Hiệu quả trong hoạt động thanh tra không chỉ được đo bằng số vụ việc được phát hiện hay số tiền thu hồi cho Nhà nước. Nó còn là khả năng sử dụng nguồn lực (nhân sự, thời gian, ngân sách) một cách thông minh nhất để tạo ra tác động lớn nhất, đồng thời có vai trò phòng ngừa, ngăn chặn vi phạm từ sớm.

Chuyển dịch từ thanh tra theo kế hoạch sang thanh tra theo rủi ro

Mô hình thanh tra truyền thống thường dựa trên một kế hoạch được xây dựng hàng năm, đôi khi mang tính dàn trải, bao phủ nhiều lĩnh vực; việc lựa chọn đối tượng thanh tra có thể bị ảnh hưởng bởi các yếu tố chủ quan hoặc dựa trên các nguồn tin tức thời, rời rạc. Điều này dẫn đến tình trạng nguồn lực bị phân tán, nhiều cuộc thanh tra không phát hiện được sai phạm đáng kể, trong khi những lĩnh vực rủi ro cao lại bị bỏ sót.

Phân tích dữ liệu lớn sẽ thay đổi hoàn toàn cách tiếp cận này. Bằng cách tích hợp và phân tích dữ liệu từ nhiều nguồn khác nhau, hệ thống có thể "vẽ" ra một bản đồ rủi ro cho toàn bộ nền kinh tế - xã hội. Dữ liệu lớn (Big Data) là một thuật ngữ đề cập đến việc xử lý một tập hợp dữ liệu rất lớn và phức tạp mà các ứng dụng xử lý dữ liệu truyền thống không xử lý được. Dữ liệu lớn bao gồm việc phân tích, thu thập, giám sát dữ liệu, tìm kiếm, chia sẻ, lưu trữ, truyền nhận, trực quan, truy vấn và tính riêng tư.

Ví dụ, trong lĩnh vực đấu thầu công, hệ thống có thể phân tích dữ liệu từ Hệ thống mạng đấu thầu quốc gia để phát hiện các "cờ đỏ" như: một nhà thầu liên tục trúng thầu sát giá ở một địa phương cụ thể; các nhà thầu "quân xanh, quân đỏ" thường xuyên cùng tham gia và một trong số đó luôn trúng thầu; hay các gói thầu bị chia nhỏ một cách bất thường để áp dụng hình thức chỉ định thầu. Dựa trên những phân tích này, cơ quan thanh tra có thể tập trung nguồn lực để thanh tra đột xuất các gói thầu hoặc các chủ đầu tư có nhiều dấu hiệu rủi ro nhất, thay vì thanh tra ngẫu nhiên.

Tương tự, trong lĩnh vực thuế, việc phân tích dữ liệu hóa đơn điện tử, tờ khai hải quan có thể giúp phát hiện các doanh nghiệp có dấu hiệu mua bán hóa đơn khống, hoàn thuế GTGT gian lận. Trong quản lý đất đai, việc chồng lớp bản đồ quy hoạch số với ảnh vệ tinh theo thời gian có thể tự động phát hiện các công trình xây dựng trái phép. Những phân tích này giúp các cuộc thanh tra trở nên "trúng và đúng", mang lại hiệu quả cao hơn nhiều lần.

Bên cạnh đó, tham nhũng hiện đại hiếm khi là hành vi của một cá nhân đơn lẻ, mà thường là hoạt động của các mạng lưới lợi ích nhóm chằng chịt. Việc "vẽ" ra các mạng lưới này bằng phương pháp thủ công là rất khó khăn. Big Data, với khả năng tổng hợp và phân tích các bộ dữ liệu khổng lồ, không có cấu trúc, có thể làm được điều này. Một hệ thống có thể kết nối dữ liệu từ đăng ký kinh doanh, đấu thầu công, quan hệ gia đình (từ cơ sở dữ liệu dân cư), lịch sử công tác, và thậm chí cả dữ liệu từ mạng xã hội. Bằng cách áp dụng các thuật toán phân tích mạng xã hội, hệ thống có thể phát hiện những mối liên kết bất thường. Big Data giúp xâu chuỗi các điểm dữ liệu rời rạc thành một bức tranh tổng thể, phơi bày các mạng lưới lợi ích nhóm một cách trực quan.

Tối ưu hóa quy trình nghiệp vụ nội bộ

Không chỉ giúp xác định đối tượng, công nghệ số còn tối ưu hóa toàn bộ vòng đời của một cuộc thanh tra. Các "Hệ thống thông tin phục vụ quản lý và chỉ đạo, điều hành" được triển khai trong ngành Thanh tra sẽ giúp số hóa và tự động hóa nhiều khâu công việc.

Với giai đoạn chuẩn bị, thay vì phải gửi công văn giấy tờ qua lại, việc thu thập thông tin, tài liệu ban đầu về đối tượng thanh tra có thể được thực hiện qua các nền tảng kết nối dữ liệu. Việc xây dựng đề cương, kế hoạch thanh tra được thực hiện trên phần mềm, giúp lãnh đạo dễ dàng phê duyệt và theo dõi.

Giai đoạn tiến hành, thanh tra viên có thể sử dụng các thiết bị di động để cập nhật tiến độ, ghi nhận bằng chứng (hình ảnh, video, ghi âm), lập biên bản ngay tại hiện trường. Toàn bộ hồ sơ, nhật ký đoàn thanh tra được số hóa và lưu trữ tập trung, giúp trưởng đoàn và lãnh đạo có thể giám sát hoạt động của đoàn từ xa, đưa ra chỉ đạo kịp thời.

Cuối cùng, giai đoạn kết luận và giám sát, việc dự thảo kết luận thanh tra trở nên nhanh chóng hơn nhờ các mẫu biểu và dữ liệu đã được hệ thống hóa. Quan trọng hơn, các kiến nghị sau thanh tra sẽ được theo dõi trên hệ thống. Hệ thống sẽ tự động nhắc nhở, cảnh báo khi các đơn vị liên quan chậm thực hiện kiến nghị, đảm bảo các kết luận thanh tra được thực thi nghiêm túc, đúng thời hạn.

Sự tối ưu này không chỉ giúp giảm đáng kể thời gian, chi phí hành chính, chi phí đi lại, mà còn giải phóng các thanh tra viên khỏi các công việc giấy tờ lặp đi lặp lại. Họ có thể dành nhiều thời gian và trí tuệ hơn cho việc phân tích chuyên sâu, đưa ra các nhận định sắc bén, từ đó nâng cao chất lượng của mỗi cuộc thanh tra. Hiệu quả ở đây chính là sự gia tăng về giá trị trí tuệ trong hoạt động nghiệp vụ, một yếu tố mà các quy trình thủ công không thể nào có được.

AI có thể là một trợ thủ đắc lực cho các thanh tra viên. Ảnh minh họa: ITN

AI: tương lai định hình cuộc chiến chống tham nhũng

Nếu Big Data cung cấp dự đoán "hiện trường vụ án" dưới dạng dữ liệu, thì AI đóng vai trò như một "thám tử" thông minh, làm việc không ngừng nghỉ để tìm ra manh mối.

Một trong những ứng dụng mạnh mẽ nhất của AI là máy học (Machine Learning). Machine learning được biết đến là một phần quan trọng trong ngành trí tuệ nhân tạo AI (Artificial Intelligence) và khoa học máy tính, tập trung vào việc thu thập, phân tích, sử dụng dữ liệu và thuật toán để bắt chước cách con người học, dần dần cải thiện độ chính xác của nó. Các chuyên gia có thể "dạy" cho mô hình AI bằng cách cung cấp dữ liệu của hàng ngàn vụ án tham nhũng đã bị phanh phui trong quá khứ. AI sẽ học cách nhận diện các "mẫu" hành vi, các "cờ đỏ" đặc trưng của tham nhũng. Sau khi được huấn luyện, mô hình này có thể được áp dụng vào dữ liệu thời gian thực để đưa ra các cảnh báo sớm. Ví dụ, hệ thống có thể tự động gắn cờ một giao dịch bất động sản có giá trị cao bất thường của một quan chức, hoặc một dự án đầu tư công đột ngột tăng vốn mà không có lý do chính đáng.

Cùng với đó, một ứng dụng khác là xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP). Xử lý ngôn ngữ tự nhiên, một nhánh nghiên cứu của trí tuệ nhân tạo, được phát triển nhằm xây dựng các chương trình máy tính có khả năng phân tích, xử lý, và hiểu ngôn ngữ con người.

Hàng năm, các cơ quan thanh tra nhận được hàng vạn đơn thư tố cáo. Việc đọc và phân loại thủ công rất tốn thời gian. NLP có thể tự động "đọc" và phân tích nội dung của các đơn thư này, nhanh chóng phân loại chúng theo chủ đề (đất đai, xây dựng, tư pháp...), xác định các thực thể được đề cập (tên người, tên cơ quan), và thậm chí chấm điểm mức độ nghiêm trọng. Điều này giúp các nhà quản lý nhanh chóng nắm bắt các vấn đề nổi cộm trong xã hội và ưu tiên nguồn lực để xử lý các vụ việc khẩn cấp.

Tuy nhiên, việc trao cho máy móc quyền năng to lớn như vậy cũng đặt ra những câu hỏi nghiêm túc về đạo đức và pháp lý. Vấn đề "hộp đen" của AI là một ví dụ - khi một AI đưa ra cảnh báo rủi ro, làm thế nào để con người có thể hiểu và kiểm chứng đầy đủ logic đằng sau quyết định đó? Việc sử dụng dữ liệu cá nhân cho mục đích thanh tra cũng cần được quy định trong một hành lang pháp lý chặt chẽ để cân bằng giữa hiệu quả phòng chống tham nhũng và quyền riêng tư của công dân. Nguy cơ về sự thiên vị của thuật toán, nếu AI được huấn luyện trên bộ dữ liệu có sẵn thành kiến, cũng là một rủi ro cần được quản lý.

Thách thức lớn nhất hiện nay là xây dựng các cơ sở dữ liệu quốc gia sạch, đồng bộ và có khả năng liên thông. Song song đó là việc đào tạo một đội ngũ chuyên gia, thanh tra viên thế hệ mới, những người không chỉ giỏi về nghiệp vụ mà còn có kỹ năng về khoa học dữ liệu.

Mặc dù vậy, không thể phủ nhận rằng AI và Big Data chính là tương lai. Chúng không thay thế hoàn toàn vai trò của con người, nhưng sẽ trở thành những trợ thủ đắc lực, giúp các thanh tra viên nhìn xa hơn, sâu hơn và hành động quyết đoán hơn. Cuộc chiến chống tham nhũng sẽ không còn là cuộc chiến của riêng con người, mà là sự hợp lực giữa trí tuệ con người và sức mạnh của công nghệ.

Tài liệu tham khảo:

1. Big Data là gì? Đặc trưng và ứng dụng của dữ liệu lớn ( Link: https://fpt-is.com/goc-nhin-so/big-data-la-gi/)

2. Công nghệ Máy học (Machine Learning) là gì? Ứng dụng công nghệ máy học trong thực tiễn (Link: https://www.elcom.com.vn/may-hoc-machine-learning-la-gi-ung-dung-cong-nghe-may-hoc-trong-thuc-tien-1666003970)

3. Xử lý ngôn ngữ tự nhiên: Công nghệ giúp máy tính hiểu và giao tiếp với con người (Link: https://digital.fpt.com/dxarticles/xu-ly-ngon-ngu-tu-nhien.html)

4. Sự thiên vị của thuật toán (Link: https://www.ultralytics.com/vi/glossary/algorithmic-bias#:~:text=S%E1%BB%B1%20thi%C3%AAn%20v%E1%BB%8B%20thu%E1%BA%ADt%20to%C3%A1n%20%C4%91%E1%BB%81%20c%E1%BA%ADp%20%C4%91%E1%BA%BFn%20c%C3%A1c%20l%E1%BB%97i,ho%E1%BA%B7c%20ph%C3%A2n%20bi%E1%BB%87t%20%C4%91%E1%BB%91i%20x%E1%BB%AD.)