lata AI Detectar corrupção? Evidências de 27 sistemas governamentais.

O ângulo. AI Podem ajudar a desmascarar a corrupção, mas não da forma como as manchetes sugerem. As ferramentas com resultados verificados de forma independente são pouco glamorosas: dados de licitações públicas e alertas estatísticos que monitoram contratos e funcionários em público. Os sistemas que causaram danos reais julgaram cidadãos comuns em segredo. Aponte o algoritmo para cima, não para baixo, e mostre seu raciocínio.

O truque

Em 11 de setembro de 2025, na Albânia.'s O primeiro-ministro Edi Rama apresentou um novo membro de seu gabinete: Diella, um avatar gerado por inteligência artificial que começou como um chatbot no portal de serviços e-Albania, encarregado das licitações públicas. Ele prometeu que as licitações se tornariam totalmente incorruptíveis. Manchetes em todo o mundo a chamaram de a primeira AI ministro.

Eis a revelação. Mais de um ano depois, não consegui encontrar nenhum registro público de Diella ter decidido sobre uma única licitação. Em outubro de 2026, Albânia's O Tribunal Constitucional rejeitou uma contestação apresentada por 39 deputados da oposição com base na sua legitimidade, acrescentando que AI não pode alterar a ordem constitucional. Enquanto isso, a responsabilização à moda antiga estava em ação: um vice-primeiro-ministro foi indiciado por causa de uma licitação de aproximadamente € 190 milhões para um túnel rodoviário, de acordo com a rede investigativa OCCRP.

O avatar é o truque. O verdadeiro anticorrupção. AI É entediante: dados publicados abertamente, alertas estatísticos que qualquer um pode verificar e auditores com poder para agir sobre eles. Para separar as duas coisas, avaliei 27 implantações reais, do Brasil à Holanda e à Índia, com base em três perguntas. Há evidências independentes de que funcionou? Pessoas de fora conseguem ver como funciona? Prejudicou pessoas inocentes?

Mojo's Direito: a equação da bandeira indevida

Todo sistema de detecção de fraudes comete dois tipos de erro: deixa passar alguns fraudadores e acusa alguns inocentes. Quando o objeto da fraude é raro, o segundo erro predomina. Eis o cálculo que todo ministro deveria analisar antes do lançamento:

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

N é o número de pessoas analisadas, p é a porcentagem que realmente está trapaceando e FPR é a taxa de falsos positivos: com que frequência o sistema identifica erroneamente uma pessoa honesta.

Experimente com números redondos (apenas para fins ilustrativos). Analise 1 milhão de pessoas que solicitam benefícios, suponha que 1% delas estejam cometendo fraude e atribua ao sistema uma taxa de falsos positivos de 5%. Ele sinalizará erroneamente cerca de 49,500 pessoas honestas, enquanto existem, no máximo, 10,000 fraudadores reais a serem identificados. A menos que cada sinalização seja verificada por um humano antes que alguém seja punido, o sistema se torna uma máquina para acusar inocentes. Foi exatamente isso que aconteceu em Michigan, onde uma auditoria constatou que 85% das conclusões de fraude baseadas em computador estavam erradas.

A segunda lei aqui é Campbell.'s Segundo o cientista social Donald Campbell, em 1976, quanto mais um número é usado para tomar decisões sociais, mais ele incentiva a corrupção e distorce aquilo que mede. Qualquer métrica anticorrupção será manipulada exatamente pelas pessoas que ela pretende alcançar. Bons sistemas partem desse pressuposto desde o início.

Qual é a real dimensão do problema da corrupção?

Suficientemente importante para fazer diferença, e mais difícil de mensurar do que a maioria dos artigos admite.

Dos 182 países, 122 obtiveram pontuação inferior a 50, e apenas cinco obtiveram pontuação superior a 80, com a Dinamarca liderando com 89 pontos.

É nas compras públicas que está o dinheiro. Banco Mundial's Bosio e Djankov estimaram as compras governamentais em cerca de US$ 11 trilhões em 2018, cerca de 12% do PIB mundial; a Parceria para Contratos Abertos (Open Contracting Partnership) calcula esse valor em cerca de US$ 13 trilhões por ano. Um estudo do Banco Mundial sobre a Macedônia do Norte, de 2024, constatou que a superfaturação relacionada à corrupção representava de 5% a 6% dos gastos com compras, com quase 30% das licitações atraindo um único licitante.

Agora, um número que Mojo se recusa a repetir sem um aviso: a famosa afirmação de que os subornos custam ao mundo entre US$ 1.5 e US$ 2 trilhões por ano. Essa informação apareceu em uma nota do FMI de 2016, extrapolada de uma estimativa do Banco Mundial de 2005 feita por Daniel Kaufmann , que se baseava em pesquisas sobre suborno e em suposições bastante vagas.

O especialista em anticorrupção Matthew Stephenson escreveu que não temos ideia real do custo da corrupção. Uma série honesta sobre as evidências deveria afirmar isso e, em seguida, mensurar o que pode ser de fato mensurado: superfaturamento, licitações sem acordo prévio, recuperações e acusações injustas.

Onde estão os dados e AI Realmente flagrado em corrupção?

As vitórias comprovadas são menos numerosas do que os comunicados de imprensa, e as melhores delas decorrem da transparência, não da esperteza.

ProZorro, da Ucrânia . Lançado em 2015 após os protestos de Maidan e obrigatório desde 2016, o ProZorro colocou as licitações públicas online, com uma plataforma de monitoramento cívico, o DoZorro, integrada. É baseado principalmente em dados abertos, em vez de inteligência artificial, e esse é o objetivo.

Uma avaliação independente realizada pela Escola de Economia de Kyiv em dezembro de 2022 constatou uma economia real de 1% a 20% em comparação com compras feitas fora do sistema, dependendo do mercado. DoZorro's Um modelo de aprendizado de máquina de 2018, treinado com cerca de 3,500 licitações rotuladas por especialistas, teria sinalizado muito mais casos suspeitos de conluio do que uma análise manual, mas esses resultados são de seus desenvolvedores.

Os robôs do Brasil. Em 2016, um grupo de cientistas de dados criou Rosie, um robô de código aberto que analisou mais de 3 milhões de recibos de despesas de membros do Congresso e sinalizou cerca de 8,000 solicitações suspeitas. Os primeiros 125 casos analisados ​​recuperaram apenas cerca de R$ 2,500; o verdadeiro poder de Rosie residia na pressão pública.

O controlador federal's O sistema Alice verifica diariamente as licitações com base em cerca de 40 padrões de risco; o governo afirma que isso levou à suspensão ou cancelamento de licitações no valor de R$ 9.7 bilhões entre 2019 e 2022, um número que ninguém auditou de forma independente.

Sinais de alerta que preveem irregularidades. Um estudo acadêmico liderado por Mihály Fazekas criou um Índice de Risco de Corrupção a partir de dados de licitações públicas na Hungria. Empresas com pontuações altas eram mais lucrativas, tinham mais conexões políticas e eram registradas com mais frequência em paraísos fiscais. Nem todos os sinais de alerta se confirmam, porém: um estudo de 2023 com 145,000 contratos italianos constatou que alguns indicadores populares tinham validade limitada. Sinais de alerta indicam risco, não culpa.

Impostos e pagamentos. As autoridades centrais do GST (Imposto sobre Bens e Serviços) da Índia relataram ter detectado ₹74,782 crore (747,82 bilhões de rúpias) em fraudes com créditos tributários de insumos no ano fiscal de 2025-26, o dobro do valor registrado dois anos antes, atribuindo o resultado à análise avançada de dados e à avaliação de risco.

No entanto, detectar não significa recuperar. Em uma série separada de investigações realizadas entre 2024 e 25, abrangendo funcionários federais e estaduais, foram detectados ₹61,545 crore em crédito fraudulento, dos quais ₹1,924 crore, cerca de 3%, foram recuperados, segundo a PTI.

O Reino Unido's créditos da autoridade tributária AI e análises, com cerca de £10 bilhões de seu rendimento de conformidade em 2025-26, e uma divulgação de informações atribuiu £4.6 bilhões em recuperações ao seu sistema de dados Connect. O Tesouro dos EUA relatou mais de US$ 4 bilhões em fraudes evitadas ou recuperadas no ano fiscal de 2024, mas apenas cerca de US$ 1 bilhão desse valor veio de aprendizado de máquinaO restante resultou de uma melhor triagem de risco e regras de pagamento mais rigorosas.

A modesta verdade da Coreia. A Coreia do Sul construiu um dos sistemas de compras eletrônicas mais admirados do mundo e, desde 2006, um sistema automatizado de detecção de fraudes em licitações. Em um relatório enviado à OCDE em junho de 2026, a autoridade de defesa da concorrência sul-coreana informou que o sistema havia detectado apenas 10 casos de fraude em licitações em oito anos e anunciou uma atualização. Mesmo os bons sistemas detectam menos do que se imagina.

Onde foi que o governo algorítmico falhou?

As falhas têm três características em comum: visavam indivíduos, eram opacas e envolviam um computador.'s suspeita como prova. Várias eram regras simples ou correspondência de dados, em vez de IA, o que por si só já é um alerta: não é preciso uma rede neural para causar danos em grande escala.

Holanda, benefícios para cuidados infantis. Um modelo de autoavaliação de risco, introduzido pela administração tributária holandesa em 2013, utilizou a nacionalidade não holandesa como fator de risco, segundo a Anistia Internacional. Cerca de 26,000 pais foram acusados ​​injustamente de fraude entre 2005 e 2019, e o governo renunciou em janeiro de 2021.

A autoridade holandesa de proteção de dados multou a administração tributária em € 2.75 milhões. Em janeiro de 2024, 33,335 pessoas haviam sido reconhecidas como vítimas e, em setembro de 2026, mais de 4,000 ainda aguardavam apoio.

Holanda, SyRI. Em fevereiro de 2020, um tribunal holandês decidiu que o SyRI, um sistema que interliga bases de dados governamentais para prever fraudes em benefícios sociais, violou o direito à privacidade previsto no Artigo 8.º da Convenção Europeia dos Direitos Humanos, por ser insuficientemente transparente e verificável.

Austrália, Robodebt. De 2016 a 2020, um sistema automatizado de cruzamento de dados utilizou a média da renda anual para calcular pagamentos indevidos de benefícios sociais, gerando cerca de 470,000 dívidas indevidas. Uma Comissão Real de Inquérito, em julho de 2023, classificou o sistema como grosseiro e cruel. O governo concordou com um acordo de A$ 1.872 bilhão em 2021 e anunciou um adicional de A$ 475 milhões em setembro de 2025.

Michigan, MiDAS. Entre 2013 e 2015, o sistema de seguro-desemprego de Michigan decidiu casos de fraude sem qualquer intervenção humana. Uma revisão constatou que 85% dessas 40,195 decisões estavam incorretas.

Inglaterra, notas dos exames de 2020. Quando os exames foram cancelados durante a pandemia, um modelo estatístico reduziu 39.1% das notas do A-level na Inglaterra, cerca de 280,000 resultados, afetando principalmente os alunos de escolas públicas, até que o governo reverteu a decisão.

Reconhecimento facial. Um estudo do NIST de 2019, com 189 algoritmos, descobriu que as taxas de falsos positivos para rostos asiáticos e afro-americanos eram frequentemente de 10 a 100 vezes maiores do que para rostos brancos, dependendo do algoritmo. O Innocence Project contabilizou seis acusações injustas conhecidas, resultantes do reconhecimento facial policial , nos EUA até 2023, todas contra pessoas negras. Após Detroit ter resolvido um caso de prisão injusta em 2024 e concordado com novas medidas de segurança, as buscas policiais na cidade caíram de cerca de 100 em 2023 para 9 em 2025.

Dinamarca, ainda em disputa. Em novembro de 2024, a Anistia Internacional argumentou que alguns dos até 60 modelos de fraude usados ​​pela Dinamarca...'s agência de assistência social pode equivaler à pontuação social proibida sob a lei EU AI AjaA agência contesta essa afirmação. Trata-se de um teste prático das novas regras.

O Índice de Integridade Mojo: o que separa os sucessos dos escândalos?

Quem o sistema monitora. Atribui uma pontuação de 0 a 2 a cada uma das 27 implementações com base em três critérios: evidências independentes de resultados, transparência para terceiros e ausência de danos documentados. Em seguida, classifiquei-as por público-alvo.

O padrão é evidente. Dos 11 sistemas voltados para contratos e funcionários públicos, nenhum apresentou resultados negativos e três tiveram seus benefícios verificados de forma independente. Todos os seis sistemas voltados para impostos e pagamentos alegam benefícios que ninguém fora do governo auditou. Dos 10 sistemas voltados para cidadãos e trabalhadores, sete causaram danos comprovados. A pontuação média de Integridade foi de 3.9 em 6 para os sistemas que monitoram contratos e funcionários públicos, contra 2.3 para aqueles que avaliam cidadãos e trabalhadores.

Há uma ressalva honesta: os danos causados ​​aos cidadãos são judicializados e documentados, enquanto os custos de um sistema de monitoramento de contratos são mais difíceis de perceber. Mas o mecanismo por trás desse padrão é claro. Observar um contrato ou um funcionário's Os gastos públicos geram responsabilidade para os poderosos. A fiscalização de beneficiários de assistência social ou de motoristas em âmbito privado cria poder sobre os mais vulneráveis, e a equação da sinalização indevida garante que pessoas inocentes serão pegas na rede.

E quanto a flagrar a negligência? A mesma lógica se aplica a AI que vigia os trabalhadores ou o público. Kerala's rede de mais de 700 AI As câmeras de trânsito, que custaram ₹232 crore (232 milhões de rúpias), flagraram cerca de 98 lakh (9,8 milhões) de infrações e aplicaram ₹631 crore (631 milhões de rúpias) em multas até abril de 2025, embora alguns problemas iniciais tenham incluído uma leitura de 1,240 km/h.

O Estado's O ministro dos transportes afirma que as mortes no trânsito caíram de 4,084 em 2023 para 3,733 em 2025; nenhum estudo causal testou essa afirmação. Em armazéns dos EUA, um relatório da maioria do comitê do Senado, de dezembro de 2024, constatou que a Amazon's A taxa de lesões foi de 6.54 por 100 trabalhadores em 2023, contra 4.8 em todo o setor de armazéns, e foi associada a cotas de velocidade definidas e monitoradas por algoritmos. A Amazon contesta o relatório.

a UE's A Diretiva sobre Trabalho em Plataformas, em vigor desde dezembro de 2024, proíbe agora que as plataformas processem os estados emocionais e as conversas privadas dos trabalhadores e exige a revisão humana das mesmas. decisões automatizadas significativasEsse é um modelo sensato: deixe AI Sinalize o perigo, nunca deixe que ele seja o juiz.

Quem controla os algoritmos?

O mundo's Os principais órgãos reguladores estão seguindo direções diferentes, e as regras mais relevantes para a avaliação de bem-estar social e benefícios acabam de ser adiadas na Europa.

Jurisdição	O que estará em vigor em novembro de 2026.	Alteração mais recente
União Européia	AI Lei em vigor desde agosto de 2024; proibições desde fevereiro de 2025; de uso geral. AI deveres a partir de agosto de 2025	O Decreto Omnibus Digital, em vigor a partir de 27 de julho de 2026, transferiu as atribuições de alto risco em áreas como a avaliação do bem-estar social de agosto de 2026 para 2 de dezembro de 2027.
Estados Unidos	AI Plano de Ação (julho de 2025) com mais de 90 ações federais; sem um plano federal abrangente. AI lei	Decreto executivo de 11 de dezembro de 2025 que busca uma estrutura nacional e contesta as políticas estaduais "onerosas". AI leis, com uma força-tarefa do Departamento de Justiça criada em janeiro de 2026.
China	Regras que exigem rótulos visíveis e ocultos em conteúdo gerado por IA, em vigor desde 1 de setembro de 2025.	Fiscalização da rotulagem
India	Sem ligação AI Lei; Regulamento de TI sobre rotulagem de conteúdo sintético em vigor desde 20 de fevereiro de 2026	Hospedou o AI Impact Summit em Nova Delhi, fevereiro de 2026
Nações Unidas	Painel Científico Internacional Independente sobre AI nomeado em fevereiro de 2026	Primeiro Diálogo Global sobre AI Reunião de governança realizada em Genebra, em julho de 2026, com a participação de 163 países.

Apoiadores da Europa's Os defensores da medida argumentam que ela dá tempo para as empresas se adequarem a regras complexas; os críticos, incluindo grupos da sociedade civil, alegam que ela deixa sistemas do setor público de alto risco sem regulamentação por mais tempo.

Os defensores da ordem executiva dos EUA argumentam que uma colcha de retalhos de leis estaduais prejudicaria a inovação; os críticos, incluindo alguns funcionários estaduais, afirmam que ela se sobrepõe às escolhas democráticas e enfraquece as proteções. Ambos os debates giram em torno da mesma questão que este artigo aborda repetidamente: quem fiscaliza o sistema antes que ele afete um cidadão?

O público está cauteloso. Uma pesquisa da KPMG e da Universidade de Melbourne com mais de 48,000 pessoas em 47 países, publicada em maio de 2025, revelou que 46% estavam dispostos a confiar. AI e 70% afirmam que a regulamentação é necessária, enquanto 66% disseram que dependem de AI saída sem verificação.

Stanford's AI O índice contabilizou 204 leis relacionadas à IA aprovadas em 114 países entre 2016 e 2024. As regras estão se multiplicando. A verdadeira corrida é se elas chegarão antes da próxima Robodebt.

Verificação de reivindicação

Reivindicação	Quem faz	MES	Mojo's ler
An AI ministro tornará as licitações incorruptíveis	Governo albanês, 2025	1 Reivindicação	Não há registro público de qualquer licitação decidida por Diella.
A contratação eletrônica economiza dinheiro para os governos.	Ucrânia's ProZorro	4 Forte	Uma avaliação independente constatou uma economia de 1% a 20%, variando conforme o mercado.
AI Foram encontrados R$ 9.7 bilhões em lances suspeitos.	Brasil's controlador	2 cedo	Governo's números próprios; lances suspensos não são comprovadamente fraudulentos.
Análises detectaram fraude fiscal recorde	Agências fiscais da Índia, Reino Unido e Estados Unidos	2 cedo	Os números de detecção são relatados pela agência; a recuperação geralmente representa uma pequena fração.
Sinais de alerta em processos de licitação são indicativos de corrupção.	Pesquisa acadêmica	4 Forte	Conexões revisadas por pares com ligações políticas e preços abusivos; algumas advertências são fracas.
A detecção automatizada de fraudes protege o dinheiro público.	Muitas agências de assistência social	0 Não resistiu	Robodebt, MiDAS e o escândalo holandês causaram acusações injustas em massa.
O suborno custa ao mundo entre 1.5 e 2 trilhões de dólares por ano.	Amplamente repetido, de uma nota do FMI de 2016.	1 Reivindicação	Baseia-se numa extrapolação de 2005; especialistas afirmam que o valor real é desconhecido.
AI Câmeras de trânsito reduzem mortes nas estradas	Governo de Kerala	2 cedo	O número de mortes diminuiu, mas nenhum estudo relaciona essa queda às câmeras.

O contra-ângulo

A objeção mais forte é que estou comparando coisas incomparáveis. Os sistemas de assistência social e de segurança pública afetam milhões de pessoas, portanto, seus erros são inevitavelmente visíveis e pessoais. O monitoramento de licitações afeta alguns milhares de empresas e funcionários, que têm advogados, mas não compaixão, então seus erros raramente viram notícia.

Nessa perspectiva, meu índice mede quem reclama, não quais sistemas são melhores.

Há algo de verdade nisso, e é por isso que o índice apresenta evidências, transparência e danos separadamente, em vez de um único número mágico. Mas as decisões judiciais, as comissões reais e as auditorias que embasaram as sete falhas não são queixas; são constatações.

E os casos que a objeção não consegue explicar são os que mais importam: quando os mesmos governos aplicaram algoritmos aos seus próprios contratos de forma transparente, não acabaram por pedir desculpas a dezenas de milhares de famílias.

Mojo's Previsões

1. A Albânia publicará um registo verificável de pelo menos um concurso público decidido ou avaliado por Diella até 31 de dezembro de 2027. Probabilidade: 40%.
2. a UE's As obrigações de alto risco para os sistemas do Anexo III começam a ser aplicadas em 2 de dezembro de 2027, sem possibilidade de novo adiamento. Probabilidade: 60%.
3. India's As autoridades centrais do GST (Imposto sobre Bens e Serviços) relatam detecções de créditos fiscais de insumos falsos para 2026-27 acima dos ₹74,782 crore (747,82 bilhões de rúpias) de 2025-26, até 31 de dezembro de 2027. Probabilidade: 70%.

Os três estão registrados no Mojo Forecast Ledger.

Onde isso será debatido a seguir?

Perguntas frequentes

O melhor algoritmo anticorrupção é uma planilha que qualquer pessoa pode abrir. O pior é uma pontuação que ninguém consegue ver.