Inteligentní systémy dokáží odhalit i velmi rafinované podvody

říká v rozhovoru pro Veřejnou správu online Michal Tesař, konzultant IBM Global Business Services Česká republika.

Michal Tesař, konzultant IBM Global Business Services ČR

Ve kterých sektorech státní správy se setkáváme s podvody (například v dávkách) nejčastěji?

V prvé řadě je třeba si uvědomit, co je myšleno tzv. podvody. Pod tímto pojmem chápeme veškeré chování, které je v rozporu s platnými pravidly. To znamená, že kromě úmyslného obcházení nastavených pravidel do této skupiny spadá i chování, které je neúmyslné, avšak také v rozporu s danými pravidly. Jde například o chyby, omyly, neefektivitu a nekvalitně odvedenou práci.

Oblastmi vhodnými pro nasazení nástroje pro aktivní odhalování podvodů jsou systémy pro výběr daní a poplatků, systémy pro rozdělování dávek a příspěvků, tedy oblasti, ve kterých se pracuje s větším objemem finančních prostředků.

Jak fungují nástroje na detekci podvodů?

Podvodům zahrnujícím chyby i nekvalitní práci je nutné zabránit na všech úrovních, všech místech, při všech činnostech a všemi prostředky (takovými jsou organizační opatření, procesní opatření, IT technologie apod). „Detekce“ podvodu je jenom jedna část celého souboru činností, které se musí při odhalování podvodů a chyb realizovat. Detekce je první krok, na který musí navázat nalezení důkazu podvodu nebo chyby. Úkolem systémů, které detekují podvody a chyby, je upozornit odpovědné osoby na to, že daný případ vyžaduje podrobné prozkoumání. Rozlišujeme tři základní přístupy k detekci podvodů:

• Expertní pravidla, která hodnotí okolnosti transakce (např. žádost o dávku, lékařské vyšetření) nebo vlastnosti učastníků transakce. Podle těchto příznaků se snaží nástroj vymezit okruh problematických případů, které je třeba zkoumat. Zpravidla expertní pravidla nejsou velmi účinná a často vedou k příliš velkému počtu „falešných“ poplachů, nebo k vysokému počtu neidentifikovaných případů.
• Extrapolace minulých dat, kdy se predikční model, který odhaduje pravděpodobnost přítomnosti podvodu nebo chyby v daném případě, nastavuje podle minulých dat o podvodech a chybách. Model se nastavuje na tzv. trénovací množině, u níž je známé, které případy jsou podvodem a které případy jsou v pořádku. V případě existence kvalitních trénovacích minulých dat o podvodech a chybách jsou tyto metody velmi efektivní, spolehlivé a s pomocí statistických programů lehce dostupné. Nevýhodou a kamenem úrazu je kvalita a kvantita trénovací množiny dat. Připravit skutečně kvalitní trénovací množinu je časově i expertně náročné.
• Identifikace anomálií, kdy se v datech identifikují případy, které se vymykají ze skupiny porovnatelných případů. Fungují na principálně jednoduché myšlence, že podobné případy by se měly chovat podobně. Když se objeví odlišné chování, tak ho něco muselo způsobit – možná je to chyba v datech, možná se jeví odlišně protože data chybějí a možná je to podvod – je nutné daný případ prozkoumat. Měření velikosti odlišnosti je komplexní statistický problém, a proto v konečném důsledku je úspěšnost modelu závislá na spolupráci mezi statistiky a experty v oblasti odhalování podvodů.

Jsou schopny tyto inteligentní systémy kromě odhalení těmto podvodům i preventivně zabránit?

Samotné detekční modely a systémy, které je obsahují, jsou určeny pro identifikaci. Detekce však zpravidla probíhá v ranné fázi procesu, tedy často před dokonáním podvodu. Příkladem může být podvodná žádost o dávku, která je zastavena dřív, než jsou peníze vyplaceny. Samotné nasazení nástrojů pro aktivní odhalování podvodů má silný preventivní účinek, zvyšuje efektivitu systémů na rozdělování finančních prostředků a posiluje důvěru občanů k těmto systémům.

Jaká je úspěšnost těchto systémů?

Úspěšnost IT nástrojů na odhalování podvodů se odvíjí od systémů, na které jsou nasazeny, a od úrovně, s jakou se proti podvodům dosud bojovalo. Zkušenosti ze světa ukazují, že návratnost investic do těchto nástrojů se pohybuje v řádech měsíců. Nasazení nástrojů na odhalování podvodů se v každém případě vyplatí, a to jak zvýšením efektivity práce a snížením chybovosti, tak snížením počtu podvodů.

Které země jsou průkopníky v jejich využívání? Kde v Evropě už se aktivně využívají?

V oblasti zdravotnictví a výběru daní jsou průkopníky Spojené státy americké. Lze říci, že nástroje na odhalování podvodů se začínají běžně používat po celé Evropě. Využívají je například pojišťovny a v rámci státní správy se uplatní například při výběru daní.

Objevují se tito „elektroničtí detektivové“ už i u institucí v České republice?

Ano, nástroje pro odhalování podvodů jsou nasazeny jak v soukromém sektoru, tak v oblasti státní správy. Je však stále řada systémů a oblastí, kam by bylo vhodné tyto nástroje postupně nasadit.

Náklady lze díky inteligentním systémům šetřit i díky zefektivnění správy veřejného majetku a prostředků. Náklady na jejich pořízení ale mohou být velké. Existují nějaké pobídkové programy na jejich zavádění?

Ano, jedním z poměrně inovativních a ne běžně používaných modelů financování je tzv. benefit sharing model, kdy je dodavatel odměněn podílem na dosažených úsporách. Tento model nepředstavuje pro zadavatele žádné investiční náklady, jen náklady na spolupráci s dodavatelem. Aby takový model byl úspěšný, je nutné detailně definovat, co je úspora, jak se bude měřit a nastavit řadu procesních a organizačních pravidel. Je nutno myslet na spoustu detailů, které zabezpečí, že myšlenka „placení projektu podílem z realizovaných úspor“ se promítne do reality a obě strany budou spokojeny.

Lze kvůli úspoře prvotních nákladů sdílet stejné nástroje a zdroje napříč státními institucemi?

Ano, přičemž data a pravidla je možné držet odděleně. Je možné sdílet nástroje, modely, myšlenky a poučit se navzájem, co funguje.

Jak náročná (z hlediska státních zaměstnanců, IT techniků a konečných uživatelů) je správa takových systémů?

Z hlediska náročnosti IT správy je to obdobné jako s jinými komplexními systémy, které státní organizace již mají. Z hlediska rozvoje a nutného neustálého přizpůsobování systému novým okolnostem musí státní správa takové schopnosti ještě rozvíjet nebo nakoupit. Z hlediska koncových uživatelů je práce s těmito systémy stejně náročná jako práce s jinými komplexními systémy, které už mají k dispozici.