|
minutter å lese
Med hjelp av kunstig intelligens (AI), har etaten nå avdekket over 200 ulike svindelmetoder per år. Resultatet er at flere milliarder kroner er kommet tilbake til staten, som ellers ville gått tapt i økonomisk kriminalitet.
Om prosjektet
Den spanske skatteetaten er ansvarlig for skatteinnkreving, tollsystem, og administrerer merverdiavgift, selvangivelser og selskapsbeskatning. De har gjennom mange år mistet store inntekter på grunn av organisert kriminalitet, og småskala snyteri på skatter og avgifter.
Den spanske skatteetaten hadde enormt med data og historikk. Dette var lagret i en gigantisk database med 75 millioner innbetalere. Databasen inneholdt over 30 000 ulike variabler knyttet til personkategori, lønnskategori, osv. Det var 300 millioner ulike relasjoner mellom familiemedlemmer, organisasjoner og bedrifter, i tillegg til 70 ulike typer svindlere som var kategorisert. Utgangspunktet var å foredle dataene til faktisk kunnskap, som etaten kan nyttiggjøre seg.
Hvilken verdi skapte dette?
Målet var å avdekke svindel i skattesystemet ved å identifisere både klassiske og nye mønstre, samt legge til rette for massedetektering av svindel. Dette har blitt jobbet med lenge, men ny teknologi har gjort det mulig å jobbe mer effektivt og systematisk.
Sopra Steria hjalp den spanske skatteetaten å ta i bruk kunstig intelligens, stordataanalyse og maskinlæring, og utnytte potensialet som ligger i teknologien. Arbeidet startet i 2015 og har gitt veldig gode resultater.
Et team fra den spanske skatteetaten sammen med fem eksperter i kunstig intelligens og stordata fra Sopra Steria, fikk tilgang til datapunkter om skattebetalere, selskaper, adresser, og øvrige variabler. Teamet identifiserte og evaluerte nye sammenhenger mellom datakilder som tidligere ikke var koblet sammen, og de brukte avansert analyse for å avdekke nye typer bruksmønstre for kriminalitet. Ut fra disse bruksmønstrene kunne saksbehandlere sortere skattesakene, og hindre at de definerte svindelvariantene forekom.
Hva ble løsningen?
Det ble tidlig i prosjektet etablert to viktige hypoteser:
- Skattesvindlere opererer på lik måte, det vil si at prosjektet kunne utarbeide maskinlæringsalgoritmer.
- Svindlere lærer fra hverandre, og samarbeider for å unndra skatt, det vil si at sosiale nettverksanalyser ga overblikk over kriminelle nettverk.
Saksbehandlingstiden gikk vesentlig ned, og treffsikkerheten på å avdekke svindel økte. Prosjektet har bidratt til å avdekke flere milliarder kroner i årlige skatteunndragelser gjennom disse tre konkrete løsningene:
- Identifisering av selskaper som opererer med falske faktura (gjennom bruk av maskinlæringsalgoritmer)
- Avdekking av atypiske forretningsrelasjoner (gjennom bruk av sosial nettverksanalyse)
- Risiko for ikke-betaling i søknader om utsatt skattebetaling (kombinasjon av maskinlæringsalgoritmer og sosial nettverksanalyse)
Prosjektet førte til at 200 svindelmønstre blir avdekket årlig, og at flere saker ble automatisert, slik at ressursene kunne brukes på mer komplekse saker med behov for manuell informasjonsinnhenting og saksbehandling.
Systemet hjelper til med å avdekke hvitvasking på over 4,5 milliarder kroner årlig. Det bistår også med å finne ut hvilke skattebetalere som bør undersøkes nøyere. Over 90 prosent av de sakene som systemet flagger som mistenkelige, viser seg å være svindel. Det er en svært god treffrate.
Fakta
- Prosjektet er et eksempel på praktisk bruk av kunstig intelligens (AI = artificial intelligence) i storskala i offentlig sektor. Det svarer opp tilsvarende utfordringer vi har i Norge i dag.
- Regjeringen utarbeider en strategi for bruk av kunstig intelligens i Norge, og det finnes en rekke fagfelt hvor dette vil kunne tas i bruk.
- Det er også behov for sikre at denne teknologien og kompetansen også kommer mindre virksomheter til gode. Her må virksomhetene og næringslivet jobbe sammen i tiden som kommer.