作者 刘轩宇

据经济观察报 - 经济观察网  当前，商业健康保险的产品体系正加速扩容升级。从保障周期看，市场既涵盖一年期短期险种，也提供可承诺多年续保的长期保障方案；从保障层级与服务深度观察，百万医疗险、中高端医疗险等差异化产品并行发展；与此同时，各地陆续落地的城市定制型商业医疗保险，持续延伸保障触达半径。在此背景下，人工智能技术已深度嵌入核保审核、费率厘定、理赔处理及全周期健康管理等核心环节，重塑行业运行逻辑。

保险制度的本质，在于投保人通过缴纳确定金额的保费，将未来可能发生的、超出个体承受能力的经济损失转移至保险机构统一承担。从经济学视角审视，保险本质上是一种基于大数法则的财务分摊机制，其核心功能体现为经济补偿、资金融通与社会管理。而风险共担这一基础机制，正是通过汇聚大量性质相似但发生时间各异的风险，构建统一资金池，以多数人的缴费弥补少数人的实际损失。该机制并非无视风险差异，而是在完成科学分类之后，依然维系着群体间与时间维度上的互助分摊格局。

长期以来，受制于数据获取能力与处理技术，保险机构仅能实施相对粗放的风险分组。人工智能的介入显著提升了风险识别与定价的颗粒度，使个体风险暴露趋于清晰可见。这既是保险经营模式精细化演进的必然趋势，亦有助于缓解因信息不对称引发的逆向选择难题。然而，一个更具根本性的问题亟待回应：当风险划分日趋极致精细，保险行业究竟仍在履行不确定性承接的制度使命，还是正将越来越多的高风险个体推向个人、家庭乃至基本医疗保障体系，从而实质性偏离风险共担的原始宗旨？

一、智能核保的双面性：效率跃升与准入壁垒并存

传统健康险核保高度依赖投保人自主填报健康信息，并由人工逐一审阅体检报告、病史资料等文本材料。如今，人工智能正推动该流程向自动化风险识别系统转型：疾病记录、体检数据、诊疗档案与历史理赔信息被结构化处理为多维风险标签，系统可在毫秒级输出标准承保、加费承保、责任免除、延期处理或拒绝承保等判定结论。在 2026 年陆家嘴论坛 " 提高普惠金融的有效性与精准度 " 全体大会上，友邦保险控股有限公司首席执行官兼总裁李源祥指出，数字化与人工智能技术正赋能保险业实现动态定价与动态承保。中国平安 2025 年年报显示，当年 94% 的寿险保单达成秒级核保；AI 坐席累计服务约 17.02 亿次，占客服总量的 80%；"AI+ 人工 " 协同模式带动保单复效数量增长 30%。对保险机构而言，这意味着审核成本压缩与风险甄别效率质的飞跃；对身体状况良好的消费者而言，则带来了前所未有的便捷投保体验。

精细化识别本身符合核保逻辑，其核心要义本就是依据风险状况决定承保边界与具体条款。但潜在隐忧在于，人工智能可能将过去需综合研判的轻微指标异常（如轻度高血压、早期糖尿病、各类良性结节），迅速锁定为刚性的风险等级判定标准。由此，相关群体便可能遭遇加费、除外责任、降低保额乃至被整体拒保的处境。由此催生第一重深层矛盾：技术使保险机构对个体风险的洞察愈发透彻，却可能导致行业难以构建足够宽广、具备风险对冲能力的风险池。面对拒保、加费及责任免除等决策，保险机构仍需充分说明判定依据、保留畅通的人工复审渠道，并配套提供分层化产品方案或转保路径。否则，智能核保终将异化为 " 只接纳健康人群 " 这一经营倾向的高效执行工具。

问题的实质早已超越 " 算法是否精确 " 的技术讨论，而直指被识别出的风险最终由何方承担。若各家机构均依托高度趋同的数据模型竞相争夺低风险客户，而将高风险群体系统性地留给家庭照护与基本医保托底，则单一机构的赔付表现虽可维持优异，社会整体风险总量却丝毫未减。保险业至此，不过完成了精密的风险筛选动作，远未抵达风险共担的目标彼岸。

二、精准定价的内在张力：透明化后的分摊空间收窄

保险理应区分风险。年龄、既往病史与生活方式等因素，客观影响着未来医疗支出水平。倘若完全忽略风险差异，低风险人群或因定价失衡而退出市场，高风险人群则大量涌入，最终导致产品难以为继。保险的数学根基在于大数法则：众多面临不确定风险的个体共同缴费，少数实际遭遇风险的个体获得赔付。但人工智能具备将人群切割得愈发精细的能力。假设每个人均严格按照自身患病概率与预期医疗开支缴纳保费，高风险者须支付接近未来实际医疗费用的金额，低风险者仅需承担极低费用，保险便会逐步蜕变为医疗费用的预付安排。这正是精准定价所蕴含的根本悖论：对风险的认知越清晰，跨群体、跨时间的风险分摊余地便可能越狭窄。

所谓动态定价，大致包含两个层面。其一是投保阶段依据个人健康状况进行风险分级，形成标准承保、加费、除外、限额等差异化条件；其二是保险机构根据产品整体风险池的赔付水平、医疗费用通胀及疾病发生率变动，对产品费率进行整体性调整。动态定价不应被曲解为消费者一旦患病便被单独提价。监管部门于 2020 年引入长期医疗险费率调整机制，允许保险机构依据实际经营状况调整费率，但明确规定首次调整不得早于产品上市满三年，两次调整间隔不得短于一年。其基本逻辑在于校准整个产品风险池的整体价格水平，而非针对某一患病个体重新定价。

人工智能的积极意义在于，将过去简单的 " 承保或拒保 " 二元选择，细化为加费、限额与专属产品等多元方案，为部分慢性病患者及非标准体人群打开了进入风险池的通道。2026 年，太平洋健康险联合蚂蚁健康、中再寿险推出 " 蓝医保 · 免健告长期医疗险（有福版）"，将一般既往症纳入保障范围，并借助 AI 智能体提供报告解读、健康咨询与风险管理服务。这体现了人工智能的另一重功能：不仅在投保前识别风险，更在承保后通过疾病预防、慢病管理与就医协助来降低风险发生概率与医疗费用支出。若保险机构能够有效压缩不必要的医疗开支，便有可能将节约的成本转化为更广泛的承保覆盖与更优的保障条件。人工智能可以使风险变得透明，却无法使风险凭空消失。保险机构对高风险者的识别越精准，行业便越需要回答这些风险的最终承担者是谁。精准定价不应以风险排除为终点，而应成为分层承保、健康管理与保障扩展的起点。否则，算法所提升的只是保险机构的筛选效能，被侵蚀的却是保险制度最根本的风险共担根基。

三、重构智能时代的风险共同体：走向多层次、可持续的保障生态

更为科学的风险共担，并非要求所有人缴纳相同保费、购买同一产品，而是依据不同群体的风险特征、保障需求与支付能力，提供层次分明、彼此衔接、动态适配的保障方案体系。年轻、健康且对价格敏感的群体，可选择一年期互联网医疗险，但须充分知悉续保不确定性与停售风险；注重长期保障稳定性的群体，可选择保证续保产品，并接受因整体医疗成本变化而进行的合理费率调整；慢性病患者、老年人群及既往症群体，则需要带病体保险、税优健康险与城市普惠险予以承接；具备更强支付能力与更高医疗服务需求的群体，可选择中高端医疗险。

" 沪惠保 " 提供了多家机构共同分担风险的实践范例。该项目由中国太保寿险担任首席承保方，中国人寿、新华保险、人保健康、泰康养老、平安健康、太平养老、建信人寿 8 家保险公司共同参与。2026 年度产品不设年龄、职业与健康状况限制。自 2021 年面世以来，累计覆盖超过 3300 万人次，赔付金额超过 30 亿元。但普惠并不意味着无限责任。2026 年度 " 沪惠保 " 将住院自费及 CAR-T 相关责任的既往症赔付比例统一调整为 30%，部分药品设定了年度赔付上限。这表明即便采取共保模式，也须在普惠性与可持续性之间寻求审慎平衡。

行业还需借助共保体、再保险及高风险人群补偿机制分散赔付压力，防止单一机构因扩大承保范围而承受过度集中的风险。在合法授权与隐私保护的框架下，也应推动医保、医疗机构与商业保险之间共享必要数据，引导人工智能更多地服务于医疗费用合理性分析、疾病预防干预与异常理赔甄别，而非简单地将高风险者拒之门外。2026 年 6 月，金融监管总局发布银行业保险业人工智能安全开发应用指导意见，要求金融机构推动 AI 应用合规、透明、可信赖，并朝着有益、安全、公平的方向发展。对健康险领域而言，这意味着数据使用须有明确边界，算法输出应具备可解释性，模型还需定期审查是否对特定疾病、职业、地区或收入群体形成隐性歧视。衡量人工智能应用成效的标准，也不应仅限于核保效率的提升幅度或人力成本的压缩程度，而应关注其是否切实降低了保费负担、改善了承保条件，并使更多高风险人群获得可及、可负担、可持续的保障机会。

结语

健康险真正提供的，不是一个人在身体健康时轻易获得的一纸契约，而是其健康状况发生变化之后，依然能够留在风险共同体中的资格保障。人工智能能够帮助保险机构加速核保、提升定价精度，也可应用于疾病预警、健康干预与医疗费用管控。技术本身并不必然瓦解风险共担机制，决定性因素在于保险机构选择如何运用这一工具：是更精准地筛除可能患病的个体，还是更有效地管控风险，使过去难以投保的人群获得分层保障？商业保险需要科学定价与合理利润，短期、长期及不同风险等级的产品均有其存在价值。但精准定价不能滑向精准排斥，动态调价不能突破保证续保的承诺，算法也不能成为保险机构拒绝解释的借口。人工智能能够将每个人的风险切割得愈发细致，保险制度则需要将这些被细分的个体重新纳入不同层次的风险池。技术越能洞察风险，保险便越不能只盯着风险。唯有当人工智能更多地被用于扩大承保范围、管控医疗支出与改善健康状况，健康险才能在智能化浪潮中守住 " 风险共担 " 的内核。

免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。