9月16日、GovInsiderとSASが共催したウェビナーで、インドと豪州の政府関係者およびSASの公共部門幹部が、公的資金の支給前に不正、誤り、浪費、悪用を防ぐためのデータとAIの活用を議論しました。SAS幹部のキース・スワンソン(Keith Swanson)は、従来の「支払ってから回収する」方法で検出できた不正流出は、歴史的に約1％だったと述べました。過去の報告では、豪州の給付制度で6〜10％、新型コロナウイルス流行中の米国の給付制度で11〜15％の流出が示されています。

登壇者によると、機械学習やネットワーク分析（関係性をネットワーク構造から調べる手法）は、不審なパターンや隠れたつながりを見つけられます。ログインに使われた端末などの小さな手がかりも、機関がリスクを評価し、調査の優先順位を決めるのに役立ちます。政府での活用例として、意思決定システムやエージェンティックAI（自律型AI）がリスクの高い給付申請から情報を集め、申請者に連絡して審査を始める一方、追加判断が必要な案件を公務員に回す構想が示されました。登壇者は、こうしたツールには信頼できるデータと信頼が欠かせないと述べました。インド従業員国家保険公社のジャイ・シン(Jai Singh)は、手書きの病院記録、重複入力、古いデータをデータ品質の課題に挙げました。アッサム州のラシュル・フセイン(Rashul Hussain)は、AIを加速装置として使う前に、確かなデータ基盤を築く必要があると述べました。豪州のジーン・パーキンス(Jean Perkins)は、必ずしもデータを追加収集したり、新たな共有の仕組みを作ったりせずに、機関がすでに持つデータの活用を強化できると説明しました。

SASのエンズリー・タン(Ensley Tan)は、AIに何をさせ、どの情報へのアクセスを認めるかを決める権限、結果への説明責任の所在、規則の遵守と監査可能性を確保することが、信頼されるAI統治の要素だと説明しました。パーキンスは、信頼はAIの使い方に関わると述べ、統治を過度に厳しくすると、機関がAIの利点を得られなくなる恐れもあると指摘しました。また、機関の成熟度に合うツールを選ぶよう助言し、最先端のAIを必要とする組織は少ないと述べました。タンは、公務員がAIによる判断を説明し、擁護できる必要があるとしました。説明が不十分だと、公務員は推奨を覆すことに不安を感じる一方、複雑すぎる説明では検証せずに判断を委ねる可能性があります。

登壇者は、不正防止にはAIの警告を状況に照らして解釈できる公務員が必要だとも述べました。フセインは、インドの多様な人口では、異常として検知された事例が不正ではなく、人口の少ない集団を反映している場合があると注意を促しました。タンは、公務員の関与を保つため、リスクスコアの根拠、検討した代替案、異なる結論を支え得る反実仮想の根拠を示すことを提案しました。パーキンスは人員計画と技能開発を求めました。スワンソンは、人間の判断や直感を分析とAIに組み合わせることで、不正、誤り、浪費、悪用の検知と防止に最善の成果をもたらせると述べました。

9月16日、GovInsiderとSASが共催したウェビナーで、インドと豪州の政府関係者およびSASの公共部門幹部が、公的資金の支給前に不正、誤り、浪費、悪用を防ぐためのデータとAIの活用を議論しました。SAS幹部のキース・スワンソン(Keith Swanson)は、従来の「支払ってから回収する」方法で検出できた不正流出は、歴史的に約1％だったと述べました。過去の報告では、豪州の給付制度で6〜10％、新型コロナウイルス流行中の米国の給付制度で11〜15％の流出が示されています。

登壇者によると、機械学習やネットワーク分析（関係性をネットワーク構造から調べる手法）は、不審なパターンや隠れたつながりを見つけられます。ログインに使われた端末などの小さな手がかりも、機関がリスクを評価し、調査の優先順位を決めるのに役立ちます。政府での活用例として、意思決定システムやエージェンティックAI（自律型AI）がリスクの高い給付申請から情報を集め、申請者に連絡して審査を始める一方、追加判断が必要な案件を公務員に回す構想が示されました。登壇者は、こうしたツールには信頼できるデータと信頼が欠かせないと述べました。インド従業員国家保険公社のジャイ・シン(Jai Singh)は、手書きの病院記録、重複入力、古いデータをデータ品質の課題に挙げました。アッサム州のラシュル・フセイン(Rashul Hussain)は、AIを加速装置として使う前に、確かなデータ基盤を築く必要があると述べました。豪州のジーン・パーキンス(Jean Perkins)は、必ずしもデータを追加収集したり、新たな共有の仕組みを作ったりせずに、機関がすでに持つデータの活用を強化できると説明しました。

SASのエンズリー・タン(Ensley Tan)は、AIに何をさせ、どの情報へのアクセスを認めるかを決める権限、結果への説明責任の所在、規則の遵守と監査可能性を確保することが、信頼されるAI統治の要素だと説明しました。パーキンスは、信頼はAIの使い方に関わると述べ、統治を過度に厳しくすると、機関がAIの利点を得られなくなる恐れもあると指摘しました。また、機関の成熟度に合うツールを選ぶよう助言し、最先端のAIを必要とする組織は少ないと述べました。タンは、公務員がAIによる判断を説明し、擁護できる必要があるとしました。説明が不十分だと、公務員は推奨を覆すことに不安を感じる一方、複雑すぎる説明では検証せずに判断を委ねる可能性があります。

登壇者は、不正防止にはAIの警告を状況に照らして解釈できる公務員が必要だとも述べました。フセインは、インドの多様な人口では、異常として検知された事例が不正ではなく、人口の少ない集団を反映している場合があると注意を促しました。タンは、公務員の関与を保つため、リスクスコアの根拠、検討した代替案、異なる結論を支え得る反実仮想の根拠を示すことを提案しました。パーキンスは人員計画と技能開発を求めました。スワンソンは、人間の判断や直感を分析とAIに組み合わせることで、不正、誤り、浪費、悪用の検知と防止に最善の成果をもたらせると述べました。