Hvorfor AI-drevet fakturafusjon blir vanskeligere å oppdage

Fakturafusjon er ingen nyhet. Det er noe som alltid har vært på radar for finanslag over hele verden. Men oppblomstringen av kunstig intelligens øker risikoen, spesielt for organisasjoner som fortsatt avhenger av kontroller som ble bygget for en annen tid.

Ironisk nok er det AI som i stor grad er ansvarlig for den økende trusselen om fakturafusjon, men det er også i ferd med å bli et av de mest kraftfulle verktøyene for å forsvare seg mot det.

Fakturafusjon er på fremmarsj

En nylig undersøkelse av over 250 finansprofesjonelle fant at 41% har opplevd fakturafusjon eller overbetaling i løpet av de siste 12 månedene. Mens risikoen er høy over hele verden, er det spesielt vanlig for helse- og detaljhandelsfinanslag.

Faktum at over fire av ti organisasjoner har opplevd nylig fakturafusjon er sjokkerende nok. Men det som er enda mer bekymringsfullt er at den virkelige figuren sannsynligvis er enda høyere, ettersom fusjon ofte ikke oppdages før lenge etter at skaden er skjedd. I noen tilfeller oppdages det aldri.

Hver enkelt episode av fakturafusjon kan forårsake betydelig finansiell skade på bedriften. Det er ikke å nevne de regulatoriske konsekvensene og innvirkningen det kan ha på interne og eksterne interessenters tillit.

Men hvorfor er fakturafusjon blitt mer vanlig og skadelig? Mens det finnes mange faktorer, er den raske utviklingen og vide tilgjengeligheten av AI i stor grad årsaken.

Fusjonstaktikker utvikler seg raskt

I fortiden krevde fakturafusjon en viss grad av teknisk kyndighet. Men selv de mest kyndige fusjonistene tenderte til å stole på enkle skjemaer og forutsigbare mønster. Som resultat var fusjon ofte lett for finanslag å oppdage og stoppe. For eksempel kunne en fusjonist lage og sende en falsk faktura, men i en rekke var det ganske tydelig at den ikke var legitim.

I dag endrer dette seg raskt. Enhver med de riktige verktøyene og informasjonen kan utføre fakturafusjonstaktikker som er subtile, sofistikerte og vanskeligere å oppdage enn noensinne.

AI, som tidligere var et verktøy reservert for de mest teknisk kyndige brukerne, er nå vidt tilgjengelig. Og adopsjonsraten er høy, ettersom forbrukerne finner mange bruksområder i sine daglige liv. I virkeligheten fant en nylig undersøkelse fra Federal Reserve Bank of St. Louis at 54,6% av voksne i USA i alderen 18-64 år bruker generativ AI i sine personlige eller profesjonelle liv (eller begge). Dette er en økning på hele 10 prosentpoeng fra året før.

Samtidig har fusjonister lett tilgang på mer informasjon enn noen gang før. En rask søkning kan lett finne opp offentlig informasjon som selskapsdata, leverandørpartnerskap og ansattedetaljer.

Fusjonister kan mata denne informasjonen inn i generative AI-verktøy for å lage fakturaer og kvitteringer som ligner på legitime forretningsdokumenter. Leverandørmerking, formatering, fakturahistorikk og betalingsmønster kan alle replikeres med merkelig nøyaktighet. Fusjonister kan også pare disse dokumentene med AI-genererte eller forkledde kommunikasjoner som ser ut til å komme fra selskapsledere, og oppmuntre ansatte til å akselerere betalinger.

AI har hevet standarden for fakturafusjon. Det faktum at taktikkene blir vanskeligere å merke er en reell risiko, spesielt for organisasjoner som behandler en høy volum fakturaer. Likevel avhenger mange finanslag fortsatt av forebyggingsmetoder som ble bygget for en annen risikomiljø.

Manuelle kontroller er ikke nok mot moderne fakturafusjon

Finanslag sitter ikke idle mens trusselen om fakturafusjon vokser. Inntil nå har de fleste etablert kontroller for å redusere risikoen, som å manuelt gjennomgå hver faktura, kreve flere godkjenner før betaling, og utføre periodiske auditor eller gjennomgåinger av AP-aktivitet.

Hva alle disse kontrollene har til felles er at de avhenger av menneskelig kapasitet og dømmekraft. De kan ha vært gode nok til å oppdage tradisjonell fusjon, som ofte presenterte seg som et åpenbart problem, som en duplikatfaktura. Men anomaliene i AI-drevet fakturafusjon er mye mer subtile, og på egen hånd er manuelle kontroller ikke lenger tilstrekkelige.

Fordi de er avhengige av menneskelig kapasitet, er tradisjonelle kontroller feilfrie. I dag behandler 50% av finanslag 5 000 eller flere fakturaer per måned, og en fjerdedel behandler over 10 000. Å gjennomgå tusenvis av fakturaer hver måned er kjedelig, og når trøtthet setter inn, kan selv de mest flittige ansatte overse subtile inkonsistenser.

Ettersom volumet vokser, kan organisasjoner ty til å legge til flere ansatte, en tilnærming som ikke er bærekraftig. Når det ikke er mulig å legge til flere ansatte, gjør lagene det beste de kan for å gjøre mer med mindre. Men når lagene forventes å opprettholde hastighet og kontroll mens volumet vokser, øker risikoen.

Når tradisjonelle kontroller er den primære forsvar mot AI-drevet fakturafusjon, er hastighet en annen stor utfordring. En gang en ACH-transaksjon er initiert, har organisasjonene en svært kort tidsramme for å avbryte eller anmode om en reversering. Hvis de ikke har verktøyene til å oppdage potensiell fusjon og handle umiddelbart, kan midlene gå tapt for alltid.

Med alle disse utfordringene er det ingen overraskelse at begrenset fusjonsdeteksjon er en toppirritasjon for så mange finanslag.

AI blir det mest kraftfulle forsvar

AI er i stor grad ansvarlig for den økende forekomsten og sofistikasjonen av fakturafusjon. Men det er også i ferd med å bli et av de mest kraftfulle verktøyene for å forebygge det i stor skala.

Manuelle gjennomgåinger fokuserer på en faktura av gangen, som kan være tilstrekkelig til å oppdage åpenbare problemer. Men uten full kontekst er det vanskelig å oppdage subtile anomaliene som kan indikere AI-drevet fakturafusjon. Som resultat kan lagene ikke merke et problem før lenge etter at skaden er skjedd. Men da er det for sent å reversere skaden.

AI, på den andre siden, kan effektivt analysere hver faktura i kontekst av alt som kom før. Den lærer hva “normalt” ser ut og kan oppdage potensielle problemer, som fakturamønster, tid og bankinformasjon som faller utenfor forventede normer. Hvis noe mistenkelig oppdages, varsles lagene i sanntid så de kan gjennomgå og bestemme neste skritt.

AI kan også skaleres for å støtte vekst. I motsetning til mennesker, møter den ikke kognitive utmattelse. Den kan anvende en høy grad av skarpsyn til hver faktura, uansett om et selskap behandler 500 eller 5 000, uten å bremse betalingscyklene.

I motsetning til statiske regelbaserte kontroller kan AI kontinuerlig lære over tid. Ettersom den utvikler en dypere forståelse av normalt atferd for hver leverandør, blir den mer effektiv til å oppdage uvanlig aktivitet som kan antyde fakturafusjon.

Menneskelig dømmekraft er fortsatt en kritisk del av puslespillet.

Mens AI kan spille en viktig rolle i å oppdage AI-drevet fakturafusjon, vil menneskelig dømmekraft alltid være essensiell. AI kan identifisere uvanlige mønster og flagge fakturaer som trenger en nærmere gjennomgang. Men til slutt er det mennesker som er ansvarlige for å gjennomgå konteksten og ta dømmekraft.

I stedet for å erstatte AP-proffene, hjelper AI dem å fokusere sin oppmerksomhet der det virkelig er nødvendig. I stedet for å bruke tid på å gjennomgå hver enkelt faktura, kan lagene konsentrere seg om høyrisikotransaksjoner og potensielle unntak. Når organisasjoner tar denne tilnærmingen, er de bedre i stand til å opprettholde kontroll, håndtere potensielle trusler umiddelbart og frigjøre finanslag til å fokusere på strategisk arbeid og analyse.

I konklusjon

AI har hevet standarden for fakturafusjon, gjort det vanskeligere å skille mellom mistenkelig aktivitet og legitime transaksjoner. Organisasjoner som bare avhenger av manuelle kontroller bygget for en enklere tid, vil finne det vanskeligere å forebygge risiko uten å bremse forretningen ned.

Ettersom AI-drevne fusjonstaktikker blir mer sofistikerte og fakturavolumet fortsetter å vokse, trenger finanslag verktøy som kan oppdage subtile anomaliene i stor skala. Ved å kombinere AI-drevet deteksjon med menneskelig dømmekraft, kan organisasjoner holde tritt uten å ofre kontroll.