論文の概要: From Control Boundary to Insurance Claim: Reconstructing AI-Mediated Losses Through the CER Framework

• arxiv url: http://arxiv.org/abs/2606.03777v1
• Date: Tue, 02 Jun 2026 15:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.107315
• Title: From Control Boundary to Insurance Claim: Reconstructing AI-Mediated Losses Through the CER Framework
• Title（参考訳）: コントロール境界から保険請求へ - CERフレームワークによるAI経由の損失の再構築
• Authors: Alex Leung, Rex Zhang, Kentaroh Toyoda, SiewMei Loh,
• Abstract要約: 本稿では,保険のAIシステムが因果連鎖にある損失に対処する。 具体的には、AI残差リスク伝達のためのユースケースレベルの診断であるCERを紹介する。 この論文は、AI固有の再構築問題を定義し、CERを通じてその問題を運用し、AI再構築のためのクレームグレードの証拠を特定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI losses that arise through an insured organization's generative or agentic AI system require state reconstruction, not merely event reconstruction, because the relevant state changes as the system reasons, retrieves, calls tools, and acts. The relevant question is not only what loss occurred, but what the system was allowed to do, what it actually did, and whether that reconstructed loss can support insurance claim recovery. This paper addresses losses in which the insured's AI system is in the causal chain, including externally triggered failures such as prompt injection, retrieval-augmented generation (RAG) poisoning, malicious tool output, credential misuse, and data poisoning. Specifically, this paper introduces CER, a use-case-level diagnostic for AI residual risk transfer. C (control boundary) asks whether the system had an enforceable operating envelope. E (evidence reconstruction) asks whether the system state and causal chain can be reconstructed from retained artifacts. R (insurance response) asks whether the reconstructed loss is insured: whether insurance coverage is available in the market and placed for the insured, together with the proof needed to support insurance claim recovery. The paper makes three contributions: it defines the AI-specific reconstruction problem, operationalizes that problem through CER, and specifies claim-grade evidence for AI reconstruction. Public examples include the reported PocketOS and Replit agentic database-deletion incidents and Moffatt v. Air Canada as an adjudicated output/reliance case. Keywords: AI systems; CER framework; residual risk transfer; agentic AI; generative AI; AI insurance; evidence reconstruction.
• Abstract（参考訳）: 保証されていない組織の生成的またはエージェント的AIシステムによって生じるAI損失は、単にイベント再構築ではなく、状態の再構築を必要とする。 関連する問題は、どのような損失が発生したのかだけでなく、システムが何をすることを許されたのか、実際に何をしたのか、そして、その再建された損失が保険請求の回復をサポートするかどうかである。 本稿では,AIシステムが因果連鎖にある損失に対処する。例えば,即発注射,検索増強生成(RAG)中毒,悪意のあるツール出力,クレデンシャル誤用,データ中毒などである。 具体的には、AI残差リスク伝達のためのユースケースレベルの診断であるCERを紹介する。 C(制御境界)は、システムに強制可能な動作エンベロープがあるかどうかを問う。 E(エビデンス再構築)は、システム状態と因果連鎖が保持されたアーティファクトから再構成できるかどうかを問う。 R(保険応答)は、再建された損失が保証されているかどうかを問う。 この論文は、AI固有の再構築問題を定義し、CERを通じてその問題を運用し、AI再構築のためのクレームグレードの証拠を特定する。 パブリックな例としては、報告されたPocketOSとReplitのエージェントデータベース削除インシデントや、補助的な出力/信頼性のケースとしてMoffatt v. Air Canadaがある。 キーワード:AIシステム、CERフレームワーク、残留リスク転送、エージェントAI、生成AI、AI保険、エビデンス再構築。

関連論文リスト

• The Insurability Frontier of AI Risk: Mapping Threats to Affirmative Coverage, Silent Exposures, and Exclusions [0.0]
  AIを介する損失の一部は、現在肯定的に保険を受けており、レガシーなサイバー、技術エラー、そして欠落の下でサイレントAI露光を発生させるものもいる。 本稿では、55のAI脅威クラスを26の保険製品に対してコーディングすることで、出現する境界線を図示する。 我々は,4段階の耐久性フロンティアを同定した: 肯定的な保険料, サイレントAI曝露, 積極的に排除されたペラ。
  論文  参考訳（メタデータ） (2026-05-06T13:24:44Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• Trustworthy AI Posture (TAIP): A Framework for Continuous AI Assurance of Agentic Systems at Horizontal and Vertical scale [1.0896567381206714]
  ポイント・イン・タイムの文書ベースの監査では、決定論的でない振る舞いには対応できない。 垂直的には、ガバナンスとコントロールの義務は、フレームワークが運用できるものよりも速く変化します。 リスクベースの規制は、現在進行中のコントロールの妥当性と効果を示す必要がある。 本稿では,信頼度を静的証明書ではなく,連続的に発生する信号として再設定する。
  論文  参考訳（メタデータ） (2026-02-15T10:49:47Z)
• Reinsuring AI: Energy, Agriculture, Finance & Medicine as Precedents for Scalable Governance of Frontier Artificial Intelligence [0.0]
  本稿では,3階層の保険アーキテクチャを通じて,このようなハイテイクモデルを管理するための新しい枠組みを提案する。 連邦政府が、脆弱な規制や予測ライセンス制度に頼ることなく、民間のAI保険市場を安定させる方法を示している。
  論文  参考訳（メタデータ） (2025-04-02T21:02:19Z)
• Towards More Robust Retrieval-Augmented Generation: Evaluating RAG Under Adversarial Poisoning Attacks [45.07581174558107]
  Retrieval-Augmented Generation (RAG) システムは幻覚を緩和するための有望な解決策として登場した。 RAGシステムは、検索コーパスに注入された悪意のある通路が、モデルに誤った結果をもたらす可能性がある、敵の毒殺攻撃に対して脆弱である。 本稿では、RAGシステムがこのような攻撃下でどのように振る舞うか、その堅牢性がどのように改善されるかについて、厳密に制御された実証研究を示す。
  論文  参考訳（メタデータ） (2024-12-21T17:31:52Z)
• Liability and Insurance for Catastrophic Losses: the Nuclear Power Precedent and Lessons for AI [0.0]
  本稿では、フロンティアAIモデルの開発者は、クリティカルAI発生(CAIO)による損害に対して、限定的で厳格で排他的な第三者責任を課すべきである、と論じる。 CAIO責任の強制保険は、開発者の判断力、勝者の呪いのダイナミクスを克服し、保険会社の準規制能力を活用するために推奨される。
  論文  参考訳（メタデータ） (2024-09-10T17:41:31Z)
• Disentangled Causal Graph Learning for Online Unsupervised Root Cause Analysis [49.910053255238566]
  ルート原因分析(RCA)は、システム監視データを分析することにより、システム障害/障害の根本原因を特定することができる。 従来の研究は主にオフラインのRCAアルゴリズムの開発に重点を置いており、しばしば手動でRCAプロセスを開始する必要がある。 我々は、RCAプロセスを自動的に起動し、RCAモデルを漸進的に更新できる新しいオンラインRCAフレームワークであるCORALを提案する。
  論文  参考訳（メタデータ） (2023-05-18T01:27:48Z)
• Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
  サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。 本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T02:33:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。