การป้องกันการทุจริต

เทคโนโลยีในการป้องกันการทุจริตนั้นได้มีความก้าวหน้าไปมากในปัจจุบัน อันเป็นผลมาจากการพัฒนาวิทยาการด้านคอมพิวเตอร์ที่ทำการคำนวณได้อย่างรวดเร็วกว่าที่เคยมีมาและรองรับการวิเคราะห์ประสิทธิภาพสูงได้ รวมถึงmachine learning และการพัฒนาเทคโนโลยีด้าน artificial intelligence (AI) อื่นๆ โดยปัญหานี้มีความสำคัญเนื่องจากการทุจริต เป็นภัยต่อทุกคน และก่อปัญหาต่อสังคมในภาพรวม ไม่ว่าจะเป็นการเพิ่มต้นทุนของสินค้าและบริการต่างๆ นำเงินภาษีไปใช้ในทางมิชอบ บั่นทอนทุนในการสร้างนวัตกรรม และบางครั้งแม้แต่ส่งผลให้มีผู้เสียชีวิต

• ประวัติความเป็นมา
•     
• โลกในวันนี้
•     
• ผู้ใช้งานหลัก
•     
• การทำงานของบิ๊กดาต้า
  
•     
• ความก้าวหน้าในอนาคต

ประวัติความเป็นมา

การทุจริตนั้นสามารถครอบคลุมได้หลายมิติ ทั้งการใช้ทรัพยากรอย่างสูญเปล่าหรือผิดจริยธรรม การผิดนัดชำระเงินหรือการซื้อขายที่เป็นเท็จ การฟอกเงิน การสนับสนุนเงินทุนแก่กลุ่มก่อการร้าย ไปจนถึงประเด็นความปลอดภัยทางไซเบอร์และแม้แต่ความมั่นคงของสังคม ในอดีตนั้น องค์กรต่าง ๆ ได้แต่พึ่งพาระบบที่กระจายตัวและขาดการรวมศูนย์ รวมถึงขั้นตอนทางธุรกิจที่ตายตัว และการวิเคราะห์ในระดับไม่สูงกว่าพื้นฐานในการพยายามตรวจจับและรับมือสัญญาณเตือนต่าง ๆ ทำให้การจัดการกับปัญหาการทุจริตและประพฤติผิดต่าง ๆ ไม่เป็นไปอย่างมีประสิทธิภาพเท่าที่ควรเป็น 

นอกจากนี้ ข้อมูลนั้นยังไม่สามารถถูกอ้างอิงระหว่างกันโดยอัตโนมัติได้ และผู้มีหน้าที่ในการสืบสวนรวมถึงเจ้าพนักงานก็มักเผชิญความยากลำบากในการตรวจตราธุรกรรมและอาชญากรรมต่างๆอย่างทันท่วงที จึงมักได้แต่แก้ปัญหาหลังจากที่การกระทำผิดและความเสียหายได้เกิดขึ้นแล้วเท่านั้น ตัวอย่างเช่น ในภาคการบริการด้านสุขภาพนั้น การ "ป้องกัน" การทุจริตในอดีตกระทำได้แค่ เป็นเหมือนการแก้ปัญหาในลักษณะ "วัวหายล้อมคอก" และเป็นการตามหาผู้กระทำผิดมากกว่าการป้องกันที่ต้นเหตุ เนื่องจากผู้กระทำผิดได้รับประโยชน์โดยมิชอบและหลบหนีไปนานแล้ว กว่าที่การกระทำผิดจะถูกตรวจพบ

ในการต่อสู้กับปัญหาการทุจริต เทคโนโลยีที่ทันสมัยจึงได้ถูกพัฒนาขึ้น เพื่อป้องกันและคาดการณ์ เพื่อปิดช่องว่างของการกระทำผิดในรูปแบบที่แพร่หลาย ตลอดจนตรวจหาและจัดการกับรูปแบบการทุจริตใหม่ ๆ และแกะรอยขบวนการอาชญากรที่นับวันจะเพิ่มความซับซ้อนมากขึ้น การจะทำงานดังกล่าวได้อย่างมีประสิทธิภาพนั้น จำเป็นต้องใช้ความสามารถมากกว่าการวิเคราะห์ทั่วไป และอาศัยการวิเคราะห์ทั้งเชิงคาดการณ์และการปรับตัวที่รวดเร็ว รวมทั้งศักยภาพของAI เช่น machine learning อีกด้วย จึงนำมาสู่การประยุกต์ใช้แหล่งข้อมูลรูปแบบ big data ร่วมกับการตรวจตราแบบเรียลไทม์ที่ทันท่วงที และการประเมินความเสี่ยงรายบุคคลหรือ risk profile analysis เพื่อระบุคะแนนความเสี่ยงต่าง ๆ ซึ่งสิ่งเหล่านี้ได้คืนความได้เปรียบกลับมาสู่การป้องกันการประพฤติผิดในรูปแบบต่าง ๆ ในปัจจุบัน

ระบบการป้องกันการทุจริตที่ล้ำสมัยในปัจจุบัน

ปัญหาการก่อการร้ายที่สนับสนุนจากรัฐบางแห่งนั้นได้เพิ่มความซับซ้อนยิ่งขึ้นในช่วงเวลาที่ผ่านมา นอกจากนี้ ทั้งอาชญากรระดับมืออาชีพไปจนถึงผู้ก่อเหตุระดับมือสมัครเล่นนั้น ล้วนแต่มีวิวัฒนาการขึ้น ทำให้ภาคความมั่นคงและเจ้าหน้าที่ทำความเข้าใจ ติดตาม ตรวจตรา จับกุม และป้องกันการก่อเหตุได้ยากยิ่งขึ้นกว่าในอดีต การตรวจตราการกระทำผิดในปัจจุบันนี้ จึงต้องอาศัยวิธีการที่ครอบคลุมและซับซ้อนตามไปด้วย เพื่อทำการจับคู่ข้อมูลต่าง ๆ เข้ากับพฤติกรรมที่ปรากฏ เพื่อตรวจพบสัญญาณเตือนและสิ่งผิดปกติต่าง ๆ ผู้กระทำผิดจำนวนมากนั้นได้พัฒนาวิธีการที่ซับซ้อนขึ้นมา ดังนั้น จึงเป็นสิ่งสำคัญที่ทุกฝ่ายจะต้องมีทั้งความรู้และเครื่องมือที่เท่าทัน ในการรับมืออาชญากรรมต่าง ๆ ทุกรูปแบบ

บ่อยครั้งที่การทุจริตเกิดขึ้นได้จากช่องโหว่ด้านความปลอดภัยทางไซเบอร์ ตัวอย่างหนึ่งที่น่าสนใจคือ ในภาคการค้าปลีกหรือภาคการเงินนั้น ในอดีต การตรวจตราการทำธุรกรรมแบบเรียลไทม์ เคยเป็นมาตรการเสริมที่มีใช้เฉพาะธุรกิจในระดับสูงเท่านั้น แต่ในปัจจุบันได้กลายเป็นมาตรฐานปกติที่ใช้กันทั่วไป ไม่ใช่เฉพาะสำหรับธุรกรรมการเงินเท่านั้น แต่ยังรวมถึงกิจกรรมทางดิจิทัลอื่น ๆ ที่เกี่ยวข้องกับการยืนยันตัวตน กิจกรรมของบัญชี ตำแหน่งที่อยู่ และอุปกรณ์อีกด้วย

ในการที่องค์กรของคุณจะสามารถตรวจจับและป้องกันการทุจริตหลากหลายรูปแบบได้ด้วยความรวดเร็วทันการณ์ พร้อมไปกับการสร้างบริการที่ดีแก่ลูกค้าหรือประชาชนนั้น คุณควรปฏิบัติตามขั้นตอนที่สำคัญยิ่งสี่ประการดังต่อไปนี้:

1. รวบรวมและรวมศูนย์ข้อมูลทุกประเภทที่ทำได้ไว้ด้วยกันจากทุกหน่วยย่อย เพื่อนำข้อมูลเหล่านั้นเข้าสู่กระบวนการวิเคราะห์
2. คอยจับตาดูและตรวจตราธุรกรรมต่าง ๆ ตลอดจนเครือข่าย พฤติกรรมผิดปกติ ฯลฯ อย่างต่อเนื่อง และนำระบบวิเคราะห์พฤติกรรมหรือ behavioural analytics มาใช้งานกับข้อมูลที่ได้รับดังกล่าว เพื่อช่วยสนับสนุนการทำการตัดสินใจแบบเรียลไทม์
3. กระตุ้นการใช้งานระบบการวิเคราะห์ที่มีประสิทธิภาพ และวัฒนธรรมการวิเคราะห์ที่ครอบคลุมทั้งองค์กรมาใช้งาน ด้วยการจัดการข้อมูลเชิงภาพในทุกระดับการทำงาน ซึ่งรวมถึงการดูแลปรับแต่งกระบวนการทำงานด้านการสืบสวนต่าง ๆ ให้เหมาะสมอีกด้วย
4. นำกระบวนการด้านความปลอดภัยที่มีความเข้มแข็งและมีการปกป้องหลายชั้นมาใช้
   
   

เทคโนโลยีสำหรับการป้องกันและตรวจจับการกระทำผิดที่คุณไว้วางใจเลือกใช้นั้น ควรจะต้องมีขีดความสามารถในการเรียนรู้จากชุดข้อมูลที่มีความซับซ้อนสูงได้ ระบบของคุณ ควรต้องทำงานได้ด้วยแบบจำลองการตัดสินใจที่ซับซ้อน เพื่อลดการจับผิดผู้บริสุทธิ์ และตรวจสอบความสัมพันธ์เชิงเครือข่ายต่าง ๆ เพื่อให้เห็นมุมมองในภาพรวมของการกระทำผิดของอาชญากรและมิจฉาชีพ และต้องสามารถผสมผสานเทคนิคด้านการเรียนรู้ของเครื่องเช่น deep learning neural networks, extreme gradient boosting และ vector machines รวมถึงเทคนิคที่เป็นที่ยอมรับกันเช่นแบบจำลอง logistic regression, self-organizing maps, random forests และการทำ ensembles ซึ่งจะเป็นการพัฒนาความแม่นยำและประสิทธิภาพมากกว่าแนวทางที่ทำตามกฎเกณฑ์อย่างไม่ยืดหยุ่นเดิม ๆ

การทำงานของระบบการป้องกันการทุจริต

การตรวจจับและป้องกันการทุจริตและกระทำผิดนั้น มิได้เป็นกระบวนการที่หยุดนิ่งหรือกระทำเพียงครั้งเดียวแล้วเสร็จสิ้น กล่าวคือ ไม่ใช่กระบวนการที่เริ่มขึ้นแล้วจบลง ณ จุดใดจุดหนึ่ง หากแต่ต้องมีการทำการตรวจตรา เฝ้าระวัง ตัดสินใจ จัดการกรณีแต่ละกรณี และเรียนรู้ที่จะป้อนข้อมูลที่มีประโยชน์กลับเข้าสู่ระบบ โดยทุกองค์กรจำเป็นต้องเรียนรู้และปรับตัวอย่างต่อเนื่องเพื่อรับมือจากเหตุการณ์แต่ละครั้ง และใช้บทเรียน ข้อมูลจากทุกเหตุการณ์ที่เกิดขึ้นเป็นข้อมูลแก่ระบบในการทำการเรียนรู้ และตรวจจับการกระทำผิดครั้งต่อ ๆ ไปในอนาคต ซึ่งในการนี้ จำเป็นจะต้องมีการจัดการดูแลระบบการวิเคราะห์อย่างครบวงจร ทั่วทั้งองค์กร

เป้าหมายของคุณนั้น เช่น การตรวจจับการกระทำผิด การปฏิบัติตามกฎระเบียบและกฎหมาย หรือเป้าหมายด้านความปลอดภัย ซึ่งในปัจจุบันนี้ที่เทคโนโลยีเช่น AI และ machine learning ได้ทวีความแพร่หลายขึ้นนั้น เทคโนโลยีในยุคต่อจากนี้ไป จะเป็นการแปลงงานที่เคยกระทำแบบใช้เวลาและแรงงานคน ให้กลายเป็นกระบวนการอัตโนมัติ รวมทั้งการผสมผสานการใช้งานชุดข้อมูลขนาดใหญ่และการวิเคราะห์เชิงพฤติกรรม