Cảnh sát kỹ thuật số: Bên trong ngành kinh doanh tỷ đô cung cấp AI cho lực lượng thực thi pháp luật

Từ việc thu thập dữ liệu đến đưa ra quyết định, có một "mỏ vàng" đang nằm trong nguồn ngân sách dành cho cảnh sát.

bởi Webb Wright

16 tháng 7, 2026, 11:00 sáng UTC

Tôi đứng trước một cấu trúc đồ sộ bằng kính và gạch ngay trung tâm Fort Worth, Texas. Hàng ngàn người đã tụ họp bên trong để chứng kiến thứ được quảng bá là “tương lai của ngành cảnh sát trong kỷ nguyên số”. Với tư cách là báo chí, tôi bị cấm vào trong, nhưng từ một số địa điểm gần đó, tôi đã gặp gỡ những người tham dự và họ kể cho tôi nghe những gì đang được chào bán bên trong. Và tôi nhận ra rằng AI đang đe dọa chiếm lấy cốt lõi của công tác cảnh sát tại Mỹ.

Lời hứa hẹn về AI tại Hội nghị Công nghệ của Hiệp hội Cảnh sát trưởng Quốc tế (IACP) năm nay tập trung vào việc tự động hóa các phần việc thường nhật, vốn cũng là những bước quan trọng trong quy trình pháp lý. Đây là một chiêu trò bán hàng tương tự như những gì đã được quảng bá rầm rộ đến các doanh nghiệp trong những năm gần đây: Hãy để máy móc xử lý những công việc bận rộn, để bạn có thể tập trung vào những nhiệm vụ ý nghĩa hơn. Nhưng trong thực thi pháp luật, việc tự động hóa những "công việc bận rộn" tưởng chừng vô hại — như dành thời gian để điền báo cáo cảnh sát một cách cẩn thận hoặc xem xét hồ sơ vụ án của nghi phạm — có thể gây ra những hậu quả to lớn đối với cuộc sống của con người.

Trong số các sản phẩm AI được giới thiệu tại phòng trưng bày của hội nghị vào tháng 5 này có camera nhận diện khuôn mặt, thiết bị đọc biển số xe tự động, camera đeo trên người, chatbot để xử lý các cuộc gọi không khẩn cấp tới 911, nền tảng phát hiện tiếng súng, máy bay không người lái (drone) và các công cụ viết báo cáo. Khi đất nước đang phải đối mặt với thực trạng lực lượng thực thi pháp luật ngày càng tách rời khỏi sự hiện diện thực tế của con người trong các khu dân cư, ngành này vẫn tiếp tục đón nhận tự động hóa.

Bản thân quy trình ra quyết định trong các sở cảnh sát đang ngày càng được chuyển giao cho các thuật toán. Một loạt các công ty khởi nghiệp công nghệ hiện đang bán AI cho cảnh sát như một dạng hệ thống kiểm soát không lưu tự động, một bộ não kỹ thuật số tập trung có thể xử lý khối lượng dữ liệu khổng lồ đang được thu thập — thường là bởi các công cụ giám sát và tự động hóa khác cũng do chính những công ty đó bán ra — và giúp các sở cảnh sát phân bổ nguồn lực cho phù hợp. Ngay cả cảnh sát cũng không hẳn là hào hứng với những lời chào hàng này.

"Phần lớn đó chỉ là những mánh khóe bán hàng không thực sự mang lại những gì đã hứa hẹn," Abrem Ayana, một đội trưởng cảnh sát ở Brookhaven, Georgia, nói với tôi. Trong bối cảnh thiếu sự giám sát toàn diện của liên bang hoặc các tiêu chuẩn ngành — và do tính chất mới mẻ của chính công nghệ này — các quan chức thực thi pháp luật như Ayana thường không có lựa chọn nào khác ngoài việc tin vào lời của các công ty rằng sản phẩm của họ an toàn và hoạt động đúng như quảng cáo.

Các sở cảnh sát đã sử dụng công nghệ trong nhiều thập kỷ để phân tích dữ liệu và, về lý thuyết, đưa ra các quyết định sáng suốt hơn tại hiện trường. Trong một số trường hợp khét tiếng, nó đã phản tác dụng hoàn toàn. Ví dụ, CompStat và PredPol (viết tắt của "thống kê so sánh máy tính" và "cảnh sát dự đoán") là hai thử nghiệm ban đầu nhằm giảm thiểu sự phán đoán sai lầm của con người thông qua việc sử dụng các số liệu thống kê được cho là không thiên vị. Thay vào đó, chúng lại làm trầm trọng thêm chính những vấn đề mà chúng được tạo ra để giải quyết. Nhưng trong khi những thử nghiệm ban đầu đó thất bại trong việc mở ra một kỷ nguyên mới về cảnh sát không thiên vị như những người ủng hộ mong đợi, thì ít nhất con người vẫn nắm quyền kiểm soát, đưa ra những quyết định quan trọng nhất.

Lời chào hàng đằng sau làn sóng sản phẩm AI mới này là những sai lầm trong quá khứ xảy ra do thiếu dữ liệu khách quan, thời gian thực. Về lý thuyết, AI hiện có thể giúp thu hẹp khoảng cách bằng cách tăng cường lượng dữ liệu an toàn công cộng được thu thập và mức độ phân tích mà dữ liệu đó phải trải qua. Tuy nhiên, nhiều nhóm vận động an toàn công cộng và các chuyên gia pháp lý cảnh báo rằng việc tràn ngập các thuật toán "hộp đen" vào thực thi pháp luật sẽ làm xói mòn tính minh bạch và trách nhiệm giải trình vào thời điểm mà niềm tin của công chúng vào cảnh sát vốn đã bị rạn nứt nghiêm trọng.

Jason Truppi, một cựu đặc vụ FBI chuyên về tội phạm mạng, nói với tôi rằng cảnh sát đang chết chìm trong biển dữ liệu. Truppi, đeo một cặp kính thông minh Meta Ray-Ban, nói nhanh và đầy phấn khích bằng những câu văn xen lẫn các thuật ngữ doanh nghiệp. Vào cuối năm 2020, ông đồng sáng lập ForceMetrics, một công ty phần mềm cung cấp "nền tảng hỗ trợ quyết định dựa trên AI, cho phép các cơ quan an toàn công cộng tăng hiệu quả hoạt động và phục vụ cộng đồng tốt hơn trong thời gian thực", như mô tả trên trang LinkedIn của công ty.

Theo Truppi, tất cả các hệ thống lưu trữ hồ sơ mà các sở cảnh sát đã sử dụng trong hai thập kỷ qua, từ nhật ký cuộc gọi khẩn cấp đến hồ sơ quản chế và cơ sở dữ liệu video từ camera đeo trên người, đã tạo ra một sự quá tải thông tin nặng nề. "Tất cả các hệ thống hồ sơ [được các sở cảnh sát sử dụng] về cơ bản đều đã lỗi thời," ông nói với tôi.

"Chúng tôi hoàn toàn không sử dụng 'từ p' (predictive - dự đoán), vì nó đã thất bại."

ForceMetrics cung cấp cho các sở cảnh sát một nền tảng có tên là Velocity, "sử dụng AI để biến khối lượng dữ liệu an toàn công cộng khổng lồ thành những thông tin chi tiết, có thể hành động được," theo trang web của công ty. Trong ngôn ngữ của ngành công nghệ cảnh sát, Velocity được gọi là trung tâm tội phạm thời gian thực, hay RTCC. Được Sở Cảnh sát New York áp dụng lần đầu cách đây hơn 20 năm, các RTCC được thiết kế để tổng hợp dữ liệu cảnh sát đến từ nhiều nguồn — như điều phối 911, camera CCTV và máy quét biển số xe — nhằm cung cấp cho sĩ quan bản tóm tắt về những gì cần chuẩn bị khi họ đến hiện trường. Lý thuyết là bạn càng cung cấp nhiều dữ liệu thời gian thực cho sĩ quan, thì họ càng ít có khả năng phải "lao vào bằng bản năng và súng đạn", như cách Truppi gọi. Đó là một cách nói giảm nói tránh đầy mỉa mai cho những tình huống tồi tệ khi có người thiệt mạng.

Trước đây, các RTCC được giám sát bởi các nhà phân tích con người, những người có nhiệm vụ thu thập tất cả dữ liệu kỹ thuật số đến, sắp xếp và gửi cho các sĩ quan đang tuần tra. Nhưng như Truppi gợi ý, sự gia tăng của các công nghệ thu thập dữ liệu mới trong ngành cảnh sát qua nhiều năm đã khiến bất kỳ sở cảnh sát nào cũng không thể trụ vững trước cơn lũ thông tin. Đến năm 2019, theo biên bản của một phiên điều trần của Ủy ban An toàn Công cộng năm 2019, NYPD đã thu thập lượng video từ camera đeo trên người tương đương với hai năm mỗi tuần — quá nhiều để ngay cả những nhân viên tận tụy nhất cũng có thể phân tích một cách có ý nghĩa.

Các RTCC hiện đại như Velocity được thiết kế để nhanh chóng trích xuất các mô hình từ đại dương dữ liệu với mục tiêu cải thiện nhận thức tình huống cho cảnh sát. Theo Truppi, những "sự kiện đáng tiếc" đã gây tổn hại nghiêm trọng đến niềm tin của người Mỹ vào các sở cảnh sát trong những năm gần đây, đặc biệt là trong đại dịch, phần lớn có thể là do thiếu cái mà ông gọi là "cách tiếp cận dựa trên dữ liệu" đối với công tác cảnh sát.

Nina Loshkajian, một nghiên cứu viên tại Trung tâm về Chủng tộc, Bất bình đẳng và Luật của Đại học New York, tỏ ra thận trọng với tuyên bố này. "Thực tế là các sở cảnh sát đã sử dụng các thuật toán dự đoán, thứ mà các công ty quảng cáo là dựa trên dữ liệu, trong nhiều năm trước khi các lời kêu gọi cắt ngân sách cảnh sát bùng nổ vào năm 2020," bà nói với tôi. "Các hệ thống thuật toán này đã không ngăn chặn được các cuộc đụng độ bạo lực giữa cảnh sát và dân thường khi đó, và chúng ta không nên bị lừa khi nghĩ rằng chúng sẽ tạo ra sự khác biệt đáng kể trong tương lai."

Công ty của Truppi đang cạnh tranh với hai trong số những "ông lớn" trong tổ hợp công nghiệp công nghệ cảnh sát hiện đại: Motorola Solutions và Axon Enterprise, cả hai đều không chỉ tạo ra các RTCC của riêng họ mà còn sản xuất nhiều công nghệ thu thập dữ liệu và giám sát mà họ dựa vào.

Đầu năm 2024, Axon — ban đầu có tên là TASER — đã mua lại công ty công nghệ giám sát Fusus để ra mắt một RTCC, được gắn thương hiệu chính thức là Axon Fusus. Vào thời điểm đó, Axon đã là một nhà cung cấp nổi tiếng về súng điện, camera đeo trên người và thiết bị đọc biển số xe tự động. Công ty cũng cung cấp một công cụ viết báo cáo dựa trên AI phổ biến có tên là Draft One, máy bay không người lái cho các sở cảnh sát thông qua chương trình có tên Axon Air, và thậm chí cả chatbot AI của riêng mình.

Axon và Motorola là một phần của nhóm rất nhỏ các công ty đang cạnh tranh để độc quyền hóa toàn bộ hệ thống công nghệ cảnh sát hiện đại, từ việc thu thập dữ liệu tại hiện trường vụ án đến khả năng ra quyết định chiến lược của các RTCC hỗ trợ bởi AI. Các sở cảnh sát ngày nay thường ký các hợp đồng nhiều năm với những nhà cung cấp này, những người đổi lại cung cấp các thời gian dùng thử miễn phí cho công nghệ mới, cùng với những gì được gọi là thỏa thuận mua sắm nguồn duy nhất, cho phép họ tiếp tục bán sản phẩm mới cho các sở cảnh sát mà không cần phải đấu thầu cạnh tranh với các nhà cung cấp khác.

"Chúng ta đang chứng kiến một cơn sốt vàng trong việc bán công nghệ [AI] cho cảnh sát với lời hứa rằng tất cả sẽ giúp công việc của họ dễ dàng và hiệu quả hơn."

Vào cuối năm 2024, Axon đã ra mắt Gói Kỷ nguyên AI (AI Era Plan), một gói đăng ký cho phép khách hàng trả một khoản phí cố định hàng năm để có quyền truy cập vào cả các công cụ AI hiện tại của công ty, như Draft One, cũng như những công cụ khác mà họ có thể ra mắt trong tương lai. Số lượng đăng ký Gói Kỷ nguyên AI đã tăng vọt 140% giữa quý đầu tiên của năm ngoái và cùng kỳ năm nay, theo biên bản cuộc gọi thu nhập của công ty với các nhà đầu tư: "chúng tôi đang thấy AI chuyển từ sự quan tâm ban đầu sang một phần tiêu chuẩn trong cách các cơ quan lớn nghĩ về hệ thống công nghệ tương lai của họ," Chủ tịch Axon Joshua Isner cho biết trong cuộc gọi đó. "Chúng tôi quyết tâm trở thành công ty AI trong lĩnh vực an toàn công cộng, và chúng tôi đang đi đúng hướng." Theo biên bản, doanh thu sản phẩm AI của Axon đã tăng 700% so với cùng kỳ năm trước.

Trong khi các công ty lớn hơn như Axon, Motorola và Flock Safety hiện đang thống trị tổ hợp công nghiệp công nghệ cảnh sát, thì lĩnh vực này đang phải đối mặt với sự cạnh tranh ngày càng tăng từ đội quân các công ty khởi nghiệp công nghệ mới hơn đang triển lãm tại hội nghị công nghệ IACP ở Texas. "Toàn bộ cuộc chơi của tất cả các công ty này là trở thành nền tảng cho ngành cảnh sát," Andrew Guthrie Ferguson, giáo sư tại Trường Luật Đại học Georgetown và là tác giả của nhiều cuốn sách về sự giao thoa giữa cảnh sát và công nghệ, cho biết. "Chúng ta đang chứng kiến một cơn sốt vàng trong việc bán công nghệ [AI] cho cảnh sát với lời hứa rằng tất cả sẽ giúp công việc của họ dễ dàng và hiệu quả hơn."

Cơn sốt vàng đó cũng đã thu hút một lượng lớn các nhà đầu tư bên ngoài: Khoảng một phần tư số người tham dự tại phòng trưng bày ở hội nghị đến từ "các công ty cổ phần tư nhân đang tìm cách đầu tư vào công nghệ mới nhất", theo Amber Schroader, một doanh nhân công nghệ mà tôi đã trò chuyện tại Fort Worth trong sự kiện này. "Đó là một điều bất ngờ."

Lời chào hàng đã phát huy tác dụng.

Ví dụ, Draft One và các công cụ viết báo cáo hỗ trợ bởi AI khác có sức hấp dẫn đáng kể vào thời điểm mà một sĩ quan cảnh sát trung bình dành 40% thời gian của một ca làm việc điển hình để viết báo cáo, theo một nghiên cứu năm 2024 do Axon thực hiện. Nhiều trong số đó là cho các vụ việc tầm thường như dừng xe giao thông và khiếu nại về tiếng ồn. "Chúng tôi không đăng ký để ngồi sau bàn phím," John Mackey, một trung sĩ tuần tra thuộc Sở Cảnh sát Avon của Colorado, nơi sử dụng Field Notes, một công cụ viết báo cáo hỗ trợ bởi AI do một công ty tên là Truleo sản xuất, cho biết. "Đó không phải là lý do tôi trở thành sĩ quan cảnh sát."

Draft One đi kèm với các tính năng thiết kế nhằm buộc phải có một mức độ giám sát của con người. Ví dụ, hệ thống sẽ cố tình để trống một số chi tiết nhất định, buộc các sĩ quan phải vào và điền thủ công. Nền tảng này được xây dựng trên một phiên bản ChatGPT đã sửa đổi, được huấn luyện đặc biệt để tạo báo cáo cảnh sát và theo công ty, là không có hiện tượng "ảo giác": "Sự sáng tạo được giảm xuống bằng không," Noah Spitzer-Williams, giám đốc sản phẩm cấp cao tại bộ phận AI tạo sinh của Axon, đã nói. Tuy nhiên, tuyên bố đó nên được xem xét với sự hoài nghi lớn, vì ngay cả các phòng thí nghiệm tiên phong như OpenAI (công ty đứng sau ChatGPT), Anthropic và Google vẫn chưa tìm ra cách loại bỏ hoàn toàn hiện tượng ảo giác ngay cả từ các mô hình tiên tiến nhất của họ. Và quả thực, trong một sự cố khét tiếng hồi đầu năm nay, Draft One đã viết rằng một sĩ quan ở Utah đã biến thành một con ếch, sau khi thu được âm thanh từ bộ phim Disney "Công chúa và chàng ếch", được cho là đang phát ở phía sau tại hiện trường.

Thật dễ dàng để cười nhạo sự cố đó, nhưng kết quả thực tế từ các báo cáo cảnh sát do AI viết có thể gây ra hậu quả nghiêm trọng. Khi một sĩ quan con người viết báo cáo, họ có thể bị thẩm vấn tại tòa án để làm rõ các chi tiết quan trọng như trạng thái tâm trí của họ vào thời điểm đó, hoặc tại sao họ đưa vào một số chi tiết và bỏ qua những chi tiết khác. Theo định nghĩa, không thể đưa các thuật toán "hộp đen" vào cùng mức độ giám sát đó.

Axon và Motorola là một phần của nhóm rất nhỏ các công ty đang cạnh tranh để độc quyền hóa toàn bộ hệ thống công nghệ cảnh sát hiện đại, từ việc thu thập dữ liệu tại hiện trường vụ án đến khả năng ra quyết định chiến lược của các RTCC hỗ trợ bởi AI.

Trong trường hợp của Draft One, ban đầu cũng không thể xác định phần nào của báo cáo được tạo bởi AI và phần nào bởi sĩ quan con người sau khi báo cáo đã được gửi — ngoại trừ trí nhớ của chính sĩ quan đó. Đó là một tính năng, không phải lỗi. Trong một cuộc thảo luận bàn tròn được ghi lại và xuất bản trực tuyến ngay sau khi Draft One ra mắt vào năm 2024, Spitzer-Williams cho biết nền tảng này "theo thiết kế" không lưu bản gốc của báo cáo sau khi nó đã được gửi, "bởi vì điều cuối cùng chúng tôi muốn làm là tạo ra nhiều rắc rối về công bố thông tin cho khách hàng và văn phòng luật sư của chúng tôi... thực tế là nó không bao giờ được lưu trữ trên đám mây nên bạn không phải lo lắng về các bản sao thừa thãi, bạn biết đấy, trôi nổi xung quanh." Nói cách khác, nếu một báo cáo do Draft One tạo ra được đưa ra tòa và được phát hiện có chứa các chi tiết sai lệch, thì không có cách nào để luật sư hoặc thẩm phán biết chắc chắn liệu những chi tiết đó do sĩ quan nhập vào hay do AI.

Draft One đã được cập nhật vào tháng 12 để cho phép các sở cảnh sát "lưu giữ và truy cập vào bản tường thuật gốc, chưa chỉnh sửa do AI tạo ra", theo phát ngôn viên của Axon, Victoria Keough. Thay đổi này được thực hiện "khi các cơ quan [thực thi pháp luật], công tố viên, các nhà hoạch định chính sách và cơ quan lập pháp đã thiết lập các kỳ vọng và yêu cầu rõ ràng hơn đối với việc viết báo cáo có sự hỗ trợ của AI."

Brandon Garrett, giáo sư tại Trường Luật Đại học Duke, người đã nghiên cứu về những tác động của các hệ thống AI đối với quy trình tố tụng, tỏ ra lo ngại về công nghệ này. "Ý tưởng rằng bạn sẽ bịa đặt dữ liệu — đó là những gì các mô hình tạo sinh làm — để sử dụng tại tòa án, thực sự rất đáng lo ngại," ông nói. "Chúng ta sẽ không bao giờ nói với một sĩ quan cảnh sát rằng, 'Hãy cứ sáng tạo và bịa ra một câu chuyện về những gì bạn thấy tại hiện trường vụ án.' Tất nhiên là không: Họ phải ghi lại một cách khách quan nhất có thể và ghi lại những gì họ thấy tại hiện trường vụ án. Nhưng các mô hình tạo sinh được thiết kế để sáng tạo."

Sau cuộc khủng hoảng tài chính năm 2008, cảnh sát trưởng LA Charlie Beck đã lấy cảm hứng từ các thuật toán mua sắm cá nhân hóa của Wal-Mart và Amazon và viết rằng các sở cảnh sát nên sử dụng các công cụ tương tự để dự đoán tội phạm. Bắt đầu từ những năm 2010, các chương trình "cảnh sát dự đoán" đã được triển khai rộng rãi tại các thành phố trên khắp cả nước. Nhưng thay vì tạo ra một kỷ nguyên mới về sự công bằng và công lý trong ngành cảnh sát, các thuật toán trong nhiều trường hợp lại có tác dụng ngược lại: Vì các mô hình đã được huấn luyện để phát hiện các mô hình từ dữ liệu tội phạm lịch sử, những định kiến ẩn giấu trong dữ liệu huấn luyện đó đã được duy trì — dưới chiêu bài khách quan toán học.

Ví dụ, PredPol dựa trên một thuật toán ban đầu được sử dụng để dự đoán sự phân bố địa lý của các dư chấn động đất, với ý tưởng rằng cùng một nguyên tắc chung có thể được áp dụng để dự đoán tội phạm: mối tương quan giữa một khu vực nhất định và một mô hình tội phạm cụ thể càng chặt chẽ, thì khả năng mô hình đó tiếp tục xảy ra trong tương lai càng cao. Điều này cho phép AI xác định các "điểm nóng" tội phạm, nơi các sở cảnh sát thiếu nhân lực có thể tập trung chú ý hơn.

Nhưng PredPol và các chương trình tương tự đã không tính đến một số sự thật quan trọng. Ví dụ, nhiều tội phạm có xu hướng được báo cáo ở các khu dân cư nghèo hơn, nơi ở nhiều thành phố lớn chủ yếu là người da màu, dẫn đến sự hiện diện của cảnh sát và tỷ lệ bắt giữ cao hơn so với những khu vực khác. Thuật toán không có cách nào hiểu được rằng thực tế là tỷ lệ tội phạm ở một khu phố này cao hơn ở một khu vực giàu có hơn khác phần lớn là sản phẩm của một lịch sử phức tạp về các định kiến và chính sách xã hội, chính trị và chủng tộc; nó chỉ tiếp nhận dữ liệu được cung cấp, dẫn đến sự tập trung mạnh mẽ hơn vào các khu vực vốn đã bị cảnh sát kiểm soát quá mức: một vòng lặp tự duy trì.