← Tutte le guide Finanza

Ricevute false e frodi sulle note spese

Le ricevute generate ora superano un'occhiata superficiale. Una checklist per i team finanziari, il motivo per cui i totali alterati lasciano un segnale locale e dove il controllo deve fermarsi.

· 7 min di lettura · Best AI Image Detector

La maggior parte delle ricevute false sono ricevute reali con il totale modificato. Questo lascia un segnale in una parte dell'immagine, che un punteggio sull'intera inquadratura media via e che una mappa delle regioni non nasconde.

Perché le ricevute sono un bersaglio facile

Una ricevuta è del testo su carta fotografato in cattive condizioni di luce. Non ci sono volti, mani o scene complesse, e tutti si aspettano che l'immagine sia leggermente sfocata e tagliata male. Qualsiasi problema di qualità che renderebbe sospetta un'altra fotografia qui risulta normale.

Anche gli importi sono sufficientemente bassi da non indurre nessuno a indagare individualmente. Un team finanziario che esamina quattrocento richieste al mese cerca anomalie, non compie analisi forensi su uno scontrino del caffè. Una singola ricevuta del caffè alterata non vale la pena di essere inseguita; quaranta in un anno fanno uno stipendio.

I due modelli e come vengono letti

14 11 9 12 76 81 16 13 10

La carta, l'illuminazione e il taglio sono autentici. Due riquadri adiacenti che coprono gli importi non lo sono.

Una ricevuta reale con due voci e il totale rigenerato. Il punteggio sull'intera inquadratura era 34.

Una ricevuta interamente generata ha un aspetto diverso. Ogni riquadro risulta alto, poiché nessuna parte dell'immagine proviene da una fotocamera. Quel caso è più facile da intercettare e, in pratica, meno comune rispetto a quello modificato.

Distinguere i due casi
ModelloPunteggio dell'intera inquadraturaMappa delle regioniCosa significa
Ricevuta generataAltoOgni tile altaL'acquisto probabilmente non è mai avvenuto
Importo modificatoDa basso a medioUno o due riquadri altiUn acquisto reale con la cifra cambiata
Autentica, fotografata maleMedioUniformemente caldaCompressione e scarsa illuminazione, non frode
Autentica, bella fotoBassoOgni riquadro bassoNiente da segnalare

I controlli che non riguardano i pixel

L'analisi delle immagini è un segnale e, nelle frodi sulle spese, è raramente il primo a scattare. Questi metodi non costano nulla e intercettano di più.

  • Aritmetica. Le singole voci sommate danno il subtotale e l'aliquota fiscale si applica correttamente? I totali modificati spesso rompono la matematica, perché chi li cambia modifica un solo numero.
  • Numeri di sequenza. Due ricevute dello stesso esercente in giorni diversi con numeri di transazione adiacenti rappresentano un segnale più forte di qualsiasi punteggio.
  • Dettagli dell'esercente. Un numero di telefono che non risponde, un indirizzo che non esiste, un numero di partita IVA nel formato errato per il Paese.
  • Immagini ripetute. La stessa texture della carta, lo stesso tavolo, la stessa illuminazione in acquisti presumibilmente non correlati.
  • Tempistica. Ricevute inviate in blocco alla fine del periodo, datate nell'arco di diverse settimane, tutte fotografate nella stessa sessione.
  • Numeri tondi. Importi che si trovano appena sotto una soglia di approvazione, ripetutamente.

Perché i team finanziari non dovrebbero caricare le ricevute

Una ricevuta contiene la posizione, l'orario e le spese di un dipendente, e spesso un numero di carta parziale. Inviare tali dati a un servizio di punteggio di terze parti crea un rapporto di trattamento che include i dati personali del personale, il quale richiede un contratto, una politica di conservazione e una riga nella tua informativa sulla privacy.

Il punteggio nel browser evita tutto questo. Il file viene letto dal disco dalla pagina e non viene mai trasmesso, quindi non c'è alcun responsabile del trattamento da nominare e nulla da divulgare.

Cosa fare con una ricevuta segnalata

  1. Verifica nuovamente l'originale

    Chiedi il file dal telefono che lo ha scattato. La maggior parte dei punteggi elevati sulle ricevute autentiche deriva dalla ricompressione dopo che l'immagine è transitata tramite email o un'app di chat.

  2. Controlla l'aritmetica e l'esercente

    Se i numeri non tornano o l'esercente non esiste, hai una risposta che non dipende affatto da un modello.

  3. Osserva il pattern, non la singola affermazione

    Una ricevuta segnalata è solo rumore. Lo stesso dipendente segnalato quattro volte, o un set fotografato in un'unica sessione, costituisce un pattern su cui vale la pena effettuare verifiche.

  4. Indirizza la questione a una persona, non a una policy

    Il rifiuto automatico basato su un punteggio è ingiusto e, laddove influisce sulla retribuzione, rischioso dal punto di vista legale. Una segnalazione dovrebbe aprire a una conversazione.

Progettare una policy che sopravviva al confronto con il personale

Una policy sulle spese che tratta ogni ricevuta segnalata come presunta frode genererà più contestazioni che recuperi. Il tasso di errore sulle fotografie delle ricevute è elevato e le persone interessate sono i tuoi stessi dipendenti.

Imposta la soglia in base al valore anziché al punteggio. Controllare tutto ciò che supera un limite è proporzionato e facile da spiegare a un comitato aziendale o a un sindacato. Controllare tutto e poi agire sull'output di un modello non è nessuna di queste cose.

Specifica nella policy che vengono effettuati controlli sulle immagini, cosa li attiva e che una segnalazione comporta la richiesta del file originale anziché un rifiuto. Il personale che conosce la regola in anticipo l'accetta. Il personale che la scopre tramite un'accusa no.

  • Pubblica la soglia affinché nessuno sia sorpreso da un controllo.
  • Invia le segnalazioni a una persona, mai a un rifiuto automatico.
  • Chiedi prima il file originale, poiché la ricompressione spiega la maggior parte dei punteggi elevati.
  • Procedi con le segnalazioni in base ai pattern relativi a un richiedente, non alle singole ricevute.

Domande frequenti

Il rilevamento IA può intercettare una ricevuta falsa?
Rileva due cose: una ricevuta interamente generata, che ottiene punteggi elevati in ogni riquadro, e un importo alterato, che appare come uno o due riquadri caldi all'interno di un'immagine altrimenti pulita. Non intercetterà una ricevuta autentica per un acquisto non correlato all'attività lavorativa, che è una forma di frode sulle spese molto più comune.
Perché a volte le ricevute genuine ottengono punteggi elevati?
Le ricevute vengono fotografate in condizioni di scarsa illuminazione, a un'angolazione particolare, su carta arricciata, e poi compresse da qualsiasi app attraverso cui transitano. Ciascuno di questi fattori spinge il punteggio verso l'alto. Previeni un tasso reale di falsi positivi e struttura il processo in modo che una segnalazione generi una domanda anziché un rifiuto.
Dovremmo controllare ogni ricevuta automaticamente?
I controlli più economici intercettano di più. L'aritmetica, i numeri di sequenza e la convalida dell'esercente vengono eseguiti istantaneamente e individuano frodi che l'analisi delle immagini non troverà mai. Usali come primo filtro e riserva i controlli dei pixel a ciò che questi fanno emergere, o per richieste che superano una soglia di valore.
Possiamo archiviare i risultati nel nostro sistema di spese?
Sì, e archiviare il risultato anziché il giudizio è l'approccio corretto. Esporta il report in modo che il punteggio, la mappa delle regioni e la data siano affiancati alla richiesta. Una decisione messa in discussione un anno dopo deve essere spiegabile, ed è l'esportazione a renderlo possibile.
Possiamo controllare le ricevute in blocco?
Sì, fino a 25 immagini per batch. La maggior parte dei team analizza un'intera richiesta in una sola volta e cerca il valore anomalo anziché leggere ciascun punteggio. Un set fotografato in un'unica sessione tende a rientrare in un intervallo di punteggio ristretto, quindi la ricevuta che si discosta notevolmente è quella su cui vale la pena soffermarsi.