ER DET OPPMUNTRENDE FOR DEG – DEN AMERIKANSKE SKATTEBETALEREN? (ifølge Super Grok) Den amerikanske føderale regjeringen bruker aktivt og utvider AI for å oppdage og forhindre svindel, sløsing og feilaktige betalinger, med pågående initiativer på tvers av administrasjoner og etater. Finansdepartementet har tatt i bruk maskinlærings-AI for å bekjempe bedrageri i betalinger (f.eks. sjekker, skatterefusjoner, trygd). I regnskapsåret 2024 forhindret og hentet disse forbedrede prosessene tilbake over 4 milliarder dollar i svindel- og uriktige betalinger, en betydelig økning fra tidligere år. Government Accountability Office (GAO) anslår årlige føderale tap av svindel til 233–521 milliarder dollar (basert på data fra 2018–2022) og fremhever AIs potensial til å analysere store datasett for avvik, selv om de legger vekt på behov som data av høy kvalitet og en dyktig arbeidsstyrke. Private partnere som General Dynamics Information Technology (GDIT) og CGI Federal har utviklet AI-plattformer som oppdager svindel med over 90 % nøyaktighet, og har allerede spart milliarder på områder som helsekrav og feilaktige betalinger. Etater som IRS og Centers for Medicare & Medicaid Services bruker AI for mønstergjenkjenning, avviksdeteksjon og overgang fra «pay-and-chase» til proaktiv forebygging. Fremtidsplaner under den nåværende (Trump) administrasjonen per slutten av 2025: Kongresshøringer og uttalelser legger vekt på AI for å avdekke sløsing, svindel og misbruk i programmer som Medicare og Medicaid. Department of Government Efficiency (DOGE), ledet av personer som Elon Musk, har angivelig utnyttet KI for å identifisere svindel, sløsing og misbruk på tvers av offentlige operasjoner. Det finnes tverrpolitiske interesser, inkludert lovforslag som DETECT Act som presser på for GAO-studier av KI i IRS-deteksjon av skattesvindel. Å eliminere svindel helt er usannsynlig på grunn av omfanget og den utviklende naturen (f.eks. at ondskapsfulle aktører også bruker AI), men AI er et kjerneverktøy i pågående og planlagte tiltak for å redusere det betydelig. Utfordringer gjenstår, inkludert datakvalitet, kompetanse i arbeidsstyrken og etiske risikoer, men adopsjonen akselererer i hele regjeringen.