如果政府机构不再以繁文缛节著称，而是像许多政府机构在实施新冠疫情相关刺激计划时那样，赢得“绿灯”的美誉，情况会怎样？如果政府机构不再对所有人设置障碍和进行同等程度的审查，而是为大多数人提供便捷的服务，以更低的纳税人成本提供快捷便利，情况会怎样？
这些问题已不再是理论上的问题。在海关和税收等截然不同的领域，公共部门机构开始利用人工智能、大数据和风险建模的优势，优先考虑人工审核并加快处理速度。但其应用潜力远不止于此。同样的基于风险的方法可以轻松扩展到福利申请和医疗保健索赔等领域。
阻碍并非技术问题，而在于问题的表述方式。传统的基于风险的方法会寻找不合规和欺诈行为。而基于风险的方法则会标记已知的“良好行为”，并将其他情况交由人工审核，从而为政府和公众带来更大的便利和效率。这种“开绿灯”的方法有助于赢得公众对大数据和自动化应用的信任。最终，这种方法可以帮助政府最大限度地利用公共资金——减少处理和验证方面的支出，从而将更多资金用于实际提供公民服务。
在政府部门，自动化和大数据通常被视为在保持同等审查水平的同时处理大量业务的一种方式。然而，只有当员工无需逐笔交易进行审核时，才能充分发挥基于交易的服务流程数字化的全部优势。那些将某些人单独挑出来给予不优待的程序，往往会引发争议和恶意。基于轻触式风险模型的系统，会最大限度地减少对80%至90%合规公众的筛查。员工审核仅关注基于风险模型无法审核的10%至20%的案例。当然，为了评估边缘案例并最终确定是否存在不合规或欺诈行为，始终需要一定程度的人工验证。此外，组织必须努力识别并减轻其业务流程中所有潜在的偏见来源——例如，通过识别历史数据中的偏见，并构建不受种族、性取向和性别等受保护特征影响的机器学习模型。
尽管如此，轻触式基于风险的模型仍具有诸多优势。基于风险的分类模型广泛应用于贷款、保险以及部分公共部门领域，它可以识别出低风险的索赔或申请，并将其转入快速通道处理。这有助于员工满足日益增长的业务量需求，加快处理速度，方便用户使用，并释放资源（资金或时间）以专注于满足复杂需求的客户。此外，它还能通过发现欺诈、浪费和滥用行为来节省纳税人的钱。
轻触式分类模型最大限度地减少了对 80% 至 90% 符合规定的公众的筛查。
私营部门的应用已经为公司及其客户带来了重要的利益。
向小企业放贷对银行来说风险很大，因为小企业的命运瞬息万变。银行每年都必须审查这些客户的财务报表，以确保其业务健康，并有能力偿还债务。我们帮助银行利用其企业客户交易数据（例如，企业在过去30天内透支的百分比）建立模型，以评估小企业贷款的违约风险。
轻触式风险模型比传统方法能更早地发出违约预警，通常提前一年以上。但其主要优势并非在于更快地发现高风险客户；对银行而言，这可能已经太迟了。其优势在于能够自信地标记出低风险客户（该群体占客户总数的70%以上），从而简化年度审查流程。这不仅降低了成本、简化了流程，而且比传统的人工方法误报更少。同样，政府机构也可以比目前采用人工审查方法时表现得更好。
银行可以自信地标记出低风险的商业贷款客户，并对其实施更轻松的审查流程。
意大利保险业采用基于风险的分类方法，以减少常见的欺诈性挥鞭伤索赔，并避免人们经历繁琐的程序。汽车保险公司通常要求所有事故涉事人员都去看同一位医生，以便核实索赔的一致性。由于保险公司从有限的医生库中挑选医生，他们可以借鉴许多其他索赔的经验来评估索赔的有效性。但这种方法对各方来说都不方便；事故涉事人员可能需要接受可能不必要的医学检测，保险公司必须花费大量时间调查和分析案例才能做出最终决定。
我们与一家保险公司合作，寻找一种更简便的挥鞭伤理赔处理方法。有些汽车配备了加速度计（远程信息处理系统，或称“黑匣子”设备），用于记录车祸中产生的力。通过将碰撞数据与其他理赔数据相结合，我们能够构建一个模型，即使没有安装远程信息处理设备，也能预测事故中存在导致挥鞭伤力的概率。只有当分析结果显示概率较低时，挥鞭伤理赔人才需要经过繁琐的“同一医生”理赔流程。使用该模型，近50%的理赔无需“同一医生”流程即可获得受理。
当然，基于风险的分诊已经在公共部门得到应用。例如，在医院急诊室，医护人员依靠它来决定谁优先接受治疗，谁可以安全等待。市政卫生部门用它来确定餐馆检查的优先顺序。我们认为，市、州或省政府可以而且应该将其用于贸易和营业执照的续期。
在澳大利亚，国家边境部队采用基于风险的方法来处理签证申请以及抵达边境的人员。该系统使边境官员无需检查低风险旅客的证件，从而使该机构能够更容易地识别高风险旅客和风险不确定的旅客。自十年前采用这种方法以来，边境部队的有效拦截次数增加了四倍多，但资源投入却没有相应增加。与此同时，普通澳大利亚公民享受到了更加简化、高效的过境体验。
在全球范围内，基于风险的税务分诊方法已被税务机构广泛采用。在2015年经合组织一项调查中，16个国家参与了调查，除一个国家外，其余所有国家都使用高级分析技术来确定需要审计的纳税人。<sup> 1</sup>许多参与调查的国家还使用高级模型来针对性地开展合规活动——例如，减少逾期申报或未缴税款的干预措施——这些措施如果应用于所有纳税人，成本高昂或不切实际。调查结果表明，我们的建模工作也证实了这一点，即需要不同的模型来评估不同的风险。不可能为公民或企业创建单一的风险评分。
这些只是公共部门轻触式流程应用的几个例子。我们设想将其应用于处理福利和医疗索赔、个人或企业补贴，以及需要事先批准的资金申请（例如某些药物和部分退伍军人福利的申请）。其他应用包括检查（例如工作场所检查）、许可服务（例如，确定哪些车辆需要进行机械检查）、房地产开发申请审查、采购流程以及监察员服务和行政法庭（识别只需极少调查即可成立的投诉，同时允许受监管实体提出异议）。
潜在应用包括福利和医疗索赔、补贴、资金申请、检查、许可服务和采购流程。
政府机构如何确定哪些服务或流程能够从基于风险的轻触式分类方法中获益最多？有几个标准适用；请思考以下问题。
当然，这些标准需要能够进行风险评估的数据。如果所有问题的答案都是“是”，则表明该流程适合采用基于风险的轻触式方法。
在适当的应用中，迄今为止的证据显示，轻触式审核方法前景光明。组织机构不应设计系统来识别高风险人群，而应考虑不同的出发点——标记低风险人群，为他们提供快速、廉价、默认通过的服务，而只将一小部分高风险人群交由人工审核。
系统应该与实际风险水平相匹配，并且设计为对合规的大多数人说“是”。
存在一个权衡：剩余风险。如果不检查所有内容，一些申请人或受益人难免会漏掉。传统上，社会在税务申报中接受这种风险；在大多数系统中，默认情况是不检查每一份纳税申报单。但在福利分配等领域，情况并非如此。这就是为什么需要改变思维方式。基于人工智能和其他技术的系统应该与实际风险水平相匹配，并且，同样，其设计目标是对合规的大多数人说“是”。
公共部门至少应该对经济状况进行一些粗略的计算，关注三个具体指标：当前审批流程的成本、“假批准”（即，如果存在人为监督就不会批准）对公共财政造成的成本，以及当前的拒绝率。
掌握了这些事实，并利用他们对这些风险模型中准确度范围的了解，数据科学家团队无需进行任何风险建模即可估计是否可以节省成本。虽然降低成本只是所追求的好处之一（速度是另一个好处），但这种计算至关重要。在某些情况下，在低风险情况下完全取消人工检查（除了一些作为威慑手段的随机检查）可以净节省三分之一的处理成本。这还是在扣除漏网之鱼的成本之后。在其他情况下，取消人工检查可能在经济上毫无意义，或者仅使用风险模型对流程的某些部分进行分类可能是有意义的。事实上，组织应该在所有案例中保留至少 5% 的人工检查，既作为一般威慑手段，也用于验证自动化系统（通过查找偏差或意外行为）。
人工智能、大数据和算法为私营部门交易带来的便捷和轻松，提高了政府服务的标准。与此同时，公共财政的压力也持续增长。通过让计算机说“是”，政府可以赢得公众对自动化的信任，并释放更多稀缺资源，用于造福大众。
文章来源：https://www.bcg.com/en-es/publications/2020/better-approach-to-ai-in-government-services