“浪费”这一概念在政治上具有主观性，而欺诈则不然。利用AI来发现这两种情况比听起来要困难得多。
此前从未有哪位科技领袖像Elon Musk现在这样，在新任总统行政管理中扮演如此重要的角色。在他的领导下，DOGE已经进入了十几个机构的办公室，开始构建用于政府数据的人工智能模型，接入各种支付系统，并因联邦法官的裁决而暂停了其对财政部的访问权限，还引发了质疑该组织活动合法性的诉讼。
白宫发言人周四向《纽约时报》发表声明称，DOGE行动的目标是“削减浪费、欺诈和滥用”。
正如我在周五发表的文章中指出的那样，这三个术语在联邦预算的世界里意味着非常不同的东西，从政府在支出时犯下的错误到合法且经过批准但被当权者不喜欢的模糊支出。
新政府最引人注目和最广泛的行动之一——例如Musk承诺终止USAID的所有多样化活动或特朗普对国家卫生研究院科学资助的严重削减——可能针对的是后者类别。如果DOGE将政府数据输入大型语言模型，它可能会轻易找到与DEI或其他政府认为浪费的举措相关的支出，从而推动削减2万亿美元的预算，这几乎占联邦预算的三分之一。
然而，DOGE助手据报正在进入Medicaid甚至Medicare办公室的事实表明，该特别工作组也受到政府问责局（GAO）发布证据的驱动。GAO的报告也为DOGE希望AI能实现什么提供了一些线索。
这些报告显示，六项联邦计划占政府所谓不适当支付的85%，即每年约2000亿美元，其中Medicare和Medicaid位居榜首。这些支付虽然只占总支出的一小部分，但却几乎占联邦赤字的14%。据估计，欺诈行为——法院认定某人故意为获得经济利益而虚假陈述——每年造成的损失在2330亿至5210亿美元之间。
那么，欺诈究竟发生在何处，AI模型能否如DOGE工作人员所希望的那样解决这个问题呢？为了回答这些问题，我采访了波士顿大学经济学家Jetson Leder-Luis，他研究医疗保健领域的联邦支付欺诈及算法如何帮助阻止这些欺诈行为。
“从执法金额来看，大部分医疗保健欺诈是由制药公司实施的，”他说。
这些公司通常会推广未经批准用途的药物，称为“标签外推广”，当Medicare或Medicaid支付账单时，这被视为欺诈。其他类型的欺诈包括“升级编码”，即提供者开具比实际服务更昂贵的账单；以及医疗必要性欺诈，即患者接受了他们不符合资格或不需要的服务。还有劣质护理，即公司在收取费用后未能提供足够的服务。
目前政府处理欺诈的方式被称为“支付后追查”。可疑支付发生后，人们再试图追踪。Leder-Luis和其他人主张更有效的方法是寻找模式并在支付前阻止欺诈行为。
这就是AI发挥作用的地方。想法是使用预测模型来识别可能存在问题的提供者。“你想找那些赚得比其他人多得多的提供者，或者开具其他人从未开过的专科代码的提供者，”Leder-Luis说，这只是模型可能查找的众多异常现象中的两个例子。在Leder-Luis及其同事2024年的研究中，机器学习模型在识别可疑医院方面比随机选择提高了八倍。
政府已经在使用一些算法来做这件事，但它们远远未被充分利用，错过了明显的欺诈案件。Leder-Luis说，转向预防模式不仅需要技术转变。目前的“支付后追查”模式下，医疗保健欺诈由执法部门调查。“我建议的很多方法要求你更多地像数据科学家一样思考，而不是像警察一样思考。”
一个需要注意的问题是程序上的。构建AI模型、测试它们并在不同的政府机构安全部署是一个巨大的任务，尤其考虑到医疗数据的敏感性质，这使得任务更加复杂。
批评Musk的人，如技术和民主组织Tech Policy Press，认为他对政府AI的热情忽视了既定程序，基于一个错误的观点：“官僚机构的目标仅仅是它产生的结果（服务、信息、治理），可以与实现这些目标的过程隔离开来：辩论、审议和共识。”
曾在奥巴马政府担任美国副首席技术官的Jennifer Pahlka在最近的《纽约时报》社论中写道，无效的程序阻碍了美国政府采用有用的技术。不过，她警告说，完全放弃所有程序将是矫枉过正。
民主党人的目标“必须是一个强大、精简、有效的行政国家，为美国人服务，”她写道。“Musk的鲁莽不会让我们达到这个目标，但民主党人在拜登政府领导下的过度谨慎和对程序的依赖也不会。”
另一个需要注意的问题是：除非DOGE明确说明其努力的方向和方式，否则我们对其意图的洞察力有限。Musk究竟是在寻找基于证据的机会来减少欺诈，还是仅仅削减他认为“觉醒”的支出以大幅缩减政府规模？这一点尚不清楚。
(全文结束)
