De activiteiten van de onderwereld beperken zich niet tot handel in wapens en drugs. Ook overheidsorganisaties kampen in heel Europa met pogingen van criminelen om bijvoorbeeld openbare aanbestedingen te beïnvloeden. Hoe Italië met hulp van kunstmatige intelligentie (AI) de georganiseerde misdaad de voet dwars wil zetten.
AI voorspelt maffiapraktijken in gemeenteraad
Een algoritme identificeert vroegtijdig Italiaans gemeenten die risico lopen geïnfiltreerd te worden.
Complete raad ontslagen
Om de toenemende invloed van de maffia op de lokale politiek tegen te gaan, voert de Italiaanse regering sinds 1991 een strikt beleid: het ontslaan van complete gemeentebesturen. Wanneer er geloofwaardig bewijs opduikt dat lokale politici in verband brengt met criminele organisaties, heeft de centrale regering de bevoegdheid om het gehele lokale bestuur te ontslaan en een interim-bestuur aan te stellen dat wordt geleid door externe commissarissen. Het is een ingrijpende stap, maar vaak komt die te laat: de schade is al aangericht.
Een team van Italiaanse economen en criminologen heeft een verrassend hulpmiddel ontwikkeld om eerder te anticiperen op de georganiseerde misdaad. Een algoritme identificeert vroegtijdig gemeenten die risico lopen geïnfiltreerd te worden. Het vormt een van de meest geavanceerde – en bediscussieerde – toepassingen van kunstmatige intelligentie bij de verdediging van de democratische rechtsorde.
Het vormt een van de meest geavanceerde – en bediscussieerde – toepassingen van kunstmatige intelligentie bij de verdediging van de democratische rechtsorde.
Het project wordt geleid door wetenschappers van drie Milanese universiteiten en de Bruno Kessler Stichting in Trento. Het is gebaseerd op een machine-learning-model dat meer dan 150.000 data analyseert uit gemeentelijke begrotingen, lokale verkiezingsuitslagen en de burgemeestersprofielen tussen 2001 en 2020. Het resultaat wordt vervolgens vergeleken met de scores van gemeenten die zijn opgeheven vanwege maffia-infiltratie.
Beleidsvorming beïnvloeden
‘We evalueren twee soorten variabelen’, legt Gianmarco Daniele uit. Hij is hoogleraar criminaliteitseconomie aan de Universiteit van Milaan en een van de hoofdonderzoekers van het project. ‘Er zijn 160 begrotingsgerelateerde variabelen die per gemeente elk jaar worden bijgehouden en 20 politieke variabelen die de interne dynamiek van de lokale overheid en de verkiezingsuitslagen weerspiegelen.’
De georganiseerde misdaad in Italië probeert beleidsvorming te beïnvloeden door politici te corrumperen en verkiezingen te manipuleren. Zo krijgt de maffia meer inzicht in het toewijzen van opdrachten, weet ze aanbestedingen te beïnvloeden en krijgt ze toegang tot lokale diensten, zoals te verlenen bouwvergunningen en licenties.
Indirecte effecten detecteren
Hoewel het algoritme het ‘institutionele wantrouwen’ of de neiging tot het overtreden van regels door sommige populistische partijen niet rechtstreeks op lokaal niveau meet, kan het wel indirecte effecten detecteren. Bijvoorbeeld aan de hand van onregelmatigheden in de begroting of via cliëntelistisch gedrag.
Specifiek analyseert het model de structuur van de gemeentelijke uitgaven (lopende en kapitaaluitgaven), de kenmerken van burgemeesters (geslacht, opleiding, geboorteplaats) en informatie rond de verkiezingen (aantal kandidaten, sterkte van de winnende lijst). Gecombineerd genereren deze gegevens een voorspellend profiel van elke gemeente.
Gemeenten die meer in sport en onderwijs investeren, hebben statistisch gezien minder kans om geïnfiltreerd te worden.
Infiltractierisico
De cruciale indicatoren voor het bestuderen van het infiltratierisico zijn de uitgaven aan sport en toerisme, onderwijs, afvalbeheer en salarissen. Volgens Daniele zijn de huidige uitgaven aan onderwijs, zoals de salarissen van kleuteronderwijzers, en aan sport negatief gecorreleerd met het infiltratierisico. Met andere woorden: gemeenten die meer in sport en onderwijs investeren, hebben statistisch gezien minder kans om geïnfiltreerd te worden. ‘Er is ook een lager risico wanneer linkse of vrouwelijke burgemeesters worden gekozen’, voegt Daniele eraan toe. ‘Investeringen in nieuwe infrastructuur, wegen of afvalinzameling zijn daarentegen kwetsbaar voor infiltratie.’
De onderzoekers splitsten de dataset op in twee groepen. ‘In de eerste groep leert het algoritme specifieke patronen herkennen in de gegevens. Tijdens de training heeft het algoritme toegang tot de volledige begrotingsinformatie en weet het welke gemeenten uiteindelijk werden opgeheven en wanneer. We ontdekten dat het algoritme opmerkelijk goed presteert.’
De resultaten zijn inderdaad opvallend: het model kan met 96 procent nauwkeurigheid voorspellen tegen welke gemeentebesturen vermoedelijk anders binnen twee jaar maatregelen hadden moeten worden genomen. ‘Elk jaar identificeren we gemeenten met een hoog risico’, legt Daniele uit. ‘Niet alle verantwoordelijke gemeentebesturen zullen vervolgens door de staat worden ontslagen. Maar toch vertonen de gemeenten die door het algoritme zijn geïdentificeerd hogere percentages aan maffiagerelateerde moorden, bedreigingen tegen lokale politici en inbeslagnames van bezittingen. Kortom, de tool detecteert echte risico’s, ook wanneer de staat de feiten (nog) niet herkent en niet optreedt.’
De tool detecteert echte risico’s, ook wanneer de staat de feiten (nog) niet herkent en niet optreedt.
Hoogleraar Gianmarco Daniele, Universiteit van Milaan
Begrotingspatronen
Ook de centrale bank van Italië heeft zich over deze kwestie gebogen. Hun onderzoek bevestigt dat geïnfiltreerde gemeenten fiscale afwijkingen vertonen en een verschuiving van middelen laten zien naar specifieke sectoren, met name naar volkshuisvesting en milieudiensten als afvalbeheer.
Deze begrotingspatronen werken als een rode vlag. Door de maffia gecontroleerde gemeenten besteden gemiddeld 3 procent meer aan bouw en 11 procent meer aan milieugerelateerde diensten, terwijl ze 13 procent bezuinigen op sociale diensten en 2 procent op economische ontwikkeling. Ook de belastinginning verloopt in door de maffia gecontroleerde gemeenten anders: geïnfiltreerde gemeenten laten op dit punt een zwakke handhaving zien, zowel te wijten aan gebrek aan administratieve capaciteit als aan moedwillige nalatigheid. Vaak valt in deze gemeenten ook het gebrek aan transparantie bij aanbestedingsprocedures op.
Preventief algoritme
Het algoritme is preventief, niet repressief. Het is niet bedoeld om personen preventief te arresteren of om gerechtelijke veroordeling te vervangen. Het dient slechts als rode vlag om opsporingsautoriteiten te helpen hun middelen effectiever in te zetten. Ook vergroot het algoritme het vertrouwen van private partijen – investeerders, banken, verzekeraars – in integere besluitvorming van een gemeente.
