Tankeledere
Hvorfor AI-drevet fakturafraud bliver sværere at opdage

Fakturafraud er ikke noget nyt. Det er noget, der har været på radaren af finanshold over brancher. Men opkomsten af kunstig intelligens hæver risikoen, især for organisationer, der fortsat afhænger af kontroller, der blev bygget til en anden æra.
Ironisk nok er AI både årsag til den voksende trussel fra fakturafraud og en af de mest kraftfulde værktøjer til at forsvare sig imod den.
Fakturafraud er på vej op
En ny undersøgelse af mere end 250 finansfagfolk fandt, at 41% havde oplevet fakturafraud eller overbetaling i de seneste 12 måneder. Selv om risikoen er høj over brancher, er den særligt udbredt for sundheds- og detailhandelsfinanshold.
Det faktum, at mere end fire af 10 organisationer har oplevet nylig fakturafraud, er chokerende nok. Men hvad der er endnu mere bekymrende, er, at den sande figur sandsynligvis er endnu højere, da svindel ofte ikke opdages, før skaden er sket. I nogle tilfælde opdages det overhovedet ikke.
Hver enkelt tilfælde af fakturafraud kan medføre betydelig finansielle skader for virksomheden. Det er ikke blot de regulerende konsekvenser og den indvirkning, det kan have på interne og eksterne interessenters tillid.
Men hvorfor bliver fakturafraud mere og mere almindelig og skadelig? Mens der er mange faktorer, skyldes den hurtige udvikling og vide udbredelse af AI i høj grad.
Svindelstaktikker udvikler sig hurtigt
I fortiden krævede fakturafraud en vis grad af teknisk kyndighed. Men selv de mest avancerede svindlere havde tendens til at afhænge af simple skemaer og forudsigelige mønstre. Som resultat var svindel ofte let for finanshold at opdage og stoppe. For eksempel kunne en svindler oprette og indsende en falsk faktura, men i en række var det ret åbenlyst, at den ikke var ægte.
I dag ændrer det sig hurtigt. Enhver med de rette værktøjer og information kan udføre fakturafraudsstrategier, der er subtile, sofistikerede og sværere end nogensinde at opdage.
AI, der tidligere var et værktøj forbeholdt de mest teknisk kyndige brugere, er nu bredt tilgængeligt. Og antallet af brugere er højt, da forbrugerne finder mange anvendelsesmuligheder i deres daglige liv. Faktisk fandt en ny undersøgelse fra Federal Reserve Bank of St. Louis, at 54,6% af voksne i USA i alderen 18-64 år bruger generativ AI i deres personlige eller professionelle liv (eller begge). Dette er en stigning på 10 procentpoint fra det foregående år.
Samtidig har svindlere let adgang til mere information end nogensinde før. En hurtig søgning kan let finde offentlig information såsom virksomhedsdata, leverandørpartnerskaber og medarbejderdetaljer.
Svindlere kan indsætte denne information i generative AI-værktøjer for at oprette fakturaer og kvitteringer, der ligner ægte forretningsdokumenter. Leverandørbranding, formatering, fakturahistorik og betalingsmønstre kan alle replikeres med bemærkelsesværdig nøjagtighed. Svindlere kan også parre disse dokumenter med AI-genererede eller forfalskede kommunikationer, der ser ud til at komme fra virksomhedens ledere, og opfordre medarbejdere til at fremskynde betalingerne.
AI har hævet standarden for fakturafraud. Det faktum, at taktikkerne bliver sværere at opdage, skaber reel risiko, især for organisationer, der behandler en høj volumen af fakturaer. Alligevel afhænger mange finanshold stadig af forebyggelsesforanstaltninger, der blev bygget til en anden risikomiljø.
Manuelle kontroller er ikke nok mod moderne fakturafraud
Finanshold sidder ikke inactive, mens truslen om fakturafraud lure. Indtil nu har de fleste etableret kontroller for at reducere risikoen, såsom manuel gennemgang af hver faktura, krav om multiple godkendere før betaling, og periodiske revisioner eller gennemgang af AP-aktivitet.
Det, alle disse kontroller har til fælles, er, at de afhænger af menneskelig kapacitet og dømmekraft. De kan have været tilstrækkelige til at opdage traditionel svindel, der ofte præsenterede sig som et åbenlyst problem, såsom en duplikatfaktura. Men anomalierne i AI-drevet fakturafraud er langt mere subtile, og på egen hånd er manuelle kontroller ikke længere tilstrækkelige.
Fordi de afhænger af menneskelig kapacitet, er traditionelle kontroller fejlbehæftede. I dag behandler 50% af finanshold 5.000 eller flere fakturaer om måneden, og en fjerdedel behandler over 10.000. At gennemgå tusindvis af fakturaer hver måned er kedeligt, og når træthed indtræffer, kan selv de mest omhyggelige medarbejdere misse subtile inkonsistenser.
Når volumen stiger, kan organisationer søge efter at tilføje flere medarbejdere, en tilgang, der ikke er bæredygtig. Når antallet af medarbejdere ikke er en mulighed, gør holdene deres bedste for at gøre mere med mindre. Men når holdene forventes at opretholde hastighed og kontrol, mens volumen stiger, øges risikoen.
Når traditionelle kontroller er den primære forsvar mod AI-drevet fakturafraud, er hastighed endnu en stor udfordring. Når en ACH-transaktion er initieret, har organisationer et meget smalt vindue til at annullere eller anmode om en omvendt betaling. Hvis de ikke har de rette værktøjer til at opdage potentiel svindel og handle straks, kan midlerne være tabt for altid.
Med alle disse udfordringer er det næsten ikke overraskende, at begrænset svindeldetektion er en top-frustration for så mange finanshold.
AI bliver den mest kraftfulde forsvarslinje
AI er i høj grad ansvarlig for den øgede forekomst og sofistikation af fakturafraud. Men det bliver også en af de mest kraftfulde værktøjer til at forhindre det i stor målestok.
Manuelle gennemgang fokuserer på en faktura ad gangen, hvilket kan være tilstrækkeligt til at opdage åbenlyse problemer. Men uden den fulde kontekst er det svært at opdage subtile anomalier, der kan indikere AI-drevet fakturafraud. Som resultat kan holdene ikke opdage et problem, før længe efter, at skaden er sket. Men på det tidspunkt er det for sent at omgøre skaden.
AI kan derimod effektivt analysere hver faktura i kontekst af alt, der er sket før. Det lærer, hvad “normalt” ser ud til, og kan opdage potentielle problemer, såsom fakturamønstre, timing og bankinformation, der falder uden for de forventede normer. Hvis noget mistænkeligt opdages, bliver holdene advaret i realtid, så de kan gennemgå og bestemme næste skridt.
AI kan også skaleres til at understøtte vækst. I modsætning til mennesker oplever det ikke kognitiv træthed. Det kan anvende en høj grad af skarphed til hver faktura, uanset om en virksomhed behandler 500 eller 5.000, uden at langsommere betalingscyklussen.
I modsætning til statiske regelbaserede kontroller kan AI løbende lære over tid. Da det udvikler en dybere forståelse af normalt adfærd for hver leverandør, bliver det mere effektivt til at opdage usædvanlig aktivitet, der kan antyde fakturafraud.
Menneskelig dømmekraft er stadig en kritisk del af puslen.
Selv om AI kan spille en vigtig rolle i at opdage AI-drevet fakturafraud, er menneskelig dømmekraft altid afgørende. AI kan identificere usædvanlige mønstre og markere fakturaer, der kræver nærmere gennemgang. Men til sidst er det mennesker, der er ansvarlige for at gennemgå kontekst og træffe dømmekraft.
I stedet for at erstatte AP-fagfolk hjælper AI dem med at fokusere deres opmærksomhed, hvor det virkelig er nødvendigt. I stedet for at bruge tid på at gennemgå hver enkelt faktura kan holdene koncentrere sig om højrisikotransaktioner og potentielle undtagelser. Når organisationer tager denne tilgang, er de bedre i stand til at opretholde kontrol, håndtere potentielle trusler straks og frigøre finanshold til at fokusere på strategisk arbejde og analyse.
Konklusion
AI har hævet standarden for fakturafraud, hvilket gør det sværere at skelne mellem mistænkelig aktivitet og ægte transaktioner. Organisationer, der afhænger kun af manuelle kontroller bygget til en enklere tid, vil have svært ved at forhindre risiko uden at langsommere forretningen.
Når AI-drevne svindelstaktikker bliver mere sofistikerede og fakturavolumen fortsætter med at stige, har finanshold brug for værktøjer, der kan opdage subtile anomalier i stor målestok. Ved at kombinere AI-drevet opdaging med menneskelig dømmekraft kan organisationer holde trit uden at ofre kontrol.












