The Insurability Frontier of AI Risk: Mapping Threats to Affirmative Coverage, Silent Exposures, and Exclusions

技術的サマリー：AI リスクの保険可能性フロンティア

問題定義
エージェント型 AI の急速な普及は、商業保険において複雑な補償課題を生み出している。単一の AI 媒介損失は、サイバーインシデント、技術的過誤、専門サービス失敗、メディア請求、または AI 固有の事象として捉えられ得る。既存の保険約款はこの重複を処理するように起草されておらず、二極化した市場対応を招いている。すなわち、AI 固有の補償を提供する限定的な肯定市場が台頭する一方、より広範な責任保険市場は AI 固有の免責条項を追加するか、従来の文言を狭める方向へ向かっている。これにより「サイレント AI 暴露」が生じており、AI がサイバー、D&O、E&O、犯罪などの非 AI 保険契約における損失の手段として機能するが、これらの契約は当初 AI を原因または除外危険として想定していなかった。核心的な問題は、特定の AI 脅威（例えば、ハルシネーション、プロンプトインジェクション、モデルドリフト）が肯定補償されるのか、サイレント暴露を創出するのか、積極的に除外されるのか、あるいは従来の民間保険構造の範囲外に位置するのかについて、購入者、ブローカー、規制当局が明確な見解を持たないことにある。

手法
著者らは、新興市場構造をマッピングするために、55 の脅威と 26 の保険商品を組み合わせた行列を構築した。

• 脅威カタログ： 本研究では、OWASP（LLM、エージェント型、およびエージェント型スキルに関するトップ 10）、MITRE ATLAS v5.1.0、および NIST AI リスク管理フレームワーク（RMF）から抽出された 55 の AI 関連危険を体系化した。これらの脅威は 7 つのクラスターに分類される。LLM/GenAI アプリケーション、エージェント型 AI、MCP/エージェントインフラ、古典的機械学習/深層学習、AI オペレーションおよびサプライチェーン、人間/悪用、およびシステム的/集積的。
• 保険商品カタログ： 本研究では 26 の保険項目を分析した。これには、14 の肯定 AI 商品/特約、潜在的なサイレント暴露を有する 6 つの伝統的保険ライン、および 6 つの免責 regimes（Verisk ISO 約款や保険会社固有の提出書類を含む）が含まれる。
• データソース： 証拠は 3 つの階層から収集された。ティア A（保険会社公開の商品ページおよびプレスリリース）、ティア B（規制提出書類および基準）、ティア C（業界専門誌およびアナリストの解説）。
• コーディング方式： 行列の各セルは、肯定（公開資料が明示的にその脅威を補償する）、サイレント/グレー（明示的な補償または免責がなく、争いのある文言に依存する）、除外（特約または提出書類を通じて明示的に除外される）、または公的な見解なしのいずれかにコード化された。
• 決定ルール： コーディングは、執行された契約文言よりも、公開された市場ポジショニングを優先した。公開された記述が特定の危険（例：「ハルシネーション」）を命名する場合、「マーケティンググレード命名規則」が適用され、執行文言が異なる可能性があっても肯定としてコード化された。このアプローチは、特定の請求結果を予測するものではなく、観測可能な市場ポジショニングを測定するものである。
• 信頼性： 3 人の人間のコダーが独立してセルをコーディングし、LLM を用いてソースの検索と整合性チェックを行った。不一致はグループ討論を通じて裁定され、明確な証拠がない場合、保守的なコーディング（例、肯定からサイレントへの格下げ）にバイアスを置いた。

主要な貢献と結果
本論文は、行列の結果に基づき、4 つの階層からなる保険可能性フロンティアを特定している。

1. ティア 1：肯定補償される危険。

   • ステータス： これらの危険は、古典的な保険可能性基準（偶然性、評価可能性、独立性、限定された損失、経済的実現可能性、意図的行為の不在）を満たす。
   • 例： ハルシネーション、知的財産権侵害、機密情報の開示、モデルドリフト、データポイズニング、バイアス。
   • 市場ポジショニング： 補償は単一の約款への収束ではなく、危険ごとに特化している。ミュンヘン・リー（aiSure）はモデルドリフトを中心に、Armilla、AIUC、Chaucer/Hiscox はハルシネーションとエージェント失敗を中心に、東京海上 Kiln/CFC は IP 防衛を中心に、Coalition はディープフェイク対応を中心に、Apollo ibott は自律システム責任を中心にポジショニングしている。

2. ティア 2：サイレント AI 暴露を伴う危険。

   • ステータス： これらの危険は、伝統的保険ライン（サイバー、テック E&O、D&O、EPLI、犯罪、メディア）において曖昧さを生じさせる。これらは、評価可能性または意図的行為の基準を、複合的な方法で満たさないことが多い。
   • 例： コスト型 DoS、シャドウ AI、ツール記述インジェクション、真正性の欠如。
   • 観察： 「致命的なトリオ」（プライベートデータ、信頼できないコンテンツ、外部通信を組み合わせた構造的脆弱性）はこのカテゴリーに該当する。これは肯定商品および伝統的商品の両方でサイレントとしてコード化されており、補償が適用される前に構造的制御が必要となるギャップを示している。

3. ティア 3：積極的に除外される危険。

   • ステータス： これらは、特定の特約または提出書類によって積極的に除外される危険である。これは保険可能性理論の失敗ではなく、市場構造上の選択である。
   • 例： W. R. Berkley の広範なマルチライン除外条項（PC 51380）や、ハルシネーション率を根拠とした設計専門職 E&O 除外条項。
   • 観察： 除外条項は伝統的約款を狭め、明確化することではなく補償を削除することで曖昧さを除去している。

4. ティア 4：従来の民間保険の範囲外。

   • この階層は、構造的に異なる 3 つの境界事例で構成される。
     • 4a（構造的脆弱性）： 「致命的なトリオ」は主に確率的なものではなく、設定上のリスクである。主要な対応は保険料設定ではなく、構造的緩和（トリオの 1 本を切断すること）である。
     • 4b（意図的行為）： 「AI ウォッシング」（自発的な虚偽表示）は、意図的行為の基準に負荷をかける。これは新しい保険可能性の問題ではなく、既知の教義的除外事項である。
     • 4c（システム的損失相関）： 基盤モデルの集中が、真に新しい保険可能性フロンティアとして特定された。単一の上位基盤モデルの失敗は、数千の再保険契約者（セデント）にわたって同時請求を引き起こし、大数の法則（損失の独立性）および経済的実現可能性に違反する可能性がある。コーパス内の公開商品には、セデント間での集積を補償するものは存在しない。

意義と主張
本論文は、AI 保険市場が単に拡大または縮小しているのではなく、危険ごとに AI リスクを分類していると主張する。

• 差別化： 公開資料は、保険会社が広範で差別化されていない AI 補償を提供するのではなく、ドリフト、ハルシネーション、IP、自律責任、ディープフェイクといった特定のリスクベクトルを中心に明確にポジショニングしていることを示している。
• システムリスク： 本論文は、基盤モデルの集中を最も明確なシステム的集積問題として特定する。それは、システムリスクの存在を単に特定するのではなく、各候補構造（例：キャプティブ、再保険プール、キャットボンド、政府のバックストップ）がどの保険可能性制約を緩和するかという、関連する市場設計の問いを提起する。
• サイレント暴露： 本研究は、AI が損失の手段となる場面で、伝統的保険ラインが 2020 年のロイズ市場ブーレットに先立つ「サイレント・サイバー」問題に類似した、重大なサイレント AI 暴露を保持していることを浮き彫りにしている。
• 方法論的貢献： 本論文は、AI 関連の保険ポジショニングを分類するための再現可能なコードブックと決定ルールを提供し、AI セキュリティ分類（OWASP、MITRE）と肯定 AI 補償市場との間の常設の連絡役を果たす。

著者らは明示的に、自らの発見が、契約文言や請求支払結果ではなく、マーケティング資料および公開提出書類に基づく公に主張されるポジショニングを記述するものであると述べている。この行列は、特定の請求に関する法的見解ではなく、配置戦略、再保険集積分析、および規制開示を支援するための、新興市場構造の地図として機能する。