ИИ на страже государственных финансов: Databricks переосмысливает предотвращение мошенничества в госсекторе

Государственные учреждения по всему миру сталкиваются с беспрецедентным вызовом: нарастающим валом мошенничества, подпитываемого передовыми технологиями искусственного интеллекта. Преступники теперь используют синтетические личности, поддельные документы, улучшенные дипфейками, и гиперперсонализированные кампании социальной инженерии, которые вынуждают ведомства переосмысливать устаревшие методы контроля рисков. Эти традиционные системы изначально не были рассчитаны на такой масштаб и изощренность угроз. Например, количество мошеннических действий, связанных с социальными выплатами, с 2020 года возросло на 242%. В сфере налогообложения в 2025 году было выявлено налоговое мошенничество на сумму 4,5 миллиарда долларов, что на 111,8% больше по сравнению с предыдущим годом.

Традиционные подходы к расследованию мошенничества в государственных органах, зачастую характеризуются фрагментированностью и ручным трудом. Аналитикам, как правило, приходится переключаться между многочисленными системами для сбора данных по одному делу. Они экспортируют файлы из одной системы, загружают электронные таблицы из другой и получают дополнительную информацию через вложения электронной почты или общие папки. Затем им приходится вручную объединять эти разрозненные источники, применять макросы или правила для выявления подозрительных строк, а также выполнять более глубокие поиски в других системах для проверки полученных результатов. Этот процесс не только трудоемок и длителен, но и крайне затруднителен для масштабирования.

В противоположность этому, современный подход к борьбе с мошенничеством предполагает переход к интегрированной и интеллектуальной системе. Представьте рабочий процесс, где единое приложение визуализирует 17 приоритетных случаев, каждый из которых содержит подтверждающие доказательства и четкие объяснения, привязанные к соответствующим политикам или сигналам мошенничества. В этой модели искусственный интеллект автоматически выявляет наиболее срочные риски, в то время как окончательное решение всегда остается за аналитиком. То, что раньше занимало недели, теперь может быть выполнено за один день, позволяя специалистам действовать быстрее и с гораздо большей уверенностью.

Именно такой уровень операционализации ИИ достигается с использованием приложений Databricks, работающих на базе Lakebase. Эти приложения объединяют управление, агентов и информационные панели в единое решение для операций по борьбе с мошенничеством, адаптированное под конкретные задачи государственного органа, такого как вымышленное Бюро услуг. Старший аналитик по борьбе с мошенничеством, войдя в приложение, видит назначенные ему дела. Открыв конкретное дело, он может просмотреть вспомогательные документы, хранящиеся в томах Unity Catalog, а также данные сторонних проверок. Одновременно встроенный ИИ-агент оценивает дело в фоновом режиме и предоставляет рекомендации с обоснованием.

Для такого комплексного подхода критически важны надежное управление данными и безопасное сотрудничество. Вымышленное Бюро услуг, обрабатывающее гранты, контракты, социальные выплаты, налоговые декларации и патенты, нуждается в строгом контроле. Ежедневно тысячи заявок поступают из внешних систем и попадают в таблицы Delta внутри архитектуры Lakehouse. Модели машинного обучения и бизнес-правила автоматически помечают подозрительные случаи для аналитиков по всей стране. С помощью Unity Catalog агентство управляет своими таблицами расследований мошенничества, используя контроль доступа на основе атрибутов (ABAC). Чувствительные столбцы, такие как Персонально Идентифицируемая Информация (PII), регулируются тегами, обеспечивая конфиденциальность и соответствие нормативам.

Такая операционализация искусственного интеллекта на практике означает, что ценные аналитические данные больше не изолированы на отдельных аналитических платформах. Они встроены непосредственно в основные рабочие процессы, где принимаются решения. В результате команды могут обрабатывать значительно больше дел с тем же штатом сотрудников, одновременно снижая вероятность того, что подозрительная активность останется незамеченной. Следователи получают глубокое понимание паттернов мошенничества по различным программам, а руководство обретает уверенность в том, что каждое подозрительное действие систематически и последовательно оценивается.