讓AI幫忙買保險，結果付款給了陌生人？記者親測：通用AI和保險AI，用誰買保險更靠譜？

　　原標題：讓AI幫忙買保險，結果付款給了陌生人？每經記者親測：通用AI和保險AI，用誰買保險更靠譜？

　　每經記者|塗穎浩    每經編輯|廖丹    

　　近日，一起由AI（人工智能）大模型引發的「烏龍付款」事件在網絡引起熱議。有網友發帖稱，自己的收款二維碼被某AI大模型拿去，成了一位用户購買保險的付款二維碼。

　　根據央廣網報道，付款方為一家工程公司的負責人，他在用AI大模型為員工挑選團體人身意外傷害保險時，輕信了AI大模型給出的所謂「保單付款二維碼」，掃碼支付了1618元。而這個二維碼正是發帖網友的個人二維碼。得知情況后，該網友將錢款退還。

　　如今，隨手點開一款AI應用，解答疑惑、諮詢問題已成為我們生活中的常態。當金融支付這類敏感信息竟被AI「順手解決」，我們不禁要重新思考，在嚴肅金融領域，我們能否繼續依賴通用大模型給出的答案。

　　為此，《每日經濟新聞》記者（以下簡稱每經記者）近日實測用四款AI工具購買保險，包括豆包、千問兩款通用大模型和蟻小保、智能小馬兩款保險平臺大模型，探究兩類大模型的差異。

　　用AI購買保險，兩類大模型有何不同？

　　每經記者首先輸入實際的購買需求，豆包、通義千問兩款通用大模型對此進行了較為詳細的科普，在初步瞭解產品環節提供了必要的信息支持，在回答內容中包含了多款具體保險產品的推薦信息，迴應了該問題背后的需求點。

　　具體而言，對於「我想買意外險」的問題，豆包給出的答案包括怎麼選、避坑指南、熱門產品參考、理賠小貼士四個方面；通義千問給出的答案包括瞭解意外險保什麼、如何為自己和家人挑選兩大部分，其中也針對不同人羣給出了對應的推薦產品。

　　對於「我想買意外險」這一詢問，兩款保險平臺大模型則多了一個交互的過程：智能小馬的回覆要點包括意外險的選購要點、不同年齡意外險配置邏輯變化、旅行意外險補充建議，同時繼續詢問了年齡信息；蟻小保自動梳理了用户的信息，並明確需求，給出「先給自己配」「也看看父母的」「全家一起配」三個選項。在補充了年齡、為誰購買等信息后，兩款保險平臺大模型分別給出推薦理由和產品鏈接。

　　不過，兩類大模型最大區別在於：保險平臺大模型推薦的產品僅限為平臺旗下保險，用户點擊鏈接可進入正常投保流程；通用大模型則是全網搜索后推薦產品，但投保存在卡點。

　　如記者選擇豆包推薦的一款產品后，豆包詢問：「你現在是要我們發官方投保入口，還是先確認具體工作以確保職業能投保？」記者確認發送投保入口后，豆包提供了產品鏈接。在第一次鏈接有誤的情況下，豆包重新給出的鏈接顯示為一家第三方中介平臺的投保入口。通義千問則給出可能搜索到該產品的幾大平臺。當記者就保險付款進一步提問，兩款通用大模型均強調需到官方/正規平臺投保。

　　針對投保需求，業內建議選擇專業保險平臺上的AI智能保險顧問進行諮詢，在諮詢完成后，也可以進行后續的投保，該類平臺比較專業、可信任。

　　消費者能否完全依賴AI給出的答案？業內認為，AI可作為有力助手，幫助用户瞭解保險基礎知識（比如重疾險和醫療險有什麼區別）、對比不同產品的保障範圍（需覈實信息是否最新）、熟悉投保流程、明白健康告知的重要性。同時，AI也存在明顯侷限性：它無法替代保險公司的核保結論，個人健康狀況是否符合投保條件最終由覈保決定；AI不能承諾理賠，所有理賠均以保險合同條款爲準；AI提供的「投保建議」僅為參考，最終決策需由消費者自行負責。

　　因此，業內建議消費者將AI視為學習工具和流程助手。在選產品、填寫健康告知、申請理賠等關鍵決策節點，務必諮詢保險顧問、經紀人等專業人士，或直接撥打保險公司客服熱線確認。畢竟，保險購買的是具有法律效力的合同，而非簡單的對話記錄。

　　對於AI大模型引發的「烏龍付款」事件，保險業內人士如何看？

　　慧擇相關負責人在受訪時對每經記者表示，公司在大模型部署初期已專項重點討論過保險金融支付問題。爲了合規和風控，凡是提及支付、下單、付款等敏感詞時，AI只做引導，不直接完成交易。具體有兩種方式：一是引導用户到對應的產品詳情頁，按正常流程投保；二是引導用户至顧問預約入口，由顧問完成后續確認和指導。

　　據瞭解，目前保險平臺基本都採用此類模式。如蟻小保在為用户推薦保險時，並不會直接給出支付鏈接，需要用户點擊鏈接跳轉到具體保險產品頁面，在詳細看完產品介紹進行選擇后，還要經過健康告知等一系列合法合規的流程，最終才能完成支付和投保。

　　對於不讓AI直接輔助完成交易，慧擇相關負責人進一步解釋稱，一是考慮到交易安全問題，二是考慮到該步驟的用户需求量問題。「慧擇平臺多數是長險業務，用户決策周期長，就算自主操作到下單這一步，也通常需要人工顧問二次確認。所以AI從一開始就不碰支付環節，只是完成它作為信息諮詢助手的角色，供用户決策參考。」

　　星火保產品研發負責人羅方舟認為，金融行業尤其是支付環節，直接涉及資金安全、信息安全和隱私安全，這三個方面的安全合規要求是不可逾越的紅線。

　　在資金層面，支付鏈路通常由持牌機構（如銀行、第三方支付公司）負責，公司自身不設立資金池。所有扣款指令通過支付網關轉發，資金流由持牌機構進行清算，公司僅負責記錄訂單及狀態流轉信息。

　　在信息安全層面，用户的身份證、銀行賬户、保單等信息屬於高度敏感數據。行業通行的做法包括：對敏感字段進行加密存儲（即使數據庫被竊取也無法解讀）；遵循最小權限原則分配訪問權限，運營人員無法查看完整的身份證號或銀行卡號；對操作日誌進行脱敏處理，嚴禁打印完整敏感信息；數據傳輸全程採用HTTPS（超文本傳輸安全協議）以防止中間人攻擊。

　　在合規層面，保險銷售涉及保險中介許可證、雙錄（錄音錄像）、KYC（投保人身份覈驗）等要求，這些要求在系統設計階段就必須嵌入業務流程。支付環節還需符合反洗錢（AML）和反欺詐的風控規則。

　　對於普通消費者來説，關於購險的需求，不同類型大模型給出的回答專業度似乎很難區分，那麼保險專業大模型到底有何不同？

　　業內人士在受訪時表示，基於大模型技術的智能保險顧問與業務廣泛的通用大模型不同，它只專注服務保險行業。一般而言，智能保險顧問可提供保險產品解讀、保險方案配置和陪伴式理賠服務，全流程解決用户在保前、保中和保后的保險疑問和需求。

　　羅方舟在受訪時提到，通用大模型與保險垂直大模型的本質區別在於知識密度和可控性。通用大模型的優勢在於知識覆蓋面廣、對話流暢，但在保險領域存在明顯短板：保險產品條款極其精細，不同險種、條款版本、除外責任、覈保規則等信息動態變化，通用模型容易產生「幻覺」，可能輸出與事實不符的錯誤信息。他認為，保險業務涉及合規，錯誤回覆可能導致誤導銷售，這是監管紅線。此外，通用大模型在結構化險種對比、覈保結論推理等方面能力不足。

　　保險專業大模型的真正價值體現在：基於保險知識庫（RAG）進行檢索增強，減少「幻覺」；對接覈保規則引擎，實現健康告知的初步判斷和風險篩查；在合規邊界內生成話術，明確區分「產品介紹」與「銷售誤導」；能夠對接保單管理、理賠進度等業務數據。

　　羅方舟還表示，「保險大模型」真正的技術壁壘在於擁有足夠豐富、及時更新的保險產品數據，以及將技術與業務流程深度融合。

　　記者注意到，一些頭部險企已佈局垂直領域大模型。如中國人保在2025年年報中稱，公司通過自研方式打造保險領域垂直大模型「人保宸靈」，場景意圖理解準確率超過99%。中國人保黨委委員、人保財險黨委書記張道明在業績發佈會上介紹，公司在建設一流AI底座方面取得初步成效：建立國產化異構算力平臺，上線保險垂直大模型，建立200余項原子化AI能力，持續建設高質量訓練數據集超30類。

　　眾安在線在年報中提及，持續加大AI領域的研發與資源投入，深化大模型與保險垂直場景的融合創新，持續夯實AI技術底座。

責任編輯：王馨茹