شناسایی میلیارد‌ها دلار تخلف مالی با کمک هوش مصنوعی

به گزارش گرداب، این وزارتخانه در بیانیه خود آورده است که رویکرد داده‌محور برای شناسایی کلاهبرداری‌ها و تقلب‌ها توانسته است به خزانه‌داری کمک خوبی به شناسایی تخلفان قانونی بکند؛ به‌طوری‌که در سال مالی ۲۰۲۴ حدود ۴ میلیارد دلار تخلف مالی کشف شده است. این عدد نسبت به سال گذشته، رشد ۶ برابری را نشان می‌دهد.

خزانه‌داری آمریکا که مسئول پرداخت بودجه به بسیاری از نهاد‌های دولتی آمریکا است، سالانه ۱.۴ میلیارد مورد تراکنش به ارزش ۶.۹ تریلیون دلار را پردازش می‌کند.

استفاده از فناوری یادگیری ماشین برای شناسایی موارد تقلب و اولویت‌بندی تراکنش‌های پرخطر برای بررسی بیشتر، از جمله اقداماتی است که در قالب این رویکرد اجرایی شده. وزارت خزانه‌داری همچنین با سایر سازمان‌های فدرال و ایالتی در آمریکا برای تسهیم داده‌ها از طریق پایگاه‌های اطلاعاتی، همکاری کرده است.

طبق گفته‌ی پایگاه خبری Gizmodo، با اینکه شناسایی ۴ میلیارد دلار تراکنش متقلبانه پیشرفت خوبی نسبت به گذشته است، اما در مقایسه با تخمین‌های دولت آمریکا از میزان تخلفات مالی دولتی، رقم چندانی نیست.

در آوریل سال جاری میلادی، دیوان محاسبات آمریکا (GAO) تخمین زد که سازمان‌های فدرال آمریکا سالانه بین ۲۳۳ تا ۵۲۱ میلیارد دلار به دلیل تخلفات مالی ضرر می‌کنند. گزارش این دیوان توصیه کرده بود که خزانه‌داری، به دلیل نقش مرکزی خود در پردازش تراکنش‌های بودجه‌ای، بهتر است از ابزار‌های تجزیه و تحلیل داده‌ها استفاده کند.

با پیشرفت فناوری هوش مصنوعی، سازمان‌های دولتی جهان و مؤسسات مالی به طور فزاینده‌ای به الگوریتم‌های یادگیری ماشینی برای شناسایی متقلبین متکی شده‌اند.