急切拥抱AI时代的企业面临着高昂的试错成本：在医疗行业，Agent诊断错误或危及患者生命；在金融行业，Agent违规操作或导致巨大财务损失。但市面上缺乏针对“赛博牛马”的保险产品，技术革命带来的商业风险无法实现兜底与转移。

Anthropic本周递交的招股书极具话题性，其中还对AI可能造成的灾难性事件提出预警：“任何单一保险公司，乃至整个保险行业，都可能缺乏足够的承保能力或专业知识，无法提供与此类风险敞口相匹配的保险保障。”

新型劳动力 难计犯错概念与损失

传统保险业的商业逻辑建立在大数法则（Law of Large Numbers）之上，如车险、财险的背后都有着上百年的历史索赔数据，险企据此精准计算事故发生的概率与损失。而AI Agent属于新型数字劳动力，能够执行复杂任务，却低级错误频出，又缺乏长期跟踪纪录。

更要命的是，大语言模型本身就是黑箱机制。外部输入的微小差异就会得出截然不同的决策结果，即便专家也无法做出准确解释。保险公司根本不能像评估工业设备或人类员工那样，建立起一套严谨的精算模型与费率标准。

压力测试量化风险

也因此，目前世界主流的保险公司，如AIG、WR Berkley、Great American等都已引入AI排除条款；ISO等标准机构则推出了生成式AI排除背书，这无疑会为企业大规模引入AI Agent带来阻碍，除非市面上有相关的保险产品可以购买。

回顾历史，每轮技术革命都会催生一波风险管理机制的创新。电力革命时，险企开发了针对电气火灾的保险；汽车工业兴起后，汽车保险产品大面积落地；互联网时代到来，网络安全保险应运而生。眼下部分先锋险企也在尝试推出Agent专属保单，通过设立标准、压力测试与联合承保等方式，形成可量化、可定价、可转移的风险管理闭环。

现时Agent保险的佼佼者，正是由Anthropic前员工Rune Kvist创办的人工智能承保公司（AIUC），这间于2024年12月在旧金山成立的创新险企，今年9月刚完成4000万美元A轮融资。

AIUC先是创建了一套专门针对AI Agent的标准框架——AIUC-1，用于评估与认证Agent的安全性，并详细规定了应该满足的风控要求。AIUC-1标准每三个月更新一次，以便跟上AI技术的发展，这与传统监管框架形成了鲜明对比。

其后，AIUC会组织大规模的对抗性压力测试，从而了解Agent的真实风控水平。传统险企主要依赖问卷审计的方式评估风险，但这已不再能够满足AI时代的节奏。AIUC引入了网络安全领域已被验证过的“红队测试方法”，通过定量测算“出错率”，将黑盒风险转化为可量化指标。

最后，AIUC选择与传统险企合作共同研发产品，AIUC提供技术专长和风险评估能力，传统险企提供资金和监管合规性。由于Agent造成的灾难性事件可能理赔数额巨大，AIUC需要有悠久历史与雄厚资本的合作方背书。