УДК 004.8

ИСПОЛЬЗОВАНИЕ ЦИФРОВОЙ ТРАНСФОРМАЦИИ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В БОРЬБЕ С КОРРУПЦИЕЙ 

USING DIGITAL TRANSFORMATION AND ARTIFICIAL INTELLIGENCE IN COMBATING CORRUPTION

Милкова Эрика Геннадьевна, преподаватель, кандидат экономических наук, Финансовый Университет при Правительстве РФ

Milkova Erika Gennadievna, Lecturer, Candidate of Economic Sciences, Financial University under the Government of the Russian Federation

Аннотация. Коррупция — глобальное явление, которое порождает нищету, препятствует развитию и выводит инвестиции. Она также истощает судебную и политическую системы, которые должны работать на благо общества. Неудивительно, что по мере ослабления верховенства права и того, как голос народа остается неуслышанным, доверие граждан к государственным чиновникам и национальным институтам уменьшается. «Коррумпированные общества не в состоянии поддерживать своих граждан», -говорит Стюарт Гилман, глава отдела УНП ООН по борьбе с коррупцией. — Они заставляют своих детей страдать не только из-за отсутствия еды, но и из-за отсутствия должного уровня образования и здравоохранения. Это постоянные кошмары». [4] Везде, где она присутствует, этот бич затрагивает государственных должностных лиц, руководителей предприятий и частных граждан, которые занимаются такими незаконными действиями, как растрата государственных средств, взяточничество. Скандальные примеры включают случаи, когда государственные чиновники крадут миллиарды из своей национальной казны, или же транснациональные компании платят огромные взятки, чтобы обеспечить себя выгодными государственными контрактами. Хотя мелкая коррупция не попадает в заголовки газет, ее цена, возможно, выше, чем у крупномасштабной коррупции.  ИИ может быть эффективным инструментом в антикоррупционной работе. Его потенциал для обработки Big Data уникален, его способность обнаруживать аномалии или же закономерности, например, в данных финансовых транзакций, не имеет себе равных. Некоторые из способов применения ИИ в обществе вызывают скептицизм, однако.

Summary. Corruption is global phenomenon, which causes poverty, an outflow of investment, and prevents future development. It also drains the judicial and political systems that supposed to work for the public good. Unsurprisingly, as the rule of law weakens and voice of many people remains unheard, citizens’ trust for government officials and national political institutions fades. «Corrupt societies are unable to support their citizens,» says Stuart Gilman, head of the UNODC Anti-Corruption Unit. «They starve their children, not only of food but of education and health care. They’re ongoing nightmares.» Everywhere it presents, the scourge addresses public officials, heads of enterprises and citizens, who engage in illegal activities such as embezzlement and bribery. Scandalous examples include cases of government officials stealing millions from the national treasury or transnational companies give huge bribes to provide themselves with lucrative government contracts. Although cases of petty corruption do not make the headlines of newspapers, their price probably is even higher than that one of large-scale corruption. Artificial Intelligence technologies might be an effective instrument in anticorruption activities. Its potential for processing Big Data is unique, as well its abilities to detect anomalies or patterns in, for example, financial transactions data is amazing. However, some of AI ways of application are subjected to some skepticism.

Ключевые слова: искусственный интеллект, коррупция, антикоррупционная деятельность.

Key words:  аrtificial Intelligence, corruption, anticorruption activities.

Коррупция и мошенничество были на повестке дня с самого зарождения государственности и с развитием рынков проникли в бизнес. Как государства, так и компании уже много лет борются с финансовыми преступлениями и коррупцией: например, Соединенные Штаты активно применяют закон о коррупции за рубежом (FCPA) и вводят значительные санкции в отношении корпораций и частных лиц. [7] Другие страны также принимают новые законы о борьбе со взяточничеством, такие как Sapin II во Франции, или активизируют применение существующих законов. [2] В современном глобализованном мире регулирующие органы более тесно сотрудничают в области трансграничного обмена информацией. В этих условиях вполне вероятно, что компания с проблемой коррупции столкнется с расследованиями в нескольких юрисдикциях. Чтобы обуздать взяточничество и коррупцию и оставаться в рамках закона, компании ищут новые технологические решения для управления тем, что часто отодвигалось на второй план как проблема управления персоналом. Однако традиционные решения все еще недостаточно эффективны в этой области.

Следующим шагом в деле защиты от финансовых преступлений будет использование достижений в области искусственного интеллекта (ИИ) и анализа данных в надежде на то, что он с помощью технологий может обеспечить тщательность и надежный контроль качества, необходимые для предоставления правительствам и предприятиям выводов, которым можно доверять.

По мере того, как системы и процедуры продолжают становиться все более цифровыми, появляется все больше возможностей использовать имеющиеся данные для поиска признаков и ориентиров, которые могут указывать на коррупцию. Но каким образом можно изучить огромное количество данных, при этом соединить результаты воедино и четко проследить появление любых признаков, указывающих на коррупцию, не останавливая при этом процесс государственных закупок и, в конечном счете, предоставление государственных услуг?

ИИ в перспективе сможет помочь в решении этого вопроса с помощью повышения прозрачности во всех аспектах государственного управления. ИИ может помочь предотвратить и уменьшить коррупционные риски как можно раньше. Существует не так много примеров того, как ИИ и машинное обучение были задействованы в антикоррупционной деятельности. Такие технологии чаще всего используются следователями, банками и финансовыми учреждениями для раскрытия финансовых преступлений, мошенничества или подозрительных операций. В последнее время антикоррупционным организациям были предложены аналогичные инструменты. Например, сотрудничество между Exiger и Transparency International (TI) в Великобритании направлено на повышение способности анализировать публичные отчеты для выявления риска коррупции.  [1]

В Украине местное отделение TI разработало свой собственный инструмент ИИ для выявления мошеннических предложений в сфере государственных закупок. Они назвали инструмент Dozorro, так как он используется для мониторинга системы государственных закупок Prozorro, который, в свою очередь, является полностью цифровой платформой для государственных закупок и нетворкинга, обеспечивающая открытый доступ к государственным тендерам в Украине. [6] Полностью реализованная в 2016 году как гибридная, то есть централизованная государственная и децентрализованная частная рыночная система, с тех пор была признана во всем мире одной из самых инновационных систем государственных закупок, предоставляющих государственные услуги с ориентацией на заинтересованные стороны эффективным, справедливым и недорогостоящим способом. Вся открытая информация о тендерах публикуется на украинском языке, а объявления о закупках сверх определенных ценовых порогов публикуются на английском языке. [5] ProZorro обеспечивает прозрачное и эффективное расходование государственных средств, упрощая возможности надзора для гражданского общества и обеспечивая расширенную, открытую конкуренцию между предприятиями, которые стремятся поставлять товары и услуги государственным структурам в Украине.

Dozorro — это система гражданского контроля за государственными закупками. Она основана на специальном программном обеспечении, которое учится выявлять тендеры с высоким риском коррупции. Государственная аудиторская служба начала автоматическую проверку тендеров в ProZorro на основе 35 показателей риска. К ним относятся нарушения порядка проведения торгов, отсутствие у участников торгов полномочий на участие, отсутствие электронной подписи, нарушение сроков рассмотрения заявок, отсутствие заключенного договора, отсутствие конкурсной документации, отсутствие описания закупаемого товара, большое количество лотов, включенных в один тендер и т.д. Чем больше показателей помечено, тем больше вероятность того, что тендер будет проверен аудиторами.

Другой стратегией применения ИИ в целях борьбы с коррупцией является перестройка систем, ранее склонных к взяточничеству или коррупции. Включение инструментов ИИ для упрощения процедур или сокращения точек взаимодействия между сторонами может со временем подорвать возможности для осуществления взяточничества. В настоящее время, с учетом того объема данных, с которым люди сталкиваются каждый день, их должная аналитика в сочетании с технологиями ИИ  позволяет быстро анализировать данные из нескольких источников и выявлять аномальную активность, связанную с действиями третьих лиц, сотрудников компаний и клиентов.

В частности, ИИ может:

• сортировать текстовые сообщений, аудиофайлы, электронные письма и другие неструктурированные данные в группы с использованием структурированных и неструктурированных данных.;
• распознавать закономерности частоты или времени, а также обнаруживать аномальную активность;
• прогнозировать будущие риски и подозрительные действия.

Некоторые из методов ИИ, используемые для выявления рисков финансовых преступлений, включают расширенное разрешение и верификацию сущностей, анализ конечных бенефициарных владельцев, глубокую веб-аналитику, НЛП (обработка естественного языка), веб-скрейпинг, сетевой анализ.

Данные хранятся в структурированном и неструктурированном форматах. Структурированные данные, по существу, хранятся в системе бухгалтерского учета или планирования корпоративных ресурсов (ERP), такой как SAP или Oracle, для регистрации всех проведенных операций. Юридические группы могут работать с судебно-бухгалтерской фирмой, чтобы определить набор аналитических тестов данных, которые могут быть запущены, чтобы показать основные критерии мошенничества или коррупции.

Неструктурированные данные включают в себя текстовые сообщения, электронные письма, приложения для обмена сообщениями (например, Viber и WhatsApp) и другие типы зашифрованных сообщений и они, по большому счету, отражают то, как люди используют коммуникационные системы. Неструктурированные данные практически бесполезны для анализа любого рода без предварительной обработки и подгонки под определенные категории. Такая обработка неструктурированных данных является одной из ключевых задач обработки естественного языка.

Кроме того, анализ НЛП позволяет выявить ряд ключевых слов в электронных письмах и текстах сотрудников, указывающих на подозрительные иностранные платежи. В качестве первого шага эксперты выявляют концепции мошенничества. Наличие этих слов или фраз в документе подразумевает наличие мошеннических действий в данной сделке. Конечным результатом применения такой технологии может быть словарь мошеннических выражений, представляющий собой хранилище понятий и подозрительных ключевых слов. После этого фразы и ключевые слова в транзакции семантически сопоставляются с фразами или ключевыми словами в словаре мошенничества, чтобы идентифицировать признаки мошенничества, присутствующие в тексте.

Обнаружение подозрительной активности в операциях является конечной целью всех управляемых ИИ решений, направленных на решение проблемы мошенничества и коррупции. Проще говоря, работая с бухгалтерскими книгами, отчетами о поездках и расходах, квитанциями и счетами, электронными письмами, телефонными звонками и текстовыми сообщениями, ИИ помогает обнаруживать скрытые закономерности и паттерны. Инструмент наблюдения, управляемый машинным обучением, получает информацию из истории поиска и учится распознавать приемлемые и соответствующие норме примеры транзакций, а затем имеет возможность идентифицировать транзакции, которые не «вписываются» в эту модель, например, несвоевременные или дублирующие платежи, фальсифицированные счета-фактуры и другие подозрительные транзакции.

Еще один подход к выявлению подозрительных транзакций предполагает интеграцию с аналитикой, получаемой в результате прогнозирования. Прогностические алгоритмы могут использоваться для анализа исторических данных и автоматического создания прогностических правил в дополнение к тем, которые были созданы вручную.

Одним из последних примеров использования прогностической аналитики для борьбы с коррупцией является система раннего предупреждения, основанная на нейросетевом подходе, разработанном командой Высшей школы экономики и Университета Вальядолида. [7] Решение опиралось на самоорганизующиеся карты (SOMs), своего рода искусственную нейронную сеть, которая призвана имитировать функции мозга. Группа изучила данные по фактическим случаям коррупции в Испании, используя нейронную сеть для изучения вероятности коррупционных случаев в различных временных сценариях, показав, что экономические факторы, в частности налогообложение недвижимости, экономический рост, рост цен на жилье и растущее число депозитных учреждений и нефинансовых фирм, могут спровоцировать коррупцию в обществе.

Все эти методы помогают сделать исследования более эффективными, в том числе экономически. Одним из ключевых факторов более широкого использования управляемых ИИ решений для борьбы с мошенничеством и коррупцией является то, что клиенты все больше осваивают применение данных, методы их анализа и искусственный интеллект в целом.

Список литературы

1. Изучение искусственного интеллекта для борьбы с коррупцией. U Режим доступа: http://www.u4.no/publications/artificial-intelligence-a-promising-anti-corruption-tool-in-development-settings/shortversion.
2. Иммунитет иностранных государств от взыскания во Франции. Новый французский закон Сапэн 2.” ru. 2017. Режим доступа: http://www.zakon.ru/blog/2017/1/31/immunitet_inostrannyh_gosudarstv_ot_vzyskaniya_vo_francii__novyj_francuzskij_zakon_sapen_2.
3. ТАСС. (2017, December 22). Российские экономисты научились прогнозировать коррупцию с помощью нейросетей. Режим доступа: https://tass.ru/nauka/6819161/amp
4. Countering the global problem of corruption. Unodc. (n.d.). 2020. Режим доступа:  http://www.unodc.org/newsletter/200601/page004.html
5. DOZORRO. Обсерватория инноваций в государственном секторе. Режим доступа: http://oecd-opsi.org/innovations/dozorro/.
6. ProZorro. Главная страница. Режим доступа: http://prozorro.gov.ua/en.
7. US Foreign Corrupt Practices Act (FCPA). GAN Integrity. Режим доступа: http://www.ganintegrity.com/portal/anticorruption-legislation/fcpa-foreign-corrupt-practices-act/.