Противодействие коррупции при помощи ИИ: чего не хватает Казахстану

Коррупция - самая распространенная проблема во многих странах. Ее, наверное, сложно делить на государства, чем на человека.

Когда речь заходит о борьбе с ней, обычно всегда имеют ввиду государственные усилия, то есть top-down. Это - рейтинговые системы в закупках, аналитика по декларациям и сканирование законопроектов. И очень редко в Казахстане пока говорят о другой стороне монеты, о системе bottom-top - гражданских ИИ-инструментах. 
Мировой опыт показывает, без этой второй половины система работает вполсилы.

Как работает top-down система в Казахстане?

С недавних пор в казахстанских госзакупках победителя тендера начал выбирать алгоритм ИИ. Механизм выглядит так: рейтинго-балльная система собирает данные из 28 баз, сверяет опыт поставщика, налоговую историю и соответствие условиям конкурса. Это подтверждал вице-министр финансов Даурен Кенбеил. По его убеждению, контакт человека с человеком в госзакупках может приводить к коррупции. За этим треком стоит Министерство финансов. Оно же администрирует всю систему госзакупок.

Фото: Ертай Сарбасов/Sputnik

Второй трек — контроль над самими чиновниками и здесь в игру вступают уже два разных государственных органа. Агентство РК по противодействию коррупции (Антикор) — центральный госорган, напрямую подчиненный президенту, отвечающий за антикоррупционную политику и расследование коррупционных правонарушений. В 2024 году именно Антикор изучал российскую систему «Посейдон», которая сопоставляет доходы и расходы декларантов и ищет признаки необоснованного обогащения. Речь шла о том, чтобы адаптировать похожую логику под казахстанскую систему всеобщего декларирования.

Рядом работает Агентство РК по финансовому мониторингу (АФМ) — тоже президентский госорган, но с другим мандатом как противодействие отмыванию доходов и финансированию терроризма, выявление и расследование экономических и финансовых правонарушений. Формально это два разных ведомства с разными задачами — Антикор смотрит на чиновников и коррупционные схемы, АФМ на финансовые потоки и легализацию доходов, но обе структуры подчинены одному и тому же центру и потенциально могут опираться на похожие ИИ-инструменты анализа данных.

Третий трек — алгоритмы, которые ищут в проектах нормативных актов коррупциогенные факторы, экономя бюджет на дорогостоящей ручной экспертизе.

Все это — классический top-down подход: Минфин, Антикор и АФМ строят инструмент, государство им владеет, государство решает, что с находками делать.

Как говорилось выше, искоренение коррупции возможно при двусторонних усилиях. Для полноты картины в лонгрид включим исследование Форджан, Кебиса и Штарке в 2024 году, основанное на интервью с разработчиками низовых антикоррупционных ИИ-проектов. Их проводили в Европе и Латинской Америке. Оно показывает, зачем вообще нужен второй, гражданский слой.

Фото: ИИ coPilot

Один из собеседников исследователей рассказывал, что парламент физически не может вручную проверить тысячи ежедневных расходных чеков депутатов. С этим справляется только алгоритм.

Примером из мировой практики приводится бразильский проект Operation Serenata de Amor. В нем программисты, экономисты и социологи вместе построили открытый инструмент анализа расходов парламентариев. В Казахстане такого гражданского слоя пока почти не видно. Есть государственные системы. Независимых open-source проектов, которые бы с той же логикой мониторили госрасходы силами НПО или журналистов - единицы, если они вообще есть в публичном поле.

Исследования подтверждают способность ИИ в борьбе с коррупцией не только постфактум, но и предсказывать, а значит, действовать превентивно. Несколько академических работ уже проверили это на практике. В Бразилии и Италии ученые строили модели, предсказывающие коррупционные риски на уровне местной власти. Другая группа исследователей анализировала кто с кем систематически голосует заодно. Это может выдавать политиков, вовлеченных в коррупционные или финансовые схемы. В Чехии похожий подход применили к бизнесу: построили датасет компаний, чтобы алгоритм предсказывал, какие фирмы связаны с политиками и потенциально представляют конфликт интересов.

Пример других стран показывает, что ИИ-модели умеют распознавать паттерны, характерные для разных типов коррупции, в самых разных наборах информации. Это значит, что уже можно анализировать голосования в парламенте, реестры компаний, связанных с чиновниками, историю расходов местных акиматов.

В системе, на первый взгляд, очень логичной исследователи выводят проблему. Государственные антикоррупционные ИИ сложны для понимания стороннего наблюдателя и не подотчетны никому, кроме самого государства. А граждане, наоборот, часто не имеют доступа к данным и не имеют полномочий довести найденное нарушение до реального разбирательства.

Идеальная система — это когда оба слоя дополняют друг друга. Государство дает данные и реагирует на находки, а независимые разработчики держат государственные системы под общественным контролем.

Тут эксперты называют три барьера универсальными для любой страны при реализации такой системы:

1. Данные. Файл объемом в несколько гигабайт остается недоступным для обычных компьютеров.
2. Закрытые реестры. Данные о собственности, бенефициарах компаний и активах должностных лиц почти везде защищены законами о персональных данных. Это  ограничивает и государственные, и гражданские инструменты одинаково.
3. Риск предвзятости. Если модель обучается на прошлых делах, где под раздачу обычно попадали чиновники низкого ранга, алгоритм неосознанно учится связывать низкую зарплату с высоким риском коррупции, а не наоборот.

Исследователи отмечают парадокс - чем больше государство финансирует и контролирует антикоррупционный ИИ, тем выше риск, что оно же решит, какие модели вообще разрешено строить и bottom-up инициативы окажутся под тем самым надзором, от которого должны быть независимы.

Таким образом мировой опыт призывает публиковать публикация госзакупки и декларации в машиночитаемых форматах не только по запросу; устраивать гранты и хакатоны для независимых разработчиков, где журналисты и айтишники могли бы строить свои инструменты параллельно с государственными; обязывать официальные органы не игнорировать гражданские системы из-за отсутствия правовых последствий и обеспечивать объяснимость государственных антикоррупционных моделей. 

С точки зрения исследования, в Казахстанe уже действуют государственные ИИ-инструменты в закупках, есть зарубежные модели контроля деклараций. Но согласно мировому опыту, односторонняя система, где государство и строит инструмент, и единолично решает, что с ним делать работает хуже. На запрос «способен ли ИИ бороться с коррупцией» находится однозначное «да». Вопрос только в том, что готово ли общество вокруг него это делать.