论文
当智能体自动化变得可盈利：经踪迹经济承保量化并保险化自主AI风险
When Agent Automation Becomes Profitable: Quantifying and Insuring Autonomous AI Risk through Trace-Economic Underwriting
摘要
AI智能体现在可在运营系统中采取不可逆动作——但智能体造成的损失仍未被清晰分配、定价或转移。提供商常免责后果性损害——用户承受无补偿损失——而默认人工审查限制自动化的效率增益。我们追问：尽管存在失败风险——自主AI部署何时可在经济上可接受。我们的答案是在客户-任务-踪迹episode层量化风险——并经保险转移。当自动化的期望收益超过保费、控制成本与剩余风险时——它是可接受的。这要求有界权限的明确角色与可比较的踪迹。我们引入踪迹经济承保——把工具使用踪迹映射到客户暴露与可索赔损失——再用该表示进行定价、控制与风险转移。它使用确定性经济标签而非LLM裁判。在我们的踪迹到损失试验台中——踪迹经济定价把定价MAE从1.77万美元降至569美元并消除累退交叉补贴。300条踪迹的专家审计原样接受295条标签。在1,000条真实SWE-smith踪迹上——踪迹条件化控制把CVaR95降72%。定理1给出有限样本范围条件。我们发布代码、标签与审计表。
