AI phù hợp trong việc phát hiện gian lận

Trong thời đại công nghệ số, có những công cụ mới và mạnh mẽ để điều tra gian lận. Sự phong phú của dữ liệu được cung cấp thông qua hồ sơ điện tử, hợp đồng, email, tin nhắn văn bản và chuyển khoản ngân hàng cho phép các chính phủ phát triển các phương pháp tiên tiến hơn để phát hiện gian lận. AI và học máy rất phù hợp để phát hiện gian lận vì lượng thông tin kỹ thuật số và khả năng phân tích dễ dàng cả văn bản và dữ liệu.

Những cáo buộc về sự kém hiệu quả của ngân sách hoặc chi tiêu lãng phí làm giảm niềm tin của công chúng và khiến việc tìm ra cách quản lý nguồn lực một cách công bằng trở nên quan trọng. Khu vực tư nhân đã triển khai các thuật toán phát hiện gian lận trên quy mô rộng và đã nhận thấy chúng là công cụ phân tích có giá trị.

Các ngân hàng, bệnh viện, cơ sở giáo dục và công ty sản xuất sử dụng phần mềm để giám sát các giao dịch tài chính và đảm bảo rằng cả nhân viên và khách hàng đều tuân theo các quy trình thích hợp.

Còn các cơ quan liên bang đang phát triển các công cụ tương tự để giám sát tài chính. AI đại diện một cách mạnh mẽ để phân tích các giao dịch tài chính và hoạt động trở nên hiệu quả hơn trong việc điều tra các khoản chi tiêu lãng phí hoặc không chính đáng trên quy mô lớn.

Các thuật toán nâng cao và học máy có thể nhanh chóng phát hiện những bất thường, hoặc các giao dịch đáng ngờ trong hàng núi dữ liệu và chuyển dữ liệu đó cho các nhà điều tra xác định xem liệu gian lận có thực sự xảy ra hay không. Đó là một cách sử dụng công nghệ để cải thiện kiểm toán ngân sách, hiệu quả hoạt động của nhân sự và các hoạt động tổ chức.

Các công cụ dựa trên AI đã là một tài sản hữu ích trong việc chống gian lận trong khu vực công, ngân hàng và chăm sóc sức khỏe. Những giải pháp kỹ thuật AI chống gian lận và lãng phí cho phép khu vực công cải thiện hiệu suất và thực hiện công việc bảo vệ tài nguyên công tốt hơn; giúp nhân viên cải thiện năng suất, giám sát các giao dịch tài chính đối với các hoạt động bất hợp pháp và phát hiện các hành vi gian lận có thể xảy ra.

AI tạo sinh có thể giúp cung cấp giải pháp phát hiện gian lận thông qua:

Mạng đối thủ chung (GAN) chứa hai thành phần chính: Bộ tạo và bộ phân biệt đối xử. Trình tạo “tạo ra” dữ liệu và nội dung, trong khi trình phân biệt đối xử đánh giá chất lượng của dữ liệu bằng cách so sánh nó với các ví dụ thực tế. GAN có thể được sử dụng để phát hiện gian lận bằng cách tạo dữ liệu tổng hợp thực tế để đào tạo các mô hình tổng quát và học hỏi từ cả giao dịch hợp pháp và bất hợp pháp.

Cách tiếp cận này có thể giúp phát hiện các hoạt động gian lận chính xác và nhanh chóng hơn vì GAN có thể tìm hiểu các mẫu từ khối lượng giao dịch lớn mà các mô hình truyền thống có thể bỏ sót. Ngoài ra, dữ liệu tổng hợp có thể giúp giải quyết sự thiên vị trong việc phát hiện gian lận. Bằng cách tạo ra các bộ dữ liệu cân bằng đại diện cho hồ sơ công dân và mô hình giao dịch trên lý thuyết, hệ thống phát hiện gian lận có thể kiểm soát các yếu tố khác và tránh sử dụng các mô hình không liên quan, cải thiện độ chính xác và công bằng.

Xử lý ngôn ngữ tự nhiên, kết hợp ngôn ngữ học tính toán với các mô hình thống kê, là một công cụ tổng hợp hữu ích khác. Phòng thí nghiệm Đổi mới tại Văn phòng Trách nhiệm Chính phủ (GAO) đang sử dụng Xử lý ngôn ngữ tự nhiên và mô hình chủ đề để sàng lọc khối lượng lớn nhận xét của công chúng, bài đăng trên mạng xã hội, đơn xin miễn trừ theo quy định và các nguồn khác, đồng thời sắp xếp thông tin này vào các kế hoạch và phân loại gian lận có liên quan. Bằng cách tìm kiếm các khuôn mẫu về cách viết các khiếu nại gian lận, NLP có thể giúp loại bỏ tận gốc những khiếu nại đó nhanh hơn.

Rào cản của việc sử dụng AI phát hiện gian lận

Mặc dù các công cụ AI tồn tại để phát hiện gian lận và giám sát tài chính, nhưng không phải lúc nào cũng dễ dàng triển khai chúng vào hoạt động, giới thiệu các công cụ kỹ thuật số mới hoặc tích hợp chúng vào các nhiệm vụ của đại lý.

Có một số rào cản đối với đổi mới AI và học máy, ví dụ, quy trình mua sắm phức tạp và khó thực hiện đối với nhiều công ty. Ngay cả các công ty lớn có nhiều kinh nghiệm về thủ tục và giấy tờ cũng gặp khó khăn trong việc đẩy nhanh quá trình này. Các quy tắc hiện tại yêu cầu một chuỗi hoạt động và chi tiết bao gồm xác định phạm vi công việc, phân tích các lựa chọn nhiệm vụ thay thế, yêu cầu đề xuất, phân tích chính thức về giá thầu cạnh tranh và quy trình kháng cáo nếu đối thủ cạnh tranh không phản đối cách xử lý công việc..v.v.

Nhiều cơ quan chính phủ thiếu kỹ năng cần thiết để mua và đánh giá các thuật toán AI. Họ gặp khó khăn trong việc tìm ra cách tốt nhất để mua các sản phẩm và dịch vụ công nghệ tiên tiến. Một trong những quyết định quan trọng là liệu có nên phát triển phần mềm được cá nhân hóa theo nhu cầu cụ thể của họ hay không, mua phần mềm độc quyền sẵn có hay dựa vào các nhà phát triển bên thứ ba. Nhưng trong bất kỳ lựa chọn thay thế nào, các cơ quan đều cần những người hiểu thuật toán để đưa ra quyết định thận trọng mang lại thông tin hữu ích và có thể mở rộng.

Trong một ấn phẩm từ năm 2020, Hội nghị Hành chính Mỹ báo cáo rằng khoảng một nửa số ứng dụng AI hiện tại của các cơ quan chính phủ được phát triển bởi nhân viên nội bộ, được tùy chỉnh để hỗ trợ các nhu cầu cụ thể của họ; phần còn lại dựa vào các sản phẩm có sẵn trên thị trường hoặc của bên thứ ba. Tuy nhiên, một số giải pháp nội bộ chưa được triển khai đầy đủ và không rõ liệu chúng có thể đạt được các mục tiêu đã đề ra hay không.

Trong nhiều cơ quan, có những rào cản về văn hóa và đối với sự thay đổi. Chúng bao gồm sự miễn cưỡng đổi mới, thích giữ nguyên hiện trạng, sợ thất bại, bị cô lập quá mức để các bộ phận khác nhau xử lý nhiều dữ liệu và các phần nhiệm vụ thiết yếu khác nhau, cũng như không có các nhà lãnh đạo và quản lý có kỹ năng tạo điều kiện cho sự thay đổi. Ở nhiều tổ chức, rào cản đối với sự thay đổi không chỉ ở công nghệ mà còn ở cơ cấu, hoạt động, quản lý và văn hóa của cơ quan. Trừ khi các nhà lãnh đạo cam kết xây dựng văn hóa đổi mới, việc áp dụng các công nghệ mới hầu như sẽ không mang lại lợi ích như mong đợi.

Ngoài ra, còn có các vấn đề liên quan đến dữ liệu và tiêu chuẩn kỹ thuật. Một trong những tính năng chính của bất kỳ thuật toán nào là dữ liệu của nó. Nếu dữ liệu ở dạng không chuẩn hoặc không có cấu trúc thì việc sử dụng hiệu quả thông tin đó sẽ trở nên khó khăn hơn. Việc nhập tài liệu khó, khó so sánh và khó phân tích tài liệu. Thông tin không được chuẩn hóa và không tích hợp có thể tạo ra nhiều nhiễu hơn, làm cản trở quá trình phân tích tài liệu liên quan và khiến các nhà điều tra không thể tiến hành các vụ việc gian lận.

Những trở ngại tương tự cũng xảy ra đối với hình ảnh video. Có phần mềm có thể xử lý và phân tích hình ảnh, nhưng một số hệ thống thường được sử dụng có những điểm không chính xác và/hoặc sai lệch làm hạn chế tiện ích của chúng. Các hình ảnh cần được gắn thẻ với số nhận dạng thích hợp để tối đa hóa tiện ích của chúng.

Chia sẻ dữ liệu vẫn là một thách thức lớn. Nhiều cơ quan sẽ được hưởng lợi từ việc tích hợp bộ dữ liệu theo những cách mang lại cái nhìn sâu sắc hơn, tuy nhiên rất khó thực hiện điều này vì dữ liệu phi cấu trúc, hệ điều hành không tương thích và các quy tắc bảo mật của liên bang ngăn cản việc chia sẻ thông tin giữa các phòng ban và bộ phận.

Có quá nhiều hạn chế trong việc tích hợp cơ sở dữ liệu giữa các khu vực chức năng đến hạn chế khả năng tận dụng tối đa các công nghệ kỹ thuật số. Điều này làm chậm việc áp dụng trí tuệ nhân tạo và các công cụ học máy trong chính phủ liên bang, đồng thời làm trì hoãn việc sử dụng các ứng dụng chống gian lận.

Mối lo ngại về quyền riêng tư, bảo mật, an ninh mạng và phần mềm tống tiền đã làm phức tạp hệ sinh thái đổi mới trong các tổ chức thuộc khu vực công và tư nhân. Thật khó để cân bằng tất cả các yêu cầu cạnh tranh của một hệ thống công nghệ thông tin hiệu quả, bao gồm bảo vệ quyền riêng tư cá nhân, đảm bảo thông tin bí mật không bị xâm phạm và đề phòng các thực thể bên ngoài kiểm soát hệ thống máy tính.

Trong thế giới ngày nay, các lỗ hổng an ninh mạng và ransomware gây khó khăn cho nhiều hệ thống thông tin và gây ra vấn đề cho các thuật toán AI. Thật khó để bảo vệ cơ sở hạ tầng quan trọng, hệ thống chăm sóc sức khỏe, mạng lưới tài chính, cơ quan chính phủ và doanh nghiệp thương mại trong thời đại có sự xâm nhập của nước ngoài và các doanh nghiệp tội phạm.

Phòng bệnh hơn chữa bệnh

Để phát hiện ra các mô hình gian lận phức tạp và chưa được phát hiện, các cơ quan chính phủ cần áp dụng các công nghệ tiên tiến để xác định những dấu hiệu ít rõ ràng và tinh vi hơn của hành vi gian lận. Nhiều cơ quan ngày càng dựa vào AI để phân biệt các kết nối cụ thể giữa các cá nhân, doanh nghiệp, địa chỉ và tài khoản để phát hiện các hoạt động gian lận và tăng cường các quy trình ra quyết định liên quan đến phát hiện và nhận dạng gian lận.

AI cho phép các cơ quan khu vực công có được lợi thế hơn các tác nhân xấu bằng cách sử dụng dữ liệu hiệu quả hơn, thu thập lượng lớn dữ liệu và xây dựng mạng lưới bằng thông tin ngữ cảnh rộng hơn.

Ví dụ, cùng một người có thể được giới thiệu bằng các tên khác nhau được đưa vào từ nhiều giao thức nhập dữ liệu, lỗi, thiếu sót, viết tắt và thậm chí là cố ý trình bày sai sự thật. Những thay đổi tinh vi này khiến việc xác định một cá nhân duy nhất trở nên khó khăn.

Bằng cách giải quyết các tham chiếu đến các thực thể cụ thể bao gồm con người, tổ chức, địa chỉ, số ID, email và điện thoại (được gọi là giải quyết thực thể) và đưa vào dữ liệu ngữ cảnh để hiểu mối quan hệ giữa chúng, các công cụ AI có thể giúp các cơ quan chính phủ hiểu chính xác hơn các mối quan hệ phức tạp và liên kết giữa các thực thể. Điều này giúp xác định các mô hình hành vi gian lận tiên tiến hơn như sử dụng các công ty vỏ bọc, nhà an toàn và chủ sở hữu có lợi.

Ngăn chặn gian lận sẽ rẻ hơn và hiệu quả hơn so với thời gian và nguồn lực cần thiết để điều tra và truy tố sau khi sự việc xảy ra. Nhiều hệ thống nhà nước được thiết kế để chống gian lận đã không được chuẩn bị hoặc thiết kế để hỗ trợ mức độ phân tích dữ liệu cần thiết. Điều tốt nhất chúng ta có thể làm bây giờ là học hỏi và chuẩn bị tốt hơn cho lần sau.

Tóm lại, đây là thời điểm thú vị cho đổi mới AI có trách nhiệm, các thuật toán đang thay đổi hiệu suất của cơ quan trong nhiều lĩnh vực và giúp cải thiện năng suất của người lao động, cung cấp dịch vụ và cho phép các cơ quan, ban ngành giám sát các giao dịch tài chính và ngân sách hiệu quả hơn. Đạt được tiến bộ trong các lĩnh vực này sẽ tăng cường hoạt động của khu vực công và mang lại cho người nộp thuế niềm tin lớn hơn về hiệu quả hoạt động của chính phủ./.

“

Tài liệu tham khảo:
https://ttecdigital.com/
https://www.brookings.edu/
https://fintechmagazine.com/

B.Uyên