「我媽媽的洗腎申請被拒了。拒絕她的不是醫生，是一個我們看不到、問不到、告不到的人工智能。」

這不是科幻小說的開場白，而是美國最新一輪集體訴訟裡，原告家屬的原話。過去一年，針對 Medicare Advantage（聯邦醫療保險優勢計劃）的訴訟如雪崩般湧現，矛頭一致指向同一件事：保險公司用 AI 演算法大規模自動否決理賠申請，而病人往往在申訴流程跑完之前，就已經等不下去了。

很多人以為這是美國特有的荒謬劇。但當香港的自願醫保開始「數位化理賠」、台灣的健保與商業保險陸續導入「AI 審查輔助」，同一個問題已經悄悄搬到我們家門口：當演算法說不，誰能說可以？

美國現場：90 秒的拒絕，幾個月的申訴

根據美國參議院常設調查小組委員會（PSI）2024 年公布的報告，Humana 使用的 nH Predict 演算法，被指在 2020 年做出「拒絕理賠」預測的準確率，與實際核准結果只有約 10% 吻合——換句話說，九成的「拒絕建議」根本站不住腳。同類工具在 UnitedHealth 旗下也引發訴訟，指控其用演算法取代護理人員的專業判斷，把「即時審查」變成「即時拒絕」。

更荒謬的是效率的落差。有原告指出，AI 可以在 90 秒內 產出一封拒絕信，但病人要走完上訴程序，平均需要 數週到數月。在癌症、洗腎、臨終照護這些情境裡，時間不是金錢，時間就是命。

這些訴訟最刺眼的啟示，不是「AI 會出錯」——任何系統都會出錯——而是問責鏈的斷裂。病人申訴時面對的是一套黑箱：演算法怎麼判斷、用什麼資料訓練、誰覆核過、覆核者有沒有權限推翻——全部不透明。當家屬想找人負責，得到的答案往往是「系統建議」、「流程規定」、「最終由審查員簽核」，而那位審查員，可能只花了幾十秒蓋章。

香港與台灣：同一套邏輯，不同的包裝

鏡頭拉回亞洲。

香港自願醫保（VHIS）近年大力推行數位化理賠，部分保險公司已導入自動化核保與理賠分流系統；危疾保單的「智能核保」也悄悄上線。這些系統多半打著「加快理賠速度」的口號，但速度加快的同時，拒絕的門檻有沒有被悄悄調高？拒絕的理由有沒有被完整揭露？目前沒有公開數據可以回答。

台灣方面，健保署多年來推動雲端藥歷與 AI 審查輔助，部分商業保險公司亦開始用模型標記「高風險」理賠案件。健保的 AI 輔助審查理論上有醫師覆核，但商業保險的自動化決策，實務上約束相當有限。

真正的問題不在於「AI 能不能用」，而在於監管框架跟不跟得上。香港目前沒有專門針對「演算法理賠決策」的透明化法規，個人資料私隱專員公署的自動化決策指引偏向原則性，缺乏強制揭露與救濟機制；台灣《個人資料保護法》雖有自動化決策相關討論，但對保險理賠的實務約束仍相當模糊。

換句話說，如果同類系統在香港、台灣出事，病人可能連「告誰」都搞不清楚。這正是美國訴訟裡最讓人心寒的一幕——不是被拒絕，而是被拒絕之後，找不到一個能對話的人。

企業的算盤，病人的代價

保險公司為什麼愛用 AI 審查？答案很直白：成本。人工審查一份複雜理賠，成本可達數十美元；自動化系統能把邊際成本壓到接近零。當「拒絕」變成一個按鈕，拒絕率自然上升——這不是陰謀論，是誘因設計的必然結果。

支持者會說：AI 只是輔助，最終仍由人類簽核。但多宗訴訟揭露的實況是，審查員被要求在極短時間內處理大量案件，所謂「人類覆核」往往淪為橡皮圖章。當人類只是蓋章機器，責任就變成了無人認領的孤兒。

更值得警惕的是，這套邏輯一旦在香港、台灣站穩腳跟，會形成路徑依賴：保險公司嘗到低成本拒絕的甜頭，監管機構缺乏工具介入，病人申訴無門——最後的結果，就是美國正在上演的劇本，換一個語言版本重播。

香港台灣的你，該問的三個問題

第一，你的保單條款裡，有沒有寫明理賠決策可能使用自動化系統？如果沒有，保險公司用了，算不算資訊揭露不足？

第二，如果被 AI 拒絕，你有沒有一條真正能接觸到「人」的申訴通道？不是客服熱線，而是有權限推翻系統建議的覆核者。

第三，監管機構有沒有要求保險公司公開演算法的拒絕率、覆核翻盤率與申訴結果？沒有數據，就沒有問責。

這三個問題，目前在香港和台灣，多數人都答不出來。而答不出來，正是問題本身。

延伸閱讀

結語：拒絕的按鈕，是誰按的？

AI 不會自己決定拒你。決定的是設計它、部署它、用它省成本的人。當理賠變成一場「人 vs 演算法」的戰爭，而演算法永遠不會累、不會心軟、不會在半夜接到你哭著的電話——你覺得，這場仗你打得贏嗎？

美國的訴訟還在跑，香港和台灣的系統還在裝。現在問這三個問題，還來得及。等到有一天你或你的家人躺在病床上，收到一封 90 秒生成的拒絕信，那時候再問，可能就太晚了。

留言告訴我：如果你的保險公司用 AI 拒絕你的理賠，你會告到底，還是摸摸鼻子認了？