La Oficina de Integridad de Pagos (OPI) del Tesoro de EE. UU. utiliza aprendizaje automático para filtrar los desembolsos federales. En el AF2024, los procesos basados en ML previnieron o recuperaron 4.059 millones de dólares — un aumento de 6× respecto a los 652,7 millones del AF2023 — mediante la identificación de transacciones de alto riesgo y la aceleración de la detección de fraude en cheques del Tesoro.
4.059 USD billion
Fraude/pagos indebidos prevenidos o recuperados (FY2024)
652.7 USD million
Fraude/pagos indebidos prevenidos o recuperados (FY2023)
6x
Aumento interanual (FY2023 to FY2024)
Detalles
Madurez
Scaling
Promotor
Office of Payment Integrity, Bureau of the Fiscal Service, US Department of the Treasury
Período
2023–present
Palabras clave
government, financial integrity, fraud detection, machine learning, federal payments
Contexto
La Oficina de Integridad de Pagos (OPI), dentro del Bureau of the Fiscal Service del Departamento del Tesoro de EE. UU., aplica modelos de aprendizaje automático para examinar los desembolsos federales en tiempo real y señalar transacciones de alto riesgo antes de su liquidación. Las herramientas de la OPI están disponibles para otras agencias federales y programas estatales financiados a nivel federal.
Objetivos
Prevenir y recuperar el fraude en pagos federales y los pagos indebidos mediante un cribado basado en aprendizaje automático y la detección acelerada de fraude en cheques del Tesoro.
Actividades
Modelos de aprendizaje automático examinan los desembolsos en tiempo real; los resultados fueron anunciados oficialmente por el Tesoro de EE. UU. en octubre de 2024, con un desglose detallado por método de aprendizaje automático.
Resultados
En el año fiscal 2024, la prevención de fraude basada en aprendizaje automático y la detección acelerada de fraude en cheques dieron lugar a 4059 millones de USD prevenidos o recuperados, un aumento de seis veces respecto a los 652,7 millones de USD del año fiscal 2023.
Conclusiones
El programa demuestra cómo el aprendizaje automático aplicado a datos de pagos gubernamentales a gran escala puede producir resultados fiscales medibles y reportados de forma independiente, con una trayectoria de rendimiento clara de un año a otro.
Implementación
Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.
Desde 2011, la Agencia Tributaria de Irlanda usa IA (REAP) para seleccionar intervenciones de cumplimiento fiscal; 290.000 intervenciones guiadas por …