公共部門における不正防止のためのAI運用化

公共部門の不正防止のためのAIの実用化

公共部門の機関は極めて重要な岐路に立たされています。政府は、中核業務の近代化と市民サービスの向上だけでなく、人工知能（AI）を導入しています。同時に、AIの台頭は脅威の状況も変えつつあります。犯罪者は現在、合成された身元、ディープフェイクで強化された文書、超パーソナライズされたソーシャルエンジニアリングキャンペーンを展開しており、機関は、この規模や高度さのために設計されていなかった従来のリスク管理を再考せざるを得なくなっています。例えば：

• 給付金: 不正行為は2020年以降242%増加しました。
• 税金: 2025年には45億ドルの税金詐欺が発覚しました（前年比111.8%増）。
• 特許: 単一の外国の行為者が52,000件以上の不正な商標出願に関与していました。

AIは大きな可能性を秘めていますが、それは信頼できるデータと強力なガバナンスに基づいている場合に限られます。近代化とは単一のモデルに関するものではなく、データ、インテリジェンス、ワークフローを接続する安全なエンドツーエンドシステムを構築することです。このブログでは、架空の機関であるサービス局を例に、Databricksを使用して不正防止を近代化する方法を説明します。

不正調査のための新しい運用モデル

この近代化がどのように機能するかを探る前に、サービス局で今日、不正調査がどのように行われているかを理解することが役立ちます。アナリストは、単一のケースに必要なデータを収集するために、複数のシステム間を行き来する必要があります。彼らはあるシステムからファイルをエクスポートし、別のシステムからスプレッドシートをダウンロードし、メールの添付ファイルや共有フォルダを介して追加情報を受け取ります。その後、これらのソースを手動で結合し、マクロやルールを実行して疑わしい行にフラグを立て、他のシステムでより詳細な検索を実行して調査結果を検証します。このプロセスは時間がかかり、断片的で、スケーリングが困難です。

さて、単一のアプリケーションが17件の優先度の高いケースを視覚化し、それぞれに裏付けとなる証拠と、ポリシーまたは不正の兆候に結びついた明確な説明が付いている現代的なワークフローを想像してみてください。AIが最も緊急性の高いリスクを浮上させ、アナリストが最終的な判断を下します。かつて数週間かかっていた作業が1日で完了できるようになり、より迅速かつ自信を持って業務を進めることができます。

Databricks Appsによる運用ワークフローへのインテリジェンスの組み込み

データとインサイトは、日常のワークフローに直接組み込まれたときに最大の価値を発揮します。

Lakebaseを搭載したDatabricks Appsを使用することで、サービス局はガバナンス、エージェント、ダッシュボードを、そのミッションに合わせた単一の不正運用アプリケーションに統合します。

上級不正アナリストはアプリケーションにログインし、割り当てられたケースを確認します。ケースを開くと、アナリストはUnity Catalogボリュームに保存されている裏付け文書や、サードパーティの検証データを確認できます。

その間、組み込みエージェントがバックグラウンドでケースを評価し、裏付けとなる根拠とともに推奨事項を提供します。

アナリストが同意すれば、ケースを承認できます。同意しない場合は、推奨を却下し、調査のためにエスカレートできます。人間の判断が中心であり続けます。

幹部は同じアプリケーションを使用して、複数のツールにログインすることなくダッシュボードを表示し、Genieと対話します。リーダーシップとアナリストは、ガバナンス、インテリジェンス、アクションを接続する統合された環境内で業務を行います。

これが、実用化されたAIの姿です。インサイトは分析プラットフォームに隔離されることはありません。それらは、意思決定が行われるミッションワークフローに組み込まれます。

チームは同じ人員でより多くのケースを処理でき、同時に疑わしい活動が見過ごされる可能性を減らします。調査官はプログラム全体のパターンを可視化し、リーダーシップはすべてのフラグ付き活動が体系的かつ一貫して評価されているという確信を得ます。

Unity Catalog + Delta Sharingによるガバナンスされたデータと安全なコラボレーション

架空のサービス局は、助成金、契約、給付金、納税申告、特許を処理しており、これには強力なガバナンスが必要です。毎日何千もの申請が外部システムを通じてストリーミングされ、レイクハウス内のDeltaテーブルに着地します。機械学習モデルとビジネスルールは、全国の不正アナリストのために疑わしいケースにフラグを立てます。

Unity Catalog内で、同機関は属性ベースのアクセス制御（ABAC）を使用して不正調査テーブルを管理しています。個人識別情報（PII）などの機密性の高い列は、特定のユーザーグループに対してマスキングポリシーを自動的に適用するタグによって管理されます。

例えば、ジュニア不正アナリストはレビューに必要なケースの詳細を表示できますが、マスキングされたPIIフィールドを見ることはありません。上級アナリストおよび承認された調査官は、役割とポリシーに基づいて追加のコンテキストにアクセスできます。

ガバナンスはアクセス制御を超えて広がります。テーブルレベルおよび列レベルで完全なリネージが利用可能です。アナリストとコンプライアンスチームは、データ要素がどこから発生し、どこに下流に流れるかを正確に確認できます。規制当局がフィールドの出所を尋ねた場合、数秒で回答が得られます。

Agent Bricksによるインテリジェンスの連携

データがガバナンスされ、アクセス可能になったら、次の課題は優先順位付けです。幹部はリスクの傾向を理解する必要があります。不正対策のリーダーは、運用上の意思決定をポリシーガイダンスと新たな外部脅威に合わせる必要があります。

サービス局は、マルチエージェントスーパーバイザーであるAgent Bricksを使用して、次の3つの機能を連携させます。

• Genie: レイクハウス内のデータをクエリするワークスペース内でライブ統計情報を取得します。
• Knowledge Assistant: 機関のポリシーに基づいたエージェントで手順を追加します。
• Web: 新たな不正パターンをスキャンする外部のModel Context Protocol（MCP）サーバーを介してトレンドをもたらします。

Databricks Platform内では、Agent Bricksはその役割を定義し、どのエージェントをオーケストレーションできるかを指定することで設定されます。そこから、幹部は次のような自然言語の質問をすることができます。「12月1日現在、次に何を優先すべきですか？主要なリスク領域はどこで、どのように対応していますか？」

舞台裏では、Agent BricksはGenieを呼び出し、ライブの不正テーブルに対してSQLクエリを実行します。知識エージェントを起動して、ソースドキュメントへの直接参照とともに、関連するポリシー引用を提示し、その後、新たな不正スキームに関する外部シグナルを取得します。

スーパーバイザーはこれらの入力を統合し、推奨されるアクションと裏付けとなる根拠を明確な応答として生成します。

これは一般的なLLMの応答ではありません。企業データに基づき、ポリシーに沿ってリアルタイムのコンテキストで強化されたAIです。エージェントは、不正調査ユニットが今後24～48時間でどこに時間を費やすべきかを推奨します。その際、彼らが現在約53,000件の「危機的な」バックログ状況にあるというコンテキストが考慮されます。

幹部にとっては、平易な言葉で提供される実用的なガイダンスを意味します。そして、運用チームにとっては、リスクに関するより迅速な連携を意味します。

フィードバックループは組み込まれています。ラベリングセッションを通じて、ユーザーは応答を評価し、時間の経過とともにアウトプットを改善するためのガイダンスを提供できます。

このアプローチにより、AIはスタンドアロンモデルとしてではなく、協調システムとして本番環境に導入されます。

同様に重要なのはAIガバナンスです。エージェントが生成するすべての推奨事項は、追跡可能なデータソース、ポリシー参照、文書化された根拠に基づいています。アナリストは常に状況を把握し、推奨事項を受け入れるか上書きする前に、裏付けとなる証拠を確認できます。この透明性により、機関はAI支援の意思決定に対する信頼を維持しつつ、規制および監督要件への準拠を確保できます。

AI/BI Genieで質問を実行可能な洞察に変える

運用リーダーは、ワークロードの分散とパフォーマンス指標に関する可視性も必要としています。

AI/BI Genie上に構築されたエグゼクティブダッシュボード内で、サービス局は不正プログラム全体の主要業績評価指標を追跡します。インターフェースはインタラクティブです。個々の審査官を選択すると、関連するチャートが自動的に更新され、ワークロード、期限切れのケース、ケース構成が明らかになります。

リーダーシップが、上級審査官が期限切れのケースの不均衡な割合を抱えていることに気づいたとします。さらに調査するために、Genieに直接尋ねることができます。「審査官のレベル別のケースの内訳はどうなっていますか？」

Genieはゴールド不正テーブルに対してSQLクエリを生成し、構造化されたテーブルを返し、自動的に視覚化を生成します。SQLは透明性と検証のために表示されたままになります。

この洞察により、リーダーシップはワークロードを再調整したり、若手審査官のトレーニングを加速させたりすることができます。アナリストも幹部も、技術チームを待つことなく、質問から証拠へと移行できます。

AI/BI Genieは、アナリティクスを静的なレポートから、会話型で透明性があり、実用的なインテリジェンスへと変革します。

結論

現代の公共機関は、データガバナンスが1つのツールに、アナリティクスが別のツールに、運用ワークフローが全く別の場所に存在するような断片化されたシステムを許容することはできません。

Databricksプラットフォーム内でデータ、AI、ガバナンスを統合することにより、機関は安全な基盤を構築し、インテリジェントなエージェントを連携させ、ミッションクリティカルなアプリケーションに洞察を直接組み込むことができます。

信頼できるコンテキスト認識データに基づいてモデルが構築されることで、次のことが可能になります。

• 不正検出が高速化されます。
• コラボレーションがより安全になります。
• 意思決定がより透明で、説明可能になります。

貴機関が不正防止やその他のミッションクリティカルなプログラムをどのように近代化できるかについては、弊社の公共部門チームに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