Департамент правительственной эффективности (DOGE) Илона Маска не обнаружил 2 триллиона долларов государственных хищений, о возможности которых Маск изначально заявлял, но союзники Маска утверждают, что эти усилия все равно имеют ценность. Оценка успеха DOGE варьируется, но становится все труднее утверждать, что эта инициатива значительно сократила федеральные расходы, что было ее основной целью.

Сам Маск недавно преуменьшил влияние DOGE, назвав его лишь "немного успешным" в подкасте. Это заявление ознаменовало отход от его более ранних, более оптимистичных заявлений о потенциале DOGE по оптимизации работы правительства. Несмотря на очевидные недостатки собственного департамента, Маск возобновил заявления о широко распространенных государственных хищениях.

В X Маск оценил, что "моя нижняя граница оценки того, сколько хищений происходит в стране, составляет около 20 процентов федерального бюджета, что означает 1,5 триллиона в год. Вероятно, намного больше". Эти заявления, сделанные без предоставления конкретных доказательств, перекликаются с аналогичными утверждениями, которые он делал во время предвыборной кампании Дональда Трампа.

Маск публично покинул DOGE в мае, сославшись на разногласия с Трампом по поводу законопроекта о бюджете, который, по мнению Маска, подорвет работу DOGE. Его уход последовал за столкновениями с бывшим президентом, и он выразил опасения, что предложенный бюджет помешает усилиям по выявлению и устранению расточительных расходов.

Концепция DOGE заключалась в применении принципов анализа данных и, возможно, искусственного интеллекта для выявления неэффективности и мошеннических действий в государственных учреждениях. Идея заключалась в том, что алгоритмы ИИ могут просеивать огромные объемы финансовых данных для выявления аномалий и закономерностей, указывающих на мошенничество, аналогично тому, как ИИ используется в частном секторе для обнаружения мошенничества и управления рисками. Однако применение ИИ в государственных учреждениях часто сталкивается с проблемами, связанными с доступом к данным, проблемами конфиденциальности и сложностью государственных правил.

Использование ИИ для обнаружения мошенничества - это растущая область, с приложениями, варьирующимися от финансовых транзакций до требований по здравоохранению. Эти системы обычно используют алгоритмы машинного обучения для выявления необычных закономерностей и помечают потенциально мошеннические действия для дальнейшего расследования. Эффективность этих систем зависит от качества и количества доступных данных, а также от сложности используемых алгоритмов.

Нынешняя позиция Маска предполагает отсутствие уверенности в общем влиянии DOGE, что поднимает вопросы о возможности применения моделей эффективности частного сектора к сложностям государственной бюрократии. Будущее подобных инициатив остается неопределенным, в ожидании дальнейшего развития технологий ИИ и готовности правительства принять новые подходы к финансовому надзору.