政府給付金におけるリアルタイムの不正防止の実現

不可能を求められる現場

不正行為や不適切な支払いは、連邦政府の給付金プログラムに毎年何千億ドルもの損失をもたらしており、メディケア、メディケイド、災害支援、学生支援、食糧援助、失業保険など、多くの公共プログラムに影響を及ぼしています。GAOの推計によると、連邦政府の不正による損失は年間2,330億ドルから5,210億ドルに上り、2025年度だけでも約1,860億ドルの不適切な支払いが報告されています。

これは監視の怠慢によるものではありません。現実的なジレンマが生み出した副産物です。これらのプログラムは、迅速かつ大規模に支援を届けるように設計されています。これほどの規模になると、実際に支援を必要としている人々への支給を遅らせることなく、資金が支払われる前にすべての取引を詳細に審査することはほぼ不可能です。そのため、従来は「支払ってから追跡する（pay and chase）」モデルによる事後検出が行われてきました。しかし、一度不正な支払いが実行されてしまうと、資金の回収には時間がかかり、コストもかさみ、成功することはめったにありません。だからこそ、リアルタイムで不正を阻止することが極めて重要なのです。詐欺グループは、ペーパーカンパニー、身元詐称、架空請求などを利用してまさにこの隙を突き、手口が暴かれるとすぐに次の戦術へと切り替えます。

幸いなことに、各機関はもはや、迅速性とより優れた意思決定のどちらか一方を選ぶ必要はありません。AIやリアルタイム分析の進歩、およびより完全なデータへのアクセスにより、給付金の支給を遅らせることなく、取引の発生と同時に評価することが可能になりました。事後調査に主に依存するのではなく、インテリジェントなリスクスコアリング、名寄せ（entity resolution）、行動分析、機械学習を活用することで、資金が支払われる前に不審なアクティビティを特定できます。Databricksは、これらのシステムを構築・運用するためのデータとAIのプラットフォームを提供し、各機関がリアルタイムでより迅速かつ高品質な意思決定を行えるよう支援します。これにより、真に支援を必要とする受給者に対して、不必要な遅延なく重要な支援を届けることができます。

不正検出こそが、私たちの得意分野です

Databricksにとって、リアルタイムの不正検出は非常に得意とする領域です。私たちは銀行、保険会社、オンライン小売業者向けに不正検出システムを構築し、取引をスコアリングして不正な取引をブロックする一方で、正当な取引は迅速に処理できるようにしてきました。これらのシステムは毎年日常的に何十億もの取引を評価しており、多くの場合、わずか数十ミリ秒で意思決定を行っています。承認される前に不審な購入がブロックされたというテキストメッセージを受け取ったことがあるなら、おそらくこのテクノロジーの働きを実際に目にしたことがあるでしょう。

これと同じ機能を連邦政府の援助金保護にも適用できます。申請が提出された瞬間にスコアリングを行い、資金が移動する前に保留にすることが可能です。

不正を検知するための多層的アプローチ

最も効果的なシステムは多層構造になっており、シンプルなものから高度なものへと段階的に対応します。

• ルールエンジンは、最初の防御ラインです。死亡した人物への支払い、同一の申請の重複提出、数十人分の給付金を1つの銀行口座で受け取っているケースなど、最も明らかな事例を迅速かつ低コストで検出します。
• 機械学習は、不正のパターンを検出し、固定されたルールよりもはるかに正確にリスクをスコアリングします。1つの銀行口座に集中する失業保険申請の急増、同業他社に比べてはるかに高額な救済融資を申請する小規模企業、同分野の他の事業者よりも著しく高い請求を行う事業者などをフラグ立てできます。
• 適応型AIと生成AIは、不正検出に最も高度な機能をもたらします。ニューラルネットワークは、犯罪者が戦術を変えるのに合わせて継続的に再学習して適応し、正常な行動パターンを学習することで、不審なアクティビティを迅速に特定します。生成AIは、構造化データと非構造化データを横断して深い推論を行い、微細なパターンを検出してその結果を説明し、調査員がより迅速で情報に基づいた意思決定を行えるよう支援します。

単一のプラットフォーム上で実行することで、これらの層はバラバラのツールに孤立することなく、互いに補強し合います。

ルールエンジンの出力、名寄せ、グラフ分析の可視化：6つの異なる機関のデータセットにわたってマッピングされた単一の事業者。不正アラートの契機となる組織横断的なつながりが明らかになります。機関間でデータを統合することで、単一の機関では見抜けない隠れた不正スキームを暴き出します。表示されている名前、機関、数値はすべてデモ用の架空のデータです。

なぜDatabricksが最適な実行環境なのか

現在、連邦政府の行政機関の80%以上がすでにDatabricksを使用しているため、データエンジニアリングという骨の折れる作業の多くはすでに完了しています。

しかし、プラットフォームの選択が重要であるより本質的な理由は、不正行為がその性質上、機関の境界を越えて行われるためです。同一の不正行為者が、別の機関、あるいは同じ機関内の別のプログラムに現れたとき、初めて申請するリスクの低い人物のように見えることがあります。詐欺グループはすでにこのように活動しており、プログラム間を流動的に移動しているのに対し、彼らを追う機関は縦割り組織の中に閉じ込められています。

単一の機関でモデルを改善するだけでは、部分的な解決にしかなりません。最もシンプルなルールから最先端のニューラルネットワークにいたるまで、検出システムのすべての層の精度は、学習するデータの質に左右されます。各機関が自組織のアクティビティしか把握していない場合、すべての層が不完全な全体像に基づいて動作することになります。

機関横断的な共有が、このギャップを埋めます。すべての機関がリアルタイムで不正シグナルを提供することで、ルールが研ぎ澄まされ、モデルが洗練され、検出率が向上します。連携する機関が増えるほどシステム全体が賢くなり、単一の機関では決して特定できなかった不正スキームを検知できるようになります。

Databricksは、データのプライバシーや所有権を損なうことなく、まさにこのような共有を行うために構築されています。OpenSharingはデータをコピーすることなくライブデータを交換し、データマスキングは分析価値を維持しながら個人情報を隠蔽します。そしてClean Roomsにより、各機関は生データを互いに公開することなく、保護されたレコードで共同作業を行うことができます。これらはすべて、完全なガバナンスとアクセス制御のもとで実行されます。

データをコピーすることなく、機関間でデータが移動する様子をリアルタイムで確認できます。OpenSharingとClean Roomsにより、各機関は完全なガバナンスのもとで生データを保護しながら、共有の不正調査にレコードを提供できます。

不正検出時のアクションの実行

検出は、それに基づいて行動を起こせて初めて意味を持ちます。統合プラットフォーム上では、不正行為者をフラグ立てするのと同じシステムが、その後の対応（不審な支払いの保留、確認された不正行為者の「不払い（Do Not Pay）」リストへの追加、各違反を関連法規にマッピングした起訴可能な証拠パッケージの作成、AIによる要約、デジタル署名された監査証跡など）を推進できます。アクションが実行される前に、人間が介在してフラグが立てられたケースを確認します。

裁判に対応可能な証拠ファイルの即時生成。すべての違反が特定の法律に関連付けられ、暗号署名された履歴によって検証されます。送致用パッケージの作成を自動化することで、調査員は手作業による文書作成ではなく、取り締まり業務に集中できます。

すべての意思決定は、常に人間の監視下に置かれます。指定された担当者が正式な承認を与えた後にのみ、送致データがまとめられて送信され、各段階は永続的な監査履歴に記録されます。

結論

Databricksにより、かつては不可能だったことが、今や大規模環境で実証されています。年間1,600億件のカード決済をスクリーニングし、それぞれの不正リスクをミリ秒単位でスコアリングするのと同じテクノロジーを、各機関がすでに保有しているデータとAIプラットフォームを活用して、連邦政府の給付金プログラムに適用できます。不正は発生した瞬間に検知され、正当な支援は滞りなく届き、リアルタイムの保護がついに国家規模で機能します。これは「いつか実現する」技術ではありません。今すぐ導入可能です。

Databricksが政府機関によるリアルタイムの不正検出と阻止をどのように支援しているかをご覧ください。当社の公共部門向けソリューションやリアルタイム不正検出ソリューションアクセラレータ（Solution Accelerator）をご覧いただくか、パイロット運用の計画について当社チームまでお問い合わせください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事