Kriser kræver ofte meget hurtige og presserende handlinger, så den tid, der er til rådighed for at sikre, at midlerne havner de rigtige steder, er altid begrænset. I forbindelse med alle større kriser, hvor øget offentlig støtteindsats er en del af løsningerne, vågner kriminelle aktører på alle niveauer op til dåd - fra enkeltpersoner til internationalt aktive kriminelle organisationer. 

De kriminelle ser mulighederne lynhurtigt. De er digitalt drevne. Det er kriminalitet, der foregår fra et skrivebord. Man skal ikke ud med et oversavet jagtgevær. Risikoen for at blive fanget er ofte ganske ringe. Og hvis de endelig bliver opdaget, kan det være svært at føre tilstrækkeligt bevis i en retssal. Også selvom de er løbet med milliarder. Selv hvis alt går galt, er straffene ikke overvældende. Et perfekt område for white collar crime!

Milliarder af kroner er anvendt i Norden til at understøtte virksomheder og erhvervsliv. Flere tilfælde af svindel er allerede afsløret, og der er altid en vis risiko for snyd og bedrageri. Ikke mindst fordi vores samfund hviler på en stærk grundpille af tillid og processikkerhed, der kan og desværre også bliver misbrugt af kriminelle.

Der er en voksende forståelse for, at det nuværende kontrolregime ikke stopper svindel. Det kan hjælpe med at opdage svindelen efter begivenheden - men det er usandsynligt, at det forhindrer svindel. Og ofte er det utroligt besværligt og ressourcekrævende at få allerede udbetalt støtte tilbage igen. Se blot på den akkumulerede gæld til SKAT, som udgør langt over 100 mia. kr.

Svindel kan opdages i realtid

Dataanalyse forbedrer afsløring af svindel – og forudsiger den. Systemer baseret på store datamængder og kunstig intelligens, lærer af tidligere sager og opdager selv svage og nye mønstre, der kan være forbundet med svig og svindel.

Samfundets modstandere evner gennem øget digitalisering og globalisering at finde vej gennem de kendte kontrolsystemer. Så vi skal stille med stærkere digitale og analytiske bolværk, ellers taber vi.

Arbejdet med forebyggelse af svindel har været – og er fortsat – vanskeligt. Dette er ikke så overraskende i betragtning af, at opdagelsen typisk er baseret på revisionsarbejde, der finder sted med tilbagevirkende kraft baseret på historiske transaktioner; år eller måneder efter begivenhederne. Efter dette kan det tage yderligere måneder at starte efterforskningen og betydeligt længere tid at retsforfølge forbrydelserne.

Særlige indikatorer kan identificeres som afgørende faktorer og historiske data dermed bruges til at opbygge modeller, der kan risikovurdere nye transaktioner i realtid og fange svindel/fejl før de sker. Med kunstig intelligens og machine learning er der skabt helt nye betingelser for forebyggende arbejde.

Lad ikke en god krise gå til spilde

I bund og grund handler dette her om de enkelte borgeres tillid til samfundet og dets institutioner. Og især i krisetider bliver dette tillidsforhold testet. I en krise er der naturligvis mange aktører, der helt legitimt virkelig har brug for de mange milliarder, som kriminelle løber af sted med.

Der er brug for at bruge meget mere avanceret dataanalyse i en koordineret indsats for at modvirke både kriserelateret kriminalitet og velfærdskriminalitet - og i stigende grad på tværs af den offentlige sektor.

Det kan og bør ske i samarbejde med virksomheder og organisationer. Det handler om at rykke forsvarsværkerne længere frem og fastholde tillid til at det offentlige gør, hvad det kan for at beskytte samfundet på både et værdimæssigt og praktisk plan.

Man skal aldrig lade en god krise gå til spilde. Vi må konstatere at tiden løber. Og de globale kriser synes næsten at stå på nakken af hinanden. 

Lad os sammen arbejde på at gøre myndighederne bedre rustet til den næste krise – så vi som samfund bliver klogere og hurtigere end dem, der vil snyder os. Det er på høje tid.