當AI越來越懂風險：健康險的“風險共擔”是否會被掏空？

商業健康險供給正持續擴容。從保障期限看，既有一年期產品，也有保證續保多年的長期產品；從保障額度與服務層次看，則涵蓋百萬醫療險、中高端醫療險等多種類型；此外各地還相繼推出了城市定制型商業醫療險。與此同時，AI（人工智能）開始進入核保、定價、理賠和健康管理環節。

保險，是投保人通過支付確定的保費，把未來可能發生、個人難以承受的損失轉移給保險人。保險的本質是一種風險轉移機制，其核心功能包括經濟補償、資金融通和社會管理。

風險共擔，則是保險人把大量同類但不同時發生的風險匯入風險池，讓多數人的保費補償少數人的損失。它不是不區分風險，而是在風險分類之后，仍保留群體之間和時間維度上的分攤。

過去，受數據和技術所限，保險公司只能進行相對粗略的風險分組。AI的出現提升了識別與定價的精度，使個體風險敞口日趨透明。這既是保險經營的正常演進，也有助于緩解逆向選擇問題。

但真正值得追問的是：當風險劃分日益精準，保險究竟是該承擔更多的不確定性，還是讓個人、家庭和基本醫保來承擔越來越多的高風險，從而背離了保險風險共擔的初心？

一、當AI看清風險，誰被擋在風險池之外

過去，健康險核保主要依靠投保人填寫健康問卷，再由人工審核體檢報告和既往病歷。如今，AI正在把這一過程變成自動化的風險識別：疾病史、體檢指標、就診記錄和理賠數據被轉化為風險標簽，系統可以迅速給出標準承保、加費、責任除外、延期或拒保等結果。

在2026陸家嘴論壇“提高普惠金融的有效性與精準度”全體大會上，友邦保險控股有限公司首席執行官兼總裁李源祥表示，數字化以及人工智能可以讓保險業實現動態定價、動態承銷承保。

中國平安2025年年報顯示，當年94%的壽險保單實現秒級核保；AI坐席服務約17.02億次，占客服總量的80%；“AI+人工”體系推動保單復效數量提升30%。對保險公司而言，這意味著更低的審核成本和更高的風險識別效率；對健康狀況良好的消費者而言，則意味著投保更快、流程更簡單。

精細識別本身無可非議，核保的本質本就是依據風險決定是否承保及具體條件。然而，AI也可能將過去需綜合判斷的輕微異常，迅速固化為硬性的風險等級。如此一來，高血壓、糖尿病、結節等群體，便可能面臨加費、除外、降額甚至拒保的處境。

這也是第一層悖論：AI讓保險公司更能看清個人，卻可能讓行業更難形成足夠寬的風險池。針對拒保、加費及責任除外等決定，保險公司仍應闡明理由，保留人工復核通道，并提供分層產品方案或轉保選項。否則，智能核保終將淪為“只歡迎健康人”這一偏好的高效助推器。

問題已不止于“算法準不準”，更在于被識別出的風險究竟由誰來承擔。倘若各家公司均依托相似的數據模型爭搶低風險客戶，而將高風險群體留給社會。保險公司不過完成了風險篩選，并未真正實現風險分擔。

二、AI精準定價的悖論：看清風險之后，誰來共擔

保險需要區分風險。不同年齡、疾病史和職業等因素都會影響投保費用。如果完全不考慮風險差異，保費一視同仁，低風險人群可能因價格過高而退出，高風險人群則集中進入，最終導致產品難以持續。

保險建立在大數法則之上：大量面對不確定風險的人共同繳費，少數實際遭遇風險的人獲得賠償。但AI可以把人群劃分得越來越細。假如每個人都完全按照自身患病概率和預期醫療支出付費，高風險者需要繳納接近未來醫療費用的保費，低風險者只支付極低價格，保險就會逐漸退化為醫療費用“預付”。

這正是AI精準定價的悖論：風險看得越清楚，跨人群分攤風險的空間可能越小。

AI可以讓保險公司實現更精準的動態定價，動態定價大致有兩個層次：一是投保時根據個人健康情況進行風險分級，形成標準承保、加費、除外、限額等不同條件；二是保險公司依據整個產品風險池的賠付率、醫療通脹和疾病發生率變化，對產品整體費率進行調整。

動態定價不應被理解為消費者一患病就被單獨漲價。監管部門2020年引入長期醫療險費率調整機制，允許保險公司依據實際經營情況調整費率，但首次調整不得早于產品上市滿三年，兩次調整間隔不得短于一年。其基本邏輯是校準一個產品風險池的整體價格，而不是針對某個患病者重新定價。

AI的正面價值，是把過去簡單的“承保或拒保”，細化為加費、限額和專屬產品，為部分慢病及非標準體人群提供進入風險池的機會。2026年，太平洋健康險與螞蟻健康、中再壽險推出“藍醫保·免健告長期醫療險（有福版）”，將一般既往癥納入保障，并利用AI智能體提供報告解讀、健康咨詢和風險管理服務。

這代表AI的另一種用途：不只在投保前識別風險，還在承保后通過疾病預防、慢病管理和就醫服務降低風險。如果保險公司能夠減少不必要的醫療支出，便可能把節省的成本用于擴大承保范圍。

AI可以讓風險變得透明，卻不能讓風險憑空消失。保險公司越能準確識別高風險者，行業越需要回答這些風險最終由誰承擔。精準定價不應以風險排除為終點，而應成為分層承保、健康管理和擴大保障的起點。否則，算法提升的是保險公司的篩選能力，被削弱的卻是保險制度最根本的風險共擔能力。

精準定價并非原罪，邊界在于保險公司是在為風險尋找承接方式，還是把風險推回個人。

三、AI時代，如何重建風險共同體

更科學的風險共擔，不是讓所有人支付相同保費、購買同一種產品，而是根據不同人群的風險、需求和支付能力，提供層次清晰、相互銜接的保障。

年輕、健康且價格敏感的人群，可以選擇一年期互聯網醫療險，但需要充分了解續保和停售風險；重視長期穩定性的人群，可以選擇保證續保產品，并接受按照整體醫療成本變化進行的合理調價；慢病患者、老年人和既往癥人群，則需要帶病體保險、稅優健康險和城市普惠險承接；有更高支付能力和醫療服務需求的人群，可以選擇中高端醫療險。

“滬惠保”是多家公司共同分擔風險的樣本。該項目由中國太保壽險首席承保，中國人壽、新華保險、人保健康、泰康養老、平安健康、太平養老、建信人壽8家保司參與。2026年度產品不限年齡、職業和健康狀況。自2021年推出以來，累計覆蓋超過3300萬人次、賠付超過30億元。

但普惠不等于無限責任。2026年度“滬惠保”將住院自費及CAR-T相關責任的既往癥賠付比例統一調整為30%，部分藥品設置年度賠付上限。這說明即使采用共保模式，也需要在普惠和可持續之間尋找平衡。

行業還需通過共保體、再保險和高風險人群補償機制分散賠付壓力，避免單家公司因擴大承保而承擔過度集中的風險。在合法授權和保護隱私的前提下，也應推動醫保、醫院和商業保險共享必要數據，使AI更多用于醫療費用分析、疾病預防和異常理賠識別，而不是簡單篩掉高風險者。

2026年6月，金融監管總局發布銀行業保險業人工智能安全開發應用指導意見，要求金融機構推動AI應用合規、透明、可信賴，并朝著有益、安全、公平的方向發展。對健康險而言，這意味著數據使用應有邊界，算法結果應可解釋，模型還需定期檢查是否對特定疾病、職業、地區或收入人群形成隱性歧視。

衡量AI應用的價值，不能只看核保速度提高了多少、人工成本降低了多少，而應看它是否降低了保費、改善了承保條件，并讓更多高風險人群獲得保障。

結語

健康險真正出售的，不是一個人在健康時容易買到的一紙合同，而是其健康狀況改變以后，仍能留在風險共同體中的資格。

AI可以幫助保險公司更快核保、更準確地定價，也可以用于疾病預警、健康干預和醫療費用管理。技術本身并不必然掏空風險共擔，關鍵在于保險公司選擇用它來做什么：是更精準地篩掉高風險人群，還是更有效地管理風險，讓過去無法投保的人獲得分層保障？

商業保險需要科學定價和合理利潤，短期、長期以及不同風險等級的產品都有存在價值。但精準定價不能走向精準排除，動態調價不能突破保證續保承諾，算法也不能成為保險公司拒保的理由。

AI能夠把每個人的風險分得越來越細，保險制度則要把這些被細分的人重新組織進不同層次的風險池。技術越能看清風險，保險越不能只看見風險。只有當AI更多被用于擴大承保、管理醫療費用和改善健康，健康險才能在智能化浪潮中守住“風險共擔”的內核。

（作者 劉軒宇）