埃隆·马斯克的政府效率部门 (DOGE) 并未发现马斯克最初认为可能存在的 2 万亿美元政府欺诈，但马斯克的盟友坚称，这项努力仍然具有价值。 对 DOGE 成功与否的评估各不相同，但越来越难以辩称该倡议显著减少了联邦支出，而这正是其主要目标。

马斯克本人最近降低了对 DOGE 的期望。 “我对全国欺诈金额的最低估计约为联邦预算的 20%，这意味着每年 1.5 万亿美元。 可能更高，”马斯克在 X 上表示，重提了之前在为唐纳德·特朗普竞选时发表的言论。 在此之前，马斯克在一个播客节目中表示 DOGE 仅“略有成功”，这罕见地承认该项目未能达到最初的承诺。

马斯克于 5 月突然离开了 DOGE，理由是与特朗普在预算案上存在分歧，马斯克认为该预算案会损害 DOGE 的工作。 他目前的立场表明，他对参与政府效率工作的整体价值缺乏信心。

使用人工智能（例如 DOGE 可能设想的那样）来检测欺诈的概念依赖于模式识别。 人工智能算法接受过大量金融交易和政府记录数据集的训练，以识别可能表明欺诈活动的反常现象。 这些系统可以比人工审计员更快、更全面地分析数据，从而有可能发现原本不会被注意到的欺诈行为。 然而，此类系统的有效性在很大程度上取决于用于训练的数据的质量和完整性，以及算法本身的复杂程度。

人工智能在政府监督中的意义重大。 一方面，它提供了提高效率和减少浪费的潜力。 另一方面，它也引发了对数据隐私、算法偏见以及潜在滥用的担忧。 人工智能的最新发展，例如更复杂的机器学习模型的出现，正在不断突破欺诈检测领域可能性的界限，但也需要仔细考虑伦理和社会影响。