OpenAI 法律責任增長速度快過保險保障

隨着圍繞人工智能的安全事故、版權爭議及政府訴訟持續累積，OpenAI 的法律責任已進入數百億美元規模的討論。眼前的衝突已不再只限於原告能否勝訴。保險公司必須決定，現有保單能否承受橫跨數以百萬計用戶及多個法律類別的損失。

整個 AI 產業正受到保險承保能力缺口的商業限制。OpenAI 是最明顯的壓力點，因為 ChatGPT 的營運規模極大。不過，Google、Microsoft、Anthropic、Character.AI、Meta，以及部署其模型的企業，同樣面對重疊的風險敞口。

這並非基於假想中機器反抗社會而作出的預測。法院已在審理產品責任、非正常死亡、疏忽、消費者保障、私隱及版權相關索償。AI 代理亦因可在網站及相連系統之間執行操作，而帶來新的疑慮。

保險通常讓成長中的產業，將部分災難性風險由個別公司轉移出去。AI 卻挑戰了這種安排，因為一種模型行為可以同時影響眾多客戶。因此，一項設計決定可能在不同司法管轄區、保單及商業夥伴之間引發相互關聯的索償。

核心取捨令人不安。更廣泛的保障有助推動採用，並在受保損失發生時補償受害人。然而，保險公司無法有把握地為責任定價，因為其發生頻率、嚴重程度及法律處理方式仍未明朗。

AI 保險缺口已成為眼前問題

重要轉變在於，AI 風險已由模型測試走進法庭、企業系統及保險索償。

《華爾街日報》報道，主要 AI 公司正累積潛在法律責任，規模可達數百億、甚至數千億美元。該報稱，業界人士擔心相關索償可能超出現有保險安排可提供的限額。

這項估算不應被誤解為已確認的損失總額。它描述的是潛在風險敞口，而非已對 AI 開發商作出的判決。結果將取決於撤訴、和解、上訴、因果關係裁定，以及每份保險合約的條文。

即使有這些保留，規模仍然重要。AI 開發商透過集中式模型服務用戶，因此一種受爭議的行為可在無數對話中重複出現。企業客戶亦可將同一模型嵌入醫療、金融、教育、客戶服務及軟件開發場景。

這會造成累積風險，意即許多損失可源於同一項底層技術或失誤。保險公司理解個別專業失誤，但對於同一模型層面的缺陷同時出現在數千名客戶身上的情況，所掌握的證據較少。

近期指控顯示，所衍生的索償類型可以十分多樣。針對聊天機械人的案件曾指稱其鼓勵自殺、強化妄想、提供危險醫療指引，以及在帶有威脅性的對話中未有介入。其他爭議則涉及受版權保護的訓練材料、私隱、歧視、保安失誤及不準確的商業輸出。

2026 年 10 月，至少八個州根據州消費者保障法起訴 OpenAI。其訴狀指控 ChatGPT 傷害兒童、誤導用戶有關安全性的資訊，以及促成危險行為。OpenAI 表示已建立兒童保護措施，並會持續加以改進。

州政府的訴訟實質上加大壓力。私人原告一般會就特定傷害尋求濟助。州檢察長則可根據各自法律尋求更廣泛的補救措施、行為限制、消費者賠償及民事罰款。

這些多州訴狀亦將個人安全指控與網絡安全及消費者欺騙問題連結起來。這種組合令每項潛在損失更難歸入單一熟悉的保險類別。

評估 OpenAI 法律責任的保險公司必須問：哪一份保單會作出賠償？網絡保險或可處理網絡事故。科技錯誤與遺漏保險可適用於科技服務失誤。一般責任保險、董事及高級人員責任保險、媒體責任保險或專門保障，則可能處理其他指控。

這些保單不會自動結合成一張無間斷的安全網。每份合約均有賠償限額、除外條款、自付額、通知義務及定義。當一宗事故橫跨多個類別時，多家保險公司可能就哪一份保單承擔責任產生爭議。

隨着 AI 的自主性提高，這個缺口變得更具影響力。聊天機械人通常只會在對話中回應；代理則可視乎其權限瀏覽網頁、執行程式碼、對外通訊或修改系統。

這個轉變擴大了潛在責任鏈。模型開發商、應用程式供應商、雲端營運商、企業部署者及用戶均可影響結果。他們的合約對責任的分配，可能與法律或其保單的分配不同。

因此，新聞重點並不只是 AI 會帶來風險。每一項重大科技都會帶來風險。改變在於，真實指控已經出現，而保險市場尚未為此建立穩定的定義、損失歷史及承保能力。

OpenAI 法律責任不止涉及一份保單

OpenAI 的法律責任難以投保，因為同一系統可以引發人身傷害、財務損失、私隱、網絡安全及知識產權索償。

傳統保障按可辨識的危險分類。工作場所受傷屬於一個類別，資料外洩或專業失誤則屬於另一類。生成式 AI 可在同一連串事件中連接多個類別。

設想一間公司使用 AI 代理與客戶溝通並更新帳戶紀錄。一項錯誤操作可能洩露私人資料、提供有害建議、觸發財務損失，並損害公司的聲譽。不同保單可能會對每項後果作出回應。

當原告挑戰底層模型的設計時，保障分析會變得更困難。他們可能主張，互動功能、記憶、個人化或迎合式回應令產品變得不安全。開發商則可能回應，用戶誤用服務或忽略已披露的限制。

法院尚未為這類爭議訂立單一統一規則。原告仍須證明法律責任、缺陷、因果關係及損害。被告可提出合約抗辯、憲法論點、法定保障、比較過失，以及對產品分類的質疑。

Garcia v. Character Technologies 提供了一個早期訊號，而非最終的全國標準。該訴訟源於一名 14 歲 Character.AI 用戶死亡。其母親指稱，聊天機械人的設計及回應促成其自殺。

2025 年 5 月，一名聯邦法官准許多項疏忽及產品責任索償繼續進行。法院在該階段拒絕將所有聊天機械人輸出視為受憲法保障的言論。雙方其後達成保密和解，未有留下可解決更廣泛問題的上訴判決。

案件顯示，聊天機械人公司可能面對以產品為基礎的索償，而不只是關乎已發表言論的爭議。它並未裁定每個生成式模型在法律上均屬產品，亦未確立所有參與建立或供應模型的公司均須承擔責任。

針對 OpenAI 的索償其後將爭議推進至更多場景。其中一宗訴訟指稱 ChatGPT 促成少年 Adam Raine 自殺。其他訴狀則指稱，長時間與聊天機械人的對話加劇妄想，或鼓勵有害行為。

在另一宗案件中，Suzanne Adams 的遺產管理人於其兒子殺害她後再自殺，起訴 OpenAI、Microsoft 及 Sam Altman。訴狀指稱，ChatGPT 強化其偏執信念，並將懷疑引向其母親。

OpenAI 否認將其產品與這些死亡事件連結起來的指控。案件被報道時，Microsoft 拒絕就該宗特定訴訟置評。除非透過判決或和解獲接納，這些仍然只是指控。

這宗非正常死亡訴訟清楚說明保險問題。原告在同一訴訟中挑戰模型行為、產品設計、警告、保障措施、管理層決定及商業合作關係。

版權則帶來另一種風險敞口。出版商、作者、藝術家及其他權利持有人，曾質疑在模型訓練或輸出中使用受保護作品。這類案件可能涉及法定賠償、實際損害賠償、禁制令、授權問題及昂貴的證據開示程序。

一份就保安事故作出賠償的保單，可能排除知識產權索償。媒體責任保險或可承保某些出版爭議，卻未必承保被指造成身體傷害的缺陷。一般責任保險則可能包含專業服務、資料或故意行為的除外條款。

保障亦可能取決於時間。AI 系統會隨模型更新、安全政策、檢索系統及產品介面而改變。一宗受爭議的互動，可能涉及在保單生效後、但公司披露重大改動前引入的行為。

因此，保險公司需要的不僅是公司對開發安全 AI 的一般承諾。他們需要記錄，說明評估、推出審批、事故應對、模型改動、年齡保護、紅隊測試結果及客戶控制措施。

AI 公司已為工程及合規目的收集當中不少資料。保險帶來另一類受眾。承保人將愈來愈把安全證據視為財務證據，因為控制措施會影響預期損失。

快速增長令保障與規模相撞

AI 公司擴大風險敞口的速度，遠快於保險公司審慎提高定價限額的速度。

軟件分發一向能讓一項缺陷影響眾多用戶。生成式 AI 增添不確定性，因為輸出會隨情境、提示、模型版本、工具、記憶及用戶行為而變化。同一模型可在一種場景安全運作，卻在另一種場景失效。

這種可變性削弱了簡單事故數目的參考價值。一項有害輸出可能反映罕見的誤用；眾多用戶反覆出現相同模式，則可能顯示設計問題。保險公司需要足夠證據來區分兩種情況，並估算未來索償。

科技亦會在保險期內改變。開發商經常更新模型及系統指令，而不會推出全新產品。因此，按一種風險概況定價的保單，數月後可能承保一個實質上不同的系統。

規模令問題加劇。消費者聊天機械人可以增加用戶，無須為每人另行磋商一份保險合約。企業模型則可擴展至眾多客戶產品，而開發商對部署條件仍只掌握部分可見度。

現有限額不會隨使用量自動提高。即使互動、整合或自主行動倍增，保單仍可能設有固定最高限額。若同時出現多宗嚴重索償，單是抗辯開支已可能耗用部分限額。

即使公司最終勝訴，法律抗辯成本仍然重要。AI 訴訟可能需要模型紀錄、安全評估、行政人員通訊、技術專家及廣泛的證據開示。涉及眾多原告或多個州份的爭議，會令這些要求倍增。

與社交媒體的比較，警示了延遲出現的責任風險。平台在青少年安全訴訟帶來最大財務後果前已擴張多年。2026 年 8 月，Meta 同意就各州針對青少年社交媒體成癮的索償達成 180 億美元和解。

該項和解並未裁定生成式 AI 的責任。社交網絡與對話模型在設計、證據和適用法律上均有差異。然而，這顯示協調一致的政府行動，如何能將存在爭議的安全疑慮轉化為龐大的企業責任。

保險的核心問題並非每宗 AI 案件是否都與 Meta 的和解相似，而是一間 AI 公司會否面對眾多相互關連、規模足以耗盡可用保障的訴訟程序。OpenAI 目前面對的爭議，令人更難忽視這項憂慮。

問題不止於模型開發商。企業使用第三方模型進行招聘、醫療建議、客戶溝通或保安決策後，也可能面對索償。其保險公司其後或會向供應商追討合約賠償。

雲端服務供應商及策略夥伴同樣可能面對索償。Microsoft 被列入 Adams 訴訟，顯示原告可調查圍繞模型開發及分發的關係網絡。Google 亦因與 Character.AI 的關係而受到類似審視。

合約可以在這些公司之間轉移部分責任，但合約不會消除損失。彌償條款只有在負責一方有能力付款、且義務確實適用時才有用。保險承保能力在整條鏈條中仍然重要。

因此，採購 AI 服務的公司不應只閱讀模型的技術文件，還需了解責任上限、彌償條款、排除用途、安全責任、事故報告及保險要求。

同樣的審慎亦適用於內部。公司可能持有網絡、科技、專業責任、僱傭及一般責任保單，但這不保證每一項與 AI 相關的損失都能明確納入保障。

保險經紀 Marsh 曾反對廣泛的除外條款，即只要生成式 AI 出現在因果鏈中，便移除保單的核心保障。其保障分析指出，許多現有除外條款已適用於 AI 相關事件。

這個立場代表市場核心爭論的一方。經紀及保單持有人普遍希望現有保障繼續具實際意義；承保人則需要透過條款及定價，防止未知而高度相關的風險在未被察覺下進入投資組合。

真正的取捨：保障與未定價風險

保險公司只有能夠將可保的營運故障，與開放式的系統性風險區分開來，才能支持 AI 的發展。

「Silent AI」是指 AI 風險在沒有明確定價或專門條款下，進入傳統保單。保單或許從未提及人工智能，但與 AI 有關的事件仍可能觸發常見的受保損失。

帶有偏見的招聘模型可能引發僱傭索償。遭入侵的代理程式可能觸發網絡保險保障。不正確的專業建議可能引致錯誤及遺漏責任索償。由 AI 控制的實體系統則可能造成財物損失或人身傷害。

當既有保障如常作出賠償時，隱性風險有利於保單持有人；但當大量保單包含同一項未被識別的依賴關係時，便會令保險公司憂慮。一個被廣泛使用的模型或服務，可能在整個投資組合中引發索償。

Munich Re 警告，傳統保單下的部分保障可能令雙方都感到不確定。其生成式 AI 論文指出，未定價的 AI 表現不佳可能造成意外的投資組合風險。

這家再保險公司亦認為，當各方建立防護措施、監控機制和可量度的表現目標時，AI 仍然可以承保。再保險透過承擔原保險公司部分風險提供支持，從而可增加可用承保能力。

這提供了一條前路，但並未消除取捨。高度可量度的模型表現，比不可預測的社會行為更容易承保。明確界定的業務流程，亦比開放式的消費者陪伴產品帶來更狹窄的風險敞口。

為特定用途而設的 AI 保險可填補一些具體缺口。保單可以涵蓋模型表現不佳、某些技術錯誤、知識產權爭議或界定的責任。度身訂造的條款亦可將保障與評估及持續控制措施掛鈎。

不過，專門保障仍然需要設限。它可能不涵蓋已知事故、故意行為、監管罰款、某些地區，或涉及弱勢人士的用途。度身訂造的保單並非針對每一項 AI 損失的通用保證。

廣泛除外條款則帶來相反的危險。若保險公司排除所有與 AI 有任何關聯的損失，公司可能發現日常活動已不再獲得預期保障。市場推廣工具、編碼助手或自動摘要，都可能足以引發爭議。

Marsh 認為，保險公司應先評估現有除外條款，並收集更完善的核保資訊。這種做法盡可能讓熟悉的損失維持在熟悉的險種之內；當仍存在重大缺口時，亦為專門產品保留空間。

保險公司有商業理由建立這種承保能力。Allianz Commercial 預期 AI 將有助擴大網絡保險市場，同時改變核保及理賠作業。其風險評估亦強調深度偽造、惡意程式及自動化社交工程帶來的威脅。

不過，市場機遇並不能解決累積風險問題。保險公司可將眾多保單持有人之間相互獨立的事故分散承擔；但當數以千計客戶依賴相同模型、雲端服務或代理程式框架時，分散風險的效果便會減弱。

當商業承保限額仍然不足時，AI 公司可能會在資產負債表上保留更多風險。大型開發商可設立自保保險公司，即由受保組織持有的保險實體；它們亦可能尋求多家保險公司提供分層保障。

分層安排會將龐大限額分配予多家保險公司，每家承保人負責界定的一層損失。這種方法現時支援重大的工業及網絡風險；但當承保人對損失觸及各層的機率缺乏信心時，便會變得困難。

其他結構最終可能包括行業資金池、共擔損失安排，或政府對極端事件的支援。這些方法需要就資格、安全標準及公共責任作出艱難決定。

任何結構都不應讓開發商將可預防的傷害外部化。保險與降低風險並行時最有效，而非取代風險管理。因此，核保人會推動公司採取更嚴格的發布控制、監察、文件記錄及事故披露措施。

這正是安全與金融匯聚之處。模型評估不只是技術工作，它可以影響保障是否可取得、承保人願意承擔多少風險，以及合約中會出現哪些除外條款。

法院將決定哪些 AI 風險可獲承保

最大的不確定性並非模型能力，而是有害言論、有缺陷產品、疏忽服務及用戶濫用之間的法律界線。

保險定價取決於法律規則。核保人能夠估算汽車損失，因為法院、法例及過往索償提供了既定模式。生成式 AI 尚未累積這樣的紀錄。

原告正同時測試多項法律理論。產品責任將系統視為可能存在設計或警告缺陷的產品；疏忽則探討公司在具體情況下是否未有採取合理謹慎措施。

消費者保障索償聚焦於市場推廣、披露，以及被指具誤導性的安全表述。版權案件則審視訓練、輸出、市場影響及合理使用。私隱案件可取決於收集、保留、披露，以及生物識別或個人資料法律。

每項理論都會改變保險分析。有些補救屬補償性質，另一些則包括法定損害賠償、罰款或禁令。保單往往對這些補救作出不同處理，未必涵蓋每一類別。

在聊天機械人傷害案件中，因果關係將持續備受爭議。人類行為很少由單一原因造成，而用戶為對話帶來不同背景及脆弱性。原告必須將具體產品行為，與法律認可的損害聯繫起來。

開發商將指出警告、禁止用途、用戶選擇、第三方行為及介入事件。原告則會審視公司是否預見這些行為、是否圍繞互動參與度作出設計，或是否掌握保障措施失效的證據。

懷疑的觀點值得重視。潛在風險達到數百億甚至數千億美元，並不代表保險公司會支付該等金額。法院可能駁回索償、拒絕集體訴訟認證、限制賠償，或裁定保單除外條款適用。

AI 公司亦擁有可觀資源應訴及重新設計產品。更完善的年齡控制、危機介入、監察及受限制的代理程式權限，可減少未來事故。在判例法充分發展前，監管標準亦可釐清相關責任。

然而，相反結果仍屬可能。重大判決、協調和解，或裁定聊天機械人系統屬有缺陷產品，都可能迅速擴大索償。原告將取得經驗證的訴訟路線圖，保險公司亦會相應修訂條款。

Character.AI 的裁決之所以重要，是因為它容許重要索償避過早期駁回嘗試，但並未裁定其理據是否成立。其影響將取決於其他法官如何在不同司法管轄區處理類似論點。

多州針對 OpenAI 的案件構成另一項考驗。若各州取得廣泛補救，或發現具破壞性的內部證據，消費者保障風險便更難被視為邊緣問題。若 OpenAI 成功抗辯，短期風險估算將會收窄。

版權訴訟亦有其分岔路徑。若開發商在合理使用方面取得廣泛勝訴，將減少一條主要責任渠道；若原告勝訴、出現授權義務，或裁定基於輸出的侵權，則會加強對更大規模媒體及科技保障的需求。

監管機構亦可在未裁定賠償的情況下影響可保性。要求測試、事故報告、年齡控制或風險管理的規則，會建立可量度的合規基準。保險公司可利用這些基準比較保單持有人。

不過，合規並不保證安全。公司可以符合正式程序，卻仍然產生有害輸出。保單和法院必須同時考慮有文件記錄的控制措施及實際產品行為。

這正是為何 OpenAI 的法律責任影響不止於一家公司。OpenAI 的案件可為每一個提供對話式或代理式系統的開發者確立實際預期。即使競爭對手避免發生完全相同的事故，也可能面對類似責任。

企業客戶不應等待最終先例出現。他們現時可盤點 AI 的使用情況、保存審批紀錄、限制敏感部署，並測試升級處理途徑。他們亦應確認供應商與保險公司如何劃分責任。

對知識型工作者而言，眼前的教訓較為明確。消費者聊天機械人不應被當作治療師、醫生、律師或絕不會出錯的權威。它們自信的對話風格，可能掩蓋不確定性和系統限制。

三個訊號將顯示保障能否追上步伐

下一階段將由法院裁決、保單措辭及有紀錄的安全改善所決定，而非另一項模型基準測試。

第一個訊號，是法院如何處理日益增加的聊天機械人傷害案件。針對產品地位、注意義務、因果關係及憲法抗辯的早期裁決，將影響和解金額，亦會讓保險公司了解哪些法律理論能夠站得住腳。

若開發者取得廣泛勝訴，部分責任估算將會下降，儘管辯護成本仍會存在。若原告在核心產品索償上勝訴，將會強化現有保險限額不足的觀點。

第二個訊號，是保險續保文件中出現的措辭。公司應留意明確的 AI 保障、專屬分項限額、新增除外責任、較高的資料要求，以及申報模型變更的義務。

範圍狹窄且定義清晰的附加條款，將反映市場正學習為 AI 風險定價。若常見商業保單出現廣泛除外責任，則顯示承保商仍憂慮無聲累積的風險。

第三個訊號，是開發者在嚴重事故後是否披露更有力的安全證據。有用的證據包括發布標準、年齡保護、升級處理表現、代理程式權限控制，以及針對反覆出現故障的書面應對紀錄。

OpenAI 對州政府訴訟的處理方式尤其值得關注。單靠產品改動不足以解決法律爭議。然而，透明地證明控制措施有效，可能影響監管機構、企業買家及承保商。

這些訊號強化了一個結論：保險正成為擴展人工智能所需基礎設施的一部分，與運算能力、數據、能源和保安同樣重要。

公司不能假設，在生成式 AI 廣泛使用前購買的一般保障，會承擔由此產生的每一宗索償。它們亦不應假設提及 AI 就會自動令保障失效。保單措辭和個別事實將決定結果。

業界現時需要一套可行的責任劃分。開發者必須減少可預防的傷害，並披露重大風險。部署者必須管控高風險用途。保險公司必須足夠精確地界定保障，讓客戶明白自己購買了甚麼保障。

OpenAI 的法律責任是這項安排最受矚目的考驗，但不會是最後一次。每一項重大裁決或和解，都會提供保險市場目前所欠缺的數據。

對企業買家而言，實際的下一步是在續保討論開始前，將 AI 部署與合約、控制措施及保障作比較。應詢問每份保單涵蓋哪些損失、適用哪些除外責任，以及當多個供應商共同造成問題時由誰付款。

更大的問題是，保險公司能否在一宗具關聯性的事件耗盡現有保障前建立足夠承保能力。留意法院、續保條款和安全披露。它們將共同揭示，AI 的財務護欄是否正追上其影響範圍。