一条由大数据模型发出的红色预警，牵出一串违纪违法问题。
中央纪委国家监委网站近日披露一则消息：武汉某建筑公司被大数据多维度碰撞比对后发现问题，武汉市纪委监委随即开展核查，查实企业围标串标和有关人员套取维修资金等问题。一个月内，9名相关公职人员被立案调查。
单看账面，该公司的项目似乎流程完整、手续齐全，看不出明显异常。但其5年间承接维修项目116个，覆盖13个行政区的84个小区，涉及维修资金6610万元；公司却仅有几名员工，无配套施工团队，不具备批量承接相关项目的能力，也缺少部分项目施工经营痕迹。数据一碰撞，一些过去难以发现的问题就浮出了水面。
这一最新案例背后，有一个值得关注的新趋势：在新技术的赋能下，监督手段更加主动、精准，监督体系正进一步完善。
近两年，类似的案例并不少见。在四川岳池，智慧监督平台预警某敬老院特困供养人员人均支出异常偏高，查实副院长虚构补贴；在浙江宁波，模型预警某国企个别泥工雨天工时占比畸高，可能存在虚构工资套取人工费；在安徽蚌埠，安置房分配领域通过数据碰撞，发现预警信息39条，转问题线索17条，立案27人……
从事后查处到主动预警、从大范围筛查到精准定位，技术手段正在进一步完善监督工作的方式。过去，发现问题更多依靠群众举报、巡视巡察和人工检查，难免受到人力、信息和专业能力的限制。如今，通过数据归集、交叉比对和模型分析，原本散落在不同系统中的信息相互关联，隐藏在常规业务流程中的异常也更容易被发现。
党的二十届五中全会提出，持之以恒推进全面从严治党，必须进一步完善党和国家监督体系。在数字化、网络化、智能化快速发展的时代，面对越来越多的新情况新问题，新技术无疑是“研究新情况、解决新问题”的重要抓手，让监督方式跟上世情国情党情的变化。
可以预见的是，随着人工智能等新技术进一步发展应用，监督效能还有望实现新的跃升。比如，AI不仅能发现单点异常，还能识别复杂关联，找到两个间隔很远的主体之间的复杂异常关系；又比如，AI能将监督范围从结构化数据扩展到非结构化信息，也就是不仅能分析数据，还能读合同、招投标文件、会议纪要、审计报告等文本资料，找出异常线索；再比如，AI可以学习总结异常场景的常见特征，不必完全依赖人工预先设定规则，进而发现并预警未知风险。
中央纪委国家监委网站今年6月刊文《推动监督数字化与行权数字化“如影随形”》已经提出，要综合运用比对碰撞、数理统计、人工智能等方法技术，构建更多实用管用的监督模型并迭代升级。
更进一步看，技术不仅能赋能对腐败行为监督，还能用来规范更广义的行政权力运行。此前，山东利用数据模型比对执法记录、处罚结果等信息，发现涉企行政执法中的乱检查、同案不同罚等问题。还有一些地方，利用技术手段，甄别出骗补的“伪高新技术企业”。
这意味着，像地方保护主义、营商环境不稳定，以及盲目投资、低水平重复建设、“内卷式”竞争等等近些年中央反复强调的问题，也一定程度上可以通过技术赋能监督，推动更及时有效的治理。
而要让技术更好赋能监督体系完善，必须打通数据壁垒。如果信息不能有效共享，再先进的算法也难以发挥作用。上海、四川、湖北等地已经在推动各部门的数据资源整合。在此基础上，还应探索打通系统与系统之间、地方与地方之间的壁垒。根本上说，这需要制度改革引领，厘清权责、奖评等机制。
同时，也要看到技术监督的边界。数据异常不等于违纪违法，算法预警不能代替调查取证，更不能代替依规依纪依法作出的事实认定。必须以“人”为最终决策者和责任方，坚持合法合规、安全可控，防止数据滥用、信息泄露和模型误判。如此，才能真正将技术进步转化为监督效能提升，使权力受到更完善的制约和监督。
金领速配提示：文章来自网络，不代表本站观点。
