Эффект ИИ в госконтроле: сколько денег бюджета возвращают и сохраняют

Счетная палата США (GAO) оценила, что федеральное правительство теряет на мошенничестве от 233 до 521 млрд $ в год. Это 3-7% средних федеральных обязательств по данным 2018-2022 финансовых годов.

Другие организации, по данным того же отчета, называют похожий порядок: британская Public Sector Fraud Authority 0,5-5%, ACFE 5%, Portsmouth Centre 6,4%. Методики у них разные, поэтому это ориентир масштаба, а не норма.

Оценка относится ко всему федеральному правительству. GAO прямо предупреждает: эти проценты нельзя переносить на отдельное ведомство или программу, потому что уровень риска сильно различается в зависимости от контроля, роста или сокращения бюджета и появления новых схем.

Отсюда первое правило расчета: не умножать свой бюджет на чужой процент. Свою базу дают собственные данные: сколько закупок и платежей прошло, сколько из них уже вызывали вопросы у проверяющих, во что обошлись последние подтвержденные нарушения.

Вторая оговорка GAO: оценку мошенничества нельзя сравнивать с оценками неправомерных платежей, их считают по разным методикам. В отчете об эффекте эти суммы тоже держат в разных строках.

За 2024 финансовый год Минфин США предотвратил и вернул больше 4 млрд $ мошеннических и неправомерных платежей. Годом раньше сумма была 652,7 млн $.

Рост дали два инструмента. Машинное обучениемашинное обучение Машинное обучение (machine learning, ML) это раздел ИИ, в котором программа находит правила в данных сама, а не получает их готовыми от разработчика. Подробнее в словаре по мошенничеству с чеками принесло 1 млрд $ возврата, а приоритизация рискованных транзакций остановила 2,5 млрд $.

Разница между ними важна для расчета. Возврат по чекам приходит после выплаты и требует работы с банками, а остановленная транзакция не уходит из бюджета вовсе.

Приоритизация значит, что проверяющие первыми смотрят платежи с высоким баллом риска. Остальные проходят без задержки, и честный получатель не ждет денег дольше обычного.

Вывод из этого опыта: больше всего денег дает не поиск после оплаты, а сортировка платежей по риску до нее. Подробно о системах США рассказано на отдельной странице.

Робот ALICE бразильского контрольного ведомства CGU работает с 2015 года. Каждый день он собирает больше 500 объявлений о закупках, проверяет их примерно по 40 типам рисков и рассылает сигналы больше чем 500 аудиторам.

В 2019-2022 годах в Бразилии приостановлены или отменены торги больше чем на 9,7 млрд реалов. Эти деньги не пришлось возвращать: торги остановили до заключения контракта.

В 2023 году робот проанализировал 190 923 закупки. Вручную такой поток целиком не проверить, и аудиторы смотрели бы только выборку.

Робот сам торги не отменяет: он рассылает сигналы аудиторам, а решение о приостановке или отмене принимают люди. Поэтому сумма остановленных торгов отражает работу всей связки, а не одной программы.

Как устроен ALICE и как аудиторы работают с его сигналами, разобрано на странице о бразильском опыте.

Великобритания считает возвращенные деньги: правительство сообщило о 480 млн фунтов, возвращенных у мошенников с апреля 2024 по апрель 2025 года. Возврат легко посчитать, но он требует расследования, суда и времени.

Предотвращенные расходы считать труднее, зато они не требуют взыскания. Антикоррупционная служба Казахстана через мониторинг завышенных цен в «Едином окне закупок» предотвратила неэффективные расходы больше чем на 67 млрд тенге за два года: 29 млрд в 2022 году и 38,4 млрд за 10 месяцев 2023 года.

Британский инструмент Fraud Risk Assessment Accelerator идет еще раньше: он проверяет проекты новых программ на слабые места до их запуска. Такой эффект почти не виден в отчетах, потому что мошенничество просто не случилось.

Совет финансовых директоров федеральных ведомств США, на который ссылается GAO, признает: результат предотвращения трудно измерить, но он может дать значительную отдачу. Поэтому в отчете нужны обе строки, а предотвращенная сумма считается по заранее описанному правилу.

Правило для предотвращенной суммы записывают до пилота. Например, засчитывать цену закупки, отмененной после проверки, или разницу между начальной ценой и ценой после пересмотра.

Эффект считают по пилоту на одной схеме, а не по чужим процентам. Расчет состоит из четырех строк, и каждую можно проверить по документам.

1. Предотвращено: сумма закупок и платежей, которые остановили или изменили до оплаты после сигнала и проверки человеком.

2. Возвращено: суммы, взысканные или возвращенные по материалам, которые начались с сигнала системы.

3. Время: сколько часов проверяющих уходило на одну закупку до и после, умноженное на число проверок в год.

4. Затраты: разработка, сопровождение и время сотрудников на разбор сигналов, включая ложные.

5. Чистый эффект: сумма первых трех строк минус четвертая. Если за пилот он отрицательный, это повод сменить схему, а не дописывать в отчет условные миллионы.

В эффект идут только суммы, по которым решение принял человек: проверяющий, руководитель или суд. Сигнал, который никто не подтвердил, ничего не стоит, а отчет, где он посчитан, вызовет недоверие к системе.

Состав данных и план пилота описаны на странице о том, как внедрить ИИ-контроль.

Результат первого года часто не в возвращенных миллиардах, а в доле проверенного потока. ALICE проверяет каждое объявление о закупках, и аудиторы видят весь поток, а не случайную часть.

Набор показателей для отчета: доля проверенных закупок и платежей, число сигналов и доля подтвержденных, сумма, остановленная до оплаты, время на одну проверку.

Руководителю полезна и динамика по кварталам: растет ли доля сигналов, закрытых документами, и сокращается ли время между публикацией закупки и ее проверкой.

Опыт Минфина США показывает, что рост бывает быстрым, когда сигналы сортируют по риску: 2,5 млрд $ остановила именно приоритизация транзакций.

Нулевой результат тоже результат. Если пилот на одной схеме не дал подтвержденных сигналов, это записывают в отчет, и масштабировать эту схему не нужно.

Чего в отчете быть не должно, так это числа «выявленных коррупционеров». Система отмечает признаки риска, а нарушение признает проверяющий или суд.