ICE, CBP ידעו שהאפליקציה לזיהוי פנים לא יכולה לעשות מה ש-DHS אומר שהיא יכולה

ICE, CBP ידעו שהאפליקציה לזיהוי פנים לא יכולה לעשות מה ש-DHS אומר שהיא יכולה

מסמכים פנימיים חושפים כי גם אכיפת ההגירה והמכס של ארה"ב (ICE) וגם המכס והגנת הגבולות (CBP) היו מודעים לכך שאפליקציה שנויה במחלוקת לזיהוי פנים לא עמדה במדדי הביצועים שקודם בפומבי על ידי המחלקה לביטחון המולדת (DHS). פער האחריות ההולך וגדל בין מה שטוענות סוכנויות ממשלתיות לגבי טכנולוגיית מעקב ובין מה שהרשומות הפנימיות מציגות בפועל מעלה שאלות קריטיות לגבי שקיפות, אתיקה של רכש ומגבלות העולם האמיתי של מערכות זיהוי המופעלות על ידי בינה מלאכותית.

מה באמת ידעו ICE ו-CBP על אפליקציית זיהוי הפנים?

על פי ממצאי חקירה ותקשורת פנימית שהושגו באמצעות בקשות לרישומים ציבוריים, גורמים רשמיים ב-ICE וב-CBP קיבלו הערכות המצביעות על כך שמערכת זיהוי הפנים הייתה נמוכה משמעותית משיעורי הדיוק המפורסמים שלה - במיוחד כשהיא מיושמת על אנשים עם גווני עור כהים יותר, נשים ונבדקים מבוגרים יותר. למרות הממצאים הללו, הסוכנויות המשיכו להפיץ את הטכנולוגיה על פני פעולות גבול וזרימות עבודה של אכיפת הגירה.

הניתוק בולט. DHS קידם בפומבי את הכלי כפתרון אמין ודיוק גבוה לאימות זהות. עם זאת, סוכנים ציינו בפנים שיעורי שגיאות וכשלים נקודתיים שהיו פוסלים את התוכנה לפי כל תקן רכש קפדני. הפריסה נמשכה ללא קשר, והעלתה שאלות רציניות לגבי אחריות מוסדית והמהר לאמץ כלי בינה מלאכותית ללא בדיקה מספקת.

מדוע יש חשיבות לדיוק זיהוי פנים בהקשרים של אכיפת חוק?

שגיאות זיהוי פנים באפליקציות לצרכן הן אי נוחות. בהקשרים של אכיפת חוק ואכיפת הגירה, הם יכולים להיות מעצר שגוי, זיהוי שגוי או הפרות של זכויות אזרח עם השלכות שמשנות חיים. ההימור לא יכול להיות גבוה יותר, וזו בדיוק הסיבה שהמגבלות הידועות של מערכת זו הופכות את המשך השימוש בה למדאיג כל כך.

תוצאות כוזבות עלולות לגרום לכך שאנשים חפים מפשע יסומנו, עצורים או נתונים לתשאול פולשני על סמך התאמות אלגוריתמיות פגומות.

הטיה דמוגרפית במערך נתונים לאימון גורמת לזיהוי שגוי לא פרופורציונלי של שחור, ילידים ואנשים בצבע - מצב כשל מתועד היטב במערכות זיהוי פנים מסחריות.

היעדר ביקורת עצמאית מאפשר לספקים לאשר בעצמם טענות דיוק עם מעט אימות חיצוני לפני שסוכנויות מאמצות את הכלים בקנה מידה.

אטימות בפריסה פירושה שאנשים מושפעים כמעט ואינם יודעים שהם נבדקו על ידי מערכת אלגוריתמית, שלא לדבר על כך שלמערכת היו מגבלות דיוק ידועות.

מסגרות פיקוח חלשות משאירות מעט מנגנונים משפטיים לאתגר החלטות המתקבלות - אפילו חלקית - על בסיס טכנולוגיה ביומטרית.

"הטכנולוגיה המסוכנת ביותר היא לא מהסוג שנכשל באופן גלוי - היא מהסוג שסוכנויות יודעות שהיא נכשלת, אבל בכל זאת פורסים כי התמריץ הפוליטי או המבצעי לפעול גובר על החובה לדייק".

כיצד זה חושף בעיות עמוקות יותר עם רכש בינה מלאכותית ממשלתית?

מקרה זיהוי הפנים של ICE ו-CBP אינו כישלון בודד - הוא סימפטום לחוסר תפקוד מערכתי באופן שבו סוכנויות ממשלתיות מעריכות, רוכשות ומפרוסות כלים המונעים בינה מלאכותית. לעתים קרובות ספקים מעלים טענות שאפתניות במהלך תהליך המכירה, לסוכנויות אין את היכולת הטכנית הפנימית לאמת את הטענות הללו באופן עצמאי, וברגע שנחתם חוזה, האינרציה הארגונית מונעת הערכה מחודשת כנה גם כאשר נתוני ביצועים מספרים סיפור אחר.

דפוס זה מחמיר בשל האופי המסווג או המסווג למחצה של פריסות טכנולוגיות רבות של אכיפת החוק, המגביל את יכולתם של עיתונאים, ארגוני חירויות האזרח והציבור לבחון כיצד כלים אלו פועלים בפועל בשטח. שקיפות היא לא רק נחמדות בירוקרטית בהקשר הזה - היא פונקציה

Frequently Asked Questions

Did ICE and CBP formally document their concerns about the facial recognition app's limitations?

Yes. Internal communications and assessment reports indicate that agency officials noted performance shortfalls, particularly around demographic accuracy gaps. These concerns were documented within internal channels but did not appear to prevent or meaningfully delay the continued deployment of the technology across border and immigration operations.

Is facial recognition technology currently regulated at the federal level in the United States?

As of early 2026, there is no comprehensive federal law regulating government use of facial recognition technology in the United States. Several cities and states have enacted local bans or moratoriums, and there are ongoing legislative proposals at the federal level, but agencies like ICE and CBP continue to operate under relatively permissive internal guidelines and agency-specific policies that vary significantly in their rigor.

What can everyday organizations learn from the ICE/CBP facial recognition situation?

The core lesson is that deploying technology without honest, ongoing performance accountability creates significant risk — legal, ethical, and operational. Organizations should demand independent benchmarking before deployment, establish clear human-oversight protocols for any AI-assisted decision, and build internal cultures where surfacing a tool's limitations is treated as responsible governance rather than a threat to the procurement decision already made.

The gap between what powerful institutions claim their tools can do and what those tools actually deliver is not a new problem — but AI-powered systems raise the stakes considerably. Whether you are running a border enforcement agency or a growing business, operational transparency and honest performance accountability are non-negotiable foundations of trustworthy governance.

Ready to build your business on a platform designed for clarity, control, and accountability? Start with Mewayz today — plans from $19/month, 207 modules, zero guesswork.

Related Posts

• רומא משובצת בכדורי תותח (2022)
• הצג HN: סוכני בינה מלאכותית משחקים SimCity דרך REST API
• עשה מטה-פרוייקטים
• סיגי: כתובות URL חתומות למכשירים קטנים