신뢰성 및 투명성

부정행위를 퇴치하여 공공 프로그램의 효율성을 극대화하려면 어떻게 해야 할까요?

심각한 표정으로 컴퓨터를 보고 있는 두 사람

세계 각국의 공공 부문 조직들은 수십억 달러의 정부 예산을 낭비하고 대중으로부터의 신뢰를 떨어뜨리는 부정행위, 낭비, 지위 남용(FWA) 문제의 심각성에 직면해 있습니다. AI 기술을 동원하는 등 FWA 수법이 더욱 치밀해짐에 따라, 많은 기관에서는 AI를 도입하여 기존의 프로세스를 강화하고 있습니다.

왜일까요?

   

FWA 문제가 해결되면 기관의 예산을 약 16% 절감하는 것이 가능하기 때문입니다.

사기성 활동의 근절에 있어서 AI가 가진 잠재력과 함께, 부정행위 탐지 및 방지의 미래에 대한 낙관적인 전망이 외부 리서치 기관의 최신 글로벌 설문조사에서 확인되었습니다.

   

부정행위 퇴치를 해당 기관의 5대 우선 과제 중 하나로 꼽은 의사결정권자의 비율

   

향후 2년 내에 부정행위 방지를 위해 생성형 AI를 활용할 것으로 예상한 응답자의 비율

대부분의 기관에는 자원이 충분하지 않습니다.

46%

분석 기술 역량의 미비

24%

예산상의 제약

40%

기술 도입의 격차

   

현재 부정행위 퇴치에 필요한 모든 자원이 구비되어 있다고 답한 응답자는 10명 중 1명에 그쳤습니다.

   

현재 부정행위 퇴치에 필요한 모든 자원이 구비되어 있다고 답한 응답자는 10명 중 1명에 그쳤습니다.

내외부에서 발생하는 부정행위와 오류를 최소화하는 것이 최우선으로 언급되었지만, 데이터 보안을 구축하고 효율성을 개선하는 일 또한 근소한 차이로 뒤를 이었습니다.

Minimizing external fraud/errors (by citizens/businesses)
Minimizing internal fraud/errors
Ensuring security of data
Improving investigator efficiency

데이터와 AI는 FWA 탐지 및 대응 업무를 크게 향상시킬 수 있습니다.

이번 설문의 응답자들은 다음과 같은 이점에 주목했습니다.

57%

향상된 인력 효율성

39%

FWA 탐지율 향상

37%

더 빠른 식별

현재 AI 도입률은 상대적으로 낮습니다.

이번 설문 응답자들 중 약 절반이 FWA 관련 업무에 AI를 사용하는 반면, 생성형 AI를 사용하는 비율은 4분의 1 남짓이었습니다.  하지만 최근에는 급속도로 도입이 이루어지고 있습니다.

32% 87%

2027년까지의 네트워크 분석 사용량 증가 예상치

5배

대규모 언어 모델(LLM) 도입이 늘어날 것으로 예상

SAS 솔루션으로 FWA 사전 예방

SAS는 데이터 및 AI 기반 솔루션으로 의심스러운 활동과 숨겨진 연관성을 탐지하고, 분석 모델과 사례 관리 기능을 통해 조사관의 업무 소요를 최적화합니다. 아울러, 강력한 데이터 보안과 무결성까지 갖추고 있습니다.