สุทธิ สุนทรานุรักษ์
ปัญหาฮั้วประมูลในตลาดการจัดซื้อจัดจ้างภาครัฐนับเป็นปัญหาสุดคลาสสิก… การศึกษาวิจัยประเด็นการฮั้วประมูลในกลุ่มนักเศรษฐศาสตร์ เราเรียกว่า economic of bid rigging
วรรณกรรมการศึกษาเรื่องฮั้วประมูล หรือ bid rigging หรือบางครั้งเราเรียก collusion นั้น จำแนกรูปแบบการฮั้วออกเป็น 5 รูปแบบ ได้แก่
(ก) Bid Rotation หรือเวียนเทียนกันเสนอราคาในกลุ่มฮั้วตัวเอง (bidding ring)
(ข) Bid Suppression หรือบีบให้คู่แข่งที่ไม่ได้อยู่ในกลุ่มฮั้วถอนตัวออกไป
(ค) Market Allocation แบ่งสรรตลาดไว้ลงตัวแล้ว ตามพื้นที่ของกลุ่มผู้เสนอราคา
(ง) Complementary Bidding หรือเสนอราคาแบบแนบเนียน เปรียบเสมือนว่ามีการแข่งขันกันจริง แต่จริง ชๆ แล้วฮั้วกัน และ
(จ) Sub-Contract Bidding หรือขายงานต่อให้กับกลุ่มฮั้วกันเอง
ยุคหลังโควิด-19 องค์กรตรวจเงินแผ่นดินต่างประเทศเริ่มสนใจพัฒนาการตรวจสอบการจัดซื้อจัดจ้าง (public procurement audit) โดยนำ data analytic เข้ามาใช้วิเคราะห์พฤติกรรมตลาดจัดซื้อจัดจ้างและพฤติกรรมการเสนอราคาของผู้เสนอราคาในตลาด
การนำ AI มาใช้ตรวจจับพฤติกรรมฮั้วประมูลช่วยให้ผู้ตรวจสอบสามารถ screen สัญญา โครงการตรวจสอบการจัดซื้อจัดจ้างได้อย่างมีประสิทธิภาพมากขึ้น
…อันที่จริงแล้ว กลุ่ม สตง. ที่บุกเบิกเรื่องนี้มาจาก สตง. กลุ่ม BRICS โดยองค์กรตรวจเงินแผ่นดินบราซิลได้พัฒนา AI ไว้ใช้สำหรับตรวจสอบการจัดซื้อจัดจ้าง และตั้งชื่อ AI เป็นชื่อผู้หญิง ได้แก่ ALICE, ADELE, SOFIA และ MONICA
AI ทั้งสี่ระบบช่วยสนับสนุนให้งานตรวจสอบจัดซื้อจัดจ้างของบราซิลมีประสิทธิภาพมากขึ้น โดยเฉพาะผู้ตรวจสอบสามารถทราบเครือข่ายกลุ่มผู้เสนอราคาว่ามีความสัมพันธ์กันในรูปแบบใด ซึ่งทำเป็น risk assessment ที่ดีในการตรวจสอบ
ขณะเดียวกัน สตง.จีน หรือ CNAO ได้ใช้ data mining และ graph database มาช่วยวิเคราะห์พฤติกรรมการเสนอราคาที่ไม่สมเหตุสมผล นำไปสู่ข้อบ่งชี้ว่าการเสนอราคาแต่ละครั้งนั้นอาจเกิดการฮั้วประมูลขึ้น
CNAO พัฒนาระบบนี้โดยเริ่มจากรวบรวมฐานข้อมูลการประมูลภาครัฐ และสร้าง data mining ก่อนจะวิเคราะห์ความน่าจะเป็นถึงโอกาสที่จะเกิดการฮั้วประมูล โดยใช้ apriori algorithm และ FP growth มาช่วย
หลังจากทำเหมืองข้อมูลเสร็จแล้ว CNAO ได้ให้ผู้ตรวจสอบวิเคราะห์หาความสัมพันธ์ระหว่างรูปแบบการเสนอราคาของบริษัทที่ยื่นประมูลกับตัวเจ้าหน้าที่รัฐซึ่ง CNAO ได้ระบุตัวไว้แล้วว่ามี “ความน่าสงสัย” เพื่อระบุถึงพฤติกรรมฮั้วประมูลออกมาโดยใช้กราฟที่เป็น data visualize เพื่อให้สื่อสารเข้าใจง่ายขึ้น
แม้ว่าการทำ data mining และ graph database ของ CNAO ยังอยู่ระหว่างทดลอง พัฒนาแต่ CNAO เชื่อว่าเครื่องมือนี้สามารถนำไปสู่ real time monitoring tool ซึ่งติดตามการประมูลงานที่แสดงถึงความผิดปกติออกมาได้ทันท่วงที
แน่นอนว่า เมื่อ สตง.จีน CNAO ทำได้… ชื่อชั้นอย่าง สตง.อินเดีย หรือ CAG ย่อมทำได้ไม่น้อยหน้าเช่นกัน
CAG วิเคราะห์พฤติกรรมฮั้วประมูลในตลาดจัดซื้อจัดจ้างโดยใช้ graph theory การนำ data analytic มาสอบทานยืนยันผลว่าการแข่งขันในตลาดจัดซื้อจัดจ้างนั้นเกิดการแข่งขันจริงหรือไม่
ที่สำคัญ คือ CAG สามารถ identify network กลุ่มผู้เสนอราคาออกมาได้ นั่นจึงทำให้การใช้ network analysis เกิดประโยชน์อย่างมากในการชี้เป้ากลุ่มฮั้วแต่ละกลุ่ม
network ที่ว่าสะท้อนภาพออกมาเป็น node และ edge… กล่าวคือ node คือ หัวหน้ากลุ่มฮั้วที่ทำหน้าที่จัดสรรผลประโยชน์การประมูลงานภายในกลุ่ม ส่วน edge คือ คู่เทียบราคาที่ node ดึงมารวมเพื่อทำให้การเสนอราคานั้นดูเกิดการแข่งขันจริง
นอกเหนือจาก TCU บราซิล CNAO จีน และ CAG อินเดีย เริ่มนำ AI และ data analytic มาช่วยวิเคราะห์การตรวจสอบประเด็นฮั้วประมูลแล้ว…BPK อินโดนีเซีย หรือ องค์กรตรวจเงินแผ่นดินอินโดนีเซียเป็นอีกหนึ่งองค์กรที่ใช้ digital platform วิเคราะห์พฤติกรรมการฮั้วประมูล
ทุกวันนี้ BPK พัฒนา BIDIC Platform มาจาก big data analytic team ซึ่งเป็นทีมที่ BPK ดึงกลุ่ม data scientist มาช่วยพัฒนางาน AI
กล่าวโดยสรุปแล้ว การพัฒนางานลักษณะนี้ขององค์กรตรวจเงินแผ่นดินบราซิล (TCU) จีน (CNAO) อินเดีย (CAG) หรือ อินโดนีเซีย (BPK) เป็นการขยับปรับมุมมองการตรวจสอบจาก Oversight มาสู่ Insight
โดยนำ AI และ data analytic มาช่วยเพิ่มประสิทธิภาพในการตรวจสอบการจัดซื้อจัดจ้างมากขึ้น
ข่าวหรือบทความที่เกี่ยวข้อง
