수 AI 부패를 감지할 수 있을까? 27개 정부 시스템의 증거

각도. AI 부패를 적발하는 데 도움이 될 수 있지만, 언론 헤드라인에서 묘사하는 방식과는 다릅니다. 독립적으로 검증된 결과를 보여주는 도구들은 화려하지 않습니다. 공개 조달 데이터와 공개적으로 계약과 공무원을 감시하는 통계적 위험 신호 등이 그 예입니다. 실제로 심각한 피해를 초래한 시스템은 일반 시민을 비밀리에 심판했습니다. 알고리즘을 억압하는 것이 아니라 긍정적으로 활용하고, 그 작동 방식을 투명하게 공개해야 합니다.

트릭

2025년 9월 11일, 알바니아's 에디 라마 총리는 새로운 내각 구성원인 디엘라를 소개했습니다. 디엘라는 알바니아 e-알바니아 서비스 포털의 챗봇으로 시작한 인공지능 아바타로, 공공 조달을 담당하게 되었습니다. 라마 총리는 입찰 과정이 완전히 투명하게 진행될 것이라고 약속했습니다. 전 세계 언론은 이를 최초의 사례로 보도했습니다. AI 장관.

진실을 밝히겠습니다. 1년이 넘도록 저는 디엘라가 단 하나의 입찰에 대해서도 결정을 내렸다는 공개 기록을 찾을 수 없었습니다. 2026년 10월, 알바니아's 헌법재판소는 야당 의원 39명이 제기한 자격 요건 위반 소송을 기각하면서 다음과 같이 덧붙였다. AI 헌법 질서를 변경할 수는 없습니다. 한편, 전통적인 방식의 책임 추궁은 활발하게 진행되었습니다. 조사 네트워크인 OCCRP에 따르면, 한 부총리가 약 1억 9천만 유로 규모의 도로 터널 입찰과 관련하여 기소되었습니다.

아바타가 바로 속임수다. 진정한 반부패는 바로 이것입니다. AI 지루하다는 말은 사실이 아닙니다. 공개적으로 발표된 데이터, 누구나 확인할 수 있는 통계적 위험 신호, 그리고 조치를 취할 권한을 가진 감사관들 때문입니다. 이 둘을 구분하기 위해 저는 브라질에서 네덜란드, 인도에 이르기까지 27개의 실제 사례를 세 가지 질문에 따라 평가했습니다. 효과가 있었다는 독립적인 증거가 있는가? 외부인이 그 작동 방식을 확인할 수 있는가? 무고한 사람들에게 피해를 주지 않았는가?

모조's 법률: 잘못된 깃발 방정식

모든 부정행위 탐지 시스템은 두 가지 오류를 범합니다. 일부 부정행위자를 놓치는 것과 무고한 사람을 부정행위자로 몰아가는 것입니다. 탐지 대상이 희귀한 경우, 두 번째 오류가 더 두드러지게 나타납니다. 모든 장관은 시스템 도입 전에 다음 계산을 반드시 확인해야 합니다.

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

N은 검사 대상자 수, p는 실제로 부정행위를 한 사람의 비율, FPR은 오탐률(시스템이 정직한 사람을 잘못 부정행위자로 판정하는 빈도)입니다.

(단지 예시일 뿐이지만) 대략적인 수치를 사용해 보겠습니다. 10,000만 명의 복지 수급자를 조사하고, 그중 1%가 사기를 저지른다고 가정하고, 시스템의 오탐률을 5%로 설정한다고 해봅시다. 그러면 실제 사기범은 많아야 1만 명 정도인데, 시스템은 약 49,500명의 정직한 사람들을 잘못 사기범으로 분류하게 됩니다. 처벌 전에 모든 사기 혐의를 사람이 직접 확인하지 않는 한, 시스템은 무고한 사람을 사기범으로 몰아가는 기계가 되어버릴 것입니다. 미시간 주에서 실제로 발생한 사례가 있는데, 감사 결과 컴퓨터가 판단한 사기 혐의의 85%가 잘못된 것으로 드러났습니다.

여기서 두 번째 법칙은 캠벨의 법칙입니다.'s 사회과학자 도널드 캠벨이 1976년에 제시한 법칙에 따르면, 사회적 의사결정에 어떤 수치가 많이 사용될수록 부패를 조장하고 측정 대상을 왜곡하게 된다. 어떤 반부패 지표든 그 지표의 목표 대상이 되는 사람들이 악용할 가능성이 높다. 좋은 시스템은 처음부터 이러한 점을 염두에 두어야 한다.

부패 문제는 실제로 얼마나 심각한 것일까요?

중요할 만큼 큰 규모이지만, 대부분의 기사에서 인정하는 것보다 측정하기가 더 어렵습니다.

182개국 중 122개국이 50점 미만을 기록했고, 덴마크(89점)를 포함해 단 5개국만이 80점 이상을 기록했습니다.

공공 조달이 바로 돈이 있는 곳입니다. (세계은행)'s 보시오와 잔코프는 2018년 정부 구매 규모를 약 11조 달러, 즉 세계 GDP의 약 12%로 추산했으며, 개방형 계약 파트너십(OCP)은 이를 연간 약 13조 달러로 추산합니다. 2024년 세계은행의 북마케도니아 연구에 따르면 부패 관련 과다 가격 책정이 조달 지출의 5~6%에 달하며, 입찰의 거의 30%에 단일 업체만 참여하는 것으로 나타났습니다.

모조(Mojo)는 경고 문구 없이는 언급조차 하지 않으려는 유명한 수치가 있습니다. 바로 뇌물로 인해 전 세계가 매년 1조 5천억 달러에서 2조 달러의 손실을 입는다는 주장입니다. 이 수치는 2016년 IMF 보고서에 등장했는데, 이는 뇌물 관련 설문조사와 상당한 가정을 바탕으로 다니엘 카우프만 이 2005년에 발표한 세계은행의 추정치를 확대 해석한 것입니다.

반부패 전문가인 매튜 스티븐슨은 부패로 인한 비용이 얼마나 되는지 우리는 제대로 알지 못한다고 지적했습니다. 증거에 기반한 정직한 분석이라면 이 점을 분명히 밝히고, 실제로 측정 가능한 것들, 즉 과다 가격 책정, 독점 입찰, 손해 배상금, 그리고 부당한 고발 등을 측정해야 합니다.

데이터는 어디에 있나요? AI 실제로 부패에 연루되었습니까?

실제로 확인된 성공 사례는 보도 자료보다 적으며, 그중 가장 훌륭한 사례들은 영리함이 아닌 투명성에 관한 것입니다.

우크라이나의 프로조로(ProZorro ) 는 마이단 시위 이후인 2015년에 출범하여 2016년부터 의무화된 공공 입찰 시스템입니다. 프로조로는 공공 입찰 정보를 온라인으로 제공하고, 그 위에 시민 감시 플랫폼인 도조로(DoZorro)를 구축했습니다. 인공지능(AI)보다는 주로 공개 데이터를 활용하는데, 바로 그 점이 핵심입니다.

2022년 12월 키이우 경제대학의 독립적인 평가에 따르면 시장 상황에 따라 시스템 외부에서 구매할 경우 1~20%의 실질적인 절감 효과를 볼 수 있는 것으로 나타났습니다. (DoZorro)'s 2018년에 약 3,500건의 전문가가 분류한 입찰서를 기반으로 훈련된 기계 학습 모델은 수동 검토보다 훨씬 더 많은 담합 의심 사례를 적발했다고 알려졌지만, 이러한 결과는 해당 모델 개발자들이 제시한 것입니다.

브라질의 로봇들. 2016년, 데이터 과학자 그룹은 로지(Rosie)라는 오픈 소스 봇을 개발했습니다. 이 봇은 국회의원들의 3만 건이 넘는 경비 영수증을 분석하여 약 8,000건의 의심스러운 청구 건을 찾아냈습니다. 처음 검토한 125건의 사례에서 환수된 금액은 약 2,500헤알에 불과했습니다. 로지의 진정한 힘은 대중의 압력을 행사하는 데 있었습니다.

연방 감사원장's 앨리스 시스템은 약 40가지 위험 패턴을 기준으로 입찰을 매일 검토합니다. 정부는 이 시스템으로 인해 2019년부터 2022년까지 9.7억 헤알(R$) 규모의 입찰이 중단되거나 취소되었다고 밝혔지만, 이 수치는 독립적인 검증을 거친 적이 없습니다.

부패를 예측하는 위험 신호. 미하이 파제카스가 주도한 연구에서는 헝가리의 공공 조달 데이터를 기반으로 부패 위험 지수를 개발했습니다. 지수가 높은 기업일수록 수익성이 높고 정치적 연줄이 강하며 조세 피난처에 등록된 경우가 많았습니다. 하지만 모든 위험 신호가 정확한 것은 아닙니다. 2023년 이탈리아 계약 14만 5천 건을 분석한 연구에서는 일부 주요 지표의 타당성이 떨어지는 것으로 나타났습니다. 위험 신호는 위험을 나타내는 것이지, 유죄를 의미하는 것은 아닙니다.

세금 및 납부. 인도 중앙 GST 당국은 첨단 데이터 분석 및 위험 프로파일링 덕분에 2025-26년에 747억 8200만 루피 규모의 허위 매입세액 공제 사기를 적발했다고 발표했는데, 이는 2년 전보다 두 배나 많은 수치입니다.

하지만 적발이 곧 회수를 의미하는 것은 아닙니다. PTI에 따르면, 중앙 및 지방 공무원을 대상으로 한 2024-25년도 별도 조사에서 61,545억 루피 규모의 허위 신용 대출이 적발되었고, 그중 약 3%인 1,924억 루피가 회수되었습니다.

영국's 세무 당국 크레딧 AI 2025-26년도 세무 준수 수익의 약 4억 파운드를 분석 부문에서 거둬들였으며, 정보공개 청구에 따라 공개된 자료에 따르면 Connect 데이터 시스템을 통해 4.6억 파운드의 환수액을 확보했습니다. 미국 재무부는 2024 회계연도에 1억 달러 이상의 사기 행위를 예방하거나 환수했다고 보고했지만, 그중 약 10억 달러만이 Connect 시스템을 통해 확보한 것입니다. 기계 학습나머지는 더 나은 위험 선별 및 지불 규칙에서 비롯되었습니다.

한국에서 전하는 소박한 진실. 한국은 세계에서 가장 훌륭한 전자조달 시스템 중 하나를 구축했고, 2006년부터는 자동 입찰 담합 탐지 시스템을 운영해 왔습니다. 2026년 6월 OECD에 제출된 보고서에서 한국 경쟁 당국은 해당 시스템을 통해 8년 동안 단 10건의 입찰 담합 사례만 적발했다고 밝히고 시스템 업그레이드 계획을 발표했습니다. 아무리 훌륭한 시스템이라도 생각보다 적발되는 사례는 적발되지 않는다는 것을 보여주는 사례입니다.

알고리즘 기반 정부는 어디에서 잘못되었을까?

이러한 실패 사례들은 세 가지 공통점을 가지고 있습니다. 개인을 표적으로 삼았고, 그 과정이 불투명했으며, 컴퓨터를 대상으로 삼았다는 것입니다.'s 의심을 증거로 삼는 경우가 많았습니다. 그중 상당수는 인공지능이 아닌 단순한 규칙이나 데이터 매칭 방식이었는데, 이는 그 자체로 경고가 됩니다. 대규모 피해를 입히는 데 신경망이 반드시 필요한 것은 아닙니다.

네덜란드의 보육 수당. 국제앰네스티에 따르면, 네덜란드 세무당국이 2013년에 도입한 자체 학습 위험 모델은 네덜란드 국적이 아닌 경우를 위험 요소로 활용했습니다. 2005년부터 2019년까지 약 26,000명의 부모가 부당하게 사기 혐의로 기소되었고, 관련 정부는 2021년 1월에 사임했습니다.

네덜란드 데이터 보호 당국은 세무 당국에 2.75만 유로의 벌금을 부과했습니다. 2024년 1월까지 33,335명이 피해자로 인정되었고, 2026년 9월에도 4,000명 이상이 여전히 지원을 기다리고 있었습니다.

네덜란드, SyRI. 2020년 2월, 네덜란드 법원은 정부 데이터베이스를 연동하여 복지 사기를 예측하는 시스템인 SyRI가 투명성과 검증 가능성이 부족하여 유럽인권협약 제8조에 따른 사생활 보호권을 침해했다고 판결했습니다 .

호주, 로보데트(Robodebt). 2016년부터 2020년까지 자동화된 데이터 매칭 시스템이 연소득을 평균화하여 복지 수당 과지급액을 계산했고, 그 결과 약 47만 건의 부당한 채무가 발생했습니다. 2023년 7월, 왕립 조사위원회는 이 시스템을 조잡하고 잔인하다고 비판했습니다. 정부는 2021년 18억 7,200만 호주달러 규모의 합의에 도달했고, 2025년 9월에는 추가로 4억 7,500만 호주달러를 지급하겠다고 발표했습니다.

미시간주, MiDAS 시스템. 2013년부터 2015년까지 미시간주의 실업급여 심사 시스템은 사람의 개입 없이 실업급여 사기 사건을 판정했습니다. 조사 결과, 40,195건의 판정 중 85%가 잘못된 것으로 드러났습니다.

2020년 영국 시험 성적. 팬데믹으로 시험이 취소되자 통계 모델에 따르면 영국 A레벨 성적의 39.1%, 약 280,000만 건의 결과가 하향 조정되었으며, 특히 공립학교 학생들이 가장 큰 타격을 입었지만, 정부는 결국 정책을 번복했습니다.

얼굴 인식. 2019년 미국 국립표준기술연구소(NIST)의 189개 알고리즘 연구에 따르면, 알고리즘에 따라 아시아인과 아프리카계 미국인의 얼굴에 대한 오인율이 백인 얼굴보다 10배에서 100배까지 높은 것으로 나타났습니다. 무죄 프로젝트(Innocence Project)는 2023년까지 미국에서 경찰의 얼굴 인식 으로 인한 잘못된 기소 사례가 6건 발생했으며 , 모두 흑인이었다고 밝혔습니다. 디트로이트시는 2024년 부당 체포 소송을 합의로 마무리하고 새로운 안전장치를 마련한 후, 경찰의 얼굴 수색 건수가 2023년 약 100건에서 2025년 9건으로 감소했습니다.

덴마크는 여전히 분쟁 지역이다. 앰네스티는 2024년 11월에 덴마크가 사용하는 최대 60가지의 사기 수법 중 일부가 문제가 있다고 주장했습니다.'s 복지 기관은 금지된 사회적 점수제에 해당할 수 있습니다. EU AI 행동해당 기관은 그 주장을 반박합니다. 이는 새로운 규정을 실제로 시험해 보는 과정입니다.

모조(Mojo) 윤리지수: 성공과 실패를 구분하는 기준은 무엇일까요?

시스템이 누구를 감시하는지. 저는 27건의 배포 사례 각각에 대해 세 가지 기준, 즉 결과에 대한 독립적인 증거, 외부인에 대한 투명성, 그리고 문서화된 피해의 부재를 바탕으로 0점에서 2점까지 점수를 매겼습니다. 그런 다음 대상별로 분류했습니다.

패턴은 극명합니다. 계약 및 공무원을 대상으로 한 11개 시스템 중 역효과를 낸 시스템은 하나도 없었고, 3개는 독립적으로 검증된 효과를 보였습니다. 세금 및 지급금을 대상으로 한 6개 시스템은 모두 정부 외부의 어떤 기관도 감사하지 않은 효과를 주장하고 있습니다. 시민과 노동자를 대상으로 한 10개 시스템 중 7개는 문서로 입증된 피해를 초래했습니다. 계약 및 공무원을 감시하는 시스템의 평균 청렴도 점수는 6점 만점에 3.9점이었고, 시민과 노동자를 평가하는 시스템의 평균 청렴도 점수는 2.3점이었습니다.

솔직히 말해서 한 가지 주의할 점이 있습니다. 시민들에게 발생하는 피해는 소송을 통해 기록되지만, 계약 감시 시스템의 비용은 파악하기 어렵다는 것입니다. 하지만 이러한 패턴의 이면에는 명확한 메커니즘이 존재합니다. 계약이나 공무원을 감시하는 것이죠.'s 공공 부문 지출은 권력자에게 책임을 묻게 합니다. 반면, 복지 수급자나 운전자를 비공개로 평가하는 것은 약자에 대한 권력 남용을 초래하며, 잘못된 정보로 인한 불이익은 무고한 사람들을 함정에 빠뜨릴 수밖에 없습니다.

과실을 적발하는 건 어떻게 하죠? 동일한 논리가 적용됩니다 AI 노동자나 일반 대중을 감시하는 곳. 케랄라's 700개 이상의 네트워크 AI 232억 루피의 비용이 든 교통 카메라가 2025년 4월까지 약 980만 건의 위반 행위를 적발하고 631억 루피의 벌금을 부과했지만, 초기에는 시속 1,240km로 측정되는 오류가 발생하기도 했습니다.

상태's 교통부 장관은 도로 사망자 수가 2023년 4,084명에서 2025년 3,733명으로 감소했다고 밝혔지만, 이러한 주장을 검증한 인과관계 연구는 아직 없습니다. 미국 물류창고와 관련하여, 2024년 12월 상원 위원회 다수당 보고서는 아마존을 지목했습니다.'s 2023년 부상률은 근로자 100명당 6.54건으로, 창고 업계 평균인 4.8건보다 높았으며, 이는 알고리즘에 의해 설정 및 모니터링되는 속도 할당량과 관련이 있다고 분석되었습니다. 아마존은 이 보고서에 이의를 제기했습니다.

유럽​​ 연합 (EU)'s 2024년 12월부터 시행된 플랫폼 작업 지침은 플랫폼이 근로자의 감정 상태 및 사적인 대화를 처리하는 것을 금지하고, 사람의 검토를 의무화하고 있습니다. 중요한 자동화된 결정그것은 합리적인 템플릿입니다: let AI 위험 요소를 알리세요, 절대 그것이 판단 기준이 되도록 하지 마세요.

알고리즘을 누가 관리하나요?

세계's 주요 규제 기관들이 서로 다른 방향으로 움직이고 있으며, 유럽에서는 복지 및 수당 산정에 가장 중요한 규칙들이 연기되었습니다.

관할권	2026년 11월 현재 시행 중인 사항은 무엇입니까?	최근 변경 사항
유럽 ​​연합	AI 본 법은 2024년 8월부터 시행되며, 금지 사항은 2025년 2월부터 적용됩니다. 본 법은 일반적인 목적을 가지고 있습니다. AI 2025년 8월부터의 임무	2026년 7월 27일부터 시행되는 디지털 옴니버스 법안은 복지 점수 산정 등 고위험 분야의 의무 이행 시기를 2026년 8월에서 2027년 12월 2일로 앞당겼습니다.
United States	AI 90개 이상의 연방 조치가 포함된 행동 계획(2025년 7월); 포괄적인 연방 차원의 대책은 없음 AI 법	2025년 12월 11일 행정명령, 국가적 틀 마련 모색 및 "부담스러운" 주정부 업무에 대한 문제 제기 AI 법무부는 2026년 1월에 태스크포스를 구성하여 관련 법률을 제정할 예정입니다.
China	인공지능이 생성한 콘텐츠에 표시 가능한 라벨과 숨겨진 라벨을 의무적으로 표시하도록 하는 규정이 2025년 9월 1일부터 시행됩니다.	라벨링 시행
India	구속력 없음 AI 법률; 2026년 2월 20일부터 시행되는 합성 성분 표시에 관한 IT 규정	호스팅 AI 2026년 2월 뉴델리에서 열리는 임팩트 서밋
연합 국가	독립 국제 과학 패널 AI 2026년 2월 임명됨	제1차 세계 대화 AI 163개국이 참여하는 회의가 2026년 7월 제네바에서 개최됩니다.

유럽 ​​지지자들's 유예 조치는 기업들이 복잡한 규정을 준수할 시간을 벌어준다고 주장하는 반면, 시민사회 단체를 포함한 비판론자들은 위험도가 높은 공공 부문 시스템이 더 오랫동안 규제받지 못하게 된다고 주장합니다.

미국 행정명령 지지자들은 주별로 제각기 다른 법률이 생겨 혁신을 저해할 것이라고 주장하는 반면, 일부 주 정부 관계자를 포함한 비판론자들은 이 명령이 민주적 선택을 무시하고 시민 보호를 약화시킨다고 비판합니다. 두 논쟁 모두 이 글에서 계속해서 제기하는 질문, 즉 시민에게 영향을 미치기 전에 누가 시스템을 검증하는가라는 질문으로 귀결됩니다.

대중은 신중한 태도를 보인다. 2025년 5월에 발표된 KPMG와 멜버른 대학교가 47개국 4만 8천 명 이상을 대상으로 실시한 설문조사에 따르면, 46%만이 신뢰할 의향이 있는 것으로 나타났다. AI 70%는 규제가 필요하다고 답했고, 66%는 자신들이 의존하는 대상은 규제가 아닌 다른 수단이라고 답했습니다. AI 확인하지 않고 출력합니다.

스탠포드's AI Index는 2016년부터 2024년까지 114개국에서 204건의 AI 관련 법률이 통과되었다고 집계했습니다. 관련 규정은 계속해서 늘어나고 있습니다. 과연 다음번 로보데트(Robodebt) 사태가 발생하기 전에 이러한 법률들이 제정될 수 있을지가 진정한 관건입니다.

클레임 확인

청구	누가 만들어	MES	모조's 읽기
An AI 장관은 입찰 과정의 부패를 방지할 것입니다.	알바니아 정부, 2025년	1 청구	디엘라가 결정한 입찰에 대한 공개 기록은 없습니다.
전자조달은 정부의 예산을 절감합니다.	우크라이나's 프로조로	강한 4	독립적인 평가 결과 시장에 따라 1~20%의 비용 절감 효과가 있는 것으로 나타났습니다.
AI 9.7억 헤알 규모의 의심스러운 입찰을 발견했습니다.	Brazil's 감사관	2 조기	정부·공공's 본인 수치입니다. 중단된 입찰은 사기로 입증되지 않습니다.
분석기관이 사상 최대 규모의 탈세 사기를 적발했습니다.	인도, 영국, 미국 세무 당국	2 조기	탐지 수치는 기관에서 보고한 것이며, 회수된 수치는 그보다 훨씬 적은 경우가 많습니다.
조달 과정의 위험 신호는 부패를 예측하게 해준다	학술 연구	강한 4	동료 평가를 거친 정치적 연루 및 과도한 가격 책정 관련 링크가 있지만, 일부 경고 표시는 약합니다.
자동화된 사기 탐지 시스템은 공공 자금을 보호합니다.	많은 복지 기관	0 제대로 버티지 못했다	로보데트, 미다스, 그리고 네덜란드 스캔들은 대규모의 부당한 고발을 초래했습니다.
뇌물로 인해 전 세계는 매년 1조 5천억 달러에서 2조 달러의 손실을 입는다.	널리 인용되는 내용으로, 2016년 IMF 보고서에서 발췌되었습니다.	1 청구	이 수치는 2005년 추정치에 근거한 것이며, 학자들은 실제 수치는 알 수 없다고 말합니다.
AI 교통 카메라, 교통사고 사망자 감소	케 랄라 정부	2 조기	사망자 수는 감소했지만, 그 감소와 카메라 사이의 연관성을 밝힌 연구는 없습니다.

반대각도

가장 강력한 반론은 제가 사과와 오렌지를 비교하고 있다는 것입니다. 복지 및 치안 시스템은 수백만 명의 개인에게 영향을 미치기 때문에 그 오류는 필연적으로 눈에 띄고 개인적인 문제로 이어집니다. 반면 조달 감시는 변호사는 있지만 동정을 받지 못하는 수천 개의 기업과 공무원에게만 영향을 미치므로 그 실수는 거의 헤드라인을 장식하지 않습니다.

이러한 관점에서 제 지표는 어떤 시스템이 더 나은지가 아니라 누가 불평하는지를 측정하는 것입니다.

일리가 있는 말입니다. 그래서 해당 지표는 증거, 투명성, 피해를 하나의 마법 같은 숫자로 나타내는 대신 각각 따로 보고하는 것입니다. 하지만 7가지 실패 사례의 근거가 된 법원 판결, 왕립 조사 위원회, 감사 결과는 단순한 불만이 아니라 밝혀진 사실입니다.

그리고 이의 제기가 설명할 수 없는 사례들이 바로 가장 중요한 사례들입니다. 같은 정부들이 공개적으로 자신들의 계약에 알고리즘을 적용했을 때, 수만 가구에 사과하는 사태는 발생하지 않았습니다.

모조's 예측

1. 알바니아는 2027년 12월 31일까지 디엘라가 결정하거나 평가한 최소 한 건의 공개 입찰에 대한 검증 가능한 기록을 게시해야 합니다. 확률: 40%.
2. 유럽​​ 연합 (EU)'s 부록 III 시스템에 대한 고위험 의무는 추가 연기 없이 2027년 12월 2일부터 적용됩니다. 확률: 60%.
3. India's 중앙 GST 당국은 2027년 12월 31일까지 2025-26년의 74,782억 루피를 초과하는 2026-27년의 허위 매입세액 공제 사례를 적발했다고 보고했습니다. 확률: 70%.

세 가지 모두 Mojo Forecast Ledger에 기록됩니다.

이 문제가 다음에 어디에서 논의될까요?

FAQ

최고의 반부패 알고리즘은 누구나 열어볼 수 있는 스프레드시트입니다. 최악의 알고리즘은 아무도 볼 수 없는 점수 체계입니다.