एलन मस्क के डिपार्टमेंट ऑफ़ गवर्नमेंट एफ़िशिएंसी (DOGE) ने सरकार में 2 ट्रिलियन डॉलर की धोखाधड़ी का पर्दाफाश नहीं किया, जैसा कि मस्क ने शुरू में सुझाव दिया था कि संभव है, लेकिन मस्क के सहयोगियों का मानना है कि इस प्रयास का अभी भी महत्व है। DOGE की सफलता का आकलन अलग-अलग है, लेकिन यह तर्क देना तेजी से मुश्किल होता जा रहा है कि इस पहल ने संघीय खर्च को काफी कम कर दिया, जो इसका प्राथमिक उद्देश्य था।

मस्क ने खुद हाल ही में DOGE से उम्मीदें कम कर दीं। मस्क ने X पर कहा, "राष्ट्रीय स्तर पर जितनी धोखाधड़ी है, उसके लिए मेरा अनुमान संघीय बजट का लगभग 20 प्रतिशत है, जिसका मतलब है प्रति वर्ष 1.5 ट्रिलियन। शायद इससे भी ज्यादा," डोनाल्ड ट्रम्प के लिए प्रचार करते समय किए गए पहले के दावों को पुनर्जीवित करते हुए। यह बयान एक पॉडकास्ट पर पहले की टिप्पणियों के बाद आया है, जहां मस्क ने DOGE को केवल "थोड़ा सफल" बताया, जो एक दुर्लभ स्वीकृति है कि परियोजना अपने शुरुआती वादे से कम रही।

मस्क ने मई में अचानक DOGE छोड़ दिया, उन्होंने ट्रम्प के साथ एक बजट विधेयक पर असहमति का हवाला दिया, मस्क का मानना था कि इससे DOGE का काम खतरे में पड़ जाएगा। उनका वर्तमान रुख सरकारी दक्षता प्रयासों में उनकी भागीदारी के समग्र मूल्य में आत्मविश्वास की कमी का सुझाव देता है।

धोखाधड़ी का पता लगाने के लिए AI का उपयोग करने की अवधारणा, जैसे कि संभावित रूप से DOGE के लिए परिकल्पित, पैटर्न की पहचान पर निर्भर करती है। AI एल्गोरिदम को वित्तीय लेनदेन और सरकारी रिकॉर्ड के विशाल डेटासेट पर प्रशिक्षित किया जाता है ताकि उन विसंगतियों की पहचान की जा सके जो धोखाधड़ी गतिविधि का संकेत दे सकती हैं। ये सिस्टम मानव लेखा परीक्षकों की तुलना में बहुत तेजी से और अधिक व्यापक रूप से डेटा का विश्लेषण कर सकते हैं, संभावित रूप से धोखाधड़ी का पता लगा सकते हैं जो अन्यथा किसी का ध्यान नहीं जाएगा। हालांकि, ऐसे सिस्टम की प्रभावशीलता प्रशिक्षण के लिए उपयोग किए जाने वाले डेटा की गुणवत्ता और पूर्णता, साथ ही एल्गोरिदम की परिष्कार पर बहुत अधिक निर्भर करती है।

सरकारी निरीक्षण में AI के निहितार्थ महत्वपूर्ण हैं। एक ओर, यह बढ़ी हुई दक्षता और कम अपशिष्ट की संभावना प्रदान करता है। दूसरी ओर, यह डेटा गोपनीयता, एल्गोरिथम पूर्वाग्रह और दुरुपयोग की संभावना के बारे में चिंताएं बढ़ाता है। AI में हाल के विकास, जैसे कि अधिक परिष्कृत मशीन लर्निंग मॉडल का उदय, धोखाधड़ी का पता लगाने में क्या संभव है, इसकी सीमाओं को लगातार आगे बढ़ा रहे हैं, लेकिन नैतिक और सामाजिक निहितार्थों पर भी सावधानीपूर्वक विचार करने की आवश्यकता है।