Una protezione concreta su scala nazionale, sulle infrastrutture già utilizzate dalle agenzie.
Le frodi e i pagamenti indebiti costano ogni anno centinaia di miliardi di dollari ai programmi di sussidi federali, colpendo Medicare, Medicaid, i soccorsi in caso di calamità, gli aiuti agli studenti, l'assistenza alimentare, l'indennità di disoccupazione e molti altri programmi pubblici. Il Government Accountability Office stima le perdite federali dovute alle frodi tra i 233 e i 521 miliardi di dollari all'anno, con circa 186 miliardi di dollari di pagamenti indebiti segnalati solo nell'anno fiscale 2025.
Non si tratta di una mancanza di vigilanza, ma dell'effetto collaterale di un vero e proprio dilemma. Questi programmi sono progettati per erogare aiuti rapidamente e su scala enorme. Con volumi simili, verificare a fondo ogni transazione prima che il denaro venga erogato è quasi impossibile senza ritardare gli aiuti a chi ne ha davvero bisogno. Di conseguenza, l'individuazione delle frodi è tradizionalmente avvenuta a posteriori, secondo un modello di tipo "paga e rincorri" (pay and chase). Tuttavia, una volta effettuato un pagamento fraudolento, recuperare il denaro è un processo lento, costoso e raramente efficace. Ecco perché fermare le frodi in tempo reale è così importante. I truffatori sfruttano proprio questo divario con società di comodo, furti d'identità e richieste fantasma, cambiando tattica non appena un piano viene sventato.
La buona notizia è che le agenzie non devono più scegliere tra velocità e decisioni migliori. I progressi compiuti nell'AI, nell'analisi in tempo reale e nell'accesso a dati più completi consentono di valutare le transazioni mentre avvengono, senza rallentare l'erogazione dei sussidi. Invece di affidarsi principalmente a indagini a posteriori, le agenzie possono utilizzare il punteggio di rischio intelligente (risk scoring), la risoluzione delle entità (entity resolution), l'analisi comportamentale e il machine learning per identificare le attività sospette prima che i fondi vengano erogati. Databricks fornisce la piattaforma dati e AI per creare e gestire questi sistemi, consentendo alle agenzie di prendere decisioni più rapide e di qualità superiore in tempo reale, garantendo al contempo assistenza fondamentale ai legittimi beneficiari senza inutili ritardi.
In Databricks conosciamo molto bene la rilevazione delle frodi in tempo reale. Abbiamo creato sistemi di rilevazione delle frodi per banche, assicurazioni e rivenditori online, valutando le transazioni e bloccando quelle illecite, consentendo al contempo alle attività legittime di procedere rapidamente. Questi sistemi valutano regolarmente miliardi di transazioni ogni anno, prendendo spesso decisioni in poche decine di millisecondi. Se hai mai ricevuto un SMS relativo a un acquisto sospetto bloccato prima di essere approvato, probabilmente hai visto questa tecnologia in azione.
La stessa funzionalità può proteggere gli aiuti federali: una richiesta può essere valutata nell'istante stesso in cui viene inviata e bloccata prima ancora che un solo dollaro venga movimentato.
I sistemi più efficaci sono strutturati a livelli, passando dal più semplice al più sofisticato:
Operando su un'unica piattaforma, i diversi livelli si rafforzano a vicenda invece di risiedere in strumenti scollegati tra loro.
Visualizzazione dei risultati del motore di regole, della risoluzione delle entità e della graph analytics: un singolo fornitore mappato su sei set di dati di agenzie separate, rivelando le connessioni interorganizzative che avviano gli avvisi di frode. Integrando i dati tra le agenzie, portiamo alla luce schemi nascosti che le singole agenzie non potrebbero vedere. Tutti i nomi, le agenzie e le cifre mostrati sono dati dimostrativi sintetici.
Oltre l'80% dei dipartimenti esecutivi federali utilizza già Databricks oggi, quindi il difficile lavoro di data engineering è spesso già stato fatto.
Ma il motivo più profondo per cui la scelta della piattaforma è importante è che la frode, per sua natura, non rispetta i confini delle agenzie. Lo stesso malintenzionato può presentarsi a un'agenzia diversa, o anche a un programma diverso all'interno della stessa agenzia, e apparire come un richiedente al primo tentativo e a basso rischio. I truffatori operano già in questo modo, muovendosi fluidamente tra i vari programmi, mentre le agenzie che danno loro la caccia rimangono bloccate nei propri silos.
Un modello migliore in una singola agenzia è solo una soluzione parziale. Ogni livello del sistema di rilevazione, dalla regola più semplice alla rete neurale più avanzata, è efficace solo quanto i dati da cui apprende. Quando ogni agenzia vede solo la propria fetta di attività, ogni livello lavora con un quadro incompleto.
La condivisione tra agenzie colma questo divario. Ogni agenzia contribuisce con segnali di frode in tempo reale, affinando le regole, perfezionando i modelli e aumentando il tasso di rilevamento. Più agenzie si collegano, più l'intero sistema diventa intelligente, intercettando schemi che nessuna singola agenzia avrebbe potuto individuare da sola.
Databricks è progettato esattamente per questo tipo di condivisione, senza compromettere la privacy o la proprietà dei dati. OpenSharing scambia dati in tempo reale senza copiarli, il mascheramento dei dati nasconde i dettagli personali preservando il valore analitico, e le Clean Rooms consentono alle agenzie di collaborare su record protetti senza esporre i dati grezzi l'una all'altra, il tutto sotto una governance completa e controlli di accesso.
Una visualizzazione in tempo reale dello spostamento dei dati tra le agenzie senza che vengano mai copiati. OpenSharing e Clean Rooms consentono a ciascuna agenzia di contribuire con i propri record a un'indagine congiunta sulle frodi, mantenendo protetti i propri dati grezzi e sotto una governance completa.
La rilevazione è utile solo se si può agire di conseguenza. Su una piattaforma unificata, lo stesso sistema che segnala un malintenzionato può guidare la risposta: bloccare un pagamento sospetto, aggiungere un truffatore confermato alla lista "Do Not Pay" e assemblare un fascicolo di prove pronto per l'azione penale, con ogni violazione mappata rispetto alla relativa norma, un riepilogo generato dall'AI e un audit trail firmato digitalmente. Un operatore umano rimane sempre coinvolto nel processo, confermando i casi segnalati prima che venga intrapresa qualsiasi azione.
Generazione istantanea di un fascicolo di prove pronto per il processo, in cui ogni violazione è collegata a leggi specifiche e verificata con una cronologia firmata crittograficamente. Automatizzando il pacchetto di segnalazione, gli investigatori possono concentrarsi sull'applicazione della legge anziché sulla documentazione manuale.
Ogni decisione rimane sotto la supervisione umana. Le segnalazioni vengono raggruppate e trasmesse solo dopo l'autorizzazione formale del personale designato, con ogni fase documentata all'interno di una cronologia di audit permanente.
Con Databricks, ciò che un tempo era impossibile è ora una realtà comprovata su scala. La stessa tecnologia che analizza 160 miliardi di pagamenti con carta all'anno, valutando il rischio di frode per ciascuno in pochi millisecondi, può essere utilizzata per i sussidi federali, sfruttando la piattaforma dati e AI che le agenzie già possiedono. Le frodi vengono intercettate nell'istante stesso in cui si presentano, gli aiuti legittimi continuano a fluire e la protezione in tempo reale opera finalmente su scala nazionale. Non si tratta di una funzionalità futura. È pronta per essere implementata oggi stesso.
Scopri come Databricks aiuta le agenzie governative a rilevare e fermare le frodi in tempo reale. Esplora le nostre soluzioni per il settore pubblico e il Solution Accelerator per la rilevazione delle frodi in tempo reale, oppure contatta il nostro team per definire l'ambito di un progetto pilota.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.