一、案例定位

以原書提出的 insurance fairness 問題理解 AI governance 中「合理差異」的界線。

二、學習目標

• 辨識 protected groups 與其他 behavioral criteria。
• 區分 statistical difference 與 normative fairness judgment。

三、案例情境

原書列出 age、race、color、religion／creed、national origin、sex、physical／mental disability、veteran status 等群體，並追問 insurer 是否能讓被認為「healthier」的人比「unhealthy」的人付更少。

四、開始資料

五、Excel／AI 分析方法

若有已核准資料，可比較 group-level approval／price／error rates；但公平標準需由 policy／legal／ethics owner 定義。

六、計算結果

原書沒有提供保費差異數據，因此不自行計算實際 fairness gap。

七、結果分析與管理解讀

Fairness 不只是「各群平均相同」；核心是哪些差異有正當理由，以及對人的實際影響。

八、AI 提問詞

依已提供 group-level outcome 計算差異；不要自行判定某差異是否合法或公平。

九、思考／情境變動

**題目：**若教材中 A 群 approval 80%、B 群 60%，差多少個百分點？

**參考解答：**20 個百分點；是否構成不公平需另行判斷。