Bisa AI Mendeteksi Korupsi? Bukti dari 27 Sistem Pemerintahan

Sudutnya. AI Dapat membantu mengungkap korupsi, tetapi bukan seperti yang digambarkan dalam berita utama. Alat-alat dengan hasil yang diverifikasi secara independen tidaklah glamor: data pengadaan terbuka dan indikator statistik yang memantau kontrak dan pejabat di depan umum. Sistem yang menyebabkan kerugian nyata justru menghakimi warga biasa secara rahasia. Arahkan algoritma ke atas, bukan ke bawah, dan tunjukkan cara kerjanya.

Triknya

Pada tanggal 11 September 2025, Albania's Perdana Menteri Edi Rama memperkenalkan anggota kabinet barunya: Diella, sebuah avatar yang dihasilkan oleh AI yang awalnya merupakan chatbot di portal layanan e-Albania, yang ditugaskan untuk mengurus pengadaan publik. Ia berjanji bahwa tender akan sepenuhnya bebas dari korupsi. Berita utama di seluruh dunia menyebutnya sebagai yang pertama AI menteri.

Inilah pengungkapannya. Lebih dari setahun kemudian, saya tidak dapat menemukan catatan publik apa pun tentang Diella yang memutuskan satu pun tender. Pada Oktober 2026, Albania's Mahkamah Konstitusional menolak gugatan dari 39 anggota parlemen oposisi dengan alasan status kependudukan, dan menambahkan bahwa AI tidak dapat mengubah tatanan konstitusional. Sementara itu, bentuk akuntabilitas kuno tetap aktif: seorang wakil perdana menteri telah didakwa terkait tender terowongan jalan senilai sekitar €190 juta, menurut jaringan investigasi OCCRP.

Avatar itu adalah tipuan. Anti-korupsi yang sebenarnya. AI Membosankan: data dipublikasikan secara terbuka, tanda bahaya statistik yang dapat diperiksa siapa pun, dan auditor yang memiliki wewenang untuk bertindak berdasarkan tanda-tanda tersebut. Untuk memisahkan keduanya, saya menilai 27 implementasi nyata, dari Brasil hingga Belanda hingga India, berdasarkan tiga pertanyaan. Apakah ada bukti independen bahwa itu berhasil? Dapatkah pihak luar melihat bagaimana cara kerjanya? Apakah itu merugikan orang yang tidak bersalah?

Mojo's Hukum: persamaan bendera yang salah

Setiap sistem deteksi kecurangan membuat dua jenis kesalahan: sistem tersebut melewatkan beberapa pelaku kecurangan dan menuduh beberapa orang yang tidak bersalah. Ketika hal yang diburu jarang terjadi, kesalahan kedua akan mendominasi. Berikut adalah perhitungan yang harus dilihat setiap menteri sebelum peluncuran:

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

N adalah jumlah orang yang diperiksa, p adalah persentase orang yang benar-benar curang, dan FPR adalah tingkat positif palsu: seberapa sering sistem salah menandai orang yang jujur.

Coba gunakan angka bulat (hanya sebagai ilustrasi). Saring 1 juta penerima tunjangan, anggap 1% melakukan penipuan, dan berikan sistem tingkat positif palsu 5%. Sistem tersebut secara salah menandai sekitar 49,500 orang jujur, sementara paling banyak hanya ada 10,000 penipu sebenarnya yang perlu ditemukan. Kecuali setiap penandaan diperiksa oleh manusia sebelum siapa pun dihukum, sistem tersebut menjadi mesin untuk menuduh orang yang tidak bersalah. Itulah yang terjadi di Michigan, di mana audit menemukan 85% dari temuan penipuan yang diputuskan oleh komputer adalah salah.

Hukum kedua di sini adalah hukum Campbell.'s Menurut hukum yang dikemukakan oleh ilmuwan sosial Donald Campbell pada tahun 1976: semakin sering suatu angka digunakan untuk membuat keputusan sosial, semakin besar pula kemungkinan terjadinya korupsi dan distorsi terhadap hal yang diukurnya. Setiap metrik anti-korupsi akan dimanipulasi oleh orang-orang yang justru ingin ditangkapnya. Sistem yang baik mengasumsikan hal itu sejak hari pertama.

Seberapa besar sebenarnya masalah korupsi itu?

Cukup besar untuk diperhitungkan, dan lebih sulit diukur daripada yang diakui sebagian besar artikel.

Dari 182 negara, 122 mencetak skor di bawah 50, dan hanya lima negara yang mencetak skor di atas 80, dipimpin oleh Denmark dengan skor 89.

Pengadaan publik adalah tempat uang berada. Bank Dunia's Bosio dan Djankov memperkirakan pembelian pemerintah mencapai sekitar $11 triliun pada tahun 2018, sekitar 12% dari PDB dunia; Open Contracting Partnership memperkirakan sekitar $13 triliun per tahun. Sebuah studi Bank Dunia tahun 2024 tentang Makedonia Utara menemukan penetapan harga yang berlebihan terkait korupsi senilai 5 hingga 6% dari pengeluaran pengadaan, dengan hampir 30% tender hanya menarik satu penawar.

Kini ada satu angka yang Mojo menolak untuk ulangi tanpa label peringatan: klaim terkenal bahwa suap merugikan dunia sebesar $1.5 hingga $2 triliun per tahun. Angka ini muncul dalam catatan IMF tahun 2016, yang diekstrapolasi dari perkiraan Bank Dunia tahun 2005 oleh Daniel Kaufmann yang didasarkan pada survei suap dan asumsi yang berat.

Pakar antikorupsi Matthew Stephenson menulis bahwa kita tidak memiliki gambaran nyata tentang berapa biaya korupsi. Serangkaian laporan jujur ​​tentang bukti seharusnya menyatakan hal itu, dan kemudian mengukur apa yang sebenarnya dapat diukur: penetapan harga yang berlebihan, penawaran tunggal, pemulihan, dan tuduhan yang salah.

Di mana data tersedia dan AI Apakah mereka benar-benar menangkap pelaku korupsi?

Kemenangan yang terverifikasi lebih sedikit daripada siaran pers, dan yang terbaik di antaranya adalah tentang keterbukaan, bukan kecerdasan.

ProZorro Ukraina . Diluncurkan pada tahun 2015 setelah protes Maidan dan diwajibkan sejak 2016, ProZorro menempatkan tender publik secara daring, dengan platform pemantauan warga, DoZorro, yang terpasang di atasnya. Sebagian besar berupa data terbuka daripada AI, dan itulah intinya.

Evaluasi independen oleh Sekolah Ekonomi Kyiv pada Desember 2022 menemukan penghematan riil sebesar 1 hingga 20% dibandingkan pembelian yang dilakukan di luar sistem, tergantung pada pasar. DoZorro's Model pembelajaran mesin tahun 2018, yang dilatih menggunakan sekitar 3,500 tender yang diberi label oleh para ahli, dilaporkan mendeteksi lebih banyak dugaan kolusi daripada peninjauan manual, tetapi hasil tersebut berasal dari pengembangnya.

Robot-robot Brasil. Pada tahun 2016, sekelompok ilmuwan data membangun Rosie, sebuah bot sumber terbuka yang memindai lebih dari 3 juta tanda terima pengeluaran dari anggota Kongres dan menandai sekitar 8,000 klaim yang mencurigakan. 125 kasus pertama yang ditinjau hanya berhasil mengembalikan sekitar R$2,500; kekuatan sebenarnya Rosie adalah tekanan publik.

Pengawas keuangan federal's Sistem Alice memeriksa tender setiap hari terhadap sekitar 40 pola risiko; pemerintah mengatakan hal itu menyebabkan penawaran senilai R$9.7 miliar ditangguhkan atau dibatalkan pada tahun 2019 hingga 2022, angka yang belum diaudit secara independen oleh siapa pun.

Tanda-tanda peringatan yang memprediksi. Penelitian akademis yang dipimpin oleh Mihály Fazekas membangun Indeks Risiko Korupsi dari data pengadaan publik di Hongaria. Perusahaan yang mendapat skor tinggi lebih menguntungkan, lebih terhubung secara politik, dan lebih sering terdaftar di surga pajak. Namun, tidak semua tanda peringatan terbukti benar: sebuah studi tahun 2023 terhadap 145,000 kontrak Italia menemukan beberapa indikator populer memiliki validitas yang lemah. Tanda-tanda peringatan menandai risiko, bukan kesalahan.

Pajak dan pembayaran. Otoritas GST pusat India melaporkan mendeteksi penipuan kredit pajak masukan palsu senilai ₹74,782 crore pada tahun 2025-26, dua kali lipat angka dua tahun sebelumnya, yang dikreditkan pada analisis data canggih dan profil risiko.

Namun, deteksi bukan berarti pemulihan. Dalam serangkaian laporan terpisah tahun 2024-25 yang mencakup pejabat pusat dan negara bagian, kredit fiktif senilai ₹61,545 crore terdeteksi dan ₹1,924 crore, atau sekitar 3%, berhasil dipulihkan, menurut PTI.

Inggris's kredit otoritas pajak AI dan analitik dengan sekitar £10 miliar dari hasil kepatuhan tahun 2025-26, dan rilis informasi publik menyebutkan bahwa pemulihan senilai £4.6 miliar berasal dari sistem data Connect-nya. Departemen Keuangan AS melaporkan lebih dari $4 miliar penipuan yang dicegah atau dipulihkan pada tahun fiskal 2024, tetapi hanya sekitar $1 miliar yang berasal dari Mesin belajar; sisanya berasal dari penyaringan risiko dan aturan pembayaran yang lebih baik.

Kebenaran sederhana dari Korea. Korea Selatan membangun salah satu sistem pengadaan elektronik yang paling dikagumi di dunia dan, sejak tahun 2006, sistem indikator pengaturan tender otomatis. Dalam pengajuan Juni 2026 kepada OECD, otoritas persaingan usaha Korea Selatan melaporkan bahwa sistem tersebut hanya menghasilkan 10 kasus pengaturan tender dalam delapan tahun, dan mengumumkan peningkatan. Bahkan sistem yang bagus pun menangkap lebih sedikit kasus daripada yang Anda bayangkan.

Di mana letak kesalahan pemerintahan algoritmik?

Kegagalan-kegagalan tersebut memiliki tiga ciri yang sama: mereka menargetkan individu, mereka tidak transparan, dan mereka memperlakukan komputer sebagai sasaran.'s Kecurigaan sebagai bukti. Beberapa di antaranya adalah aturan sederhana atau pencocokan data, bukan AI, yang merupakan peringatan tersendiri: Anda tidak memerlukan jaringan saraf untuk menimbulkan kerusakan dalam skala besar.

Belanda, tunjangan penitipan anak. Sebuah model risiko pembelajaran mandiri yang diperkenalkan oleh administrasi pajak Belanda pada tahun 2013 menggunakan kewarganegaraan non-Belanda sebagai faktor risiko, menurut Amnesty International. Sekitar 26,000 orang tua dituduh melakukan penipuan secara salah antara tahun 2005 dan 2019, dan pemerintah mengundurkan diri pada Januari 2021.

Otoritas perlindungan data Belanda mendenda administrasi pajak sebesar €2.75 juta. Pada Januari 2024, 33,335 orang telah diidentifikasi sebagai korban, dan pada September 2026 lebih dari 4,000 orang masih menunggu bantuan.

Belanda, SyRI. Pada Februari 2020, pengadilan Belanda memutuskan bahwa SyRI, sebuah sistem yang menghubungkan basis data pemerintah untuk memprediksi penipuan kesejahteraan sosial, melanggar hak atas privasi berdasarkan Pasal 8 Konvensi Eropa tentang Hak Asasi Manusia karena kurang transparan dan dapat diverifikasi.

Australia, Robodebt. Dari tahun 2016 hingga 2020, skema pencocokan data otomatis merata-ratakan pendapatan tahunan untuk menghitung kelebihan pembayaran kesejahteraan, mengeluarkan sekitar 470,000 utang yang salah. Komisi Kerajaan pada Juli 2023 menyebutnya kasar dan kejam. Pemerintah menyetujui penyelesaian sebesar A$1.872 miliar pada tahun 2021 dan mengumumkan tambahan A$475 juta pada September 2025.

Michigan, MiDAS. Antara tahun 2013 dan 2015, sistem pengangguran Michigan memutuskan kasus penipuan tanpa campur tangan manusia. Sebuah tinjauan menemukan bahwa 85% dari 40,195 temuan tersebut salah.

Inggris, nilai ujian 2020. Ketika ujian dibatalkan selama pandemi, sebuah model statistik menurunkan 39.1% nilai A-level di Inggris, sekitar 280,000 hasil, yang paling berdampak pada siswa sekolah negeri, hingga pemerintah membatalkan kebijakan tersebut.

Pengenalan wajah. Sebuah studi NIST tahun 2019 terhadap 189 algoritma menemukan bahwa tingkat kesalahan positif untuk wajah orang Asia dan Afrika-Amerika seringkali 10 hingga 100 kali lebih tinggi daripada untuk wajah orang kulit putih, tergantung pada algoritmanya. Innocence Project mencatat enam tuduhan salah yang diketahui dari pengenalan wajah polisi di AS pada tahun 2023, semuanya terhadap orang kulit hitam. Setelah Detroit menyelesaikan kasus penangkapan yang salah pada tahun 2024 dan menyetujui perlindungan baru, pencarian polisi di sana turun dari sekitar 100 pada tahun 2023 menjadi 9 pada tahun 2025.

Denmark, masih dipersengketakan. Pada November 2024, Amnesty International berpendapat bahwa beberapa dari hingga 60 model penipuan yang digunakan oleh Denmark's lembaga kesejahteraan dapat dianggap sebagai pemberian skor sosial yang dilarang berdasarkan EU AI BertindakBadan tersebut membantah hal itu. Ini adalah uji coba langsung dari peraturan baru tersebut.

Indeks Integritas Mojo: apa yang membedakan kemenangan dari skandal?

Siapa yang diawasi oleh sistem. Saya memberi skor pada masing-masing dari 27 implementasi dari 0 hingga 2 berdasarkan tiga hal: bukti independen atas hasil, transparansi kepada pihak luar, dan tidak adanya dampak negatif yang terdokumentasi. Kemudian saya mengurutkannya berdasarkan targetnya.

Polanya sangat jelas. Dari 11 sistem yang ditujukan untuk kontrak dan pejabat, tidak satu pun yang menimbulkan masalah dan tiga di antaranya memiliki manfaat yang terverifikasi secara independen. Keenam sistem yang ditujukan untuk pajak dan pembayaran mengklaim manfaat yang belum diaudit oleh siapa pun di luar pemerintah. Dari 10 sistem yang ditujukan untuk warga negara dan pekerja, tujuh di antaranya menyebabkan kerugian yang terdokumentasi. Skor Integritas rata-rata adalah 3.9 dari 6 untuk sistem yang mengawasi kontrak dan pejabat, dibandingkan dengan 2.3 untuk sistem yang menilai warga negara dan pekerja.

Ada satu catatan penting: kerugian yang dialami warga negara akan dituntut dan didokumentasikan, sementara biaya sistem pemantauan kontrak lebih sulit dilihat. Namun, mekanisme di balik pola ini jelas. Memantau kontrak atau pejabat's Pengeluaran publik menciptakan akuntabilitas bagi mereka yang berkuasa. Pemberian skor kepada penerima bantuan sosial atau pengemudi secara pribadi menciptakan kekuasaan atas yang lemah, dan persamaan "bendera yang salah" menjamin orang-orang yang tidak bersalah akan terjebak dalam jerat tersebut.

Bagaimana dengan menangkap pelaku kelalaian? Logika yang sama berlaku untuk AI yang mengawasi pekerja atau masyarakat umum. Kerala's jaringan yang terdiri lebih dari 700 AI Kamera lalu lintas, yang menelan biaya ₹232 crore, telah menangkap sekitar 98 lakh pelanggaran dan memungut denda sebesar ₹631 crore hingga April 2025, meskipun terdapat beberapa kendala awal termasuk pembacaan kecepatan 1,240 km/jam.

Negara's Menteri Perhubungan mengatakan angka kematian akibat kecelakaan lalu lintas turun dari 4,084 pada tahun 2023 menjadi 3,733 pada tahun 2025; belum ada studi kausal yang menguji klaim tersebut. Di gudang-gudang AS, laporan mayoritas komite Senat pada Desember 2024 menemukan bahwa Amazon's Tingkat cedera adalah 6.54 per 100 pekerja pada tahun 2023, dibandingkan dengan 4.8 di seluruh industri pergudangan, dan dikaitkan dengan kuota kecepatan yang ditetapkan dan dipantau oleh algoritma. Amazon membantah laporan tersebut.

Uni Eropa's Arahan Kerja Platform, yang berlaku sejak Desember 2024, kini melarang platform memproses keadaan emosional dan percakapan pribadi pekerja, dan mewajibkan peninjauan oleh manusia. keputusan otomatis yang signifikanItu adalah templat yang masuk akal: biarkan AI Tandai bahayanya, jangan pernah biarkan bahaya itu menjadi hakim Anda.

Siapa yang mengatur algoritma tersebut?

Dunia's Regulator-regulator besar bergerak ke arah yang berbeda, dan aturan-aturan paling relevan untuk penilaian kesejahteraan dan tunjangan baru saja ditunda di Eropa.

Yurisdiksi	Ketentuan yang berlaku, November 2026	Perubahan terbaru
Uni Eropa	AI Undang-undang berlaku sejak Agustus 2024; larangan sejak Februari 2025; tujuan umum AI tugas sejak Agustus 2025	Digital Omnibus, yang berlaku efektif pada 27 Juli 2026, memindahkan tugas-tugas berisiko tinggi untuk area seperti penilaian kesejahteraan dari Agustus 2026 ke 2 Desember 2027.
Amerika Serikat	AI Rencana Aksi (Juli 2025) dengan lebih dari 90 tindakan federal; tidak ada tindakan federal yang komprehensif. AI hukum	Perintah eksekutif tanggal 11 Desember 2025 yang berupaya menciptakan kerangka kerja nasional dan menantang kebijakan negara bagian yang "memberatkan". AI hukum, dengan gugus tugas Departemen Kehakiman yang dibentuk pada Januari 2026.
Cina	Peraturan yang mewajibkan label terlihat dan tersembunyi pada konten yang dihasilkan AI, berlaku sejak 1 September 2025.	Penegakan pelabelan
India	Tidak mengikat AI Hukum; Peraturan TI tentang pelabelan kandungan sintetis yang berlaku sejak 20 Februari 2026	Menjadi tuan rumah AI Konferensi Tingkat Tinggi Dampak di New Delhi, Februari 2026
Persatuan negara-negara	Panel Ilmiah Internasional Independen tentang AI ditunjuk Februari 2026	Dialog Global Pertama tentang AI Sidang tata kelola diadakan di Jenewa, Juli 2026, dengan 163 negara.

Pendukung Eropa's Pihak yang menunda pemberlakuan kebijakan tersebut mengatakan hal itu memberi waktu kepada bisnis untuk mematuhi peraturan yang kompleks; sementara para kritikus, termasuk kelompok masyarakat sipil, berpendapat bahwa hal itu membuat sistem sektor publik yang berisiko tinggi tetap tidak diatur untuk waktu yang lebih lama.

Para pendukung perintah eksekutif AS mengatakan bahwa beragamnya undang-undang negara bagian akan menghambat inovasi; para kritikus, termasuk beberapa pejabat negara bagian, mengatakan bahwa hal itu mengesampingkan pilihan demokratis dan melemahkan perlindungan. Kedua perdebatan tersebut berpusat pada pertanyaan yang sama yang terus diangkat dalam tulisan ini: siapa yang memeriksa sistem sebelum menyentuh warga negara?

Masyarakat bersikap waspada. Sebuah survei KPMG dan Universitas Melbourne terhadap lebih dari 48,000 orang di 47 negara, yang diterbitkan pada Mei 2025, menemukan 46% bersedia mempercayai AI dan 70% mengatakan regulasi diperlukan, sementara 66% mengatakan mereka bergantung pada AI Keluaran tanpa memeriksanya.

Stanford's AI Indeks mencatat 204 undang-undang terkait AI yang disahkan di 114 negara antara tahun 2016 dan 2024. Peraturan-peraturan tersebut terus bertambah. Apakah peraturan-peraturan tersebut akan hadir sebelum Robodebt berikutnya, itulah perlombaan sesungguhnya.

Cek Klaim

Klaim	Siapa yang membuatnya?	MES	Mojo's Baca baca
An AI Menteri akan membuat proses tender bebas dari korupsi.	Pemerintah Albania, 2025	1 Klaim	Tidak ada catatan publik mengenai tender apa pun yang diputuskan oleh Diella.
Pengadaan elektronik menghemat uang pemerintah.	Ukraina's ProZorro	4 Kuat	Evaluasi independen menemukan penghematan sebesar 1 hingga 20%, bervariasi tergantung pasar.
AI ditemukan penawaran mencurigakan senilai R$9.7 miliar	Brasil's pengawas	2 Awal	Pemerintah's angka sendiri; penawaran yang ditangguhkan belum terbukti sebagai penipuan
Analisis mengungkap rekor penipuan pajak.	Badan pajak India, Inggris, dan AS.	2 Awal	Angka deteksi dilaporkan oleh lembaga terkait; pemulihan seringkali hanya sebagian kecil.
Tanda-tanda peringatan dalam pengadaan barang dan jasa mengindikasikan adanya korupsi.	penelitian akademik	4 Kuat	Tautan yang ditinjau oleh rekan sejawat mengarah pada koneksi politik dan penetapan harga yang berlebihan; beberapa bendera lemah.
Deteksi penipuan otomatis melindungi uang publik.	Banyak lembaga kesejahteraan	0 Tidak bertahan lama	Robodebt, MiDAS, dan skandal Belanda menyebabkan tuduhan salah secara massal.
Suap merugikan dunia sebesar 1.5 hingga 2 triliun dolar AS setiap tahunnya.	Diulang secara luas, dari catatan IMF tahun 2016	1 Klaim	Berdasarkan ekstrapolasi tahun 2005; para ahli mengatakan angka sebenarnya tidak diketahui.
AI Kamera lalu lintas mengurangi angka kematian di jalan raya.	Pemerintahan Kerala	2 Awal	Angka kematian menurun, tetapi tidak ada penelitian yang menghubungkan penurunan tersebut dengan kamera.

Sudut Balik

Keberatan terkuat adalah bahwa saya membandingkan apel dengan jeruk. Sistem kesejahteraan dan kepolisian menyentuh jutaan individu, sehingga kesalahan mereka pasti terlihat dan bersifat pribadi. Pengawasan pengadaan menyentuh beberapa ribu perusahaan dan pejabat, yang memiliki pengacara tetapi tidak memiliki simpati, sehingga kesalahan mereka jarang menjadi berita utama.

Berdasarkan pandangan ini, indeks saya mengukur siapa yang mengeluh, bukan sistem mana yang lebih baik.

Ada benarnya juga hal itu, itulah mengapa indeks tersebut melaporkan bukti, transparansi, dan kerugian secara terpisah, bukan hanya satu angka ajaib. Namun, putusan pengadilan, komisi kerajaan, dan audit di balik tujuh kegagalan tersebut bukanlah keluhan; melainkan temuan.

Dan kasus-kasus yang tidak dapat dijelaskan oleh keberatan tersebut adalah kasus-kasus yang paling penting: ketika pemerintah yang sama menerapkan algoritma pada kontrak mereka sendiri secara terbuka, mereka tidak sampai meminta maaf kepada puluhan ribu keluarga.

Mojo's Ramalan

1. Albania menerbitkan catatan yang dapat diverifikasi tentang setidaknya satu tender publik yang diputuskan atau dinilai oleh Diella paling lambat tanggal 31 Desember 2027. Probabilitas: 40%.
2. Uni Eropa's Kewajiban berisiko tinggi untuk sistem Lampiran III mulai berlaku pada tanggal 2 Desember 2027 tanpa penundaan lebih lanjut. Probabilitas: 60%.
3. India's Otoritas GST pusat melaporkan deteksi kredit pajak masukan palsu untuk tahun 2026-2027 di atas angka ₹74,782 crore pada tahun 2025-27, hingga 31 Desember 26. Probabilitas: 70%.

Ketiganya tercatat dalam Buku Besar Prakiraan Mojo.

Di mana hal ini akan diperdebatkan selanjutnya?

FAQ (Pertanyaan Umum)

Algoritma anti-korupsi terbaik adalah spreadsheet yang dapat dibuka siapa pun. Yang terburuk adalah skor yang tidak dapat dilihat siapa pun.