일론 머스크의 정부 효율성 부서, 즉 DOGE는 머스크가 처음 제시했던 2조 달러 규모의 정부 부정행위를 밝혀내지 못했지만, 머스크의 지지자들은 초기 기대에 미치지 못했음에도 불구하고 그 노력이 여전히 가치가 있다고 주장합니다. DOGE의 주된 목표는 연방 지출을 크게 줄이는 것이었지만, 관찰자들에 따르면 그 영향은 제한적이었습니다.

머스크 자신도 최근 팟캐스트에 출연하여 DOGE의 제한적인 성공을 인정했습니다. 머스크는 "약간 성공적이었습니다."라고 말하며 이전의 더 낙관적인 평가에서 벗어났습니다.

이러한 인정에도 불구하고 머스크는 광범위한 정부 부정행위 주장을 되살렸습니다. 그는 X에서 부정행위가 연방 예산의 약 20%, 즉 연간 1조 5천억 달러를 차지한다고 추정하며 "아마 훨씬 더 높을 것입니다."라고 덧붙였습니다. 이러한 주장은 그가 도널드 트럼프를 지지하며 선거 운동을 펼칠 때 했던 주장과 유사합니다.

머스크는 트럼프의 예산 법안이 DOGE의 노력을 약화시킬 것이라는 우려를 표하며 트럼프와의 의견 불일치로 인해 5월에 DOGE를 떠났습니다. 그는 이제 정부 효율성 노력에 대한 자신의 시도 가치에 대해 덜 확신하는 것처럼 보입니다.

DOGE가 잠재적으로 사용했을 수 있는 AI와 같이 AI를 사용하여 부정행위를 탐지하는 개념은 패턴 인식 및 이상 징후 탐지에 의존합니다. AI 알고리즘은 방대한 금융 거래 및 정부 기록 데이터 세트를 분석하여 인간 감사관이 놓칠 수 있는 의심스러운 활동을 식별할 수 있습니다. 이러한 알고리즘은 알려진 부정행위 사례를 기반으로 학습한 다음 새로운 데이터에서 유사한 패턴을 식별하는 데 사용됩니다.

그러나 AI의 부정행위 탐지 효과는 데이터의 품질과 완전성, 그리고 알고리즘의 정교함에 달려 있습니다. 사기꾼은 탐지를 피하기 위해 끊임없이 새로운 방법을 개발하고 있으므로 AI 시스템은 끊임없이 업데이트되고 개선되어야 앞서 나갈 수 있습니다.

AI 기반 부정행위 탐지가 사회에 미치는 영향은 상당합니다. 성공할 경우 이러한 시스템은 납세자의 수십억 달러를 절약하고 정부 프로그램의 효율성을 향상시킬 수 있습니다. 그러나 알고리즘의 개인 정보 보호 및 잠재적 편향에 대한 우려도 있습니다. 이러한 시스템이 책임감 있고 투명하게 사용되도록 하는 것이 중요합니다.

AI 부정행위 탐지의 최근 개발에는 딥 러닝 및 강화 학습과 같은 머신 러닝 기술의 사용이 포함됩니다. 이러한 기술을 통해 AI 시스템은 더 복잡한 패턴을 학습하고 변화하는 부정행위 추세에 적응할 수 있습니다. 또한 부정행위를 저지를 위험이 높은 개인 또는 조직을 식별하여 부정행위가 발생하기 전에 예방하기 위해 AI를 사용하는 데 대한 관심이 높아지고 있습니다.