政府給付金へのリアルタイム詐欺防止の導入

連邦給付プログラムは迅速な支援提供に最適化されているため、不正行為の標的になりやすい。支払い後に整合性チェックを行う従来のモデルでは、詐欺による損失が年間数千億ドルに上る。米国会計検査院の推定によると、連邦詐欺損失は年間2330億～5210億ドルで、2025年度だけでも約1860億ドルの不適切な支払いが報告されている。

この問題の根源は、大規模かつ迅速な給付と、支払い前の徹底的な審査という二律背反にある。Databricksは長年にわたり銀行、クレジットカード会社、保険会社と協業し、リアルタイム詐欺検出の実績を築いてきた。この技術を連邦給付に応用することで、申請が提出された瞬間にリスクスコアリングを行い、資金が移動する前に保留することが可能になる。

効果的な検出システムは階層構造をとる。第一線はルールエンジンで、既存受給者の死亡、重複申請、同一口座への複数給付など、明白なケースを迅速かつ低コストで捕捉する。機械学習は不審なパターンを検出し、単一の銀行口座に集中する失業給付申請や、同業他社より大幅に大きな融資を要求する中小企業などを正確に識別する。さらに、適応型AIと生成AIは、犯罪者の手口の変化に応じて継続的に再学習し、構造化・非構造化データを横断的に分析して微妙なパターンを発見する。これらの階層は単一プラットフォーム上で連携し、互いの効果を高め合う。

プラットフォーム選びの重要性は、詐欺が機関の垣根を越える点にある。同一の悪意ある行為者が異なる機関やプログラムに異なる申請者として現れることがある。DatabricksはOpenSharingとClean Roomsを提供し、データのプライバシーと所有権を保護しながらリアルタイムの詐欺シグナル共有を可能にする。各機関が自らのデータのみを見るのではなく、全体像を把握することで、単独では発見できない詐欺スキームを捕捉できる。

検出後のアクションも自動化される。不審な支払いは保留され、確認された詐欺者はDo Not Payリストに追加される。さらに、各違反を法律条文にマッピングし、AIサマリーとデジタル署名付き監査証跡を含む訴訟対応証拠パケットが自動生成される。人間は確認と承認のプロセスで最終判断を下す。

Databricksは、毎年1600億件以上のカード支払いをミリ秒単位でスコアリングする技術を連邦給付に適用し、リアルタイム保護を国家規模で実現する。これは将来の夢物語ではなく、今すぐ実装可能なソリューションである。