夜雨聆风
各大企业正竞相将AI嵌入业务工作流。下一轮发展浪潮，是从基于提示词的简单AI助手迈向智能体时代。这种转变也被称为智能体经济，其核心并非单纯打造更智能的工具，而是研发出可在有限人工监管下自主推理、规划并执行操作的软件智能体。
在智能体经济模式下，以往需人工完成的绝大多数工作，诸如审阅海量法律文书、核验数据、核对财务账目，乃至执行交易操作，如今均可由智能体自主完成。
这对网络保险行业构成了重大挑战，因为攻击面不再仅为人与系统的交互，还延伸至智能体直接对接系统与数据的场景。
风险叙事逻辑正发生根本性转变：核心关注点从“人类误点错误链接会引发何种后果”，转向“智能体访问错误链接或做出错误工具调用，将带来哪些风险”。
AI智能体与模型上下文协议（MCP）
我们来深入探究AI智能体与传统自动化的核心差异。其核心能力包括：
调用各类工具、应用程序接口（API）、数据库及第三方系统；
无需人类在场，即可与其他智能体展开自主交互；
从新增数据中持续学习，并动态迭代自身行为逻辑。
模型上下文协议（MCP）这类协议，允许智能体直接对接企业各类系统。这让AI成为运行环境中的核心参与者，可主动发起请求、启动业务流程，并与底层基础设施实现交互联动。
全新风险：AI智能体为何冲击现有网络保险模式
传统网络风险主要集中于数据泄露、凭证失窃、勒索软件攻击与系统中断。与之不同，AI智能体的自主行为本身成为全新风险载体，由此催生了高度不可预测的新型风险。
风险不仅仅在于攻击者可能攻破智能体，更在于智能体本身可能会执行以下操作：
被精心构造的提示词或恶意数据操控，实施恶意操作；
在相互连接的系统中引发连锁反应；
发起高频高速交易；
被垃圾邮件中的隐藏提示词劫持，进而窃取数据，或向联系人列表扩散垃圾邮件。
上述所有行为都可能导致巨大的财务、运营和声誉损失。同样，MCP作为一款不依赖特定大语言模型（LLM）的高效框架，但如果在设置时未妥善处理好它的依赖项、关联组件和权限配置，就可能会引发供应链攻击。
以往，核保人员仅需核查终端安全管控措施，如今则必须深究：智能体可调用哪些工具？持有何种访问凭证？会触发哪些数据流？
决策与行为风险
网络保险以往的核心承保风险，集中在数据泄露、配置疏漏、系统漏洞、多因素认证缺失及勒索软件攻击等场景中。而智能体的普及，催生了全新的决策与行为风险。
智能体可能会主动或被操控做出糟糕的决策，并在没有人工监督的情况下直接执行资金转移、配置更改或数据外泄等操作。这类新型决策与行为风险将产生全新风险敞口，可能同时波及网络保险、媒体责任险及技术错误与遗漏保险。
对网络保险行业的影响
传统网络保险依托界定清晰的损失类型进行承保，例如数据丢失、商业电子邮件入侵、网络入侵或勒索攻击。由于智能体的责任认定模糊性，其并不总能被恰当归入这些类别。
例如，若智能体错误划转资金，这属于网络欺诈、运营失误，还是系统故障？若智能体错误配置安全策略，这是否构成过失行为？
1.核保复杂性提升
保险公司将要求投保人就AI及其自主性相关情况，进行更为详尽的信息披露。以往保险公司可能仅会询问网络隔离措施、补丁管理机制和事件响应计划，现在的问题将进一步扩展到AI治理框架、智能体架构、工具链、智能体凭证管理以及紧急熔断机制。
麦肯锡指出：“企业级网络安全框架目前侧重于系统、流程和人，尚未充分考量那些具备自主裁量权与自适应能力、可独立采取行动的自主智能体。”
这意味着核保复杂度的直线上升，客户需要回答更多问询；而那些智能体架构管理不善的企业，可能面临更高的保费。
2.保险条款的演进与漏洞
路透社的一篇文章指出：“这种所谓的‘无声AI’（Silent AI）的风险意味着，保险公司可能会在无意中承保（或未承保）在核保过程中从未预料到的AI相关行动。这些情况可能导致客户在最需要时缺乏保障，或者让保险公司意外承担巨大风险，引发高昂的理赔纠纷。”
保险公司应对的选项包括：引入明确的承保条款（明确覆盖智能体相关行为）、设定除外责任（排除自主智能体滥用风险），或是设置责任限额。
3.风险累积与系统性风险
智能体架构有可能加剧系统性风险。如果多家企业使用共享模型或工具，或者采用相似的智能体框架，那么该共享组件中的一个漏洞（比如MCP服务器漏洞）就可能引发波及众多保单持有人的批量损失。保险公司必须在传统大额损失事件之外，考量更为广泛的风险累积问题。这就要求在整个保单组合层面，针对智能体链条故障开展情景建模分析。
AI治理成熟度将被纳入网络保险承保标准
面对AI智能体带来的全新挑战，保险公司将不再仅关注企业的基础网络安全合规水平，而是愈发重视AI治理成熟度。这要求对AI体系及其全生命周期具备更体系化的认知，由此衍生出的核保问题有：
高风险决策是否设置人在回路（Human-in-the-loop）审批机制？
已部署何种安全管控机制，可实时中止、回溯或审计智能体行为？
所有智能体身份与访问凭证是否实现统一管理、定期轮换与持续监控？
若相关回答或风险评估不达标，企业可能面临保费上浮、保障范围受限、保额降低，甚至被拒保。反之，具备高成熟度AI治理能力（可视、可审、可人工干预）的机构，将更易获得保险承保，并提升市场竞争优势。
总结
AI智能体正走进各行各业。它在加速决策方面展现出非凡潜力，但也伴随着不可预测、难以监控和迭代过快等挑战。
这一时期的核心在于共同责任。完善的治理体系，以及对智能体推理逻辑、响应机制与执行流程的清晰把控，是企业实现稳健发展的关键。对于保险公司而言，挑战不仅在于如何为风险定价，更在于与客户共同深刻理解这种新型风险，并协助他们搭建并优化治理框架，推动AI智能体生态系统朝着更安全可控的方向发展。
By Ratnesh Pandey | Dec 12, 2025
How Agentic AI Is Reshaping Cyber Risk And Challenging The Insurance Model
Technology Council | Forbes
周筱筠 译/王莹 校
