Мога AI Откриване на корупция? Доказателства от 27 правителствени системи

Ъгълът. AI може да помогне за разкриването на корупция, но не по начина, по който подсказват заглавията. Инструментите с независимо проверени резултати са не особено бляскави: отворени данни за обществените поръчки и статистически червени флагове, които наблюдават договорите и длъжностните лица публично. Системите, които са причинили реална вреда, са съдили обикновените граждани тайно. Насочете алгоритъма нагоре, а не надолу, и покажете как работи.

Номерът

На 11 септември 2025 г. Албания's Премиерът Еди Рама представи нов член на кабинета си: Диела, аватар, генериран от изкуствен интелект, който започна живота си като чатбот в портала за услуги e-Albania, и беше назначен да отговаря за обществените поръчки. Той обеща, че търговете ще станат напълно некорумпирани. Заглавията по целия свят го нарекоха първият... AI министър.

Ето разкритието. Повече от година по-късно не можах да намеря публичен запис на това, че Диела е взела решение по нито една оферта. През октомври 2026 г. Албания's Конституционният съд отхвърли жалба от 39 депутати от опозицията въз основа на процесуална легитимация, добавяйки, че AI не може да промени конституционния ред. Междувременно старомодният вид отчетност беше зает: заместник министър-председателят беше обвинен във връзка с търг за пътен тунел на стойност около 190 милиона евро, според разследващата мрежа OCCRP.

Аватарът е трикът. Истинската борба с корупцията AI е скучно: данни, публикувани публично, статистически червени флагове, които всеки може да провери, и одитори с правомощия да действат по тях. За да разделя двете, аз оцених 27 реални разполагания на мисии, от Бразилия до Холандия и Индия, по три въпроса. Има ли независими доказателства, че е работило? Могат ли външни хора да видят как работи? Нарани ли невинни хора?

Mojo's Право: уравнението на неправомерния флаг

Всяка система за откриване на измами допуска два вида грешки: пропуска някои измамници и обвинява някои невинни хора. Когато нещото, което се търсеше, е рядко срещано, втората грешка доминира. Ето аритметиката, която всеки министър трябва да види преди стартирането си:

\text{Innocent people flagged} = N \times (1 - p) \times \text{FPR}

N е броят на проверените хора, p е делът на тези, които действително мамят, а FPR е процентът на фалшиво положителните резултати: колко често системата погрешно маркира честен човек.

Опитайте със закръглени числа (само илюстративно). Проверете 1 милион получатели на помощи, да предположим, че 1% извършват измама и дайте на системата 5% фалшиво положителен резултат. Тя погрешно маркира около 49 500 честни хора, докато има най-много 10 000 истински измамници, които трябва да бъдат открити. Освен ако всеки флаг не бъде проверен от човек, преди някой да бъде наказан, системата се превръща в машина за обвиняване на невинните. Точно това се случи в Мичиган, където одит установи, че 85% от компютърно решените измами са грешни.

Вторият закон тук е на Кембъл's закон, от социалния учен Доналд Кембъл през 1976 г.: колкото повече едно число се използва за вземане на социални решения, толкова повече то насърчава корупцията и изкривява това, което измерва. Всеки показател за борба с корупцията ще бъде манипулиран точно от хората, които е предназначен да улови. Добрите системи приемат това от първия ден.

Колко голям е всъщност проблемът с корупцията?

Достатъчно голямо, за да има значение, и по-трудно за измерване, отколкото повечето статии признават.

122 от 182-те държави са постигнали под 50 точки, а само пет са постигнали над 80, водени от Дания с 89.

Обществените поръчки са мястото, където са парите. Световната банка's Босио и Дянков оцениха държавните поръчки на около 11 трилиона долара през 2018 г., което е около 12% от световния БВП; партньорството за отворени договори ги определя на около 13 трилиона долара годишно. Проучване на Световната банка на Северна Македония от 2024 г. установи, че свързаното с корупцията завишаване на цените представлява 5 до 6% от разходите за обществени поръчки, като близо 30% от търговете привличат един-единствен участник.

Сега едно число, което Mojo отказва да повтори без предупреждение: известното твърдение, че подкупите струват на света от 1.5 до 2 трилиона долара годишно. То се появява в бележка на МВФ от 2016 г., екстраполирана от оценка на Световната банка от 2005 г. на Даниел Кауфман, която се основава на проучвания за подкупи и сериозни предположения.

Антикорупционният експерт Матю Стивънсън пише, че нямаме реална представа колко струва корупцията. Една честна поредица за доказателствата би трябвало да го каже, а след това да измери това, което всъщност може да бъде измерено: надценяване, еднократно наддаване, възстановяване на суми и неправомерни обвинения.

Къде има данни и AI наистина ли е хванал корупция?

Потвърдените победи са по-малко от прессъобщенията, а най-добрите от тях са свързани с откритост, а не с интелигентност.

Украинската система ProZorro . Стартирала през 2015 г. след протестите на Майдана и задължителна от 2016 г., ProZorro публикува публичните поръчки онлайн, като върху тях е вградена платформа за граждански мониторинг, DoZorro. Тя е предимно отворени данни, а не изкуствен интелект, и това е смисълът.

Независима оценка на Киевското училище по икономика през декември 2022 г. установи реални спестявания от 1 до 20% в сравнение с покупки, направени извън системата, в зависимост от пазара. DoZorro's Според съобщенията, моделът за машинно обучение от 2018 г., обучен върху около 3,500 експертно обозначени търгове, е открил много повече предполагаеми тайни споразумения, отколкото ръчен преглед, но тези резултати идват от неговите разработчици.

Бразилските роботи. През 2016 г. група специалисти по данни създадоха Rosie, бот с отворен код, който сканира повече от 3 милиона разписки за разходи от членове на Конгреса и маркира около 8,000 подозрителни твърдения. Първите 125 разгледани случая възстановиха само около 2,500 бразилски реала; истинската сила на Rosie беше общественият натиск.

Федералният контрольор's Системата Alice ежедневно проверява търговете за около 40 рискови модела; правителството твърди, че това е довело до спиране или отмяна на търгове на стойност 9.7 милиарда бразилски долара през периода 2019-2022 г. - цифра, която никой не е одитирал независимо.

Червени флагове, които предсказват. Академична работа, ръководена от Михай Фазекаш, изгради Индекс на корупционния риск от данни за обществените поръчки в Унгария. Фирмите с високи оценки са по-печеливши, по-политически свързани и по-често регистрирани в данъчни убежища. Не всеки червен флаг обаче е валиден: проучване от 2023 г. на 145 000 италиански договора установи, че някои популярни показатели имат слаба валидност. Червените флагове маркират риск, а не вина.

Данъци и плащания. Централните органи на Индия за ДДС съобщиха за откриването на 74 782 крори рупии с фалшиви измами с данъчен кредит за входни данъци през 2025-2026 г., което е двойно повече от цифрата две години по-рано, като се отдава на усъвършенствания анализ на данни и профилирането на риска.

Разкриването обаче не е възстановяване. В отделна серия от 2024-25 г., обхващаща централни и щатски служители, са разкрити 61 545 крори рупии фалшиви кредитни истории и са възстановени 1 924 крори рупии, около 3%, според PTI.

Великобритания's данъчни облекчения AI и анализи с около 10 милиарда паунда от приходите от съответствие за 2025-26 г., а съобщение за свобода на информацията приписва 4.6 милиарда паунда възстановени средства на неговата система за данни Connect. Министерството на финансите на САЩ съобщи за над 4 милиарда долара предотвратени или възстановени измами през фискалната 2024 г., но само около 1 милиард долара от тях са дошли от машинно обучение; останалото се дължи на по-добър скрининг на риска и правила за плащане.

Скромната истина от Корея. Южна Корея изгради една от най-възхитителните системи за електронни обществени поръчки в света, а от 2006 г. насам и автоматизирана система за индикатори за тръжни манипулации. В доклад, подаден до ОИСР през юни 2026 г., нейният орган по конкуренцията съобщи, че системата е довела до само 10 случая на тръжни манипулации за осем години и обяви подобрение. Дори добрите системи засичат по-малко случаи, отколкото бихте си помислили.

Къде сбърка алгоритмичното управление?

Провалите споделят три характеристики: те са насочени към отделни лица, те са непрозрачни и третират компютър's подозрение като доказателство. Няколко от тях бяха прости правила или съпоставяне на данни, а не изкуствен интелект, което само по себе си е предупреждение: не е необходима невронна мрежа, за да се нанесат щети в голям мащаб.

Нидерландия, помощи за грижи за деца. Модел за самообучение на риска, въведен от нидерландската данъчна администрация през 2013 г., използва чуждестранна националност като рисков фактор, според Amnesty International. Около 26 000 родители са били погрешно обвинени в измама между 2005 и 2019 г., а правителството подаде оставка през януари 2021 г.

Нидерландският орган за защита на данните глоби данъчната администрация с 2.75 милиона евро. До януари 2024 г. 33 335 души бяха признати за жертви, а през септември 2026 г. над 4,000 все още чакаха подкрепа.

Нидерландия, SyRI. През февруари 2020 г. нидерландски съд постанови, че SyRI, система, свързваща правителствени бази данни за прогнозиране на измами със социални помощи, нарушава правото на личен живот съгласно член 8 от Европейската конвенция за правата на човека, тъй като не е достатъчно прозрачна и проверима.

Австралия, Robodebt. От 2016 до 2020 г. автоматизирана схема за съпоставяне на данни е изчислявала средния годишен доход, за да изчисли надплащанията по социалните помощи, като е генерирала около 470 000 неправомерни дългове. През юли 2023 г. Кралска комисия го нарече грубо и жестоко. През 2021 г. правителството се съгласи на споразумение в размер на 1.872 милиарда австралийски долара и обяви още 475 милиона австралийски долара през септември 2025 г.

Мичиган, MiDAS. Между 2013 и 2015 г. системата за безработица в Мичиган е решавала случаи на измами без човешко участие. Преглед установи, че 85% от тези 40 195 констатации са били грешни.

Англия, оценки от изпити през 2020 г. Когато изпитите бяха отменени по време на пандемията, статистически модел понижи 39.1% от оценките на ниво А в Англия, около 280 000 резултата, като засегна най-силно учениците от държавните училища, докато правителството не промени курса си.

Разпознаване на лица. Проучване на NIST от 2019 г. на 189 алгоритъма установи, че процентите на фалшиво положителни резултати за азиатски и афроамерикански лица често са от 10 до 100 пъти по-високи, отколкото за бели лица, в зависимост от алгоритъма. Проектът „Невинност“ е преброил шест известни неправомерни обвинения от полицейско разпознаване на лица в САЩ до 2023 г., всички на чернокожи. След като Детройт уреди дело за неправомерен арест през 2024 г. и се съгласи на нови предпазни мерки, полицейските претърсвания намаляха от около 100 през 2023 г. до 9 през 2025 г.

Дания, все още спорна. През ноември 2024 г. Amnesty International твърди, че някои от до 60-те модела за измами, използвани от Дания's агенцията за социално подпомагане може да се равнява на социално оценяване, забранено съгласно EU AI актАгенцията оспорва това. Това е тест на живо на новите правила.

Индексът на почтеността на Mojo: какво отличава победите от скандалите?

Кого наблюдава системата. Оцених всяко от 27-те внедрявания от 0 до 2 по три критерия: независими доказателства за резултати, прозрачност за външни лица и липса на документирана вреда. След това ги сортирах по тяхната цел.

Моделът е ясен. От 11-те системи, насочени към договори и длъжностни лица, нито една не е имала обратен ефект, а три са с независимо проверени ползи. И шестте, насочени към данъци и плащания, претендират за ползи, които никой извън правителството не е одитирал. От 10-те, насочени към граждани и работници, седем са причинили документирана вреда. Средният резултат за почтеност е 3.9 от 6 за системите, наблюдаващи договори и длъжностни лица, спрямо 2.3 за тези, които оценяват гражданите и работниците.

Има едно честно предупреждение: вредите за гражданите се съдебно преследват и документират, докато разходите за система за наблюдение на договорите са по-трудни за разбиране. Но механизмът зад тази тенденция е ясен. Наблюдението на договор или длъжностно лице's Публичните разходи създават отчетност за силните. Оценяването на получателите на социални помощи или шофьорите в частен сектор създава власт над слабите, а уравнението за неправомерно знаме гарантира, че невинни хора ще бъдат хванати в мрежата.

Ами залавянето на небрежност? Същата логика важи и за AI който наблюдава работниците или обществеността. Керала's мрежа от над 700 AI Пътните камери, струващи 232 крори рупии, са засекли около 98 лакха нарушения и са наложили глоби за 631 крори рупии до април 2025 г., въпреки че ранните проблеми са включвали отчитане на скорост от 1,240 км/ч.

Държавата's Министърът на транспорта казва, че смъртните случаи по пътищата са намалели от 4,084 през 2023 г. до 3,733 през 2025 г.; нито едно причинно-следствено проучване не е проверило това твърдение. В американските складове, доклад на мнозинството от сенатската комисия от декември 2024 г. установи, че Amazon...'s Процентът на наранявания е бил 6.54 на 100 работници през 2023 г., в сравнение с 4.8 в целия складов сектор, и го е свързал с квоти за скорост, определени и наблюдавани от алгоритми. Amazon оспорва доклада.

ЕС's Директивата за работата на платформи, в сила от декември 2024 г., вече забранява на платформите да обработват емоционалните състояния и личните разговори на работниците и изисква човешка проверка значителни автоматизирани решенияТова е разумен шаблон: нека AI сигнализирай за опасността, никога не позволявай тя да бъде съдията.

Кой управлява алгоритмите?

Светът's Големите регулатори се движат в различни посоки, а най-важните правила за оценяване на социалните помощи и обезщетенията току-що бяха отложени в Европа.

компетентност	Какво е в сила, ноември 2026 г.	Най-скорошна промяна
Европейския съюз	AI Закон в сила от август 2024 г.; забрани от февруари 2025 г.; общо предназначение AI задължения от август 2025 г.	„Дигиталният омнибус“, в сила от 27 юли 2026 г., премести високорисковите задължения в области като оценяване на благосъстоянието от август 2026 г. на 2 декември 2027 г.
Съединени щати	AI План за действие (юли 2025 г.) с повече от 90 федерални действия; няма всеобхватен федерален план AI закон	Изпълнителна заповед от 11 декември 2025 г., с която се търси национална рамка и се оспорва „обременяващото“ състояние AI закони, като през януари 2026 г. е създадена работна група към Министерството на правосъдието
Китай	Правила, изискващи видими и скрити етикети върху генерирано от изкуствен интелект съдържание, в сила от 1 септември 2025 г.	Прилагане на етикетирането
Индия	Без обвързване AI право; IT Правила за етикетиране на синтетично съдържание, в сила от 20 февруари 2026 г.	Домакин на AI Среща на върха Impact в Ню Делхи, февруари 2026 г.
Обединените нации	Независим международен научен панел по AI назначен през февруари 2026 г.	Първият глобален диалог по темата AI Управление, проведено в Женева през юли 2026 г. с участието на 163 държави

Поддръжници на Европа's Застрахователите казват, че това дава време на бизнеса да спазва сложни правила; критиците, включително групи от гражданското общество, твърдят, че това оставя високорисковите системи в публичния сектор нерегулирани за по-дълго време.

Поддръжниците на изпълнителната заповед на САЩ твърдят, че смесица от щатски закони би възпрепятствала иновациите; критиците, включително някои държавни служители, казват, че тя отменя демократичния избор и отслабва защитите. И двата дебата се въртят около един и същ въпрос, към който тази статия непрекъснато се връща: кой проверява системата, преди тя да докосне гражданин?

Обществеността е предпазлива. Проучване на KPMG и Университета в Мелбърн сред над 48 000 души в 47 държави, публикувано през май 2025 г., установи, че 46% са склонни да се доверят... AI и 70% казват, че е необходима регулация, докато 66% казват, че разчитат на AI изход без да го проверявам.

Станфорд's AI Индексът преброи 204 закона, свързани с изкуствения интелект, приети в 114 държави между 2016 и 2024 г. Правилата се множат. Дали ще пристигнат преди следващия Robodebt е истинската надпревара.

Проверка на иска

претенция	Кой го прави	МОН	Mojo's чета
An AI министърът ще направи търговете некорумпирани	Албанско правителство, 2025 г.	1 Твърдение	Няма публичен запис за нито един търг, решен от Диела
Електронните обществени поръчки спестяват пари на правителството	Украйна's ProZorro	4 Силен	Независимата оценка установи икономии от 1 до 20%, вариращи в зависимост от пазара
AI открити съмнителни оферти на стойност 9.7 милиарда бразилски долара	Бразилия's контрольор	2 Рано	Правителство's собствена цифра; преустановените оферти не са доказана измама
Анализи засекоха рекордни данъчни измами	Данъчни агенции на Индия, Великобритания и САЩ	2 Рано	Данните за разкриване са докладвани от агенциите; откриваемостта често е малка част
Червените знаци за обществените поръчки предвещават корупция	Академични изследвания	4 Силен	Рецензирани връзки към политически връзки и завишени цени; някои флагове са слаби
Автоматизираното разкриване на измами защитава публичните средства	Много агенции за социално подпомагане	0 Не издържа	Robodebt, MiDAS и холандският скандал предизвикаха масови неправомерни обвинения
Подкупите струват на света от 1.5 до 2 трилиона долара годишно	Широко повтаряно, от бележка на МВФ от 2016 г.	1 Твърдение	Основава се на екстраполация от 2005 г.; учените казват, че истинската цифра е неизвестна
AI Пътните камери намаляват смъртните случаи по пътищата	Правителството на Керала	2 Рано	Смъртните случаи са намалели, но няма проучване, което да свързва спада с камерите

Противоъгълът

Най-силното възражение е, че сравнявам ябълки с портокали. Системите за социално подпомагане и полицейски контрол засягат милиони хора, така че техните грешки са неизбежно видими и лични. Мониторингът на обществените поръчки засяга няколко хиляди фирми и длъжностни лица, които имат адвокати, но нямат съчувствие, така че грешките му рядко попадат в заглавията.

От тази гледна точка, моят индекс измерва кой се оплаква, а не кои системи са по-добри.

Има нещо в това, поради което индексът отчита доказателствата, прозрачността и вредите поотделно, а не с едно магическо число. Но съдебните решения, кралските комисии и одитите, стоящи зад седемте провала, не са оплаквания; те са констатации.

И случаите, които възражението не може да обясни, са тези, които имат най-голямо значение: когато същите тези правителства открито прилагаха алгоритми към собствените си договори, те в крайна сметка не се извиниха на десетки хиляди семейства.

Mojo's прогнози

1. Албания публикува проверим запис на поне една публична поръчка, решена или оценена от Diella до 31 декември 2027 г. Вероятност: 40%.
2. ЕС's Задълженията за високорискови системи по приложение III започват да се прилагат на 2 декември 2027 г. без по-нататъшно отлагане. Вероятност: 60%.
3. Индия's Централните органи по ДДС съобщават за фалшиви открития на данъчен кредит за входни данъци за 2026-27 г. над 74 782 крори рупии за 2025-26 г., до 31 декември 2027 г. Вероятност: 70%.

И трите са регистрирани в регистъра на прогнозите на Mojo.

Къде ще се обсъжда това по-нататък

Често задавани въпроси

Най-добрият алгоритъм за борба с корупцията е електронна таблица, която всеки може да отвори. Най-лошият е резултат, който никой не може да види.