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)
Details
Maturity
Scaling
Promoter
Office of Payment Integrity, Bureau of the Fiscal Service, US Department of the Treasury
Period
2023–present
Keywords
government, financial integrity, fraud detection, machine learning, federal payments
Context
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.
Objectives
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.
Activities
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.
Results
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.
Conclusions
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.
Implementation
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Data sources
Where this practice's information was retrieved from, and when.
Since 2011, Ireland's Revenue Commissioners have used AI risk scoring (REAP) to target tax-compliance interventions; 290,000 data-analytics-driven interventions in 2023 …