Apa GAO Ajar Kita Tentang AI & Akauntabiliti

Dari senarai “high risk” ke AI: apa yang Malaysia patut belajar

Pada hujung 2025, Gene Dodaro menamatkan lebih 50 tahun kerjaya di Government Accountability Office (GAO) Amerika Syarikat. Di bawah kepimpinannya, GAO mengesan pembaziran ratusan bilion dolar, mengawal perbelanjaan kecemasan bernilai trilion, dan menjadi “penjaga akauntabiliti” untuk Kongres dan agensi persekutuan.

Angka paling menarik: sepanjang tempoh beliau, GAO membantu jimat lebih USD1.2 trilion tanpa potong perkhidmatan kritikal kepada rakyat. Itu bukan magis; itu hasil data, disiplin audit dan budaya kritikal.

Untuk Malaysia yang sedang melaksanakan Pelan Tindakan Ekonomi Digital dan mempercepat inisiatif AI dalam sektor awam, pengalaman GAO ini bukan sekadar kisah Amerika. Ini cermin jelas bagaimana teknologi – khususnya AI untuk kerajaan – boleh menyokong akauntabiliti, kurangkan pembaziran dan kuatkan kepercayaan rakyat.

Artikel ini menggunakan wawasan Dodaro sebagai latar, tapi fokus kepada satu persoalan praktikal: bagaimana AI boleh bantu kerajaan menilai risiko, mengesan penipuan dan mentransformasi program awam secara lebih sistematik?

---

1. “High risk list”: daripada kerja manual kepada analitik AI

GAO menyusun senarai program berisiko tinggi – kawasan kerajaan yang terdedah kepada pembaziran, penipuan, salah urus atau kegagalan transformasi. Dalam senarai terkini, 22 daripada 38 bidang berisiko berkait rapat dengan kekurangan kemahiran dan tenaga kerja.

Di Malaysia, gambaran ini kedengaran sangat biasa: agensi dibebani sistem lama, data terpecah-pecah, audit mengambil masa berbulan, dan pegawai sentiasa kekurangan masa.

Bagaimana AI boleh “turbocharge” penilaian risiko kerajaan

AI tidak menggantikan audit, tapi ia mengubah cara risiko dikenal pasti dan diberi keutamaan.

Beberapa aplikasi yang terus-terang patut kita kejar:

• Model pemarkahan risiko automatik
  Sistem AI menganalisis data perbelanjaan, kontrak, tuntutan geran dan rekod projek untuk:

  • menanda transaksi luar biasa (outliers),
  • mengesan corak penipuan berulang,
  • menyusun program mengikut skor risiko untuk diaudit terlebih dahulu.

• Pengawasan masa nyata (near real-time monitoring)
  Dodaro menekankan bagaimana GAO beralih kepada audit masa nyata semasa krisis kewangan 2008 dan pandemik COVID-19: laporan setiap 60 hari, ratusan syor, dan pemantauan berterusan terhadap trilion dolar peruntukan.

  Di sini, AI boleh:

  • memantau transaksi kerajaan setiap hari, bukan hanya semasa audit tahunan,
  • menghantar amaran awal apabila perbelanjaan lari dari pola biasa,
  • membekalkan papan pemuka risiko kepada Kementerian Kewangan, Jabatan Audit dan agensi pelaksana.

• Analitik teks untuk laporan lapangan
  GAO ada 3,500 staf yang Dodaro panggil “trained critics” – mereka meneliti dokumen, temu bual dan data teknikal. Malaysia takkan dapat gandakan pegawai audit dengan cepat, tapi kita boleh:

  • gunakan pemprosesan bahasa semula jadi (NLP) untuk mengimbas laporan audit, aduan awam dan minit mesyuarat,
  • mengesan tema berulang: kelewatan projek, isu perolehan, masalah vendor yang sama,
  • menggabungkan pandangan berasaskan teks dengan data kewangan.

Intinya: Senarai “high risk” masa depan tak patut lagi disusun sepenuhnya secara manual. Kita perlukan “high risk engine” berasaskan AI yang sentiasa dikemas kini, menyokong auditor, bukannya menggantikan mereka.

---

2. Dari kecemasan kewangan ke pandemik: pelajaran untuk dasar awam berasaskan data

Dodaro bangga dengan satu perkara: bila negara dalam krisis, GAO jadi rakan kongsi Kongres untuk kawal dana kecemasan.

• 2008: program USD700 bilion TARP, akhirnya hanya sekitar USD400 bilion digunakan, dengan kos bersih ~USD31 bilion selepas pembayaran balik dan faedah.
• COVID-19: GAO menjejak USD4.6 trilion perbelanjaan, menghasilkan lebih 200 laporan dan 484 syor.

Beliau menegaskan satu konsep penting: “real-time auditing” – audit dijalankan semasa pelaksanaan, bukan selepas semua duit habis.

Real-time auditing + AI = dasar yang lebih tangkas

Untuk Malaysia, ini terus kena dengan realiti:

• bantuan tunai, subsidi bersasar, projek digital daerah, perolehan kesihatan, dan sebagainya.

Bagaimana AI boleh memperkukuh prinsip yang Dodaro bawa?

1. Pemodelan senario fiskal
   Model AI boleh mensimulasi apa berlaku bila:

   • bantuan tunai disasarkan mengikut kumpulan pendapatan berbeza,
   • subsidi dialih ke bentuk baucar digital,
   • pelaburan infrastruktur digital diagih ikut indeks kesiapsiagaan daerah.

   Pembuat dasar tak lagi bergantung pada anggaran kasar; mereka melihat impak kewangan dan sosial yang diunjurkan, sebelum meluluskan bajet.

2. Penjejak projek bersepadu untuk projek mega
   Banyak projek kerajaan gagal bukan kerana niat jahat, tapi kerana tiada visibiliti menyeluruh. AI boleh:

   • menyatukan data kemajuan fizikal (gambar, video tapak), kewangan dan perolehan,
   • mengesan projek yang kemungkinan lewat, melebihi kos atau bawah prestasi,
   • membantu Unit Perancang Ekonomi, ICU atau kementerian teknikal bertindak awal.

3. Pemantauan bantuan sosial dan subsidi secara granular
   Seperti GAO yang menjejak program bantuan gadai janji di AS, Malaysia boleh:

   • menggunakan AI pada data bantuan tunai, program latihan, geran PKS,
   • mengenal pasti program yang benar-benar mengubah hasil hidup (contoh: peningkatan pendapatan, kadar pekerjaan),
   • memotong atau menaik taraf program berasaskan bukti, bukan sekadar sentimen politik.

Bila GAO kata mereka “rakan kongsi Kongres”, mesej tersiratnya: institusi audit dan data perlu duduk di meja perbincangan dasar, bukan hanya muncul bila berlaku skandal. AI memberi alasan teknikal kuat untuk itu.

---

3. Impoundment, kuasa eksekutif dan keperluan ketelusan algoritma

Satu konflik besar di era Dodaro ialah isu impoundment – apabila cabang eksekutif menangguh atau menahan perbelanjaan yang telah diluluskan oleh Kongres. GAO kerap diminta menyemak sama ada tindakan ini melanggar undang-undang.

Beliau tekankan bahawa:

“Dalam separuh laporan kami, kami jumpa masalah; separuh lagi, tiada masalah. Kami tengok fakta dan undang-undang, bukan politik.”

Dalam konteks Malaysia, analoginya jelas: bagaimana nak pastikan keputusan perbelanjaan dan pengagihan bajet yang disokong AI tidak menyimpang daripada mandat Parlimen dan dasar rasmi?

AI dalam peruntukan awam: peluang dan risiko

Apabila kerajaan mula gunakan AI untuk perancangan bajet dan peruntukan, beberapa risiko baru muncul:

• Algoritma yang berat sebelah (bias)
  Contoh: model peruntukan infrastrukur yang lebih memihak kepada kawasan bandar kerana data sejarah lebih lengkap di bandar berbanding luar bandar.

• “Impoundment digital”
  Bila sistem AI menyekat, melengahkan atau menurunkan keutamaan sesuatu perbelanjaan secara automatik, walaupun Parlimen sudah luluskan, semata-mata kerana model risiko tidak faham konteks sosial atau politik.

• Ketelusan yang rendah
  Jika tiada siapa benar-benar faham bagaimana model AI membuat keputusan, sukar untuk agensi audit atau Parlimen mempersoalkan hasilnya.

Bagaimana kita patut reka “akauntabiliti AI” dalam kerajaan

Di sinilah pelajaran GAO sangat berguna. Beberapa prinsip konkrit:

1. Model AI sebagai “saksi pakar”, bukan “penentu akhir”
   Dalam proses peruntukan dan kawal selia, AI perlu dilayan seperti pakar teknikal: bantu beri analisis, tetapi keputusan akhir masih milik manusia yang tertakluk pada undang-undang dan mandat Parlimen.

2. Jejak audit algoritma (algorithmic audit trail)
   Sama seperti GAO memerlukan dokumen penuh tentang bagaimana dana kecemasan dibelanjakan, sistem AI kerajaan perlu:

   • menyimpan log input, versi model, dan output,
   • membenarkan auditor menjejak semula kenapa satu keputusan dibuat pada masa tertentu.

3. Standard audit AI dalam sektor awam
   Malaysia perlu membina keupayaan seperti GAO tetapi dengan fokus tambahan kepada:

   • audit model AI (ketepatan, bias, keselamatan),
   • pematuhan kepada garis panduan etika AI kerajaan,
   • pengurusan risiko apabila model digunakan merentas kementerian.

Dodaro menegaskan, GAO berfungsi dengan kuasa moral dan kepercayaan, bukan kuasa penguatkuasaan. Logiknya sama untuk AI: jika rakyat dan Parlimen tak percaya kepada sistem analitik kerajaan, apa sahaja kecekapan yang dijana pun tak akan mengembalikan kepercayaan itu.

---

4. Kepimpinan, bakat dan budaya “trained critics” dalam era AI

Satu lagi tema besar daripada wawancara Dodaro ialah bakat dan budaya kerja.

GAO:

• ada sekitar 3,500 staf,
• mengekalkan kadar kekal (retention) sekitar 95–97%,
• sentiasa berada di kedudukan teratas senarai “best places to work” dalam kerajaan persekutuan.

Sebahagian besar kejayaan itu datang daripada latihan berterusan, jaringan dengan universiti, dan kesediaan menerima kritikan dalaman.

Malaysia perlukan “trained critics”, bukan hanya “trained coders”

Ramai agensi sekarang fokus kepada melatih pembangun AI atau membeli sistem siap pakai. Itu bagus, tapi tak cukup.

Kalau kita serius mahu AI menyokong akauntabiliti seperti GAO menyokong Kongres, kita perlukan tiga jenis bakat utama dalam kerajaan:

1. Penganalisis dasar berasaskan data
   Orang yang faham undang-undang, proses bajet dan pada masa yang sama selesa membaca dashboard, memahami model risiko dan mempersoalkan andaian data.

2. Juruaudit dan pegawai integriti yang celik AI
   Mereka bukan sahaja menyemak invois dan kontrak, tapi juga:

   • menyemak log model AI,
   • menguji senario “what if” untuk melihat sama ada model berat sebelah,
   • memberi syor pembaikan kepada model, bukan hanya prosedur.

3. Pakar komunikasi dasar digital
   Dodaro menghabiskan banyak masa membina hubungan: dengan ahli politik kedua-dua parti, dengan agensi eksekutif, dengan universiti.

   Dalam konteks Malaysia, sesiapa yang memimpin inisiatif AI kerajaan mesti mampu:

   • menerangkan keputusan model kepada Menteri dan Parlimen dalam bahasa yang boleh difahami,
   • berinteraksi dengan rakyat yang curiga dengan AI,
   • mengimbangi naratif “efisiensi” dengan isu hak dan keadilan sosial.

Dan satu perkara yang saya sangat setuju dengan Dodaro:

“Kami dalam bisnes audit, tapi kami juga dalam bisnes hubungan.”

AI untuk sektor awam bukan hanya tentang teknologi. Ia tentang hubungan dan kepercayaan – antara agensi, dengan pembekal, dan yang paling penting, dengan rakyat.

---

5. Apa langkah praktikal untuk kerajaan Malaysia sekarang?

Kalau kita padatkan semua pelajaran GAO + potensi AI tadi, kita dapat satu pelan ringkas yang boleh dimulakan oleh mana-mana kementerian atau agensi.

1. Wujudkan “senarai risiko tinggi” nasional berasaskan data

• Kenal pasti 20–30 program kerajaan bernilai besar atau impak tinggi.
• Gunakan analitik (termasuk model AI asas) untuk:
  • mengukur kebarangkalian kegagalan projek,
  • mengesan corak penipuan dan ketirisan,
  • memantau kepatuhan garis masa dan bajet.
• Jadikan senarai ini dokumen hidup yang dikemas kini sekurang-kurangnya suku tahunan.

2. Mulakan projek perintis “real-time audit dengan AI”

Pilih 1–2 program besar – contohnya bantuan tunai atau projek infrastruktur digital – dan:

• sambungkan sistem kewangan, perolehan dan pengurusan projek kepada platform analitik berpusat,
• gunakan AI untuk memberi skor risiko projek/kontrak,
• wujudkan dashboard bersama antara agensi pelaksana, MOF dan Jabatan Audit.

3. Bangunkan garis panduan audit AI sektor awam

• Bentuk kumpulan kerja antara Unit Pemodenan Tadbiran, MAMPU, MOF, Jabatan Audit dan Suruhanjaya Integriti,
• rangka standard minimum untuk:
  • ketelusan model,
  • keperluan log dan jejak audit,
  • pengurusan risiko bias dan keselamatan data.

4. Pelaburan sistematik dalam bakat dan budaya “kritikal”

• Program latihan jangka panjang untuk pegawai audit, perancang dan pembuat dasar tentang AI, data dan etika,
• program pertukaran staf dengan universiti dan syarikat teknologi (seperti cara GAO bina panel akademik),
• galakkan budaya di mana mempertikai model dilihat sebagai tanggungjawab profesional, bukan gangguan.

---

Penutup: AI sebagai sambungan semula jadi kepada warisan GAO

Gene Dodaro percaya GAO ialah “sahabat terbaik pembayar cukai”. Angka USD1.2 trilion penjimatan menjadikan kenyataan itu sukar untuk disangkal.

Kalau Malaysia mahu AI dalam kerajaan dan sektor awam bukan sekadar slogan, sasaran kita patut sama jelas:

• wang awam dibelanja lebih berhemat,
• risiko besar dikesan lebih awal,
• rakyat nampak dengan jelas bagaimana keputusan dibuat.

AI takkan menggantikan prinsip yang GAO pegang – ketelusan, kebebasan, budaya kritikal. Ia sepatutnya memperkuatkan prinsip itu dengan kelajuan dan skala yang manusia tak mampu capai sendiri.

Soalnya sekarang bukan sama ada kerajaan patut guna AI atau tidak. Soalnya: adakah kita berani membina institusi, proses audit dan kepimpinan yang cukup matang untuk mengawal AI, bukan dikawal olehnya?