Kan AI Oppdage korrupsjon? Bevis fra 27 offentlige systemer

Vinkelen. AI kan bidra til å avdekke korrupsjon, men ikke slik overskriftene antyder. Verktøyene med uavhengig verifiserte resultater er lite glamorøse: åpne anskaffelsesdata og statistiske røde flagg som overvåker kontrakter og tjenestemenn offentlig. Systemene som forårsaket reell skade dømte vanlige borgere i hemmelighet. Rett algoritmen oppover, ikke nedover, og vis utregningen din.

Trikset

11. september 2025, Albania's Statsminister Edi Rama introduserte et nytt medlem av kabinettet sitt: Diella, en AI-generert avatar som startet som en chatbot på tjenesteportalen e-Albania, og som ble satt til å lede offentlige anskaffelser. Han lovet at anbud ville bli fullstendig uforgjengelige. Overskrifter verden over kalte det den første AI minister.

Her er avsløringen. Mer enn et år senere kunne jeg ikke finne noen offentlig registrering av at Diella avgjorde et eneste anbud. I oktober 2026, Albania's Konstitusjonsdomstolen avviste en klage fra 39 opposisjonsparlamentsmedlemmer på grunn av deres anseelse, og la til at AI kan ikke endre den konstitusjonelle orden. I mellomtiden var den gammeldagse typen ansvarlighet travelt opptatt: en visestatsminister var blitt tiltalt for en anbudsrunde for en veitunnel til omtrent 190 millioner euro, ifølge etterforskningsnettverket OCCRP.

Avataren er trikset. Den virkelige antikorrupsjonen. AI er kjedelig: data publisert offentlig, statistiske røde flagg alle kan sjekke, og revisorer med makt til å handle ut fra dem. For å skille de to, scoret jeg 27 reelle utplasseringer, fra Brasil til Nederland til India, på tre spørsmål. Finnes det uavhengige bevis for at det fungerte? Kan utenforstående se hvordan det fungerer? Skadet det uskyldige mennesker?

Mojo's Lov: den feilaktige flaggligningen

Ethvert system for svindeloppdagelse gjør to typer feil: det overser noen juksesaker og det anklager noen uskyldige mennesker. Når det som jaktes på er sjeldent, dominerer den andre feilen. Her er regnestykket enhver minister bør se før lansering:

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

N er antall personer som blir screenet, p er andelen som faktisk jukser, og FPR er den falskt positive raten: hvor ofte systemet feilaktig flagger en ærlig person.

Prøv runde tall (kun illustrativt). Undersøk 1 million trygdemottakere, anta at 1 % begår svindel, og gi systemet en falsk positiv rate på 5 %. Det flagger feilaktig rundt 49 500 ærlige mennesker, mens det maksimalt er 10 000 ekte juksemakere å finne. Med mindre hvert flagg sjekkes av et menneske før noen blir straffet, blir systemet en maskin for å anklage uskyldige. Det er akkurat det som skjedde i Michigan, hvor en revisjon fant at 85 % av databestemte svindelfunnene var feil.

Den andre loven her er Campbell's lov, fra samfunnsforskeren Donald Campbell i 1976: jo mer et tall brukes til å ta sosiale beslutninger, desto mer inviterer det til korrupsjon og forvrenger det det måler. Enhver antikorrupsjonsmåling vil bli manipulert av akkurat de menneskene den er ment å fange opp. Gode systemer forutsetter det fra dag én.

Hvor stort er egentlig korrupsjonsproblemet?

Stor nok til å bety noe, og vanskeligere å måle enn de fleste artikler innrømmer.

122 av de 182 landene scoret under 50, og bare fem scoret over 80, anført av Danmark med 89.

Offentlige anskaffelser er der pengene er. Verdensbanken's Bosio og Djankov anslo at statlige innkjøp til rundt 11 billioner dollar i 2018, omtrent 12 % av verdens BNP; Open Contracting Partnership anslår det til rundt 13 billioner dollar i året. En studie fra Verdensbanken i 2024 av Nord-Makedonia fant at korrupsjonsrelatert overprising utgjorde 5 til 6 % av anskaffelsesutgiftene, med nesten 30 % av anbudene som tiltrakk seg én enkelt tilbyder.

Nå nekter Mojo å gjenta et tall uten å merke seg det: den berømte påstanden om at bestikkelser koster verden 1.5 til 2 billioner dollar i året. Den dukket opp i et IMF-notat fra 2016, ekstrapolert fra et estimat fra Verdensbanken fra 2005 av Daniel Kaufmann , som baserte seg på bestikkelsesundersøkelser og tungtveiende antagelser.

Antikorrupsjonsforskeren Matthew Stephenson har skrevet at vi ikke har noen reell anelse om hvor mye korrupsjon koster. En ærlig serie om bevis bør si det, og deretter måle det som faktisk kan måles: overprising, enkeltstående anbud, tilbakebetalinger og feilaktige anklager.

Hvor har man data og AI faktisk oppdaget korrupsjon?

De bekreftede gevinstene er færre enn pressemeldingene, og de beste av dem handler om åpenhet, ikke kløkt.

Ukrainas ProZorro . ProZorro ble lansert i 2015 etter Maidan-protestene og har vært obligatorisk siden 2016. Det la offentlige anbud på nett, med en plattform for samfunnsovervåking, DoZorro, lagt oppå. Det er stort sett åpne data snarere enn kunstig intelligens, og det er poenget.

En uavhengig evaluering fra Kyiv School of Economics i desember 2022 fant reelle besparelser på 1 til 20 % mot kjøp gjort utenfor systemet, avhengig av markedet. DoZorro's Maskinlæringsmodellen fra 2018, trent på rundt 3,500 ekspertmerkede anbud, skal angivelig ha flagget langt mer mistenkt samarbeid enn manuell gjennomgang, men disse resultatene kommer fra utviklerne.

Brasils roboter. I 2016 bygde en gruppe dataforskere Rosie, en åpen kildekode-bot som skannet mer enn 3 millioner utgiftskvitteringer fra medlemmer av Kongressen og flagget rundt 8,000 mistenkelige krav. De første 125 sakene som ble gjennomgått, innkasserte bare rundt 2,500 rand. Rosies virkelige makt var offentlig press.

Den føderale kontrolløren's Alice-systemet sjekker anbud daglig mot omtrent 40 risikomønstre; myndighetene sier at det førte til at anbud verdt 9.7 milliarder rand ble suspendert eller kansellert i 2019 til 2022, et tall ingen har uavhengig revidert.

Røde flagg som spår. Akademisk arbeid ledet av Mihály Fazekas bygde en korrupsjonsrisikoindeks fra data om offentlige anskaffelser i Ungarn. Bedrifter som scoret høyt var mer lønnsomme, mer politisk tilknyttet og oftere registrert i skatteparadis. Ikke alle røde flagg holder mål: en studie fra 2023 av 145 000 italienske kontrakter fant at noen populære indikatorer hadde svak validitet. Røde flagg markerer risiko, ikke skyld.

Skatt og betalinger. Indias sentrale GST-myndigheter rapporterte at de oppdaget falsk svindel med inngående skatt for 74 782 crore ₹ i 2025–26, dobbelt så mye som to år tidligere, og krediterte avansert dataanalyse og risikoprofilering.

Oppdagelse er imidlertid ikke gjenoppretting. I en separat serie fra 2024–25 som dekker sentrale og statlige tjenestemenn, ble falsk kreditt verdt 61 545 crore ₹ oppdaget og 1 924 crore ₹, omtrent 3 %, ble gjenvunnet, ifølge PTI.

Storbritannia's skattemyndighetenes fradrag AI og analyser med omtrent 10 milliarder pund av samsvarsavkastningen for 2025–26, og en melding om informasjonsfrihet tilskrev 4.6 milliarder pund i inndrivelser til Connect-datasystemet. Det amerikanske finansdepartementet rapporterte at mer enn 4 milliarder dollar i svindel ble forhindret eller inndrevet i regnskapsåret 2024, men bare omtrent 1 milliard dollar av dette kom fra maskinlæringresten kom fra bedre risikoscreening og betalingsregler.

Den beskjedne sannheten fra Korea. Sør-Korea bygde et av verdens mest beundrede e-anskaffelsessystemer, og siden 2006 et automatisert system for indikatorer på anbudsmanipulering. I en innsending til OECD i juni 2026 rapporterte konkurransemyndigheten at systemet bare hadde produsert 10 anbudsmanipuleringssaker på åtte år, og annonserte en oppgradering. Selv gode systemer fanger opp færre enn man skulle tro.

Hvor gikk det galt med algoritmisk styring?

Feilene har tre fellestrekk: de var rettet mot enkeltpersoner, de var ugjennomsiktige, og de behandlet en datamaskin's mistanke som bevis. Flere av dem var enkle regler eller datamatching snarere enn AI, noe som er en advarsel i seg selv: du trenger ikke et nevralt nettverk for å gjøre skade i stor skala.

Nederland, barnepassytelser. En selvlærende risikomodell introdusert av den nederlandske skattemyndighetene i 2013 brukte ikke-nederlandsk statsborgerskap som en risikofaktor, ifølge Amnesty International. Omtrent 26 000 foreldre ble feilaktig anklaget for svindel mellom 2005 og 2019, og regjeringen gikk av i januar 2021.

Den nederlandske datatilsynsmyndigheten ga skatteetaten en bot på 2.75 millioner euro. Innen januar 2024 var 33 335 personer blitt anerkjent som ofre, og i september 2026 ventet fortsatt mer enn 4,000 på støtte.

Nederland, SyRI. I februar 2020 avgjorde en nederlandsk domstol at SyRI, et system som kobler sammen offentlige databaser for å forutsi velferdssvindel, brøt retten til personvern i henhold til artikkel 8 i Den europeiske menneskerettskonvensjonen fordi det ikke var tilstrekkelig gjennomsiktig og verifiserbart.

Australia, Robodebt. Fra 2016 til 2020 beregnet et automatisert datamatching-system gjennomsnittlig årlig inntekt for å overutbetale velferd, noe som utstedte rundt 470 000 feilaktige gjeldsposter. En kongelig kommisjon kalte det grovt og grusomt i juli 2023. Regjeringen ble enige om et forlik på 1.872 milliarder australske dollar i 2021 og kunngjorde ytterligere 475 millioner australske dollar i september 2025.

Michigan, MiDAS. Mellom 2013 og 2015 avgjorde Michigans arbeidsledighetssystem svindelsaker uten menneskelig innblanding. En gjennomgang fant at 85 % av disse 40 195 funnene var feil.

England, eksamenskarakterer i 2020. Da eksamenene ble avlyst under pandemien, senket en statistisk modell 39.1 % av A-nivåkarakterene i England, omtrent 280 000 resultater, noe som rammet elever i offentlige skoler hardest, inntil myndighetene snudde kursen.

Ansiktsgjenkjenning. En NIST-studie fra 2019 av 189 algoritmer fant at falske positive rater for asiatiske og afroamerikanske ansikter ofte var 10 til 100 ganger høyere enn for hvite ansikter, avhengig av algoritmen. Innocence Project telte seks kjente feilaktige anklager fra politiets ansiktsgjenkjenning i USA innen 2023, alle svarte personer. Etter at Detroit inngikk et avgjørende forlik i en sak om feilaktig arrestasjon i 2024 og ble enige om nye sikkerhetstiltak, falt politiets søk fra omtrent 100 i 2023 til 9 i 2025.

Danmark, fortsatt omstridt. Amnesty argumenterte i november 2024 for at noen av de opptil 60 svindelmodellene som brukes av Danmark's velferdsbyrået kan utgjøre sosial scoring som er forbudt i henhold til EU AI HandlingByrået bestrider dette. Det er en live test av de nye reglene.

Mojo Integrity Index: hva skiller seirene fra skandalene?

Hvem systemet overvåker? Jeg scoret hver av de 27 utplasseringene fra 0 til 2 på tre ting: uavhengig bevis på resultater, åpenhet overfor utenforstående og fravær av dokumentert skade. Deretter sorterte jeg dem etter målet.

Mønsteret er tydelig. Av de 11 systemene som er rettet mot kontrakter og tjenestemenn, har ingen gitt motsatt effekt, og tre har uavhengig verifiserte fordeler. Alle de seks som er rettet mot skatter og betalinger, krever fordeler som ingen utenfor myndighetene har revidert. Av de 10 som er rettet mot borgere og arbeidstakere, forårsaket syv dokumentert skade. Gjennomsnittlig integritetspoengsum var 3.9 av 6 for systemer som overvåker kontrakter og tjenestemenn, mot 2.3 for de som bedømmer borgere og arbeidstakere.

Det finnes et ærlig forbehold: skadevirkningene på borgere blir behandlet og dokumentert, mens kostnadene ved et kontraktsovervåkingssystem er vanskeligere å se. Men mekanismen bak mønsteret er tydelig. Å observere en kontrakt eller en tjenestemann's Offentlige utgifter skaper ansvarlighet for de mektige. Å gi poeng til trygdemottakere eller sjåfører privat skaper makt over de svake, og den urettmessige flaggligningen garanterer at uskyldige mennesker vil bli fanget i nettet.

Hva med å ta opp uaktsomhet? Den samme logikken gjelder for AI som overvåker arbeidere eller publikum. Kerala's nettverk på mer enn 700 AI Trafikkameraer, som kostet ₹232 crore, hadde fanget opp rundt 98 lakh lovbrudd og ilagt bøter på ₹631 crore innen april 2025, selv om tidlige feil inkluderte en avlesning på 1,240 km/t.

Staten's Samferdselsministeren sier at trafikkdødsfallene falt fra 4,084 i 2023 til 3,733 i 2025; ingen årsaksstudie har testet denne påstanden. I amerikanske varehus fant en flertallsrapport fra Senatskomiteen fra desember 2024 at Amazon's Skadefrekvensen var 6.54 per 100 arbeidere i 2023, mot 4.8 i hele lagerbransjen, og koblet den til hastighetskvoter satt og overvåket av algoritmer. Amazon bestrider rapporten.

EU's Direktivet om plattformarbeid, som har vært gjeldende siden desember 2024, forbyr nå plattformer å behandle arbeideres emosjonelle tilstander og private samtaler, og krever menneskelig gjennomgang av viktige automatiserte avgjørelserDet er en fornuftig mal: la AI Flagg faren, la den aldri være dommeren.

Hvem styrer algoritmene?

Verden's Store regulatorer beveger seg i forskjellige retninger, og de mest relevante reglene for velferd og ytelsespoeng har nettopp blitt skjøvet tilbake i Europa.

Jurisdiksjon	Hva er i kraft, november 2026	Siste endring
Den Europeiske Union	AI Lov i kraft siden august 2024; forbud siden februar 2025; generell AI plikter siden august 2025	Digital Omnibus, som trådte i kraft 27. juli 2026, flyttet høyrisikoplikter for områder som velferdspoeng fra august 2026 til 2. desember 2027.
Forente Stater	AI Handlingsplan (juli 2025) med mer enn 90 føderale tiltak; ingen omfattende føderal AI lov	Forordning av 11. desember 2025 som søker et nasjonalt rammeverk og utfordrer «byrdefulle» statlige AI lover, med en arbeidsgruppe for justisdepartementet opprettet i januar 2026
Kina	Regler som krever synlige og skjulte etiketter på AI-generert innhold, gjeldende siden 1. september 2025	Håndheving av merking
India	Ingen binding AI lov; IT-regler om merking av syntetisk innhold som har trådt i kraft siden 20. februar 2026	Vertskap for AI Impact Summit i New Delhi, februar 2026
forente nasjoner	Uavhengig internasjonalt vitenskapelig panel om AI utnevnt februar 2026	Første globale dialog om AI Styringsmøte holdt i Genève, juli 2026, med 163 land

Tilhengere av Europa's forsinkelse sier at det gir bedrifter tid til å overholde komplekse regler; kritikere, inkludert sivilsamfunnsgrupper, hevder at det lar høyrisikosystemer i den offentlige sektoren være uregulerte lenger.

Tilhengere av den amerikanske presidentordren sier at et lappeteppe av statlige lover vil hemme innovasjon; kritikere, inkludert noen statlige tjenestemenn, sier at det overstyrer demokratiske valg og svekker beskyttelsen. Begge debattene dreier seg om det samme spørsmålet som denne artikkelen stadig vender tilbake til: hvem sjekker systemet før det berører en borger?

Publikum er forsiktige. En undersøkelse utført av KPMG og University of Melbourne blant mer enn 48 000 mennesker i 47 land, publisert i mai 2025, fant at 46 % var villige til å stole på AI og 70 % sier at regulering er nødvendig, mens 66 % sa at de er avhengige av AI utdata uten å sjekke det.

Stanford's AI Indeksen telte 204 AI-relaterte lover som ble vedtatt i 114 land mellom 2016 og 2024. Reglene mangedobles. Om de kommer før neste Robodebt avhenger av den virkelige kappløpet.

Kravsjekk

Krav	Hvem lager det	MES	Mojo's lese
An AI ministeren vil gjøre anbudene ukorrupte	Albansk regjering, 2025	1 Krav	Ingen offentlig registrering av noen anbud avgjort av Diella
E-innkjøp sparer myndighetene penger	Ukraina's ProZorro	4 Sterk	Uavhengig evaluering fant besparelser på 1 til 20 %, varierende fra marked til marked
AI fant mistenkelige bud for 9.7 milliarder rand	Brasil's Fylkesrevisjonen	2 Tidlig	Regjeringen's eget tall; suspenderte bud er ikke bevist svindel
Analytics avdekket rekordstort skattesvindel	India, Storbritannia, amerikanske skattemyndigheter	2 Tidlig	Deteksjonstallene rapporteres av etater; gjenfinningen er ofte en liten brøkdel
Innkjøpsrabogrammer varsler korrupsjon	Akademisk forskning	4 Sterk	Fagfellevurderte lenker til politiske forbindelser og overprising; noen flagg er svake
Automatisert svindeldeteksjon beskytter offentlige penger	Mange velferdsinstanser	0 Holdt ikke stand	Robodebt, MiDAS og den nederlandske skandalen forårsaket masseurettmessige anklager
Bestikkelser koster verden 1.5 til 2 billioner dollar i året	Gjentatt mye, fra et IMF-notat fra 2016	1 Krav	Hviler på en ekstrapolering fra 2005; forskere sier at det sanne tallet er ukjent
AI Trafikkameraer reduserer trafikkdødsfall	Kerala regjering	2 Tidlig	Dødsfall falt, men ingen studier knytter fallet til kameraene

Motvinkelen

Den sterkeste innvendingen er at jeg sammenligner epler med appelsiner. Velferds- og politisystemer berører millioner av individer, så feilene deres er uunngåelig synlige og personlige. Innkjøpsovervåking berører noen få tusen firmaer og tjenestemenn, som har advokater, men ingen sympati, så feilene deres havner sjelden i overskriftene.

Med dette utgangspunktet måler indeksen min hvem som klager, ikke hvilke systemer som er bedre.

Det er noe i det, og det er derfor indeksen rapporterer bevis, åpenhet og skade separat i stedet for ett magisk tall. Men rettsavgjørelsene, kongelige kommisjoner og revisjoner bak de syv feilene er ikke klager; de er funn.

Og tilfellene innvendingen ikke kan forklare er de som betyr mest: da de samme myndighetene brukte algoritmer på sine egne kontrakter offentlig, endte de ikke opp med å be om unnskyldning til titusenvis av familier.

Mojo's Prognoser

1. Albania publiserer en verifiserbar oversikt over minst én offentlig anbudskonkurranse som er avgjort eller vurdert av Diella innen 31. desember 2027. Sannsynlighet: 40 %.
2. EU's Høyrisikoforpliktelser for systemer i vedlegg III trer i kraft 2. desember 2027 uten ytterligere utsettelse. Sannsynlighet: 60 %.
3. India's Sentrale GST-myndigheter rapporterer falske oppdagelser av inngående merverdiavgiftskreditt for 2026–27 over ₹74 782 crore for 2025–26, innen 31. desember 2027. Sannsynlighet: 70 %.

Alle tre er logget i Mojo Forecast Ledger.

Hvor dette debatteres videre

FAQ

Den beste antikorrupsjonsalgoritmen er et regneark som alle kan åpne. Den verste er en poengsum ingen kan se.