Incidentes Asociados
El Departamento de Trabajo y Pensiones (DWP) está invirtiendo £70 millones en sus proyectos de transformación digital durante los próximos tres años. Sin embargo, la Oficina Nacional de Auditoría (NAO) ha expresado su preocupación por las inversiones que está realizando el departamento en modelos de inteligencia artificial (IA) para detectar fraude, sugiriendo que podrían mostrar sesgos contra personas con características protegidas.
Como departamento de servicios públicos más grande del Reino Unido, el DWP administra la pensión estatal y una variedad de prestaciones por edad laboral, discapacidad y mala salud. (Foto de Mike Kemp/In Pictures vía Getty Images)
Según un nuevo informe de la NAO, que supervisa gasto público, DWP está invirtiendo £70 millones entre los ejercicios 2022-23 y 2024-25 en análisis avanzados para abordar el fraude y el error. DWP espera que esto le ayude a generar ahorros de alrededor de £1.600 millones para 2030-31.
El departamento de gobierno planea utilizar IA para identificar patrones en las solicitudes de asistencia social que podrían sugerir fraude y error. Luego, los reclamos serían revisados por los equipos de DWP relevantes, como el Equipo de Revisión Mejorada, antes de que el reclamo entre en pago, o por los agentes de Revisión de Casos Específicos si ya es pago.
En un [informe] separado (https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/1167946/annual-report-accounts-2022-23-web-ready.pdf ), DWP esbozó un nuevo objetivo "ambicioso" para ahorrar £1.300 millones en 2023-24 abordando el fraude de los reclamantes y los recursos de error. El departamento necesitará reclamar otros 200 millones de libras esterlinas en ahorros, tras su objetivo anterior de 1.100 millones de libras esterlinas.
El parlamentario Tom Pursglove, ministro de Estado de Trabajo y Pensiones, tiene la tarea de supervisar el esfuerzo de reducción del fraude y dijo: “Nuestros equipos están trabajando arduamente para evitar nuevas reclamaciones fraudulentas y exponer a las personas que han estado explotando el sistema, con resultados sólidos. .” Pero el ministro explicó que era necesario ir “aún más lejos” debido al cambiante panorama del fraude.
"Trabajar para alcanzar nuestro nuevo y ambicioso objetivo durante el próximo año protegerá el dinero que tanto les costó ganar a los contribuyentes y nos permitirá cumplir las prioridades del primer ministro de reducir la deuda y hacer crecer la economía", dijo.
Pursglove ha expresado su opinión sobre la lucha contra el fraude y el error en las prestaciones; La tasa total de pagos en exceso del Crédito Universal se sitúa actualmente en el 12,8% (£5,540 millones). El informe del DWP también hace referencia a que los pagos insuficientes del Crédito Universal aumentaron, un 1,6% (£680 millones) en 2022-23 desde el 1,0% (£410 millones) en 2021-22.
Me alegra ver que las tasas de fraude y error avanzan en una dirección positiva hoy, gracias al gran trabajo de los equipos de @DWPgovuk que luchan contra los estafadores y los delitos graves. grupos. El fraude de prestaciones nunca es un delito sin víctimas y debemos garantizar que el apoyo social llegue a las personas que lo necesitan. https://t.co/vGZhpPuSVD
— Tom Pursglove MP (@VotePursglove) [11 de mayo de 2023] (https://twitter.com/VotePursglove/status/1656714535820984344?ref_src=twsrc%5Etfw)
El gobierno del Reino Unido endurece el control del fraude de beneficios mediante operaciones de transformación digital
El sitio web del gobierno dice que un reclamante puede cometer fraude de beneficios al reclamar beneficios a los que no tiene derecho, ya sea a propósito o por error. Esto podría suceder si no informan un cambio en sus circunstancias que afectaría la cantidad de dinero que les pagan, o si brindan información falsa intencionalmente para asegurarse de obtener tarifas más altas.
DWP quiere utilizar el aprendizaje automático para reducir la tasa de pagos excesivos a los reclamantes debido a fraude y error, que, según afirma, ya ha caído un 10% durante el año pasado.
"Nuestros controles y comprobaciones de fraude más estrictos dieron como resultado una reducción significativa del fraude y el error en el último año y ahora estamos viendo que la marea comienza a cambiar", dijo el diputado Mel Stride, secretario de Estado de Trabajo y Pensiones.
Continuó: “Dado que nuestro sistema de bienestar existe para proporcionar una sólida red de seguridad financiera para los más vulnerables, es imperativo que sigamos impidiendo que alguien abuse de esto para su propio beneficio, por lo que estamos estableciendo un nuevo objetivo para ahorrar £. 1.300 millones en el próximo año y erradicar el fraude dondequiera que lo encontremos”.
El año pasado, DWP lanzó un sólido plan, 'Combatir el fraude en el sistema de bienestar social', para reducir fraude y error del sistema de beneficios. El plan se suma a una inversión de 900 millones de libras esterlinas durante un período de tres años. El departamento también ha estimado que toda su gama de controles el año pasado ahorró al menos £18 mil millones a través de controles de beneficios, controles y actividades antifraude, contribuyendo al compromiso del Primer Ministro Rishi Sunak de reducir la deuda.
La NAO dice que la IA de DWP podría estar sesgada
DWP había estado utilizando un modelo de [aprendizaje automático] (https://techmonitor.ai/technology/ai-and-automation) para detectar reclamaciones potencialmente fraudulentas de anticipos de Crédito Universal desde 2021-22. Un anticipo es cuando un solicitante no tiene suficiente dinero para vivir mientras espera el primer pago del beneficio del Crédito Universal. Los solicitantes también pueden obtener anticipos presupuestarios para pagar sumas globales por gastos domésticos de emergencia, conseguir un trabajo o permanecer en el trabajo, o gastos funerarios.
Según NAO, DWP creó el modelo entrenando un algoritmo de inteligencia artificial utilizando datos históricos de reclamantes y referencias de fraude, lo que permitió al modelo hacer predicciones sobre qué nuevas reclamaciones de beneficios podrían contener fraude y error. Luego, el departamento de gobierno desarrolló y puso a prueba cuatro modelos similares para áreas clave de riesgo en el Crédito Universal, que incluyen personas que viven juntas, trabajo por cuenta propia, capital y vivienda.
En abril de 2023, 5,9 millones de personas solicitaron el Crédito Universal, lo que supone un aumento de 200.000 desde julio de 2022.
Sin embargo, la NAO escribió en su informe que existía un "riesgo inherente" de que los algoritmos utilizados por el modelo de aprendizaje automático de DWP estuvieran sesgados hacia la selección de reclamaciones para revisión de ciertas "personas o grupos vulnerables con características protegidas". Dijo que esto podría deberse a un "sesgo imprevisto" en los datos de entrada o "al diseño del modelo en sí".
"Cuando se utiliza el aprendizaje automático para priorizar las revisiones, existe un riesgo inherente de que los algoritmos estén sesgados hacia la selección de reclamaciones para revisión de ciertas personas o grupos vulnerables", dice el informe. "DWP enfrenta el desafío de equilibrar la transparencia sobre cómo utiliza el aprendizaje automático para brindar confianza al público en el sistema de beneficios con la protección de sus capacidades al no avisar a los estafadores sobre cómo aborda el fraude".
La NAO también dijo que DWP necesitaba garantizar que no estaba tratando injustamente a ningún grupo de clientes debido a su uso de IA: "En respuesta al informe del Comité de Cuentas Públicas de 2022 sobre fraude y error en el sistema de beneficios, DWP se comprometió a informar anualmente al Parlamento sobre su evaluación del impacto del análisis de datos en los grupos protegidos y los solicitantes vulnerables."
DWP ha dicho que ha "establecido una [gobernanza] estricta (https://techmonitor.ai/leadership/governance) y un control sobre su uso del aprendizaje automático" y ha implementado salvaguardias diseñadas para evaluar el impacto que tiene el uso del modelo. en sus diferentes clientes. Sin embargo, el DWP ha dicho que su capacidad para comprobar los impactos injustos en las características protegidas es actualmente limitada, lo que culpa en parte a que los solicitantes no proporcionan información sobre su demografía al presentar una reclamación de beneficios.
NAO escribe que "DWP también segrega datos personales en sus plataformas analíticas por razones de seguridad y aún tiene que incorporar todos los datos relevantes en su plataforma de análisis de fraude y error". Según se informa, DWP ha dicho que planea hacerlo pronto.