AI có thể giúp các chính phủ quản lý tiền tốt hơn như thế nào

Việc kiểm tra mối quan hệ giữa con người và máy tính để hiểu làm thế nào máy móc có thể tăng cường hiệu quả làm việc của các chuyên gia thuế, dẫn đến một trí tuệ tập thể. Để đạt được điều này, các cơ quan thuế hiệu suất cao nên tìm kiếm một giải pháp sẽ phát triển mô hình quản trị các hệ thống trí tuệ nhân tạo cho mục đích thuế, từ đó giúp chính phủ hiểu rõ hơn về tác động bên ngoài của chính sách thuế với các hệ thống trí tuệ nhân tạo

2. Ngăn ngừa tội phạm tài chính và dự đoán tham nhũng

Tội phạm tài chính tiếp tục là nỗi lo của các chính phủ và lĩnh vực dịch vụ tài chính. Theo ước tính của Liên Hợp Quốc, chỉ riêng việc rửa tiền và các tội phạm liên quan đã tiêu tốn từ 1,4 nghìn tỷ đến 3,5 nghìn tỷ USD trên toàn cầu mỗi năm. 

Các cơ quan quản lý đang khuyến khích các cơ quan chính phủ và các tổ chức tài chính sử dụng các công nghệ AI để phát hiện hoạt động rửa tiền. Khi làm như vậy, họ sẽ giúp cắt giảm tài trợ cho các tệ nạn như buôn bán người, ma túy, buôn bán vũ khí và khủng bố. 

Chính phủ cũng có thể sử dụng AI để dự đoán khả năng tham nhũng và phát hiện gian lận. Các nhà nghiên cứu tại Đại học Valladolid ở Tây Ban Nha đã tạo ra một mô hình máy tính tính toán xác suất tham nhũng diễn ra ở các tỉnh thuộc Tây Ban Nha. Mô hình này dựa trên các mạng kết nối với nhau giống như hệ thần kinh để sớm phát hiện ra những điều kiện thuận lợi cho tham nhũng phát sinh. 

Trong khi đó, AI  đang được sử dụng để dự đoán và ngăn chặn các gian lận liên quan đến bảo hiểm y tế. Bằng cách phân tích lượng dữ liệu khổng lồ trong hệ thống chăm sóc sức khỏe, công nghệ có thể phát hiện ra sự gian lận trước khi nó xảy ra nhờ việc tạo ra một cơ sở bằng chứng và dựa vào đó để khởi tố vụ án ra pháp luật. 

Chính phủ ở những quốc gia khác đang sử dụng AI để giải ngân cũng như kiểm soát hiện tượng rò rỉ trong trợ cấp và thanh toán phúc lợi. Như ở Đan Mạch, chính phủ nơi đây đang sử dụng AI và blockchain để xử lý các khoản thanh toán phúc lợi nhanh chóng và hiệu quả hơn cho người thụ hưởng.  Cục Lao động và Lương hưu của Vương quốc Anh thì triển khai và thử nghiệm các thuật toán AI để theo dõi tham nhũng trên quy mô lớn về các lợi ích và các chương trình phúc lợi. 

3. Chuyển đổi công tác mua sắm để mang lại giá trị tốt hơn về tài chính

Trong nhiều năm, công nghệ đã thực hiện một số công đoạn trong lĩnh vực thâm dụng lao động này. Nhưng nó chỉ có thể làm một phần của điều này thôi. 

AI có tiềm năng không chỉ thu gọn hợp lý các quy trình mua sắm, mà còn chuyển đổi chúng sao cho tiết kiệm cả về mặt thời gian và tiền bạc. Điều này được thể hiện bằng cách: 

• Làm cho quy trình mua sắm trở nên tiện lợi hơn như cảnh báo chính phủ và các nhà cung ứng về sự gián đoạn trong chuỗi cung ứng, nhận biết và gắn cờ cảnh báo các vấn đề tuân thủ của nhà cung ứng và xác định gian lận .
• Tự động hóa các công việc mua sắm nhỏ lẻ, đặc biệt là trong hoạt động xử lý hóa đơn và đề xuất yêu cầu phê duyệt mua hàng .
• Xác định các cơ hội để giảm chi tiêu chính phủ .

Các công nghệ xoay quanh AI cũng có thể cải thiện quy trình mua sắm cho các thực thể chính phủ và các nhà cung ứng thực hiện đấu thầu cho công việc của chính phủ. Ví dụ, Không quân Mỹ gần đây đã công bố kế hoạch sử dụng AI để hiểu được các quy định phức tạp trong vấn đề mua lại và đẩy nhanh quá trình mua hàng hóa và dịch vụ. 

5. Cải thiện dự báo kinh tế vĩ mô

AI và học máy đang hoàn thiện để trở thành các công cụ mạnh mẽ để trong việc dự báo kinh tế vĩ mô. Mô hình kinh tế đa chiều, thời gian thực này có thể mang lại nhiều lợi ích, bao gồm: 

• Xác định các rủi ro thị trường tiềm năng và dự đoán các tình huống có thể ảnh hưởng xấu đến nền kinh tế 
• Thu thập dữ liệu lớn để xây dựng và thực hiện các quy trình theo chính sách của cơ quan chính phủ 
• Dự đoán tác động của cải cách chính sách trong các kịch bản khác nhau 
• Ví dụ, Chính phủ Estonia đã và đang thực hiện một dự án thí điểm để tạo ra các mô hình phân tích sẽ theo dõi và dự đoán nền kinh tế (pdf). Mô hình này sẽ sử dụng dữ liệu lớn do các doanh nghiệp tạo ra, cùng với các kỹ thuật lập mô hình hiện đại, để đánh giá tác động của các chính sách.

6. Hợp lý hoá lượng lớn dữ liệu phi cấu trúc    

Khi đã thích nghi được với công nghệ kỹ thuật số, lúc này khối lượng dữ liệu mà các cơ quan thuế và tài chính xử lý sẽ ngày một nhiều thêm. Phần lớn những dữ liệu này là dữ liệu “phi cấu trúc”, có nghĩa là nó sẽ được tìm thấy trong email, video và bài đăng trên các phương tiện truyền thông xã hội nhiều hơn là ở trong chính cơ sở dữ liệu truyền thống của tổ chức. 

Con người không thể phân tích hàng ngàn trang dữ liệu này mà không có sai sót. Nhưng công nghệ AI, bao gồm việc phân tích văn bản và xử lý ngôn ngữ tự nhiên (NLP), có thể làm điều đó. Ví dụ, Cơ quan Thuế của Úc đã sử dụng các kỹ thuật NLP, trong số những công nghệ khác, để xem xét 13,4 triệu tệp (pdf) xuất hiện trong vụ rò rỉ Paradise Papers và trích xuất các tên liên quan.  

Hầu hết các cơ quan tài chính và thuế vẫn chưa sử dụng AI theo cách này. Nhưng bằng cách khai thác những dữ liệu không thể chạm tới trước đó, họ sẽ có thể đưa ra những quyết định đột phá hơn trong tương lai. 

Niềm tin là yếu tố quyết định thành công 

AI sẽ có chỗ đứng vững chắc trong các cơ quan thuế và tài chính khi họ chuyển sang bổ sung trực giác của con người với góc nhìn sâu sắc mà dữ liệu mang lại. Nhưng giống như tất cả các lĩnh vực của chính phủ, các cơ quan này sẽ cần chuẩn bị hợp lý để giảm thiểu những rủi ro tiềm ẩn và xây dựng văn hoá cần thiết  để hỗ trợ các công nghệ mới này. 

Cơ quan thuế và tài chính thường xuyên phải xử lý một lượng lớn dữ liệu tài chính nhạy cảm. Vì vậy, các quan chức của họ sẽ cần phải trấn an công chúng rằng mức độ bảo mật dữ liệu sẽ đi kèm với những tiêu chuẩn đạo đức phù hợp. Những điều này sẽ được áp dụng nếu họ xây dựng niềm tin và hợp pháp hóa việc sử dụng AI của họ. Một khi công dân hiểu được tính logic của hệ thống này, các cơ quan sẽ đạt được sự chấp thuận, đặc biệt là khi cần giải thích một quyết định hành chính. 

Họ cũng cần chắc chắn rằng thuật toán được sử dụng để mã hoá dữ liệu của người nộp thuế và công dân  phát huy chất lượng để tránh những sai sót không lường trước và những sai lầm ở quy mô lớn. Tiếp tục theo dõi sẽ là điều cần thiết để đảm bảo mọi sai sót dẫn đến hậu quả xấu sẽ nhanh chóng được phát hiện và sửa chữa kịp thời. Vì thế, các hệ thống này đòi hỏi sự giám sát liên tục từ những người có chuyên môn cao. 

Cuối cùng, việc đưa AI ứng dụng vào thực tiễn sẽ là vấn đề mang tính then chốt với đội ngũ quản lý của mọi tổ chức. Quyết định này có thành công hay không nằm ở sự tin tưởng và chấp thuận của các chuyên gia tài chính - những người sẵn sàng đi theo các cách thức tiên tiến trong việc đưa ra quyết định.