近日，一起由AI（人工智能）大模型引发的“乌龙付款”事件在网络引起热议。有网友发帖称，自己的收款二维码被某AI大模型拿去，成了一位用户购买保险的付款二维码。

　　根据央广网报道，付款方为一家工程公司的负责人，他在用AI大模型为员工挑选团体人身意外伤害保险时，轻信了AI大模型给出的所谓“保单付款二维码”，扫码支付了1618元。而这个二维码正是发帖网友的个人二维码。得知情况后，该网友将钱款退还。

　　如今，随手点开一款AI应用，解答疑惑、咨询问题已成为我们生活中的常态。当金融支付这类敏感信息竟被AI“顺手解决”，我们不禁要重新思考，在严肃金融领域，我们能否继续依赖通用大模型给出的答案。

　　为此，《每日经济新闻》记者（以下简称每经记者）近日实测用四款AI工具购买保险，包括豆包、千问两款通用大模型和蚁小保、智能小马两款保险平台大模型，探究两类大模型的差异。

　　实测：通用大模型PK保险垂直大模型

　　用AI购买保险，两类大模型有何不同？

　　每经记者首先输入实际的购买需求，豆包、通义千问两款通用大模型对此进行了较为详细的科普，在初步了解产品环节提供了必要的信息支持，在回答内容中包含了多款具体保险产品的推荐信息，回应了该问题背后的需求点。

　　具体而言，对于“我想买意外险”的问题，豆包给出的答案包括怎么选、避坑指南、热门产品参考、理赔小贴士四个方面；通义千问给出的答案包括了解意外险保什么、如何为自己和家人挑选两大部分，其中也针对不同人群给出了对应的推荐产品。

　　对于“我想买意外险”这一询问，两款保险平台大模型则多了一个交互的过程：智能小马的回复要点包括意外险的选购要点、不同年龄意外险配置逻辑变化、旅行意外险补充建议，同时继续询问了年龄信息；蚁小保自动梳理了用户的信息，并明确需求，给出“先给自己配”“也看看父母的”“全家一起配”三个选项。在补充了年龄、为谁购买等信息后，两款保险平台大模型分别给出推荐理由和产品链接。

　　不过，两类大模型最大区别在于：保险平台大模型推荐的产品仅限为平台旗下保险，用户点击链接可进入正常投保流程；通用大模型则是全网搜索后推荐产品，但投保存在卡点。

　　如记者选择豆包推荐的一款产品后，豆包询问：“你现在是要我们发官方投保入口，还是先确认具体工作以确保职业能投保？”记者确认发送投保入口后，豆包提供了产品链接。在第一次链接有误的情况下，豆包重新给出的链接显示为一家第三方中介平台的投保入口。通义千问则给出可能搜索到该产品的几大平台。当记者就保险付款进一步提问，两款通用大模型均强调需到官方/正规平台投保。

　　针对投保需求，业内建议选择专业保险平台上的AI智能保险顾问进行咨询，在咨询完成后，也可以进行后续的投保，该类平台比较专业、可信任。

　　消费者能否完全依赖AI给出的答案？业内认为，AI可作为有力助手，帮助用户了解保险基础知识（比如重疾险和医疗险有什么区别）、对比不同产品的保障范围（需核实信息是否最新）、熟悉投保流程、明白健康告知的重要性。同时，AI也存在明显局限性：它无法替代保险公司的核保结论，个人健康状况是否符合投保条件最终由核保决定；AI不能承诺理赔，所有理赔均以保险合同条款为准；AI提供的“投保建议”仅为参考，最终决策需由消费者自行负责。

　　因此，业内建议消费者将AI视为学习工具和流程助手。在选产品、填写健康告知、申请理赔等关键决策节点，务必咨询保险顾问、经纪人等专业人士，或直接拨打保险公司客服热线确认。毕竟，保险购买的是具有法律效力的合同，而非简单的对话记录。

　　业内：AI不碰支付环节，仅提供决策参考

　　对于AI大模型引发的“乌龙付款”事件，保险业内人士如何看？

　　慧择相关负责人在受访时对每经记者表示，公司在大模型部署初期已专项重点讨论过保险金融支付问题。为了合规和风控，凡是提及支付、下单、付款等敏感词时，AI只做引导，不直接完成交易。具体有两种方式：一是引导用户到对应的产品详情页，按正常流程投保；二是引导用户至顾问预约入口，由顾问完成后续确认和指导。

　　据了解，目前保险平台基本都采用此类模式。如蚁小保在为用户推荐保险时，并不会直接给出支付链接，需要用户点击链接跳转到具体保险产品页面，在详细看完产品介绍进行选择后，还要经过健康告知等一系列合法合规的流程，最终才能完成支付和投保。

　　对于不让AI直接辅助完成交易，慧择相关负责人进一步解释称，一是考虑到交易安全问题，二是考虑到该步骤的用户需求量问题。“慧择平台多数是长险业务，用户决策周期长，就算自主操作到下单这一步，也通常需要人工顾问二次确认。所以AI从一开始就不碰支付环节，只是完成它作为信息咨询助手的角色，供用户决策参考。”

　　星火保产品研发负责人罗方舟认为，金融行业尤其是支付环节，直接涉及资金安全、信息安全和隐私安全，这三个方面的安全合规要求是不可逾越的红线。

　　在资金层面，支付链路通常由持牌机构（如银行、第三方支付公司）负责，公司自身不设立资金池。所有扣款指令通过支付网关转发，资金流由持牌机构进行清算，公司仅负责记录订单及状态流转信息。

　　在信息安全层面，用户的身份证、银行账户、保单等信息属于高度敏感数据。行业通行的做法包括：对敏感字段进行加密存储（即使数据库被窃取也无法解读）；遵循最小权限原则分配访问权限，运营人员无法查看完整的身份证号或银行卡号；对操作日志进行脱敏处理，严禁打印完整敏感信息；数据传输全程采用HTTPS（超文本传输安全协议）以防止中间人攻击。

　　在合规层面，保险销售涉及保险中介许可证、双录（录音录像）、KYC（投保人身份核验）等要求，这些要求在系统设计阶段就必须嵌入业务流程。支付环节还需符合反洗钱（AML）和反欺诈的风控规则。

　　险企：已有保险垂直大模型落地

　　对于普通消费者来说，关于购险的需求，不同类型大模型给出的回答专业度似乎很难区分，那么保险专业大模型到底有何不同？

　　业内人士在受访时表示，基于大模型技术的智能保险顾问与业务广泛的通用大模型不同，它只专注服务保险行业。一般而言，智能保险顾问可提供保险产品解读、保险方案配置和陪伴式理赔服务，全流程解决用户在保前、保中和保后的保险疑问和需求。

　　罗方舟在受访时提到，通用大模型与保险垂直大模型的本质区别在于知识密度和可控性。通用大模型的优势在于知识覆盖面广、对话流畅，但在保险领域存在明显短板：保险产品条款极其精细，不同险种、条款版本、除外责任、核保规则等信息动态变化，通用模型容易产生“幻觉”，可能输出与事实不符的错误信息。他认为，保险业务涉及合规，错误回复可能导致误导销售，这是监管红线。此外，通用大模型在结构化险种对比、核保结论推理等方面能力不足。

　　保险专业大模型的真正价值体现在：基于保险知识库（RAG）进行检索增强，减少“幻觉”；对接核保规则引擎，实现健康告知的初步判断和风险筛查；在合规边界内生成话术，明确区分“产品介绍”与“销售误导”；能够对接保单管理、理赔进度等业务数据。

　　罗方舟还表示，“保险大模型”真正的技术壁垒在于拥有足够丰富、及时更新的保险产品数据，以及将技术与业务流程深度融合。

　　记者注意到，一些头部险企已布局垂直领域大模型。如中国人保在2025年年报中称，公司通过自研方式打造保险领域垂直大模型“人保宸灵”，场景意图理解准确率超过99%。中国人保党委委员、人保财险党委书记张道明在业绩发布会上介绍，公司在建设一流AI底座方面取得初步成效：建立国产化异构算力平台，上线保险垂直大模型，建立200余项原子化AI能力，持续建设高质量训练数据集超30类。

　　众安在线在年报中提及，持续加大AI领域的研发与资源投入，深化大模型与保险垂直场景的融合创新，持续夯实AI技术底座。

（文章来源：每日经济新闻）