Fraude in interne financiele processen is laag-frequent maar kostbaar. Klassieke regel-engines vangen bekende patronen, AI vangt onbekende patronen en signaleert anomalies die niemand vooraf had bedacht.
Welke fraude-vormen pakken we
Dubbele facturen (ook met variaties in nummer of leverancier), expense reports met onlogische patronen, betalingen aan onbekende rekeningen, betalingen buiten gebruikelijke uren, payroll-anomalies. Elk een eigen detectie-laag.
Anomaly detection-modellen
Isolation Forest of autoencoder-architecturen voor onbekende patronen. Per transactie een anomaly-score. Boven drempel: review-queue voor controller. Niet automatisch blokkeren (te hoog false-positive-risico), wel signaleren binnen 24 uur.
Graph-analyse voor verbonden actoren
Een leverancier waarvan de IBAN matcht met die van een werknemer is een rode vlag. Graph-database met entiteiten (leveranciers, werknemers, klanten) en relaties geeft signalen die transactie-niveau-analyse mist.
Compliance: SOX en AVG
SOX-relevante controles documenteren, ook als AI ze uitvoert. AVG-implicaties bij medewerker-gerelateerde fraude-detectie (transparantie, gerechtvaardigd belang). Wij stemmen scope af met juridisch en compliance voor productie.
Verwant: Freelance AI consultant inhuren, AI expense reports.