AI открива корупционна уязвимост

Изследователи от Виенския университет по икономика и бизнес (WU) използват изкуствен
интелект, за да анализират склонността към корупция сред държавни служители по света.
Резултатите показват, че ценностите и личните нагласи на държавните служители са по-добър
индикатор за корупционен риск от доходите или образованието.

Ценностите и нагласите са определящи
Провежданите досега изследвания върху причините за корупцията са се фокусирали предимно
върху институционални, демографски и културни фактори, както и върху различията между
отделните държави. Влиянието на личните ценности и нагласи на държавните служители върху
тяхната податливост към корупционно поведение обаче рядко е било анализирано
систематично.

Изследователите Мориц Шмид и Юрген Вилемс от WU използват методи на изкуствения
интелект, за да установят доколко склонността към корупция сред държавните служители може
да бъде прогнозирана въз основа на техните индивидуални нагласи и кои фактори имат най-
голямо значение.

"Нашите резултати поставят под съмнение широко разпространеното схващане, че склонността
към корупция сред държавните служители зависи от доходите или образованието им. Всъщност
причината за това явление се крие най-вече в техните ценности и нагласи", посочва Мориц
Шмид от Института по публичен мениджмънт и управление.

Особено ясно се откроява връзката
между ориентацията към демократични ценности и по-ниската склонност към корупция. "Хората
със силна ориентация към демократичните ценности проявяват по-ниска толерантност към
корупционно поведение", обяснява Шмид.

Глобален набор от данни и множество модели на изкуствен интелект
Резултатите се основават на данни от 18 000 държавни служители в 90 държави. Анализирани
са техните културни ценности и нагласи по теми като семейство, религия, обществена
толерантност и доверие в институциите. Използваните данни не отразяват реални случаи на
корупция.

Вместо това склонността към корупция е оценена чрез отношението на участниците
към оправдаването на подкупи, укриването на данъци и неправомерното получаване на
държавни помощи.

Освен традиционните статистически модели изследователският екип използва и няколко метода
на обяснимото машинно обучение за прогнозиране на корупционната уязвимост на държавните
служители. Разработените модели не само постигат по-висока точност на прогнозите, но и
позволяват систематично сравнение на значимостта на повече от 100 потенциални фактора на
влияние.

По този начин изкуственият интелект разкрива кои държавни служители са най-
податливи на корупция. "Машинното обучение може да направи видими зависимости, които
често остават скрити при класическите изследователски подходи", казва Шмид.

Според Юрген Вилемс изследването предлага не само нови резултати, но и нови методологични
перспективи за анализ на почтеността в публичния сектор и за разработването на мерки за
превенция на корупцията.

Публикувано в: Government Information Quarterly (2026)
Прессъобщение на Община Виена I Международни офиси – София
© LC / Wirtschaftsuni Wien