运营商依赖自动化系统来影响消费者决策结果，但随着人工智能治理框架日益趋同，那些缺乏集成化、全企业范围控制措施的企业正积累着监管债务，而监管机构即将对此进行追责。.

本文最初发表于《P&C》杂志；如需进一步了解即将到来的监管截止日期和合规要求，欢迎访问《P&C》网站。.

AI能力演进：技能提升已从对话式提示转向战略性上下文工程

保险业已成为美国人工智能应用最广泛的行业 以最重要的衡量标准来看：即涉及个体消费者的自动化决策的密度。.

每一个承保工作流、定价引擎、理赔分流模型和欺诈检测系统都在大规模运行，其处理结果将决定消费者能否获得保险、以何种价格投保以及投保条款如何。然而，管理这些决策的风险管理计划却未能跟上步伐，因此，随着人工智能合规的监管截止日期日益临近，保险公司正日益面临影响整个企业的重大问题。.
直到最近，保险行业的人工智能治理还只是合规团队与法务部门之间关于风险管理的讨论，但如今情况已不再如此。.
目前，有三套独立的监管框架正在代表运营商解决治理问题，而大多数运营商尚未做好应对其中任何一套的准备。.

有三类监管时限决定着人工智能合规性

第一只时钟正在倒计时。.
加利福尼亚州《自动化决策技术条例》（ADMT）, ，作为该州综合隐私框架的一部分，, 将于2027年1月1日生效。. 根据《自动决策法》（ADMT），包括保险公司在内的各组织，对于任何对消费者的重大决策产生实质性影响的自动化系统，必须向消费者提供选择退出权、实质性的人工审查以及有据可查的风险评估。.

对于保险公司而言，这些规定适用于个人和商业保险的所有业务领域。它们不仅适用于机器学习系统，还适用于规则引擎和评分模型。重要的是，这些规定附带执法义务，且会产生切实的监管后果。 拥有执法权的加利福尼亚州隐私保护局（CalPrivacy）可针对每项违规行为处以最高$7,500的罚款，且按每位消费者单独计算。 CalPrivacy 已通过日益增多的执法行动表明，其将采取处罚而非警告的方式，相关罚款金额从数十万美元起，最高可达数千万美元。.

第二只钟敲响得更早。. 美国保险监管官协会的《人工智能模型公告》, 现在 已被25个州采纳, ，要求承运商制定一份书面的人工智能治理计划，涵盖人工智能系统的开发、采购、测试、监测和监督。首个现场检查周期将于第四季度开始，甚至早于ADMT执法工作的启动。.

第三声钟响已经响起。. 纽约州金融服务部（NYDFS）于2024年发布的第7号通告, 要求在纽约开展业务的保险公司制定书面人工智能治理方案，并由董事会承担责任。在纽约开展业务但未制定书面人工智能治理方案的保险公司，已属违规。.

这些合规计划具有共同的基础设施要求：有据可查的自动化决策范围、模型与data映射、消费者权益保障机制、风险评估证据、供应商监督计划以及书面治理政策。 将每个框架视为孤立合规要求的运营商，不仅会在运营中产生冗余成本，还会在治理体系中形成结构性漏洞；随着更多州加入这一趋势，这些企业极有可能面临代价高昂的返工。.

其覆盖范围比大多数运营商所绘制的范围更广

保险领域人工智能治理中最危险的误解在于，认为这些框架仅针对人工智能和机器学习。事实并非如此。.

任何对消费者的重大决策产生实质性影响的自动化系统均属于ADMT的范畴. 例如，如果某个15年前构建的规则引擎会影响定价、参保资格或保障范围，那么它就属于此类。此外，还包括欺诈评分模型和理赔分流工作流，以及企业内部的众多关键决策。关键不在于技术本身，而在于该决策是否会对消费者的生活产生重大影响。.

NAIC框架进一步扩展了相关要求，不仅涵盖系统本身，还包括其背后的供应商及data关系。纽约州金融服务部（NYDFS）的要求则更为严格：保险公司必须对其内部模型以及用于为这些模型提供数据的外部data进行管理。 对于那些利用远程信息处理技术和第三方行为数据（data）开展按使用量计费保险计划的财产险和意外险（P&C）保险公司而言，这一点意义重大。该框架适用于data供应链，而不仅仅是决策系统。.

开展过此类工作的保险公司往往发现，其合规风险比预期的要大：在任何正式的人工智能项目启动之前就已存在的旧版规则引擎、嵌入核心平台的第三方模型，以及多年来一直用于处理客户结果却从未被正式归类为决策系统的业务流程。.

大多数人没有做过这个练习，而这正是考官们正在寻找的。.

各州立法势头不减

科罗拉多州的SB 21-169法案自2023年起生效，该法案要求人寿保险公司记录算法公平性保障措施，并向州保险专员提交年度确认书。当时，保险业界认为这只是科罗拉多州特有的合规要求。事实并非如此。这其实是一种趋势。.

加利福尼亚州的ADMT框架将这一逻辑延伸至所有保险类别的自动化决策，涵盖消费者权益、可解释性和问责制。纽约州自2024年初起已实施类似要求。伊利诺伊州、马里兰州和康涅狄格州正在推进类似的框架。美国保险监督官协会（NAIC）的公告已覆盖25个州，且覆盖范围仍在持续扩大。.

在……中最危险的误解是 保险人工智能治理 问题在于，这些框架仅针对人工智能和机器学习。那些将每次发展都视为孤立事件的运营商，一直在各州分别构建零散的补丁方案。而那些认识到这一规律的运营商，则正在构建集成方案，旨在随着更多州采取行动时适应新要求，而无需每次都重新构建系统。 其中的差异不仅在于成本，更在于竞争速度。当下一个州采取行动时，一家运营商只需进行配置调整，而其他运营商则必须从头开始。.

两者的区别不仅在于成本，更在于竞争速度。.

“部署就绪”需要满足哪些条件

保险业人工智能治理的目标并非为了合规而合规，而是能够大规模部署自动化决策能力，并确信当监管机构、消费者或业务环境有此要求时，这些能力能够被解释、辩护和调整。 现在就构建这一基础设施的保险公司，不仅是在管理监管风险，更是在为在人工智能密集型市场中获得竞争优势奠定运营基础。.

该基础设施需要以下内容：

  • 每项自动化决策的记录档案 根据ADMT、NAIC和NYDFS的范围标准进行分类。不仅包括人工智能系统，还包括规则引擎、评分模型和用户画像工具。.
  • 一份完整图表，展示了data如何影响这些决策, ，包括外部来源和第三方供应商提供的信息。.
  • 切实可行的消费者通知和退出机制, ，不是作为政策声明，而是作为改变决策结果的机制。.
  • 由评审员拥有实际否决权的人工评审流程 并以监管机构能够检索到的方式记录其理由。.
  • 针对每个材料决策系统的正式风险评估： 有据可查的证据，证明承运人已对其自动化系统所产生的风险进行了评估、理解并加以控制。.

这些都不是什么新颖的治理理论。多个司法管辖区的监管机构早已将其写入法律。当检查人员到来时，将据此对保险公司进行评估。.

建设窗口期即将结束

NAIC的审查周期将于今年秋季开始。.

ADMT执法将于1月1日开始。. 这两项工作都迫在眉睫，需要data、技术、法律、承保和理赔等跨职能部门之间的协调配合。 那些在进入2026年下半年时，既没有书面的人工智能系统（AIS）计划，也没有进行ADMT就绪性评估，且缺乏符合纽约州金融服务部（NYDFS）要求的人工智能治理框架的保险公司，并非正在为审查做准备，而是已经身处审查室之中。.

好消息是，这三个框架所需的基础设施都包含一些共同的要素。. 一个集成的系统——只需开发一次，即可同时满足ADMT、NAIC和NYDFS的要求——相比三条并行的合规工作流，不仅成本更低，还能建立更具说服力的治理体系。现在着手构建该系统的保险公司，将在监管审查准备、部署速度以及监管关系管理方面拥有结构性优势，而行动较晚的竞争对手将无法迅速复制这些优势。.

那些等待更合适时机才开始行动的运营商，其实是误判了时间。.

自动化决策正在运行。相关框架已正式生效。没有人工智能治理计划的每个月都意味着监管债务，且催缴时间表已确定。.