لم يكشف قسم كفاءة الحكومة التابع لإيلون ماسك، أو DOGE، عن مبلغ الـ 2 تريليون دولار من الاحتيال الحكومي الذي أشار إليه ماسك في البداية على أنه ممكن، لكن حلفاء ماسك يؤكدون أن هذا الجهد لا يزال يحمل قيمة على الرغم من عدم تلبية التوقعات الأولية. كان الهدف الأساسي لـ DOGE هو تقليل الإنفاق الفيدرالي بشكل كبير، لكن تأثيره كان محدودًا، وفقًا للمراقبين.

اعترف ماسك نفسه مؤخرًا بالنجاح المحدود لـ DOGE خلال ظهوره في بودكاست. وقال ماسك: "لقد كان ناجحًا بعض الشيء"، مما يمثل خروجًا عن تقييماته السابقة الأكثر تفاؤلاً.

على الرغم من هذا الاعتراف، فقد أحيا ماسك مزاعم الاحتيال الحكومي واسع النطاق. على X، قدر أن الاحتيال يمثل حوالي 20٪ من الميزانية الفيدرالية، أو 1.5 تريليون دولار سنويًا، مضيفًا: "ربما أعلى من ذلك بكثير". هذه الادعاءات تردد تلك التي أدلى بها أثناء حملته الانتخابية لدعم دونالد ترامب.

غادر ماسك DOGE في مايو بعد خلافات مع ترامب، مشيرًا إلى مخاوف من أن مشروع قانون ميزانية ترامب سيقوض عمل DOGE. ويبدو الآن أقل ثقة في قيمة خوضه في جهود الكفاءة الحكومية.

يعتمد مفهوم استخدام الذكاء الاصطناعي، مثل ذلك الذي يحتمل أن تستخدمه DOGE، للكشف عن الاحتيال على التعرف على الأنماط واكتشاف الحالات الشاذة. يمكن لخوارزميات الذكاء الاصطناعي تحليل مجموعات بيانات واسعة من المعاملات المالية والسجلات الحكومية لتحديد الأنشطة المشبوهة التي قد يغفل عنها المدققون البشريون. يتم تدريب هذه الخوارزميات على أمثلة للأنشطة الاحتيالية المعروفة ثم تستخدم للإشارة إلى أنماط مماثلة في البيانات الجديدة.

ومع ذلك، تعتمد فعالية الذكاء الاصطناعي في الكشف عن الاحتيال على جودة واكتمال البيانات، فضلاً عن تطور الخوارزميات. يطور المحتالون باستمرار طرقًا جديدة للتهرب من الكشف، لذلك يجب تحديث أنظمة الذكاء الاصطناعي وتحسينها باستمرار للبقاء في المقدمة.

تعتبر الآثار المترتبة على الكشف عن الاحتيال المدفوع بالذكاء الاصطناعي على المجتمع كبيرة. إذا نجحت هذه الأنظمة، فيمكنها توفير مليارات الدولارات لدافعي الضرائب وتحسين كفاءة البرامج الحكومية. ومع ذلك، هناك أيضًا مخاوف بشأن الخصوصية والتحيزات المحتملة في الخوارزميات. من المهم التأكد من استخدام هذه الأنظمة بمسؤولية وشفافية.

تشمل التطورات الأخيرة في الكشف عن الاحتيال بالذكاء الاصطناعي استخدام تقنيات التعلم الآلي مثل التعلم العميق والتعلم المعزز. تسمح هذه التقنيات لأنظمة الذكاء الاصطناعي بتعلم أنماط أكثر تعقيدًا والتكيف مع اتجاهات الاحتيال المتغيرة. بالإضافة إلى ذلك، هناك اهتمام متزايد باستخدام الذكاء الاصطناعي لمنع الاحتيال قبل حدوثه، من خلال تحديد الأفراد أو المنظمات المعرضة لخطر كبير للانخراط في أنشطة احتيالية.