Waarom AI-gepowered factuurfraude moeilijker te detecteren wordt

Factuurfraude is niets nieuws. Het is iets dat altijd op de radar van financiële teams in verschillende industrieën heeft gestaan. Maar de opkomst van kunstmatige intelligentie verhoogt het risico, vooral voor organisaties die nog steeds vertrouwen op controles die zijn gebouwd voor een andere tijd.

Ironisch genoeg is AI grotendeels verantwoordelijk voor de groeiende dreiging van factuurfraude, maar het wordt ook een van de meest krachtige instrumenten om ertegen te verdedigen.

Factuurfraude is in opkomst

Een recente enquête onder meer dan 250 financiële professionals wees uit dat 41% in de afgelopen 12 maanden te maken heeft gehad met factuurfraude of overbetaling. Hoewel het risico hoog is in alle industrieën, is het vooral prevalent voor financiële teams in de gezondheidszorg en detailhandel.

Het feit dat meer dan vier van de tien organisaties recent te maken hebben gehad met factuurfraude is al schokkend genoeg. Maar wat nog meer verontrustend is, is dat het werkelijke cijfer waarschijnlijk nog hoger is, aangezien fraude vaak pas wordt ontdekt lang nadat de schade is aangericht. In sommige gevallen wordt het nooit ontdekt.

Elk incident van factuurfraude kan aanzienlijke financiële schade aan de onderneming toebrengen. Dat is nog niet alles, want het heeft ook gevolgen voor de regelgeving en de impact op het vertrouwen van interne en externe stakeholders.

Maar waarom wordt factuurfraude precies vaker voorkomend en schadelijker? Hoewel er veel factoren zijn, is de snelle evolutie en brede beschikbaarheid van AI grotendeels de oorzaak.

Fraude tactieken evolueren snel

In het verleden vereiste factuurfraude een zekere mate van technische kennis. Maar zelfs de meest ervaren fraudeurs leunden op eenvoudige schema’s en voorspelbare patronen. Als gevolg hiervan was fraude vaak gemakkelijk voor financiële teams om te ontdekken en te stoppen. Bijvoorbeeld, een fraudeur kon een valse factuur maken en indienen, maar in een rij was het vrij duidelijk dat het niet legitiem was.

Vandaag verandert dat snel. Iedereen met de juiste instrumenten en informatie kan factuurfraude tactieken uitvoeren die subtiel, geavanceerd en moeilijker dan ooit te detecteren zijn.

AI, ooit een instrument voorbehouden aan de meest technisch onderlegde gebruikers, is nu breed toegankelijk. En de adoptiegraad is hoog, aangezien consumenten veel gebruikscases in hun dagelijks leven vinden. In feite vond een recente enquête van de Federal Reserve Bank of St. Louis dat 54,6% van de Amerikaanse volwassenen in de leeftijd van 18 tot 64 jaar generatieve AI gebruiken in hun persoonlijke of professionele leven (of beide). Dit is een volledig percentagepunt meer dan het voorgaande jaar.

Tegelijkertijd hebben fraudeurs gemakkelijk toegang tot meer informatie dan ooit tevoren. Een snelle zoekopdracht kan gemakkelijk openbare informatie zoals bedrijfsgegevens, leverancierspartnerschappen en werknemerdetails ophalen.

Fraudeurs kunnen die informatie invoeren in generatieve AI-instrumenten om facturen en ontvangstbewijzen te maken die nauw overeenkomen met legitieme bedrijfsdocumenten. Leveranciersmerken, opmaak, factuurgeschiedenis en betalingspatronen kunnen allemaal worden gerepliceerd met opmerkelijke nauwkeurigheid. Fraudeurs kunnen deze documenten ook combineren met AI-gegenereerde of geïmiteerde communicatie die lijkt te komen van bedrijfsleiders, waarin ze het personeel aansporen om betalingen te versnellen.

AI heeft de lat voor factuurfraude verhoogd. Het feit dat tactieken moeilijker te detecteren zijn, creëert een echt risico, vooral voor organisaties die een hoge volume facturen verwerken. Toch vertrouwen veel financiële teams nog steeds op preventiemaatregelen die zijn gebouwd voor een heel andere risicogebied.

Manuele controles zijn niet voldoende tegen moderne factuurfraude

Financiële teams zitten zeker niet stil terwijl het risico van factuurfraude dreigt. Tot nu toe hebben de meeste controles ingesteld om het risico te verkleinen, zoals het handmatig controleren van elke factuur, het vereisen van meerdere goedkeurders voordat betaling plaatsvindt, en het uitvoeren van periodieke audits of controles van AP-activiteit.

Wat al deze controles gemeen hebben, is dat ze afhankelijk zijn van menselijke capaciteit en oordeel. Ze kunnen voldoende zijn geweest om traditionele fraude te detecteren, die vaak zichzelf aankondigde als een duidelijk probleem, zoals een dubbele factuur. Maar de anomalieën van AI-gepowered factuurfraude zijn veel subtieler, en op zichzelf zijn manuele controles niet langer voldoende.

Omdat ze afhankelijk zijn van menselijke capaciteit, zijn traditionele controles foutgevoelig. Vandaag verwerken 50% van de financiële teams 5.000 of meer facturen per maand, en een kwart beheert meer dan 10.000. Het controleren van duizenden facturen elke maand is saai, en wanneer vermoeidheid intreedt, kunnen zelfs de meest toegewijde werknemers subtiele inconsistenties missen.

Naarmate het volume groeit, kunnen organisaties proberen om het aantal medewerkers te verhogen, een benadering die niet duurzaam is. Wanneer het aantal medewerkers niet een optie is, doen teams hun best om meer te doen met minder. Maar wanneer teams worden verwacht om snelheid en controle te behouden terwijl het volume groeit, neemt het risico toe.

Wanneer traditionele controles de primaire verdediging tegen AI-gepowered factuurfraude zijn, is snelheid een andere grote uitdaging. Zodra een ACH-transactie is geïnitieerd, hebben organisaties een zeer smalle venster om deze te annuleren of om een omkering te verzoeken. Als ze niet over de instrumenten beschikken om potentieel fraude te detecteren en onmiddellijk actie te ondernemen, kunnen de fondsen voor altijd verloren zijn.

Met al deze uitdagingen is het eigenlijk geen wonder dat beperkte fraude detectie een van de grootste frustraties is voor zoveel financiële teams.

AI wordt de meest krachtige verdedigingslinie

AI is grotendeels verantwoordelijk voor de toegenomen prevalentie en complexiteit van factuurfraude. Maar het wordt ook een van de meest krachtige instrumenten om het te voorkomen op grote schaal.

Manuele controles richten zich op één factuur tegelijk, wat voldoende kan zijn om duidelijke problemen te detecteren. Maar zonder de volledige context is het moeilijk om subtiele anomalieën te detecteren die kunnen aangeven dat er sprake is van AI-gepowered factuurfraude. Als gevolg hiervan kunnen teams pas een probleem opmerken lang nadat het is gebeurd. Maar tegen die tijd is het te laat om de schade te herstellen.

AI kan daarentegen elke factuur effectief analyseren in de context van alles wat eraan voorafging. Het leert wat “normaal” lijkt en kan potentieel problemen detecteren, zoals factuurpatronen, timing en bankgegevens die buiten de verwachte normen vallen. Als iets verdachts wordt gedetecteerd, worden teams in real-time gewaarschuwd zodat ze kunnen controleren en de volgende stappen kunnen bepalen.

AI kan ook opschalen om groei te ondersteunen. In tegenstelling tot mensen heeft het geen last van cognitieve vermoeidheid. Het kan een hoog niveau van controle toepassen op elke factuur, of een bedrijf nu 500 of 5.000 facturen verwerkt, zonder de betalingscycli te vertragen.

In tegenstelling tot statische, op regels gebaseerde controles kan AI voortdurend leren over tijd. Naarmate het een dieper begrip van normaal gedrag voor elke leverancier ontwikkelt, wordt het effectiever in het detecteren van ongebruikelijke activiteit die kan suggereren dat er sprake is van factuurfraude.

Menselijk oordeel is nog steeds een kritisch onderdeel van de puzzel.

Hoewel AI een belangrijke rol kan spelen bij het detecteren van AI-gepowered factuurfraude, is menselijk oordeel nog steeds essentieel. AI kan ongebruikelijke patronen identificeren en facturen markeren die een nauwere controle nodig hebben. Maar uiteindelijk zijn mensen verantwoordelijk voor het controleren van de context en het nemen van beslissingen.

In plaats van AP-professionals te vervangen, helpt AI hen om hun aandacht te richten waar het echt nodig is. In plaats van tijd te besteden aan het controleren van elke enkele factuur, kunnen teams zich concentreren op transacties met een hoog risico en potentieel uitzonderingen. Wanneer organisaties deze aanpak volgen, zijn ze beter in staat om controle te behouden, potentieel gevaar onmiddellijk aan te pakken en financiële teams te vrijwaren om zich te concentreren op strategisch werk en analyse.

Conclusie

AI heeft de lat voor factuurfraude verhoogd, waardoor verdachte activiteit moeilijker te onderscheiden is van legitieme transacties. Organisaties die uitsluitend vertrouwen op manuele controles die zijn gebouwd voor een eenvoudiger tijd zullen het steeds moeilijker vinden om risico’s te voorkomen zonder de onderneming te vertragen.

Naarmate AI-gepowered fraude tactieken geavanceerder worden en de factuurvolume blijft groeien, hebben financiële teams instrumenten nodig die subtiele anomalieën op grote schaal kunnen detecteren. Door AI-gedreven detectie te combineren met menselijk oordeel, kunnen organisaties de pas erin houden zonder controle op te offeren.