Can AI Mengesan Rasuah? Bukti Daripada 27 Sistem Kerajaan

Sudut. AI boleh membantu membendung rasuah, tetapi bukan seperti yang dicadangkan oleh tajuk utama. Alat dengan keputusan yang disahkan secara bebas adalah tidak menarik: data perolehan terbuka dan tanda amaran statistik yang memerhatikan kontrak dan pegawai di khalayak ramai. Sistem yang menyebabkan kemudaratan sebenar menghakimi rakyat biasa secara rahsia. Arahkan algoritma ke atas, bukan ke bawah, dan tunjukkan cara kerja anda.

Triknya

Pada 11 September 2025, Albania's Perdana Menteri Edi Rama memperkenalkan ahli kabinetnya yang baharu: Diella, avatar yang dijana AI yang bermula sebagai chatbot di portal perkhidmatan e-Albania, yang bertanggungjawab ke atas perolehan awam. Tender, beliau berjanji, akan menjadi tidak boleh rosak sepenuhnya. Tajuk utama di seluruh dunia menggelarnya sebagai yang pertama AI Menteri.

Inilah pendedahannya. Lebih setahun kemudian, saya tidak dapat menemui rekod awam Diella yang memutuskan satu pun tender. Pada Oktober 2026, Albania's Mahkamah Perlembagaan menolak cabaran daripada 39 Ahli Parlimen pembangkang atas alasan kedudukan, sambil menambah bahawa AI tidak boleh mengubah susunan perlembagaan. Sementara itu, akauntabiliti cara lama sedang sibuk: seorang timbalan perdana menteri telah didakwa atas tender terowong jalan raya kira-kira €190 juta, menurut rangkaian penyiasatan OCCRP.

Avatar itu adalah helahnya. Antirasuah yang sebenar AI membosankan: data diterbitkan secara terbuka, tanda amaran statistik yang boleh disemak oleh sesiapa sahaja, dan juruaudit yang mempunyai kuasa untuk bertindak ke atasnya. Untuk memisahkan kedua-duanya, saya menjaringkan 27 penempatan sebenar, dari Brazil ke Belanda ke India, berdasarkan tiga soalan. Adakah terdapat bukti bebas bahawa ia berkesan? Bolehkah orang luar melihat bagaimana ia berfungsi? Adakah ia mencederakan orang yang tidak bersalah?

Mojo's Undang-undang: persamaan bendera yang salah

Setiap sistem pengesanan penipuan melakukan dua jenis kesilapan: ia terlepas beberapa penipuan dan menuduh beberapa orang yang tidak bersalah. Apabila perkara yang diburu jarang berlaku, kesilapan kedua akan mendominasi. Berikut adalah aritmetik yang perlu dilihat oleh setiap menteri sebelum pelancaran:

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

N ialah bilangan orang yang ditapis, p ialah bahagian yang sebenarnya menipu, dan FPR ialah kadar positif palsu: berapa kerap sistem salah menandai orang yang jujur.

Cuba nombor bulat (ilustrasi sahaja). Tapis 1 juta penuntut faedah, katakan 1% melakukan penipuan, dan berikan sistem kadar positif palsu 5%. Ia secara salah menandakan kira-kira 49,500 orang yang jujur, sedangkan terdapat paling banyak 10,000 penipu sebenar untuk dicari. Melainkan setiap penandaan diperiksa oleh manusia sebelum sesiapa dihukum, sistem akan menjadi mesin untuk menuduh orang yang tidak bersalah. Itulah yang berlaku di Michigan, di mana audit mendapati 85% daripada penemuan penipuan yang diputuskan oleh komputer adalah salah.

Hukum kedua di sini ialah Campbell's undang-undang, daripada saintis sosial Donald Campbell pada tahun 1976: lebih banyak nombor digunakan untuk membuat keputusan sosial, lebih banyak ia mengundang rasuah dan memutarbelitkan perkara yang diukurnya. Sebarang metrik anti-rasuah akan ditentukan oleh orang yang sepatutnya ditangkap. Sistem yang baik mengandaikan perkara itu sejak hari pertama lagi.

Seberapa besarkah masalah rasuah sebenarnya?

Cukup besar untuk menjadi penting, dan lebih sukar untuk diukur daripada yang diakui oleh kebanyakan artikel.

122 daripada 182 negara mendapat markah di bawah 50, dan hanya lima yang mendapat markah di atas 80, didahului oleh Denmark dengan 89.

Perolehan awam adalah tempat wang itu berada. Bank Dunia's Bosio dan Djankov menganggarkan pembelian kerajaan sekitar $11 trilion pada tahun 2018, kira-kira 12% daripada KDNK dunia; Open Contracting Partnership meletakkannya sekitar $13 trilion setahun. Satu kajian Bank Dunia pada tahun 2024 di Macedonia Utara mendapati penetapan harga yang berlebihan berkaitan rasuah bernilai 5 hingga 6% daripada perbelanjaan perolehan, dengan hampir 30% tender menarik seorang pembida tunggal.

Kini, satu nombor yang Mojo enggan ulangi tanpa label amaran: dakwaan terkenal bahawa rasuah menyebabkan kerugian dunia sebanyak $1.5 hingga $2 trilion setahun. Ia muncul dalam nota IMF 2016, yang diekstrapolasi daripada anggaran Bank Dunia 2005 oleh Daniel Kaufmann yang berdasarkan tinjauan rasuah dan andaian yang berat.

Cendekiawan anti-rasuah, Matthew Stephenson, telah menulis bahawa kita tidak tahu berapa banyak kos rasuah. Satu siri bukti yang jujur ​​harus menyatakannya, dan kemudian mengukur apa yang sebenarnya boleh diukur: harga yang terlalu tinggi, pembidaan tunggal, pemulihan dan tuduhan yang salah.

Di mana mempunyai data dan AI sebenarnya telah ditangkap rasuah?

Kemenangan yang disahkan adalah lebih sedikit daripada siaran akhbar, dan yang terbaik adalah tentang keterbukaan, bukan kepintaran.

ProZorro Ukraine . Dilancarkan pada tahun 2015 selepas protes Maidan dan diwajibkan sejak 2016, ProZorro meletakkan tender awam dalam talian, dengan platform pemantauan sivik, DoZorro, diletakkan di atasnya. Ia kebanyakannya data terbuka dan bukannya AI, dan itulah intinya.

Satu penilaian bebas oleh Sekolah Ekonomi Kyiv pada Disember 2022 mendapati penjimatan sebenar sebanyak 1 hingga 20% berbanding pembelian yang dibuat di luar sistem, bergantung pada pasaran. DoZorro's Model pembelajaran mesin 2018, yang dilatih berdasarkan kira-kira 3,500 tender berlabel pakar, dilaporkan menandakan lebih banyak disyaki pakatan sulit berbanding semakan manual, tetapi hasil tersebut datang daripada pembangunnya.

Robot Brazil. Pada tahun 2016, sekumpulan saintis data telah membina Rosie, sebuah bot sumber terbuka yang mengimbas lebih daripada 3 juta resit perbelanjaan daripada ahli Kongres dan menandakan kira-kira 8,000 tuntutan yang mencurigakan. 125 kes pertama yang disemak hanya memperoleh kira-kira R$2,500; kuasa sebenar Rosie adalah tekanan awam.

Pengawal kewangan persekutuan's Sistem Alice menyemak tender setiap hari terhadap kira-kira 40 corak risiko; kerajaan mengatakan ia menyebabkan bidaan bernilai R$9.7 bilion digantung atau dibatalkan pada tahun 2019 hingga 2022, satu angka yang belum diaudit secara bebas oleh sesiapa pun.

Tanda amaran yang meramal. Kerja akademik yang diketuai oleh Mihály Fazekas membina Indeks Risiko Rasuah daripada data perolehan awam di Hungary. Firma yang mendapat markah tinggi lebih menguntungkan, lebih berkaitan dengan politik dan lebih kerap berdaftar di tempat perlindungan cukai. Walau bagaimanapun, tidak semua tanda amaran terbukti benar: satu kajian pada tahun 2023 terhadap 145,000 kontrak Itali mendapati beberapa penunjuk popular mempunyai kesahan yang lemah. Tanda amaran menandakan risiko, bukan rasa bersalah.

Cukai dan pembayaran. Pihak berkuasa GST pusat India melaporkan mengesan ₹74,782 crore penipuan kredit cukai input palsu pada 2025-26, dua kali ganda angka dua tahun sebelumnya, dengan mengkreditkan analitik data lanjutan dan pemprofilan risiko.

Walau bagaimanapun, pengesanan bukanlah pemulihan. Dalam siri berasingan 2024-25 yang meliputi pegawai pusat dan negeri, ₹61,545 crore kredit palsu telah dikesan dan ₹1,924 crore, kira-kira 3%, telah dipulihkan, menurut PTI.

United Kingdom's kredit pihak berkuasa cukai AI dan analitik dengan kira-kira £10 bilion daripada hasil pematuhan 2025-26, dan siaran kebebasan maklumat mengaitkan £4.6 bilion pemulihan kepada sistem data Connectnya. Perbendaharaan AS melaporkan lebih daripada $4 bilion penipuan yang dicegah atau dipulihkan pada tahun fiskal 2024, tetapi hanya kira-kira $1 bilion daripadanya datang daripada pembelajaran mesin; selebihnya datang daripada peraturan pemeriksaan risiko dan pembayaran yang lebih baik.

Kebenaran sederhana dari Korea. Korea Selatan membina salah satu sistem e-perolehan yang paling dikagumi di dunia dan, sejak tahun 2006, sistem penunjuk tipuan bida automatik. Dalam penyerahan Jun 2026 kepada OECD, pihak berkuasa persaingannya melaporkan bahawa sistem itu hanya menghasilkan 10 kes tipuan bida dalam tempoh lapan tahun, dan mengumumkan peningkatan. Malah sistem yang baik menangkap kurang daripada yang anda sangkakan.

Di manakah silapnya kerajaan algoritma?

Kegagalan tersebut berkongsi tiga ciri: ia menyasarkan individu, ia legap, dan ia merawat komputer's syak wasangka sebagai bukti. Beberapa daripadanya adalah peraturan mudah atau pemadanan data dan bukannya AI, yang merupakan amaran tersendiri: anda tidak memerlukan rangkaian saraf untuk melakukan kerosakan pada skala besar.

Belanda, faedah penjagaan anak. Model risiko pembelajaran kendiri yang diperkenalkan oleh pentadbiran cukai Belanda pada tahun 2013 menggunakan kewarganegaraan bukan Belanda sebagai faktor risiko, menurut Amnesty International. Kira-kira 26,000 ibu bapa telah dituduh secara salah atas penipuan antara tahun 2005 dan 2019, dan kerajaan meletak jawatan pada Januari 2021.

Pihak berkuasa perlindungan data Belanda telah mendenda pentadbiran cukai sebanyak €2.75 juta. Menjelang Januari 2024, 33,335 orang telah dikenal pasti sebagai mangsa, dan pada September 2026 lebih daripada 4,000 masih menunggu sokongan.

Belanda, SyRI. Pada Februari 2020, mahkamah Belanda memutuskan bahawa SyRI, sebuah sistem yang menghubungkan pangkalan data kerajaan untuk meramalkan penipuan kebajikan, melanggar hak privasi di bawah Perkara 8 Konvensyen Eropah mengenai Hak Asasi Manusia kerana ia tidak cukup telus dan tidak dapat disahkan.

Australia, Robodebt. Dari tahun 2016 hingga 2020, satu skim pemadanan data automatik telah menganggarkan purata pendapatan tahunan untuk mengira lebihan pembayaran kebajikan, menghasilkan kira-kira 470,000 hutang salah laku. Suruhanjaya Diraja pada Julai 2023 menyifatkan ia sebagai kasar dan kejam. Kerajaan bersetuju dengan penyelesaian A$1.872 bilion pada tahun 2021 dan mengumumkan tambahan A$475 juta pada September 2025.

Michigan, MiDAS. Antara tahun 2013 dan 2015, sistem pengangguran Michigan memutuskan kes penipuan tanpa penglibatan manusia. Satu tinjauan mendapati 85% daripada 40,195 penemuan tersebut adalah salah.

England, gred peperiksaan 2020. Apabila peperiksaan dibatalkan semasa pandemik, satu model statistik telah menurunkan 39.1% gred A-level di England, iaitu kira-kira 280,000 keputusan, yang paling teruk memberi kesan kepada pelajar sekolah negeri, sehingga kerajaan mengubah haluan.

Pengecaman wajah. Satu kajian NIST pada tahun 2019 yang melibatkan 189 algoritma mendapati kadar positif palsu untuk wajah Asia dan Afrika Amerika selalunya 10 hingga 100 kali lebih tinggi daripada wajah kulit putih, bergantung pada algoritma. Projek Innocence mengira enam tuduhan salah yang diketahui daripada pengecaman wajah polis di AS menjelang 2023, semuanya orang Kulit Hitam. Selepas Detroit menyelesaikan kes penangkapan salah pada tahun 2024 dan bersetuju dengan perlindungan baharu, pencarian polisnya menurun daripada kira-kira 100 pada tahun 2023 kepada 9 pada tahun 2025.

Denmark, masih dipertikaikan. Amnesty berhujah pada November 2024 bahawa sebahagian daripada sehingga 60 model penipuan yang digunakan oleh Denmark's agensi kebajikan mungkin dianggap sebagai pemarkahan sosial yang diharamkan di bawah EU AI AktaAgensi itu mempertikaikan perkara itu. Ia merupakan ujian langsung peraturan baharu.

Indeks Integriti Mojo: apakah yang membezakan kemenangan daripada skandal?

Siapa yang diperhatikan oleh sistem. Saya memberi skor kepada setiap 27 penggunaan dari 0 hingga 2 berdasarkan tiga perkara: bukti keputusan bebas, ketelusan kepada pihak luar dan ketiadaan bahaya yang didokumenkan. Kemudian saya menyusunnya mengikut sasaran mereka.

Coraknya jelas. Daripada 11 sistem yang disasarkan kepada kontrak dan pegawai, tiada satu pun yang memakan diri dan tiga mempunyai faedah yang disahkan secara bebas. Kesemua enam yang disasarkan kepada cukai dan pembayaran menuntut faedah yang tiada siapa di luar kerajaan yang pernah diaudit. Daripada 10 yang disasarkan kepada rakyat dan pekerja, tujuh menyebabkan kemudaratan yang didokumenkan. Skor Integriti purata adalah 3.9 daripada 6 untuk kontrak dan pegawai yang memerhatikan sistem, berbanding 2.3 untuk mereka yang menilai rakyat dan pekerja.

Terdapat satu peringatan yang jujur: kemudaratan kepada rakyat akan dibawa ke mahkamah dan didokumenkan, manakala kos sistem pemantauan kontrak lebih sukar untuk dilihat. Tetapi mekanisme di sebalik corak tersebut adalah jelas. Memerhatikan kontrak atau pegawai's Perbelanjaan di khalayak ramai mewujudkan akauntabiliti bagi mereka yang berkuasa. Memberi markah kepada penuntut kebajikan atau pemandu secara peribadi mewujudkan kuasa ke atas mereka yang lemah, dan persamaan bendera yang salah menjamin orang yang tidak bersalah akan terperangkap dalam jaring.

Bagaimana pula dengan menangkap kecuaian? Logik yang sama berlaku untuk AI yang memerhatikan pekerja atau orang awam. Kerala's rangkaian lebih daripada 700 AI Kamera trafik, yang berharga ₹232 crore, telah merakam kira-kira 98 lakh kesalahan dan mengenakan denda ₹631 crore menjelang April 2025, walaupun gangguan awal termasuk bacaan 1,240 km/j.

Negeri's Menteri pengangkutan berkata kematian jalan raya menurun daripada 4,084 pada tahun 2023 kepada 3,733 pada tahun 2025; tiada kajian kausal yang menguji dakwaan itu. Di gudang AS, laporan majoriti jawatankuasa Senat Disember 2024 mendapati Amazon's Kadar kecederaan adalah 6.54 bagi setiap 100 pekerja pada tahun 2023, berbanding 4.8 di seluruh industri gudang, dan mengaitkannya dengan kuota kelajuan yang ditetapkan dan dipantau oleh algoritma. Amazon mempertikaikan laporan tersebut.

EU's Arahan Kerja Platform, yang berkuat kuasa sejak Disember 2024, kini melarang platform daripada memproses keadaan emosi pekerja dan perbualan peribadi, dan memerlukan semakan manusia terhadap keputusan automatik yang pentingItu templat yang masuk akal: biarlah AI tandakan bahayanya, jangan sekali-kali biarkan ia menjadi hakim.

Siapakah yang mengawal algoritma?

Dunia's pengawal selia besar bergerak ke arah yang berbeza, dan peraturan yang paling relevan untuk pemarkahan kebajikan dan faedah baru sahaja ditolak ke belakang di Eropah.

bidang Kuasa	Apa yang berkuat kuasa, November 2026	Perubahan terkini
Kesatuan Eropah	AI Akta berkuat kuasa sejak Ogos 2024; larangan sejak Februari 2025; tujuan umum AI tugas sejak Ogos 2025	Omnibus Digital, yang berkuat kuasa pada 27 Julai 2026, telah memindahkan duti berisiko tinggi untuk bidang seperti pemarkahan kebajikan dari Ogos 2026 kepada 2 Disember 2027
Amerika Syarikat	AI Pelan Tindakan (Julai 2025) dengan lebih daripada 90 tindakan persekutuan; tiada tindakan persekutuan yang komprehensif AI undang-undang	Perintah eksekutif 11 Disember 2025 yang memohon rangka kerja kebangsaan dan mencabar negeri yang "membebankan" AI undang-undang, dengan pasukan petugas Jabatan Kehakiman yang ditubuhkan pada Januari 2026
China	Peraturan yang mewajibkan label yang boleh dilihat dan tersembunyi pada kandungan yang dijana AI, berkuat kuasa sejak 1 September 2025	Penguatkuasaan pelabelan
India	Tiada pengikatan AI undang-undang; Peraturan IT mengenai pelabelan kandungan sintetik berkuat kuasa sejak 20 Februari 2026	Menjadi tuan rumah AI Sidang Kemuncak Impak di New Delhi, Februari 2026
Pertubuhan Bangsa-Bangsa Bersatu	Panel Saintifik Antarabangsa Bebas mengenai AI dilantik pada Februari 2026	Dialog Global Pertama mengenai AI Tadbir urus diadakan di Geneva, Julai 2026, dengan 163 buah negara

Penyokong Eropah's kelewatan mengatakan ia memberi perniagaan masa untuk mematuhi peraturan yang kompleks; pengkritik, termasuk kumpulan masyarakat sivil, berpendapat ia membiarkan sistem sektor awam berisiko tinggi tidak dikawal selia untuk tempoh yang lebih lama.

Penyokong perintah eksekutif AS mengatakan bahawa gabungan undang-undang negeri akan menghalang inovasi; pengkritik, termasuk beberapa pegawai negeri, mengatakan ia mengatasi pilihan demokratik dan melemahkan perlindungan. Kedua-dua perdebatan ini membincangkan persoalan yang sama yang terus dibangkitkan oleh artikel ini: siapa yang menyemak sistem sebelum ia menyentuh warganegara?

Orang ramai berhati-hati. Satu tinjauan KPMG dan University of Melbourne terhadap lebih 48,000 orang di 47 negara, yang diterbitkan pada Mei 2025, mendapati 46% bersedia untuk mempercayai AI dan 70% mengatakan peraturan diperlukan, manakala 66% mengatakan mereka bergantung pada AI output tanpa menyemaknya.

Stanford's AI Indeks mengira 204 undang-undang berkaitan AI yang diluluskan merentasi 114 negara antara 2016 dan 2024. Peraturannya semakin berlipat ganda. Sama ada ia tiba sebelum Robodebt seterusnya adalah persoalan sebenar.

Semakan Tuntutan

Tuntutan	Siapa yang membuatnya	MES	Mojo's membaca
An AI menteri akan menjadikan tender tidak boleh dirosakkan	Kerajaan Albania, 2025	1 Tuntutan	Tiada rekod awam bagi sebarang tender yang diputuskan oleh Diella
E-perolehan menjimatkan wang kerajaan	Ukraine's ProZorro	4 Kuat	Penilaian bebas mendapati penjimatan 1 hingga 20%, berbeza mengikut pasaran
AI menemui R$9.7 bilion bidaan yang mencurigakan	Brazil's pengawas	2 Awal	Kerajaan's angka sendiri; bidaan yang digantung tidak terbukti sebagai penipuan
Analisis mengesan penipuan cukai yang mencecah rekod	Agensi cukai India, UK, AS	2 Awal	Angka pengesanan dilaporkan oleh agensi; pemulihan selalunya merupakan sebahagian kecil
Tanda amaran perolehan meramalkan rasuah	penyelidikan akademik	4 Kuat	Kaitan yang dikaji semula oleh rakan sebaya dengan hubungan politik dan harga yang terlalu tinggi; sesetengah bendera adalah lemah
Pengesanan penipuan automatik melindungi wang awam	Banyak agensi kebajikan	0 Tidak bertahan	Robodebt, MiDAS dan skandal Belanda menyebabkan tuduhan salah yang besar-besaran
Rasuah menyebabkan kerugian dunia sebanyak $1.5 hingga 2 trilion setahun	Diulang secara meluas, daripada nota IMF 2016	1 Tuntutan	Bergantung pada ekstrapolasi 2005; para sarjana mengatakan angka sebenar tidak diketahui
AI kamera trafik mengurangkan kematian jalan raya	kerajaan Kerala	2 Awal	Kematian menurun, tetapi tiada kajian yang mengaitkan kejatuhan itu dengan kamera

Sudut Lawan

Bantahan paling kuat ialah saya membandingkan epal dengan oren. Sistem kebajikan dan kepolisan menyentuh berjuta-juta individu, jadi kesilapan mereka pasti kelihatan dan peribadi. Pemantauan perolehan menyentuh beberapa ribu firma dan pegawai, yang mempunyai peguam tetapi tidak bersimpati, jadi kesilapannya jarang menjadi tajuk utama.

Pada pandangan ini, indeks saya mengukur siapa yang mengadu, bukan sistem mana yang lebih baik.

Ada sesuatu di sebalik itu, itulah sebabnya indeks tersebut melaporkan bukti, ketelusan dan bahaya secara berasingan dan bukannya satu nombor ajaib. Tetapi keputusan mahkamah, suruhanjaya diraja dan audit di sebalik tujuh kegagalan itu bukanlah aduan; ia adalah penemuan.

Dan kes-kes yang tidak dapat dijelaskan oleh bantahan itu adalah kes-kes yang paling penting: apabila kerajaan yang sama menggunakan algoritma pada kontrak mereka sendiri secara terbuka, mereka akhirnya tidak meminta maaf kepada puluhan ribu keluarga.

Mojo's Ramalan

1. Albania menerbitkan rekod yang boleh disahkan bagi sekurang-kurangnya satu tender awam yang diputuskan atau dijaringkan oleh Diella menjelang 31 Disember 2027. Kebarangkalian: 40%.
2. EU's Obligasi berisiko tinggi untuk sistem Lampiran III mula terpakai pada 2 Disember 2027 tanpa penangguhan selanjutnya. Kebarangkalian: 60%.
3. India's Pihak berkuasa GST pusat melaporkan pengesanan kredit cukai input palsu untuk tahun 2026-27 melebihi ₹74,782 crore pada tahun 2025-26, menjelang 31 Disember 2027. Kebarangkalian: 70%.

Ketiga-tiganya direkodkan dalam Lejar Ramalan Mojo.

Di mana perkara ini akan dibahaskan seterusnya

Soalan Lazim

Algoritma anti-rasuah terbaik ialah hamparan yang boleh dibuka oleh sesiapa sahaja. Yang paling teruk ialah skor yang tidak dapat dilihat oleh sesiapa pun.