Kan AI Upptäcka korruption? Bevis från 27 statliga system

Vinkeln. AI kan hjälpa till att upptäcka korruption, men inte på det sätt som rubrikerna antyder. Verktygen med oberoende verifierade resultat är oglamorösa: öppna upphandlingsdata och statistiska varningssignaler som övervakar kontrakt och tjänstemän offentligt. De system som orsakade verklig skada dömde vanliga medborgare i hemlighet. Rikta algoritmen uppåt, inte nedåt, och visa dina uträkningar.

Tricket

Den 11 september 2025, Albanien's Premiärminister Edi Rama presenterade en ny medlem i sitt kabinett: Diella, en AI-genererad avatar som började som en chatbot på e-Albania-tjänsteportalen, och som fick ansvaret för offentlig upphandling. Han lovade att anbud skulle bli helt okrossbara. Rubriker runt om i världen kallade det den första AI minister.

Här är avslöjandet. Mer än ett år senare kunde jag inte hitta några offentliga uppgifter om att Diella hade beslutat om en enda anbudsprocess. I oktober 2026, Albanien's Konstitutionsdomstolen avslog ett överklagande från 39 oppositionsledamöter på grund av talerätt och tillade att AI kan inte ändra den konstitutionella ordningen. Samtidigt var den gammaldags sortens ansvarsskyldighet i full gång: en vice premiärminister hade åtalats för en upphandling av vägtunneln värd cirka 190 miljoner euro, enligt utredningsnätverket OCCRP.

Avataren är tricket. Den verkliga antikorruptionsstrategin. AI är tråkigt: data publicerade i offentligheten, statistiska varningssignaler som vem som helst kan kontrollera och revisorer med befogenhet att agera utifrån dem. För att skilja de två åt poängsatte jag 27 verkliga utplaceringar, från Brasilien till Nederländerna till Indien, på tre frågor. Finns det oberoende bevis för att det fungerade? Kan utomstående se hur det fungerar? Skadade det oskyldiga människor?

Mojo's Lag: ekvationen för felaktig flaggning

Varje system för bedrägeriupptäckt gör två typer av misstag: det missar vissa fusk och det anklagar oskyldiga människor. När det som jagas är sällsynt dominerar det andra misstaget. Här är den matematiska beräkning som varje minister bör se före lanseringen:

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

N är antalet personer som screenas, p är andelen som faktiskt fuskar och FPR är andelen falskt positiva resultat: hur ofta systemet felaktigt flaggar en ärlig person.

Försök med runda tal (endast illustrativt). Granska 1 miljon bidragstagare, anta att 1 % begår bedrägerier och ge systemet en falskt positiv andel på 5 %. Det flaggar felaktigt cirka 49 500 hederliga människor, medan det finns som mest 10 000 riktiga fuskare att hitta. Om inte varje flagga kontrolleras av en människa innan någon straffas, blir systemet en maskin för att anklaga oskyldiga. Det är precis vad som hände i Michigan, där en granskning fann att 85 % av de datorbeslutade bedrägerifynden var felaktiga.

Den andra lagen här är Campbell's lag, från samhällsvetaren Donald Campbell från 1976: ju mer ett tal används för att fatta sociala beslut, desto mer inbjuder det till korruption och förvränger det det det mäter. Alla antikorruptionsmått kommer att manipuleras av exakt de människor det är avsett att fånga. Bra system förutsätter det från dag ett.

Hur stort är egentligen korruptionsproblemet?

Tillräckligt stor för att betyda något, och svårare att mäta än de flesta artiklar medger.

122 av de 182 länderna fick under 50 poäng, och endast fem fick över 80, ledd av Danmark med 89.

Offentlig upphandling är där pengarna finns. Världsbanken's Bosio och Djankov uppskattade statliga inköp till cirka 11 biljoner dollar år 2018, cirka 12 % av världens BNP; Open Contracting Partnership uppskattar det till cirka 13 biljoner dollar per år. En studie av Nordmakedonien från Världsbanken från 2024 fann att korruptionsrelaterad överprissättning värd 5 till 6 % av upphandlingsutgifterna, där nästan 30 % av anbuden attraherade en enda anbudsgivare.

Nu en siffra som Mojo vägrar att upprepa utan att varna: det berömda påståendet att mutor kostar världen 1.5 till 2 biljoner dollar per år. Det förekom i en IMF-notering från 2016, extrapolerad från en uppskattning från Världsbanken från 2005 av Daniel Kaufmann som vilade på mutundersökningar och tungt vägrande antaganden.

Antikorruptionsforskaren Matthew Stephenson har skrivit att vi inte har någon riktig uppfattning om hur mycket korruption kostar. En ärlig serie om bevis bör säga det, och sedan mäta det som faktiskt kan mätas: överprissättning, enskilda anbud, återkrav och felaktiga anklagelser.

Var finns data och AI faktiskt upptäckt korruption?

De verifierade vinsterna är färre än pressmeddelandena, och de bästa av dem handlar om öppenhet, inte smarthet.

Ukrainas ProZorro . ProZorro lanserades 2015 efter Maidanprotesterna och var obligatoriskt sedan 2016. Det lade offentliga upphandlingar online, med en plattform för samhällsövervakning, DoZorro, ovanpå. Det är mestadels öppna data snarare än AI, och det är poängen.

En oberoende utvärdering av Kyiv School of Economics i december 2022 fann verkliga besparingar på 1 till 20 % jämfört med köp gjorda utanför systemet, beroende på marknaden. DoZorro's Maskininlärningsmodellen från 2018, tränad på cirka 3 500 expertmärkta anbud, flaggade enligt uppgift betydligt fler misstänkta samverkansförsök än manuell granskning, men dessa resultat kommer från dess utvecklare.

Brasiliens robotar. År 2016 byggde en grupp dataforskare Rosie, en bot med öppen källkod som skannade mer än 3 miljoner utgiftskvitton från kongressledamöter och flaggade cirka 8 000 misstänkta anspråk. De första 125 granskade fallen gav endast cirka 2 500 randiga dollar; Rosies verkliga makt var offentliga påtryckningar.

Den federala kontrollören's Alice-systemet kontrollerar dagligen anbud mot cirka 40 riskmönster; regeringen säger att det ledde till att anbud värda 9.7 miljarder rand stoppades eller annullerades under 2019 till 2022, en siffra som ingen har granskat oberoende.

Varningssignaler som förutsäger. Akademiskt arbete lett av Mihály Fazekas byggde ett korruptionsriskindex från data om offentlig upphandling i Ungern. Företag som fick höga poäng var mer lönsamma, mer politiskt kopplade och oftare registrerade i skatteparadis. Alla varningssignaler håller dock inte: en studie från 2023 av 145 000 italienska kontrakt fann att vissa populära indikatorer hade svag validitet. Varningssignaler markerar risk, inte skuld.

Skatt och betalningar. Indiens centrala GST-myndigheter rapporterade att de upptäckte bedrägerier med ingående moms till ett värde av 74 782 crore rupier under 2025–2026, vilket är en dubbel siffra jämfört med två år tidigare, tillskrivet avancerad dataanalys och riskprofilering.

Upptäckt är dock inte återvinning. I en separat serie från 2024–25 som täcker centrala och statliga tjänstemän upptäcktes 61 545 crore rupier i falsk kredit och 1 924 crore rupier, cirka 3 %, återvanns, enligt PTI.

Den brittiska's skattemyndighetsavdrag AI och analys med cirka 10 miljarder pund av dess efterlevnadsavkastning för 2025–26, och ett offentlighetsmeddelande tillskrev 4.6 miljarder pund i återkrav till dess Connect-datasystem. Det amerikanska finansdepartementet rapporterade mer än 4 miljarder dollar i bedrägerier som förhindrades eller återvanns under räkenskapsåret 2024, men endast cirka 1 miljard dollar av det kom från maskininlärningResten kom från bättre riskbedömning och betalningsregler.

Den blygsamma sanningen från Korea. Sydkorea byggde ett av världens mest beundrade e-upphandlingssystem och, sedan 2006, ett automatiserat indikatorsystem för anbudshantering. I en inlaga till OECD i juni 2026 rapporterade dess konkurrensmyndighet att systemet bara hade genererat 10 fall av anbudshantering på åtta år och tillkännagav en uppgradering. Även bra system fångar upp färre än man skulle kunna tro.

Var gick det fel med algoritmisk styrning?

Misslyckandena har tre gemensamma egenskaper: de riktade sig mot individer, de var ogenomskinliga och de behandlade en dator's misstanke som bevis. Flera var enkla regler eller datamatchning snarare än AI, vilket är en varning i sig: man behöver inte ett neuralt nätverk för att orsaka storskalig skada.

Nederländerna, barnomsorgsförmåner. En självlärande riskmodell som infördes av den nederländska skatteförvaltningen 2013 använde icke-nederländskt medborgarskap som en riskfaktor, enligt Amnesty International. Omkring 26 000 föräldrar anklagades felaktigt för bedrägeri mellan 2005 och 2019, och regeringen avgick i januari 2021.

Den nederländska dataskyddsmyndigheten bötfällde skatteförvaltningen med 2.75 miljoner euro. I januari 2024 hade 33 335 personer erkänts som offer, och i september 2026 väntade fler än 4 000 fortfarande på stöd.

Nederländerna, SyRI. I februari 2020 beslutade en nederländsk domstol att SyRI, ett system som länkar samman statliga databaser för att förutsäga socialbidragsbedrägerier, bröt mot rätten till integritet enligt artikel 8 i Europeiska konventionen om mänskliga rättigheter eftersom det inte var tillräckligt transparent och verifierbart.

Australien, Robodebt. Från 2016 till 2020 användes ett automatiserat datamatchningssystem för att beräkna överbetalningar av välfärdsbidrag baserat på den genomsnittliga årsinkomsten, vilket utfärdade cirka 470 000 felaktiga skulder. En kunglig kommission kallade det i juli 2023 grovt och grymt. Regeringen gick med på en uppgörelse på 1.872 miljarder australiska dollar 2021 och tillkännagav ytterligare 475 miljoner australiska dollar i september 2025.

Michigan, MiDAS. Mellan 2013 och 2015 avgjorde Michigans arbetslöshetssystem bedrägeriärenden utan mänsklig inblandning. En granskning visade att 85 % av dessa 40 195 resultat var felaktiga.

England, provbetyg 2020. När proven ställdes in under pandemin sänkte en statistisk modell 39.1 % av A-nivåbetygen i England, cirka 280 000 resultat, vilket drabbade elever i statliga skolor hårdast, tills regeringen ändrade kurs.

Ansiktsigenkänning. En NIST-studie från 2019 av 189 algoritmer fann att falskt positiva resultat för asiatiska och afroamerikanska ansikten ofta var 10 till 100 gånger högre än för vita ansikten, beroende på algoritmen. Innocence Project räknade sex kända felaktiga anklagelser från polisens ansiktsigenkänning i USA fram till 2023, alla svarta personer. Efter att Detroit förlikade ett fall om felaktigt gripande 2024 och enades om nya skyddsåtgärder, minskade deras polissökningar från cirka 100 år 2023 till 9 år 2025.

Danmark, fortfarande omtvistat. Amnesty hävdade i november 2024 att några av de upp till 60 bedrägerimodeller som används av Danmark's välfärdsmyndigheten kan innebära social poängsättning som är förbjuden enligt EU AI AgeraMyndigheten bestrider detta. Det är ett verkligt test av de nya reglerna.

Mojo Integrity Index: vad skiljer vinsterna från skandalerna?

Vilka systemet övervakar. Jag poängsatte var och en av de 27 utplaceringarna från 0 till 2 på tre saker: oberoende bevis på resultat, transparens gentemot utomstående och frånvaro av dokumenterad skada. Sedan sorterade jag dem efter deras mål.

Mönstret är tydligt. Av de 11 system som riktar sig mot kontrakt och tjänstemän har inget gett bakslag och tre har oberoende verifierade fördelar. Alla sex som riktar sig mot skatter och betalningar hävdar förmåner som ingen utanför regeringen har granskat. Av de 10 som riktar sig mot medborgare och arbetstagare har sju orsakat dokumenterad skada. Den genomsnittliga integritetspoängen var 3.9 av 6 för system som bevakar kontrakt och tjänstemän, jämfört med 2.3 för de som bedömer medborgare och arbetstagare.

Det finns en ärlig varning: skadorna för medborgarna blir tvistade och dokumenterade, medan kostnaderna för ett system för kontraktsövervakning är svårare att se. Men mekanismen bakom mönstret är tydlig. Att observera ett kontrakt eller en tjänsteman's Offentliga utgifter skapar ansvarsskyldighet för de mäktiga. Att poängsätta socialbidragstagare eller förare privat skapar makt över de svaga, och den felaktiga flaggformeln garanterar att oskyldiga människor kommer att fångas i nätet.

Vad gäller att fånga upp oaktsamhet? Samma logik gäller för AI som övervakar arbetare eller allmänheten. Kerala's nätverk av mer än 700 AI trafikkameror, som kostade 232 crore ₹, hade fångat cirka 98 lakh brott och utdömt böter på 631 crore ₹ i april 2025, även om tidiga fel inkluderade en avläsning på 1 240 km/h.

Staten's Transportministern säger att antalet dödsfall i trafiken minskade från 4 084 år 2023 till 3 733 år 2025; ingen kausal studie har testat det påståendet. I amerikanska lager fann en majoritetsrapport från senatskommittén i december 2024 att Amazon's Skadefrekvensen var 6.54 per 100 arbetare år 2023, jämfört med 4.8 inom hela lagerbranschen, och kopplade den till hastighetskvoter som fastställts och övervakats av algoritmer. Amazon bestrider rapporten.

EU's Direktivet om plattformsarbete, som har gällt sedan december 2024, förbjuder nu plattformar att behandla anställdas känslomässiga tillstånd och privata samtal, och kräver mänsklig granskning av viktiga automatiserade beslutDet är en förnuftig mall: låt AI Flagga faran, låt den aldrig vara domaren.

Vem styr algoritmerna?

Världen's Stora tillsynsmyndigheter rör sig i olika riktningar, och de mest relevanta reglerna för välfärd och förmånspoängsättning har just skjutits upp i Europa.

Behörighet	Vad som gäller, november 2026	Senaste ändringen
europeiska unionen	AI Lag i kraft sedan augusti 2024; förbud sedan februari 2025; allmänt ändamål AI arbetsuppgifter sedan augusti 2025	Digital Omnibus, som trädde i kraft den 27 juli 2026, flyttade högriskuppgifter för områden som välfärdspoängsättning från augusti 2026 till den 2 december 2027.
USA	AI Handlingsplan (juli 2025) med mer än 90 federala åtgärder; ingen heltäckande federal AI lag	Verkställande order av den 11 december 2025 som begär ett nationellt ramverk och utmanar "betungande" statliga åtgärder AI lagar, med en arbetsgrupp för justitiedepartementet som inrättades i januari 2026
Kina	Regler som kräver synliga och dolda etiketter på AI-genererat innehåll, i kraft sedan den 1 september 2025	Märkningstillsyn
Indien	Ingen bindning AI lag; IT-regler om märkning av syntetiskt innehåll som gäller sedan den 20 februari 2026	Var värd för AI Impact Summit i New Delhi, februari 2026
Förenta nationerna	Oberoende internationell vetenskaplig panel om AI utsedd februari 2026	Första globala dialogen om AI Styrelsemöte hölls i Genève, juli 2026, med 163 länder

Europas anhängare's förseningar säger att det ger företag tid att följa komplexa regler; kritiker, inklusive civilsamhällesgrupper, menar att det lämnar högrisksystem i den offentliga sektorn oreglerade längre.

Anhängare av den amerikanska exekutivordern säger att ett lapptäcke av delstatslagar skulle hämma innovation; kritiker, inklusive vissa delstatstjänstemän, säger att det åsidosätter demokratiska val och försvagar skyddet. Båda debatterna kretsar kring samma fråga som den här artikeln återkommer till: vem kontrollerar systemet innan det berör en medborgare?

Allmänheten är försiktig. En undersökning av KPMG och University of Melbourne med fler än 48 000 personer i 47 länder, publicerad i maj 2025, visade att 46 % var villiga att lita på AI och 70 % säger att reglering behövs, medan 66 % sa att de förlitar sig på AI utdata utan att kontrollera den.

Stanford's AI Indexet omfattade 204 AI-relaterade lagar som antogs i 114 länder mellan 2016 och 2024. Reglerna mångdubblas. Huruvida de kommer före nästa Robodebt är den verkliga kapplöpningen.

Anspråkskontroll

Ta i anspråk	Vem gör det	MES	Mojo's läsa
An AI ministern kommer att göra anbuden okrossbara	Albaniens regering, 2025	1 Anspråk	Inga offentliga register över någon anbudsinfordran beslutad av Diella
E-upphandling sparar pengar för regeringar	Ukraina's ProZorro	4 stark	Oberoende utvärdering fann besparingar på 1 till 20 %, varierande beroende på marknad
AI hittade misstänkta bud för 9.7 miljarder rand	Brasilien's comptroller	2 Tidigt	Regeringen's egen siffra; avbrutna bud är inte bevisat bedrägeri
Analytics upptäckte rekordstora skattebedrägerier	Indien, Storbritannien, amerikanska skattemyndigheter	2 Tidigt	Upptäcktssiffrorna rapporteras av myndigheter; återhämtningen är ofta en liten andel
Upphandlingsvarningsflaggor förutsäger korruption	akademisk forskning	4 stark	Fackgranskade länkar till politiska kopplingar och överprissättning; vissa flaggor är svaga
Automatiserad bedrägeriupptäckt skyddar offentliga medel	Många välfärdsorganisationer	0 Höll inte ut	Robodebt, MiDAS och den holländska skandalen orsakade massanklagelser
Mutor kostar världen 1.5 till 2 biljoner dollar per år	Ofta upprepad, från ett IMF-meddelande från 2016	1 Anspråk	Vilar på en extrapolering från 2005; forskare säger att den verkliga siffran är okänd
AI trafikkameror minskar dödsfall i trafiken	Keralas regering	2 Tidigt	Dödsfallen minskade, men ingen studie kopplar nedgången till kamerorna

Motvinkeln

Den starkaste invändningen är att jag jämför äpplen med apelsiner. Välfärds- och polissystem berör miljontals individer, så deras misstag är oundvikligen synliga och personliga. Upphandlingsövervakning berör några tusen företag och tjänstemän, som har jurister men ingen sympati, så dess misstag hamnar sällan i rubrikerna.

Utifrån detta perspektiv mäter mitt index vilka som klagar, inte vilka system som är bättre.

Det ligger något i det, vilket är anledningen till att indexet rapporterar bevis, transparens och skada separat snarare än ett magiskt nummer. Men domstolsbesluten, kungliga uppdrag och revisioner bakom de sju misslyckandena är inte klagomål; de är resultat.

Och de fall som invändningen inte kan förklara är de som betyder mest: när samma regeringar tillämpade algoritmer på sina egna kontrakt offentligt, slutade det inte med att de bad om ursäkt till tiotusentals familjer.

Mojo's Prognoser

1. Albanien offentliggör en verifierbar förteckning över minst en offentlig upphandling som beslutats eller poängsatts av Diella senast den 31 december 2027. Sannolikhet: 40 %.
2. EU's Högriskskyldigheter för system enligt bilaga III börjar gälla den 2 december 2027 utan ytterligare uppskjutning. Sannolikhet: 60 %.
3. Indien's Centrala GST-myndigheter rapporterar falska upptäckter av ingående momsavdrag för 2026-27 över ₹74 782 crore för 2025-26, senast den 31 december 2027. Sannolikhet: 70 %.

Alla tre är loggade i Mojo Forecast Ledger.

Där detta debatteras härnäst

FAQ

Den bästa algoritmen mot korruption är ett kalkylblad som vem som helst kan öppna. Den värsta är ett resultat som ingen kan se.