老人前脚通过评估，后脚骑车买菜：3.2亿人参保的第六险，AI智能审计如何破局？

“一人失能，全家失衡”，这是许多有失能老人家庭面临的现实困境。被称为社保“第六险”的长期护理保险，正是为了破解这一难题而生。

最新数据显示，我国长期护理保险参保人数已超3.2亿，基金累计支出1142亿元，惠及超460万失能人员。

然而，随着覆盖面快速扩大，资金安全和评估公平性问题开始浮出水面。9月20日，审计署审计科研所发布报告，直指四大问题，其中失能评估管理存在漏洞、欺诈骗保套保多发尤为刺眼。

前不久，上海披露了一起典型的骗保案：有老人前脚刚通过长护险失能评估，后脚就出门旅游、骑车买菜。调查发现，评估机构与护理机构串通，教唆老人“装病”通过评估，再将本该用于医疗护理的资金，变成了上门打扫卫生的“家政服务”。两家机构累计套取基金200余万元。

问题定性难在哪？技术盲区在哪？

从审计视角看，这类问题的定性并不简单。它涉及几个层面的判断：评估机构是否履行了独立评估职责？护理服务是否真实发生？资金流向是否与申报服务一致？

一个“被失能”的老人，表面上手续齐全、评估报告完整。但如果把评估记录、服务记录、医保结算数据和老人的出行轨迹放在一起比对，矛盾就会暴露。

技术上的难点在于数据壁垒：评估数据在卫健委或民政系统，结算数据在医保系统，出行轨迹在交通或公安系统。传统审计靠人工抽查，面对海量、跨系统的数据，几乎不可能做到全量核验。

智能审计的技术破局：从“抽样”到“全量穿透”

要识破这类骗局，核心在于多源异构数据的全量关联分析。

如果把这条问题交给铭太科技智能审计定性助手，底层技术会这样运转：

第一步：基于NLP的问题标准化。 系统通过自然语言处理技术，将“老人装病通过评估、机构提供家政而非护理”的杂乱线索，解析并重构为规范的审计表述：“失能评估管理存在漏洞，护理服务未真实发生，存在欺诈骗保风险”。

第二步：知识图谱与规则引擎的定性匹配。 系统依托审计知识图谱，自动关联《长期护理保险失能等级评估管理办法》等法规，匹配“欺诈骗保”的定性特征向量，输出精准的定性结论。

第三步：构建异常检测模型生成整改建议。 系统建议建立“评估-服务-结算”三维比对模型：将老人的失能评估等级、护理人员的GPS定位与服务时长、医保系统的结算明细进行交叉验证。如果发现某位“重度失能”老人，其护理工单时间与他的公交出行记录、医疗就诊记录高度冲突，系统自动触发“假服务”预警。

每一步的整改动作，系统都会同步生成佐证材料清单：评估记录、服务轨迹、结算明细、追回凭证。措施写得再细，佐证凑不齐，问题就销不了号。

“第六险”的钱，要花在刀刃上

长期护理保险制度正在从试点走向全面建制，3.2亿人参保的盘子只会越来越大。钱越多，监管的责任越重。

智能审计的技术价值，不是替代审计人员的专业判断，而是打破跨部门数据壁垒，把“评估记录、服务轨迹、结算数据”放在同一个算法模型里跑，让隐蔽的异常特征自己浮出水面。

“第六险”保的是失能人员的尊严，也是千万家庭的喘息空间。这笔钱，经不起“被失能”的消耗。