肯尼亞醫保算法：窮人被多收錢，富人少交

去年10月，肯尼亞總統魯托啟動了一項雄心勃勃的醫療改革。承諾很簡單：讓非正規就業者也能負擔醫保。八個月后，調查記者發現，這套系統正在把最脆弱的人群推向絕境。

算法怎么算出"窮人該多交錢"

肯尼亞社會健康管理局（SHA）的核心是一套預測性機器學習算法。它不做收入核查，而是用"代理資產測試"——通過屋頂材料、廁所類型、牲畜數量、家庭人口等生活指標，倒推一個人能承擔多少保費。

這套邏輯聽起來合理：窮人住鐵皮屋頂、沒自來水，富人住混凝土房。但調查揭示的偏差令人震驚。

系統持續高估貧困家庭的支付能力，同時低估富裕階層。一位SHA志愿者描述她在內羅畢的走訪：那些連飯都吃不飽的人，被算法判定為有能力繳納占收入10%到20%的保費。

具體案例更刺眼。一位單親母親的月繳費額被定為3500肯尼亞先令，其他人則反映新保費較舊體系暴漲。這不是"稍微吃力"，是直接從生存邊緣再割一刀。

正方：技術中立的效率承諾

魯托政府推行這套系統，有其現實土壤。

肯尼亞非正規就業人口龐大，傳統收入核查幾乎不可能。代理資產測試是國際開發機構用了幾十年的工具，核心假設是：物質條件比自我申報的收入更難造假。

算法的好處被反復強調：標準化、可規模化、減少人為腐敗。超過2000萬人完成SHA注冊，這個數字本身被當作成功的證據——至少理論上，更多人被納入了保障網。

政府將其包裝為"人工智能驅動"，盡管調查明確指出，這并非生成式人工智能（如聊天機器人），而是經典的預測模型。這種修辭或許是為了迎合技術樂觀主義，也可能只是政治話術。

反方：結構性偏差的代價

但數據不會說謊，或說，數據正在說出殘酷的真相。

注冊2000萬人，常規繳費僅約500萬。四分之三的注冊者被保費嚇退，或根本付不起。這不是"擴大覆蓋"，是制造了一種新型的數字排斥。

更直接的后果在醫療一線顯現。沒有私人保險、又付不起SHA保費的人，面臨被醫院拒診或收到高額賬單的風險。調查記錄了危重病人因系統判定"欠費"而錯失治療的案例。政策正在轉化為具體的死亡。

醫院的困境同樣真實。大量報銷款項拖欠，醫療機構陷入赤字。系統設計的資金流斷裂了，而斷裂點恰好壓在服務提供者和最貧困患者身上。

這不是新技術的意外副作用。代理資產測試本身"長期被批評誤識別救助資格"，批評聲音在部署前就已存在。問題不是"AI出錯"，是用一個已知有缺陷的工具，以更高速度、更大規模執行。

判斷：當技術成為替罪羊

魯托的"AI醫保"是一個典型樣本：技術被用來包裝舊有的政策選擇，同時為政治責任提供掩護。

核心矛盾不是算法是否聰明，是誰來定義"可負擔"。屋頂材料和牲畜數量，能捕捉貧困的某些維度，但完全錯過現金收入的波動、債務負擔、突發支出。一個剛遭遇旱災的農民，算法可能仍判定他"有牛=有能力繳費"。

更深層的問題在于單向度設計。系統只負責"評估支付能力"，沒有給被評估者申訴、修正、參與模型定義的渠道。技術在這里不是中立的工具，是權力不對稱的放大器。

肯尼亞案例的警示在于：算法 welfare 系統的風險，往往在部署后才被"發現"——而發現的代價由最無力承擔的人支付。2000萬注冊者與500萬繳費者的落差，本應是早期預警信號，卻被注冊數字的政治光環掩蓋。

調查記者的工作揭示了關鍵事實：技術部署的速度，遠超對其影響的審視能力。而"AI"標簽的使用，既制造了虛假的先進感，也可能在未來成為推諉責任的借口——不是政策設計問題，是"算法需要優化"。

開放提問

如果肯尼亞的醫保算法需要一次真正的修正，應該優先調整模型參數，還是重新設計誰有權質疑機器的判斷？當技術系統的錯誤以生命為代價時，"迭代優化"的敘事是否本身就是一種暴力？