以及80%的人寿保险公司在此运营领域内使用或计划使用AI/ML。确定的首要功能是定向在线广告。其他具体的营销功能因保险公司类型而异，但包括向现有客户提供折扣、客户获取和留存、识别潜在客户/邮件或电话广告接收者，以及在线销售、报价和购物。

AI在营销/销售中的高使用率并非保险公司独有。在2024年的一份报告中，营销/销售被确定为AI使用的首要业务功能。公司（包括保险业以外的公司）可能选择将AI用于营销目的的原因包括分析大量数据的能力、减少人为错误、“实现便捷的客户支持”、“改善库存控制”以及定制购物流程。虽然在此运营领域使用AI可以改善客户体验，但也可能对公司盈利能力和收入增长产生积极影响。举例来说，最近的一份报告发现，19%的公司报告称，2024年上半年在销售/营销中使用AI使收入增长了6%或更多，30%的公司报告2024年下半年收入增长了6%或更多。同样，麦肯锡公司发布的一份报告指出：“我们的研究表明，投资于AI的参与者看到了3%至15%的收入增长和10%至20%的销售投资回报率增长”。

当我们审视其他常见的运营领域时，除人寿保险公司外，所有保险公司的另一个高使用/计划使用类别是理赔。理赔实践中的AI/ML在汽车保险公司中最高（80%），其次是房屋所有者保险公司（60%）和健康保险公司（54%）。近50%接受调查的汽车保险公司已经在使用AI/ML作为理算员的信息资源，超过理赔职能内AI的任何其他用途。AI也被纳入确定结算金额、做出理赔分配决策和评估损失图像的过程中。对于房屋所有者保险公司，AI最常用于代位求偿流程，近23%的保险公司目前将AI用于此目的，近10%已开发了AI/ML理赔模型原型，近6%正在研究其使用。在接受调查的健康保险公司中，确定福利资格是当前正在使用或正在考虑使用AI/ML的最常见功能之一。

欺诈检测是除人寿保险公司外所有保险公司都在使用或计划使用AI/ML的另一项功能。使用率从房屋所有者保险公司的55%低点到健康保险公司的65%高点不等。在此功能领域内，近50%至约67%的保险公司正在使用或考虑使用AI/ML来识别和转介索赔以进行进一步调查。保险公司也在使用AI/ML来识别可以快速处理的低欺诈风险索赔，并检测第一方和第三方责任。其他用途因行业而异。例如，汽车和健康保险公司似乎也使用或计划使用AI/ML来协助检测医疗提供者的欺诈行为，而房屋所有者保险公司正在使用或计划使用AI/ML来识别犯罪团伙或分析社交媒体以寻找“投保人和/或索赔人潜在欺诈或重大失实陈述的迹象”。

在汽车和房屋所有者保险公司之间观察到AI/ML的使用具有更大的一致性。这可能是由于产品相似性以及相同或关联公司可能被纳入这两项调查。例如，汽车和房屋所有者保险公司都销售个人险种产品，通常包含财产和责任保险的混合。因此，它们可能以类似的方式从AI/ML技术中受益。此外，2024年房屋所有者保险前十大承保商中有七家也在汽车保险前十大承保商之列。如果调查参与者同时承保汽车和房屋所有者保险产品，他们可能在同一运营领域内对两条业务线使用相同的AI工具。或者，如果他们是包括销售另一产品的公司的集团成员，他们可能正在共享知识或资源，从而能够在关联公司之间利用该技术。

所有公司类型都在一定程度上在承保、评级和定价中使用或计划使用AI/ML。汽车保险公司正在使用或计划使用AI/ML来确定评级类别并自动化批准和拒绝决策。房屋所有者保险公司正在使用或计划使用AI/ML来验证保单特征和处理续保。人寿保险公司正在使用或计划使用AI/ML来确定创建风险类别的标准，减少保单签发时间，并自动化保单批准和拒绝。最后，健康保险公司正在利用或计划利用AI/ML来为特定群体和条件设计和开发健康保险计划。

除了所有保险公司类型报告中标准的运营类别外，还提供了有关健康保险公司特定运营的信息。健康保险公司在这些类别中AI/ML使用或计划使用率最高的之一是利用管理实践（60%）。在利用管理的背景下，健康保险公司主要使用或计划使用AI/ML来改善健康结果和减少医院再入院，以及支持健康和改善健康倡议。一些人认为，在利用管理中使用AI/ML可以减少行政资源压力并加快审批速度（NAIC消费者健康倡导，2024年）。这包括医疗服务提供者。正如最近一项调查所报告的那样，57%的医生表示，AI的使用，特别是自动化，可以减少行政负担，从而有助于解决医疗界面临的挑战，如劳动力短缺和职业倦怠（美国医学会，2025年）。

虽然AI/ML在保险业各板块的保险公司中的使用方式存在一定的一致性，但在这些系统在不同运营职能和行业重点中被赋予的决策水平方面存在差异。例如，虽然所有保险公司都在一定程度上在销售/营销中使用AI/ML，但在汽车保险市场中，AI/ML有几种用途不涉及人工干预，而在行业的其他板块中情况并非如此。然而，在欺诈检测和理赔等功能中，AI/ML更常用于增强或支持人工决策。

在检查技术来源时，公司根据行业板块和运营职能使用内部和第三方AI/ML模型的混合。例如，在汽车和房屋所有者保险公司中，内部模型主要用于理赔职能，如分配和索赔批准。或者，第三方模型主要用于确定索赔结算金额以及第一方和第三方责任欺诈检测，尽管房屋所有者保险公司在第三方责任欺诈检测方面使用第三方模型的程度高于汽车保险公司（89%对60%）。最后，超过90%的汽车、房屋所有者和人寿保险公司将第三方AI/ML用于定向在线广告。

调查还询问了几个与AI/ML治理文件相关的问题。这些通常与NAIC人工智能原则相关，这些原则在保险公司的治理计划中具体规定。这些原则于2020年制定，涉及五个不同领域：（1）公平与道德，（2）问责制，（3）合规，（4）透明度，以及（5）安全、保障和风险保护的稳健性。然而，所问的问题和这些问题的回答率因调查而异。

一个具体问题询问保险公司是否在合同下“使用由第三方汇总或开发的数据、评分和/或AI/ML模型”，该合同将“限制披露或以其他方式限制对监管机构的透明度”，房屋所有者调查特别询问了“审查与评级相关的申报”。虽然在首次对汽车保险公司的调查中未询问，但约16%接受调查的房屋所有者保险公司和12%的健康保险公司作出了肯定回答。在人寿保险调查中，问题涉及三个运营领域——定价和承保、营销和风险管理。人寿保险公司的肯定回答率要低得多，在不同运营领域从2%到4%不等。这表明与第三方模型相关的披露/透明度问题在人寿保险公司中可能较低。然而，为了得出更明确的结论，需要在这一领域进行更多研究。

3.NAIC示范公告

AI的使用已经渗透到保险公司运营的许多方面，并将毫无疑问地继续这样做。随着保险公司在其运营中拥抱AI，监管机构已经认识到其使用带来的潜在挑战，并已采取措施建立保护消费者的护栏。2020年，NAIC创建了“人工智能原则”示范公告，这是第一个针对保险业AI的示范公告（NAIC，2020年）。该公告“为AI参与者建立了一致的高级指导原则”。公告中涉及的主题包括关键监管问题，如公平和合乎道德地使用AI、问责制、遵守保险法律法规、透明度以及AI系统的安全性。

随后，NAIC于2023年创建了一个更全面的示范公告，标题为“关于保险公司使用算法、预测模型和人工智能系统的示范公告”。该公告的目的是“确保AI在保险业中的负责任部署”，并指出，在没有适当控制的情况下，使用AI可能“增加对消费者产生不准确、武断、任性或不公平歧视性结果的风险”。示范公告的关键方面在下面更详细地描述。

3.1AI系统计划创建指南

期望保险公司制定一个AI系统计划，为公司运营中负责任地使用AI提供指导。示范公告特别指出，AI系统可能给消费者带来多种风险，包括“不准确、不公平歧视、数据漏洞以及缺乏透明度和可解释性的可能性”（NAIC，2023b）。

示范公告指出，AI系统计划应执行以下操作：

旨在减轻“不利消费者结果”的风险，公告将其定义为“保险公司做出的受部门执行的保险监管标准约束的决定，该决定以违反这些标准的方式对消费者产生不利影响”。

处理治理、风险管理控制和内部审计职能。一个关键组成部分是保护专有信息和商业秘密。

确保AI系统计划的监测由保险公司高级管理层完成，对董事会或其他适当的董事会委员会负责。计划本身应独立构建或作为现有企业风险管理计划的一部分。

处理AI系统计划在保险公司生命周期各个方面的利用，“包括产品开发和设计、营销、使用、承保、评级和定价、案件管理、索赔管理和支付以及欺诈检测等领域”（NAIC，2023b）。

示范公告还指出，在监管调查和任何市场行为行动中，应期望保险公司被问及AI系统计划的利用情况，因此应保留AI系统计划的文件。此外，示范公告规定，保险公司应保留与任何由第三方开发的AI系统计划、数据和/或预测模型相关的文件（NAIC，2023b）。

截至2025年8月，美国已有24个州通过了《关于保险公司使用人工智能系统的示范公告》，阿拉斯加州是第一个（于2024年2月1日通过），威斯康星州是最近的一个（于2025年3月18日通过）。

3.2对AI系统公告的建议增强

《关于保险公司使用算法、预测模型和人工智能系统的示范公告》概述了对保险公司在文件记录、公司治理和最小化潜在不利消费者结果方面的期望。虽然该公告提供了强有力的指导，我们提出对该公告的几项修改或对未来AI相关公告的考虑，以为保险公司提供更具体的指导。首先，公告可以提供与可衡量基准相关的额外最佳实践指南。可以鼓励的一些最佳实践包括建议的模型测试频率（例如，每季度、每半年或每年）和解决公平性、准确性和模型漂移相关方面的基线测试要求。其次，可以提供更明确的指导，说明保险公司可以采取什么措施来提高对消费者的透明度。公告中的一般指南指出：“AIS计划应包括向受影响消费者提供AI系统正在使用的通知的程序和流程，并根据AI系统正在使用的保险生命周期阶段提供适当级别的信息访问。”虽然指南明确鼓励消费者透明度，但提供的指导很少。一些潜在建议包括AI披露的建议语言、在使用AI做出不利决策时的通知语言指导，以及在AI系统做出不利决策时应遵循的流程的清晰描述。最后，可以提供关于应保留的文件类型的更大指导，以量化系统的公平性、准确性和性能（例如，跟踪和记录错误率）。

虽然上述建议并非旨在作为要求，而是为保险公司提供与示范公告原始意图一致的更具体指导，但另一个建议是在NAIC年度报表中创建一个新的人工智能系统补充文件。该补充文件可以收集类似于上述NAIC调查中获得的信息，从而更好地了解这些系统随时间的使用情况以及保险公司不同的治理方法。收集的信息可以包括：（1）公司运营中是否使用AI系统，（2）它们被使用的职能领域（例如，定价、承保、理赔、营销、风险管理等），（3）是否存在内部编写的AI系统计划文件，以及（4）是否使用第三方数据或系统。完成这样的补充文件不应特别繁重，并将为监管机构、消费者和其他利益相关者提供有价值的信息。

4.结论与未来考虑

人工智能和机器学习的使用正变得无处不在，全球企业和个人都在迅速采用这一强大技术。使用AI/ML的行业之一是保险业，大多数保险公司已经在承保、营销和理赔等功能中实施、计划实施或正在探索AI/ML的实施。

鉴于保险业中AI/ML使用的增加以及对这些工具使用的质疑，在本文中，我们全面回顾了保险公司对AI的使用以及围绕该使用的监管现状。我们首先研究了NAIC开展的四项调查的结果，这些调查收集了在多个产品线运营的保险公司关于AI/ML使用、技术使用方式、对内部或第三方模型的依赖以及治理的信息。在我们的观察中，我们发现，参与调查的汽车、房屋所有者和健康保险公司中有超过70%目前正在使用、计划使用或探索使用AI，而人寿保险公司受访者中有58%报告目前或预期未来会使用。选择不使用AI/ML的保险公司主要将其决定归因于缺乏业务需求、有限的资源和专业知识，以及对需要系统升级的传统技术的依赖。此外，保险公司使用AI的运营职能各不相同，尽管在某些领域AI的使用更为普遍。例如，四个板块中超过50%的调查受访者报告在营销和理赔中使用、计划使用或探索使用AI/ML。此外，超过60%接受调查的房屋所有者和人寿保险公司报告目前或预期未来将AI/ML用于承保目的，超过50%的汽车、房屋所有者和健康保险公司报告将其用于欺诈检测。其他使用AI/ML程度较低的领域包括风险管理、损失预防和定价。调查结果还表明，根据行业板块和运营职能，使用内部和第三方AI/ML模型的混合。

除了总结和综合四项NAIC调查的结果外，我们还提供了相关NAIC示范公告及其采用率的详细信息。此外，我们还提供了对该公告的修改建议或对未来公告的考虑。这包括关于可衡量基准和保险公司信息披露的额外最佳实践指南，以提高公司AI实践的透明度。我们还讨论了将NAIC年度报表扩展，纳入人工智能系统补充文件。这将允许保险公司持续、具体地披露AI使用情况，并提供关于使用情况和其他AI相关实践如何随时间变化的信息。

保险业各板块中AI/ML的使用将继续增长和发展。虽然使用AI可以带来潜在效率提升和成本节约等好处，但人们对保险业中AI的适当使用也存在越来越多的担忧。一些人声称该技术正以歧视性方式或对投保人不利的方式被使用，同时也使保险公司面临潜在责任。这在各种现有调查、研究和学术文章中都有讨论和记录。关于营销/销售和定价，如果AI被用来识别价格不太敏感和/或不太可能货比三家的消费者，保险公司可以针对这些个人并收取更高的费率，这通常被称为价格优化（美国消费者联合会，2024年；NAIC，2015年）。在风险管理/损失控制方面，用于监测消费者行为的设备，如车载信息系统，正变得越来越普遍。虽然可以认为这导致了更精确的风险定价，但使用此类设备也可能导致“不公平或过高的定价、种族偏见、滥用消费者个人信息、理赔处理中的不公平实践以及其他不公平或反竞争保险实践”。

鉴于在所有运营领域使用AI的潜在挑战，保险监管界可能特别难以集中其努力来最有效地监督这些工具的使用并管理相关风险。根据现有信息，似乎存在一些共识，即承保/定价和理赔中的AI使用是监管机构应关注的最关键的运营职能。这是因为可能发生的偏见结果可能导致不公平歧视和不公平理赔实践。正如Chuck Bell最近向众议院保险委员会和众议院科学技术委员会提供的证词所指出的，“欺诈监控算法可能会基于种族或种族的代理特征系统地标记消费者，正如最近针对State Farm的诉讼所表明的那样，该诉讼声称其欺诈检测软件对黑人客户产生了差异性影响。定价算法可能会根据种族或其他敏感特征或其代理特征，系统性地向处境相似的消费者收取不同的费用”。例如，如果使用位置、信用和教育等因素，这些可能作为种族或性别的代理特征。这些问题可能部分是由于AI训练基于历史数据这一事实。因此，AI系统本质上是有偏见的，导致不符合当前公司或社会实践的不可取结果。

很明显，监督这种不断变化的技术使用所带来的挑战是艰巨的。然而，本文提出的证据表明，各州正在积极为保险公司业务运营中适当使用AI/ML提供指南和具体立法，这最终应在保护消费者的同时，仍然允许保险业从这一日益重要的技术中受益。展望未来，立法和监管行动应聚焦于保单持有人最关切的领域。这将允许保险公司继续受益于AI的效率和潜在成本节约，同时确保适当的消费者保护措施到位。在这一领域的额外研究将有助于协助那些承担这一责任的人，包括开发一个AI治理示范计划，该计划将概述具体的治理结构，指定参与者的角色和责任，描述有效的风险管理控制，确定偏见测试协议，建立明确的文件标准，并定义面向消费者的流程。