Jens Verboven: "De fraude-indicator is voor een sector de heilige graal"

“Artificiële intelligentie en machine learning hebben ervoor gezorgd dat het eerste fraudemodel sinds 2020 aanzienlijk verbeterd is. Zelflerende algoritmen hebben de fraude-indicator nauwkeuriger en robuuster gemaakt. Dankzij de feedback van klanten en een bredere integratie van externe data detecteren de huidige modellen nog beter frauduleuze activiteiten. Zonder het basismodel te finetunen behalen we vandaag al een predictiegraad van 75%. Dat standaard model vormt het vertrekpunt voor verdere verfijning.”

Bent u al het slachtoffer geweest van frauduleuze bedrijven? Dan kunt u aan de hand van dat percentage makkelijk uitrekenen welke schade u had kunnen vermijden. 

Steeds accuratere score

Om het model op maat van de klant af te stemmen en de predictiegraad verder op te trekken, duikt GraydonCreditsafe in de specifieke fraudecases die de klant heeft gekend. Bij voorkeur gaan deze cases tot vijf jaar terug in de tijd.

“We kunnen namelijk zien wat op dat moment de precieze situatie was. Vervolgens laten we daar al eens ons basismodel op los. Het laat niet alleen zien of het model werkt. Het geeft ook een beeld van de predictiegraad en hoeveel je nog kunt verbeteren”, gaat Jens Verboven verder. 

“Daarna schakelen we de technologie weer in om te kijken of nog andere elementen komen bovendrijven. Op die manier kunnen we het basismodel verder ontwikkelen. Als je aan de interne data nog een aantal uitzonderingen kunt toevoegen, dan bouw je een heel sterk en performant model op. En daar blijft het niet bij. Van zodra klanten de score intensief gebruiken, worden interne data steeds teruggekoppeld om de score alsmaar te verbeteren.”

Fraude-indicator tussen 0 en 10

De fraude-indicator schommelt tussen 0 en 10. In zekere zin is het cijfer voor interpretatie vatbaar. De klant kiest namelijk zelf welke drempelwaarde hij hanteert en maakt best een verdeling in drie categorieën: een hoog, een gemiddeld en een laag risico op fraude.

“De klant heeft dus de keuze tussen veel of weinig manueel werk, afhankelijk van de afkapwaarde. Hij bepaalt zelf wat ‘hoog’ en ‘gemiddeld’ betekenen. Dossier meteen afwijzen of manueel grondiger bestuderen? Al wil je natuurlijk dat het segment dat nader onderzoek vraagt natuurlijk zo klein mogelijk is. Uiteindelijk kiest de klant of hij met een onderneming in zee gaat of opteert voor een alternatieve aanpak en bijvoorbeeld een waarborg vraagt. Hoe dan ook heeft elke partij baat bij een zo hoog mogelijke predictiegraad.”

Klanten ontvangen de fraude-indicator via API of via een online applicatie waar zij op individuele basis een ondernemingsnummer kunnen ingeven. Naast het resultaat krijgt de gebruiker ook een overzicht van de elementen die verdacht zijn. Dat maakt het makkelijker om gericht verder te graven bij de manuele behandeling.

De meerwaarde van een fraude-indicator

Het predictiemodel geeft automatisch aan welke bedrijven een hogere kans op fraude vertonen. Het gaat veel sneller in vergelijking met manuele controles. Bovendien houden de algoritmes met meer elementen rekening.

“Medewerkers hebben dankzij het model meer tijd vrij om twijfelgevallen grondiger te onderzoeken. Als ze voordien tien cases manueel moesten bekijken, dan kunnen ze nu dankzij het model al zeven partijen uitsluiten. Dat geeft hen veel meer armslag om de resterende drie cases aandachtig te bekijken. In de praktijk zijn ze dus ook in staat om meer fraudegevallen te voorkomen.”

Belangrijke kanttekening is dat de indicator geen enkel bedrijf beschuldigt van fraude.

“Nee, de indicator geeft slechts aan of de kans op fraude reëel is en welke elementen een partij verdacht maken. Een gebruiker kan trouwens op twee assen werken: enerzijds de predictiegraad, anderzijds de efficiëntie van de manuele controles. Hoe accurater de score, hoe efficiënter het controleproces kan verlopen. Het is dus interessanter om interne en externe data te combineren zodat de voorspellingsgraad - en de efficiëntie - op termijn alsmaar verbeteren."

De heilige graal

Bedrijven hebben echter meer dan ooit behoefte aan samenwerkingen voor een betere datadeling. Brancheorganisaties en federaties spelen hierbij een sleutelrol als neutrale partijen.

“Op sectorniveau is een fraude-indicator eigenlijk de heilige graal”, besluit Jens Verboven. “Fraude is een hardnekkig, maatschappelijk probleem en ik ben ervan overtuigd dat bonafide bedrijven informatie willen delen waar iedereen beter van wordt. Frauduleuze bedrijven moeten eruit. Punt. Idealiter werken we samen met een federatie die optreedt als neutrale partij en informatie aanlevert om het model te voeden. Dat is noodzakelijk om het model te finetunen en signalisatie te verbeteren.”

“Glipt er toch een case door de mazen van het net? Dan zitten we graag in de feedbackloop. De terugkoppeling van klanten over fraudegevallen is cruciaal voor de verdere verfijning van de score. Elk nieuw geval wordt zorgvuldig geanalyseerd en gebruikt om het model te verbeteren, waardoor toekomstige gevallen efficiënter kunnen worden opgespoord. Wie kan daar tegen zijn? Het is ten slotte in ieders voordeel.”

Tot slot

In 2024 blijft de fraude-indicator een belangrijk hulpmiddel voor bedrijven om potentiële fraudeurs te identificeren. De voortdurende ontwikkeling van AI-modellen, sectorbrede samenwerking en een sterke feedbackloop dragen bij aan de nauwkeurigheid van deze oplossing. Voor bedrijven is het cruciaal om te blijven investeren in geavanceerde preventiemodellen om een veilige bedrijfsomgeving te waarborgen.

Wilt u een specifieke case toetsen aan het model? Of wilt u weten wat de fraude-indicator voor uw bedrijf of uw sector kan betekenen? Neem dan meteen contact op met ons voor een live demo van het platform.