Thanh tra Việt Nam - Tin tức cập nhật trong ngày

Buổi thảo luận nhóm U4 với các chuyên gia về trí tuệ nhân tạo (AI) đã làm sáng tỏ nhiều cơ hội và thách thức trong việc ứng dụng AI vào công tác chống tham nhũng. Sự kiện nhấn mạnh rằng, mặc dù AI có tiềm năng lớn, nhưng để triển khai hiệu quả cần có sự giám sát của con người nhằm cải thiện chất lượng dữ liệu và đảm bảo tính bền vững lâu dài. Qua một số ví dụ thực tế, chúng tôi đánh giá liệu AI có thể hỗ trợ các bên liên quan trong cuộc chiến chống tham nhũng hay không.

AI có thể hỗ trợ chống tham nhũng không?

Những ví dụ sau đây minh chứng rằng các công cụ AI chống tham nhũng (AI-ACT) mang lại những phương thức sáng tạo để tăng cường giám sát và phát hiện gian lận. AI-ACT có khả năng phân tích khối lượng dữ liệu khổng lồ, xác định các hành vi bất thường và cải thiện quản trị. Công nghệ này đã được ứng dụng để phát hiện hành vi sai phạm trong mua sắm công và giám sát các dự án hạ tầng quy mô lớn.

Các công cụ chống tham nhũng AI có thể phân tích lượng lớn dữ liệu, đánh dấu các hành vi bất thường và cải thiện giám sát quản trị. (Ảnh: The U4 Anti-Corruption Resource Centre)

Bảo vệ tài sản công

Tại Brazil, bot Alice hỗ trợ kiểm toán viên phân tích đấu thầu, hồ sơ dự thầu và hợp đồng công. Công nghệ này giúp phát hiện các dấu hiệu tiềm ẩn của tham nhũng và hành vi chống cạnh tranh, cảnh báo đội ngũ đánh giá trước khi ra quyết định mua sắm. Một nghiên cứu gần đây cho thấy Alice đã cải thiện đáng kể khả năng phát hiện các trường hợp gian lận, giúp giảm 30% tổn thất tài chính và nâng cao bảo vệ quỹ công.

Phát hiện ngôn ngữ đáng ngờ

Các mô hình ngôn ngữ lớn (LLM) đã chứng minh hiệu quả trong việc phát hiện ngôn ngữ đáng ngờ trong các trao đổi email, điển hình là giải pháp của Văn phòng chống gian lận châu Âu (OLAF). Học máy cũng hỗ trợ đánh giá rủi ro và phát hiện bất thường. Công cụ Datacros, được áp dụng tại Romania, Pháp và Litva, đã cảnh báo kịp thời về nguy cơ thông đồng, tham nhũng và rửa tiền.

Phát hiện bất thường trong chi tiêu công

Tại Brazil, bot Rosie đã giúp giám sát chi tiêu quốc hội và phát hiện các dấu hiệu bất thường. Tuy nhiên, dù công nghệ hoạt động hiệu quả, bằng chứng do Rosie cung cấp thường chưa đủ để khởi tố các vụ án, dẫn đến sự quan tâm giảm dần và việc dừng hoạt động của bot.

Giám sát tham nhũng trong các dự án xây dựng và khai thác

Tại Cộng hòa Dân chủ Congo, AI kết hợp với hình ảnh vệ tinh đã được sử dụng để giám sát tham nhũng trong các dự án xây dựng đường bộ và khai thác khoáng sản. Công nghệ này giúp so sánh hình ảnh vệ tinh với tiến độ báo cáo, nhưng thông tin cập nhật gần đây về sáng kiến này vẫn còn hạn chế. Để đảm bảo thành công lâu dài, việc duy trì ứng dụng công nghệ và hợp tác chặt chẽ giữa các bên là cần thiết.

Ngăn chặn gian lận dữ liệu trực tuyến

Chất lượng dữ liệu là yếu tố quan trọng trong việc chống gian lận. MasterCard đã ứng dụng AI để phát hiện thông tin thẻ bị xâm phạm trên dark web. Công nghệ này quét hàng triệu giao dịch, đối chiếu với cơ sở dữ liệu nội bộ nhằm phát hiện và ngăn chặn các giao dịch gian lận. Tuy nhiên, dữ liệu không chính xác hoặc lỗi thời có thể dẫn đến kết quả sai lệch, ảnh hưởng đến hiệu quả phát hiện gian lận. Bên cạnh đó, sự khác biệt về cơ sở hạ tầng dữ liệu giữa các quốc gia cũng là một thách thức lớn.

Dự đoán tham nhũng trong khu vực công

Chất lượng và tính sẵn có của dữ liệu là yếu tố quan trọng khi áp dụng AI vào dự đoán tham nhũng. AI có thể phân tích dữ liệu hành vi, mẫu giao tiếp để nhận diện các dấu hiệu cảnh báo sớm.

Tại Brazil, hệ thống Mara sử dụng thuật toán học máy để phân tích dữ liệu công chức từng bị xử lý vì tham nhũng. Mara đánh giá các yếu tố như lịch sử nghề nghiệp, sự tham gia dự án và khuynh hướng chính trị để xếp hạng rủi ro tham nhũng. Tuy nhiên, hệ thống này bị chỉ trích vì chỉ tập trung vào các cá nhân từng bị phát hiện, dẫn đến sự thiên vị và bỏ sót các hành vi chưa bị lộ diện.

Xác định gian lận phúc lợi

Cơ quan thuế Hà Lan từng triển khai AI để phát hiện gian lận phúc lợi, nhưng công cụ này gây tranh cãi do phân loại rủi ro dựa trên "quốc tịch kép" và "thu nhập thấp", gây tổn hại đến nhóm dễ bị tổn thương. Kết quả là công cụ đã bị thu hồi.

Phát hiện giao dịch bất thường

Chương trình Zero Trust của Trung Quốc được thiết kế để giám sát giao dịch tài chính của công chức, xác định hơn 8.700 viên chức có hoạt động đáng ngờ. Tuy nhiên, lo ngại về quyền riêng tư và giám sát đã dẫn đến việc dừng chương trình.

Cải thiện thiết kế dự án

AI có thể hỗ trợ xây dựng mô hình dựa trên tác nhân (ABM), tạo ra "bản sao kỹ thuật số" của cộng đồng để phân tích hành vi xã hội. Cách tiếp cận này có thể giúp tối ưu hóa thiết kế dự án và kiểm tra các chiến lược chống tham nhũng.

Giám sát AI của con người vẫn là điều cần thiết

Các công cụ AI-ACT tuy đầy hứa hẹn nhưng vẫn còn hạn chế về tác động dài hạn. Việc áp dụng AI trong chống tham nhũng cần được giám sát chặt chẽ để đảm bảo tính chính xác và tránh sử dụng sai mục đích. Bằng cách học hỏi từ cả thành công lẫn thách thức, chúng ta có thể khai thác tiềm năng của AI trong việc tăng cường minh bạch và trách nhiệm giải trình.

Các chuyên gia AI đưa ra một số khuyến nghị nhằm tối ưu hóa việc ứng dụng AI trong công tác chống tham nhũng:

Thứ nhất, tích hợp AI vào các khung chống tham nhũng hiện có: AI-ACT hoạt động hiệu quả nhất khi được tích hợp vào các quy trình hiện hành, đóng vai trò hỗ trợ và bổ sung cho các nỗ lực chống tham nhũng thay vì thay thế hoàn toàn con người.

Thứ hai, quản lý rủi ro và giảm thiểu thành kiến: Các cơ quan công quyền cần hiểu rõ cách thức hoạt động của AI-ACT và có biện pháp giảm thiểu rủi ro tiềm ẩn. Điều này có thể thực hiện thông qua việc thiết lập các cơ chế kiểm soát phù hợp, đảm bảo nguồn lực đầy đủ, đồng thời hợp tác với các tổ chức xã hội dân sự để kiểm tra tính minh bạch và trách nhiệm giải trình trong việc sử dụng công nghệ. Các phần mềm tiên tiến cũng có thể được áp dụng để giảm thiểu sai lệch và thành kiến.

Thứ ba, đa dạng hóa góc nhìn trong thiết kế và triển khai AI: Việc quy tụ các chuyên gia với nhiều góc nhìn và kinh nghiệm khác nhau ngay từ giai đoạn đầu là rất quan trọng. Sự tham gia của các chuyên gia thuộc nhiều lĩnh vực như xã hội học, kinh tế học, cùng với đại diện từ các nhóm xã hội đa dạng sẽ giúp phát triển AI một cách toàn diện và công bằng. Nếu sự đa dạng này chưa được phản ánh đầy đủ, cần chủ động tìm kiếm trong giai đoạn phản hồi và thử nghiệm.

Thứ tư, lập kế hoạch kinh doanh bền vững cho AI: Nhiều sáng kiến AI trong thập kỷ qua chỉ tồn tại trong thời gian ngắn do các vấn đề liên quan đến chất lượng dữ liệu, thành kiến trong hệ thống, hoặc thiếu sự phối hợp giữa các bên liên quan. Để đảm bảo tính bền vững, việc phát triển AI cần có một kế hoạch kinh doanh rõ ràng, chú trọng đến sự phối hợp liên ngành và cam kết dài hạn từ các bên liên quan.