Als fraude verandert, verandert het onderzoek mee

Fraudeonderzoek wordt digitaler, sneller en informatieintensiever. AI kan verbanden zichtbaar maken die een mens gemakkelijk mist. Maar een signaal is nog geen conclusie. Juist daarom verandert ook het vakmanschap van de onderzoeker.

Meer informatie, meer verbanden

Een vergunningaanvraag, subsidiedossier of fraudeonderzoek bestaat allang niet meer uit één formulier en een paar bewijsstukken. Onderzoekers combineren documenten, transacties, openbare registers, bedrijfsstructuren, digitale sporen en netwerken. Tegelijkertijd gebruiken criminelen digitale technologie en AI om sneller te opereren, constructies te verhullen en werkwijzen op te schalen.

Technologie ontsluit steeds meer informatie. Daardoor komt het juist aan op het oordeel van de onderzoeker: waar zoek je naar, welke signalen vertrouw je en wat betekenen ze in hun context?

Een ongelijk speelveld

Het speelveld is fundamenteel ongelijk, stelt prof. dr. Ana Isabel Barros, hoogleraar Data Science en AI bij Tilburg University en JADS. Criminele netwerken kunnen technologie snel en zonder juridische of ethische beperkingen inzetten. Overheden en opsporingsorganisaties moeten juist transparant, uitlegbaar en toetsbaar werken. Bovendien leren AI-modellen van historische, zichtbare gegevens, terwijl criminelen hun structuren doelbewust verborgen houden. Barros: ‘AI-modellen leren van patronen in wat zichtbaar is, niet van wat er werkelijk gebeurt.’ Het antwoord is volgens haar daarom niet méér AI, maar slimmer gebruik ervan: met domeinkennis, kritisch beoordelingsvermogen en samenwerking.

Wat de documenten vertellen

Neem de fictieve casus van Café De Zilveren Linde. De eigenaren vragen een vergunning aan voor een tweede vestiging. Sanne Verhoef staat daarbij als aandeelhouder en financier vermeld. Haar man Dennis, eerder veroordeeld voor een hennepkwekerij, blijft buiten beeld. Zijn belang loopt via een tussenholding. Afzonderlijk lijken de documenten in het dossier plausibel. Gezamenlijke analyse brengt tegenstrijdigheden aan het licht. Sanne staat wel in het aandeelhoudersregister, maar niet bij de Kamer van Koophandel; bij Dennis is het andersom. Twee documenten noemen ieder een andere ‘enige aandeelhouder’ van dezelfde holding. Ook vertonen bankafschriften afwijkingen en stijgt de omzet sterk, terwijl de personeelskosten gelijk blijven.

AI kan zulke tegenstrijdigheden, afwijkingen en relaties in minuten ordenen en terugvoeren naar de bron. Wat normaal dagen handwerk kost, wordt één controleerbaar overzicht. Maar de onderzoeker bepaalt wat de signalen betekenen en welk vervolgonderzoek nodig is.

Zelf leren werken met AI in dossieronderzoek? Bekijk de bootcamp →

.

De mens wordt anders belangrijk

AI kan ‘ongelooflijke hoeveelheden gegevens in fracties van seconden verwerken’ en fungeren als kritische collega: heb je hier wel aan gedacht? Maar de gebruiker moet weten wanneer technologie passend is en wanneer een uitkomst niet klopt, zegt dr. Daniëlle Sent, docent en onderzoeker bij JADS.

Dat vraagt meer dan technische skills. Onderzoekers moeten goede vragen stellen, bronnen en tussenresultaten controleren, bias herkennen en de invloed van ontbrekende of onbetrouwbare data begrijpen. Ook moeten procedures en verantwoordelijkheden vooraf duidelijk zijn.

Van inzicht naar toepassing

Technologie versnelt het onderzoek, maar vakmanschap blijft mensenwerk. In de driedaagse Bootcamp AI tegen Fraude en Ondermijning brengen JADS en Avendar wetenschap en praktijk samen. Professionals leren waar AI onderzoek versterkt, waar de grenzen liggen en hoe zij de technologie verantwoord en uitlegbaar inzetten. Ook ontwikkelen ze een prototype dat direct toepasbaar is binnen hun eigen organisatie.

Nog niet toe aan een bootcamp? Lees meer over data science en veiligheid →