Prevenire le frodi: l'intelligenza artificiale e il nudge al servizio dei "buoni"
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Prevenire le frodi: l’intelligenza
artificiale e il nudge al servizio
dei "buoni"
Direzione Centrale Entrate
e Recupero Crediti
Area Vigilanza documentale, analisi
del rischio e prevenzione delle frodi
ROMA 15 Maggio 2019 Maria Sandra Petrotta e Antonello Lilla
L’EVOLUZIONE DELLA
VIGILANZA IN INPS
VIGILANZA
ISPETTIVA
VIGILANZA ISPETTIVA E
VIGILANZA DOCUMENTALE
?
Coinvolgimento di tutte le
DC ERC professionalità dell’Istituto
STRUMENTI & TECNOLOGIE
ACCERTATO ACCERTATO
OBIETTIVO
OBIETTIVI
NUDGE
MINORI USCITE
INTELLIGENZA ARTIFICIALE
FINO AL 2010 FINO AL 2018
L’EVOLUZIONE DELLA
VIGILANZA IN INPS
VIGILANZA 2.0
Patronati D.c. OSI
Intermediari D.c. AS
PREDICTIVE
NUDGE
ANALYSIS
D.c. AA D.c. ERC
CAAF
Organizzazioni
sindacali
Altre PA
D.c. SR CGSA
INTELLIGENZA Sedi INPS
Lavoratori
ARTIFICIALE
Stakeholder interni
D.c. PCG Imprese Stakeholder esterni
GLI OBIETTIVI DELLA
VIGILANZA 2.0
Minori uscite
Maggiori entrate
(non maggiore accertato)
Deterrenza
Protezione Sociale e diffusione
della cultura della legalità
Tutela della concorrenza fra imprese
Attrarre investimenti delle imprese sane
LA PRIMA APPLICAZIONE INPS
INTELLIGENZA
ARTIFICIALE "ARTIGIANALE"
LA METODOLOGIA FROZEN
1,5 mln
Costruzione di un modello predittivo che si Flussi analizzati
basa su caratteristiche del flusso e dei soggetti
ogni mese
Elaborazione dei flussi
Attribuzione ad ogni flusso trasmesso del
punteggio di rischio
Confronto del punteggio di rischio con il
punteggio soglia
PrPs Aziende sottoposte a controlli di
Vigilanza Documentale o Ispettiva
DUE MONDI A CONFRONTO
ANALISI VALUTAZIONI FROZEN
Matricola: 0000000000 Periodo: 10-2018 C F Azienda: 00000000000 Sede INPS: 7000
Ragione Sociale: XXXX C SC: 00000 C A: 0000 ID Denuncia: 1
ID Trasmissione: 00000000
INDIETRO
Stato lavorazione: Bloccata
98%
Id Competenza TipoMittente Stato Regola Effetto Soglia
1 01/10/2018 Impresa Attesa input utente 1 +5 40
1 01/10/2018 Impresa Attesa input utente 2 +10 40
1 01/10/2018 Impresa Attesa input utente 3 +5 40
1 01/10/2018 Impresa Attesa input utente 4 +20 40
1 01/10/2018 Impresa Attesa input utente 5 +10 40
Totale +50
+50
FROZEN
I BENEFICI DI FROZEN
2 anni
di attività
30 mila
Rapporti di lavoro «congelati»
230 mln € BENEFICI
minori uscite DIRETTI
BENEFICI Nuovi Serial liar
INDIRETTI Apprendimento organizzativo
I risultati hanno spinto l’Istituto a:
• Estendere la metodologia ad altri processi
• Anticipare ancora il momento del check
DA FROZEN A MINORITY REPORT
LA REALIZZAZIONE DI UN SISTEMA DI IA IN INPS
MAPPATURA MAPPATURA
1 MAPPATURA E
SCHEMA DELLE 2 ELEMENTI
RICORRENTI
3 MAPPATURA
DATI DEI FLUSSI 4 EVENTI
PREMONITORI
FRODI SUBITE INFORMATIVI
NELLE FRODI DELLE FRODI
RAPPRESENTANTE LEGALE IMPRESE DI NUOVA
LAVORO FITTIZIO CONTRIBUTIVI
SEDE LEGALE COSTITUZIONE
SOMME A CONGUAGLIO PEC Iscrizione azienda al
RETRIBUTIVI
FUORI CONTROLLO INDIRIZZI IP registro delle imprese
(Camere di Commercio)
GRUPPI OMOGENEI DI
FALSE COMPENSAZIONI ASSISTENZIALI
LAVORATORI IMPRESE IN
ESERCIZIO
DOPPIA CONTABILITÀ INTERMEDIARI ANAGRAFICI Aumento/riduzione del
personale
… … … Richiesta di DURCDATASET SCENARI A RISCHIO SISTEMA DI IA COLLETTIVA
DUE METODOLOGIE A CONFRONTO
15/30 GIORNI
PREVISIONE MANIFESTAZIONE
FRODE
2° APPROCCIO 1° APPROCCIOForza lavoro – Azienda A
400 ESEMPIO DI IA COLLETTIVA
300 249 241 226
211 229 213 219 199 198 191
200
89 79
Aziende aventi in comune:
100
0 12 1
0 Intermediario
Lavoratori
Forza lavoro – Azienda B
400 Sede legale
300
200
104 84 105 117 96 91 90
74 92 93 94 74
100 21 1 1 Rappresentante legale differente
0
Forza lavoro – Azienda C Forza lavoro totale (A+B+C)
400 342 400 358
330 336 334 320 324 344
311 311 330 294 292
300 300 269
200 200 170 178
100 100 28
7 7 7 7 7 5 5 5 4 5 4 4 4
0 0Forza lavoro – MOON SCRL Forza lavoro – ALPHA SCRL
200 200
172 169 170 174
165 168 170
155 155 157 151 157
150 150
111 112 114
94 99 98 100 103 104 106 106
100 100 92
50 50
01/18 02/18 03/18 04/18 05/18 06/18 07/18 08/18 09/19 10/18 11/18 12/18 01/18 02/18 03/18 04/18 05/18 06/18 07/18 08/18 09/19 10/18 11/18 12/18
Forza lavoro – MOON SRL Forza lavoro – ALPHA SRL
200 184 184
Aziende aventi 200
180
in comune:
150 150 134
Forza lavoro 124 127 Forza lavoro
Intermediario
(MOON SCRL + (MOON SCRL +
100 ALPHA SCRL) 100 ALPHA SCRL)
Lavoratori
50 50
01/19 02/19 03/19 Sede legale 01/19 02/19 03/19
11/12/18 26/12/2018 Attività Rappresentante legale
annullamento costituzione
DURC nuova società differenteANALISI PER LA VIGILANZA DOCUMENTALE
MONITORAGGIO CASI DA ATTENZIONARE
POTENZIONALI FRODI IN
RIFERIMENTO A UNILAV E Monitoraggio assunzioni lavoratori coinvolti nelle
ANAGRAFICA frodi seriali
CONTRIBUENTE UNICA
POTENZIALI FRODI IN
Monitoraggio iscrizioni aziende, rappresentanti legali
RIFERIMENTO A
coinvolti nelle frodi
ISCRIZIONI AZIENDEANALISI PER LA VIGILANZA DOCUMENTALE
MONITORAGGIO CASI DA ATTENZIONARE
MODALITÀ DI RICERCA
Data Assunzione dal (GG/MM/AA) ad oggi
Numero Minimo Lavoratori Assunti 6
POTENZIONALI FRODI
Tipo Evasione: IN
False Compensazioni
RIFERIMENTO A UNILAV E Monitoraggio assunzioni lavoratori coinvolti nelle
ANAGRAFICA frodi seriali
CONTRIBUENTE UNICA
Data Assunzione dal (GG/MM/AA)
01/04/2019
POTENZIALI FRODI IN
Monitoraggio iscrizioni aziende, rappresentanti legali
RIFERIMENTO A
coinvolti nelle frodi
ISCRIZIONI AZIENDE
CERCA
Sintesi Lavoratori AssuntiMonitoraggio assunzioni lavoratori coinvolti nelle frodi seriali
Sintesi lavoratori assunti con evidenza dell’indagine associata
Tipo evasione: FALSE COMPENSAZIONI
Data Assunzione dal: 01/04/2019 Numero minimo dipendenti assunti: 6
CF Azienda Data Assunzione Lavoratori Assunti Indagine
XXXXXXXXXXX 01/05/2019 16 LATIONOS
YYYYYYYYYYYY 08/05/2019 10 2 TORRI
AAAAAAAAAAA 08/04/2019 20 CESARONI
AAAAAAAAAAA 15/04/2019 25 CESARONI
PPPPPPPPPPPPP 02/05/2019 51 PANDORA
VVVVVVVVVVV 17/04/2019 12 2 TORRI
VVVVVVVVVVV 10/04/2019 24 2 TORRI
Sintesi Lavoratori AssuntiMonitoraggio assunzioni lavoratori coinvolti nelle frodi seriali
Sintesi lavoratori assunti con informazioni sul rapporto di lavoro
Indagine: LATINOS Tipo evasione: FALSE COMPENSAZIONI
Data Assunzione: 01/05/2019 CF Azienda: XXXXXXXXXXX
CF Lavoratore Tipo Orario Tipo Rapporto
XXXXXXXXXXX Tempo pieno LATINOS
YYYYYYYYYYYY Tempo pieno 2 TORRI
AAAAAAAAAAA Tempo pieno CESARONI
AAAAAAAAAAA Tempo pieno CESARONI
PPPPPPPPPPPPP Tempo pieno PANDORA
VVVVVVVVVVV Tempo pieno 2 TORRI
VVVVVVVVVVV Tempo pieno 2 TORRI
Lavoratori Datori di lavoro Posizioni contributiveMonitoraggio assunzioni lavoratori coinvolti nelle frodi seriali
Dettaglio del Datore di Lavoro
Indagine: LATINOS Tipo evasione: FALSE COMPENSAZIONI
Data Assunzione: 01/05/2019 CF Azienda: XXXXXXXXXXX
Denominazione Azienda Azienda x s.r.l.
PEC Aziendax@pec.t
Sede Legale* Via 1
Provincia Sede Legale Provincia 1
Comune sede legale Comune 1
CF Rappresentante Legale* RAPPR1 RAPPR2 RAPPR3
Lavoratori Datori di lavoro Posizioni contributiveMonitoraggio assunzioni lavoratori coinvolti nelle frodi seriali
Dettaglio Posizione Contributive del Datore di Lavoro
Indagine: LATINOS Tipo evasione: FALSE COMPENSAZIONI
Data Assunzione: 01/05/2019 CF Azienda: XXXXXXXXXXX
Posizione Contributiva 0000000000001 0000000000002 0000000000003
Gestione Gestione Separata Azienda DM Azienda DM
Stato Posizione Contributiva Attiva Attiva Attiva
CF Intermediario CONSUL1 CONSUL1 CONSUL1
Sede Appartenenza Via 2 Via 3 Via 4
Provincia Appartenenza Provincia 1 Provincia 1 Provincia 1
Comune Appartenenza Comune 1 Comune 1 Comune 1
*I valori dei campi CF Intermediario e Sede di appartenenza della
Posizione Contributiva risultano evidenziati nel caso in cui già presenti
nella base delle frodi seriali.
Lavoratori Datori di lavoro Posizioni contributiveIL NUDGE Comune sede dell’Ufficio / Data
Cognome e nome
Indirizzo completo
Oggetto: Benvenuto nel mondo della grande imprenditoria
Gentile Signor Rossi, l’Istituto voleva complimentarsi per il notevole incremento di
personale della società XY S.r.l. di cui è rappresentante legale.
Con l’occasione Le ricordiamo che INPS fornisce supporto alle grandi imprese per
il corretto adempimento degli obblighi contributivi. Proprio per questo motivo
verificheremo i suoi primi modelli UNIEMENS ed F24, per evitare che eventuali
errori di compilazione o l’utilizzo in compensazione di crediti non risultanti
dalle dichiarazioni obbligatorie possano pregiudicare il rilascio del DURC.
Pertanto la invitiamo a contattarci attraverso i servizi di assistenza online o Posta
elettronica certificata (PEC). Un nostro funzionario sarà a sua disposizione per
fornirle i chiarimenti necessari.
Per ulteriori informazioni sui pagamenti mediante compensazione può visitare
il sito del nostro partner istituzionale, l’Agenzia delle Entrate, all’indirizzo:
www.agenziaentrate.gov.it
Con l’occasione cordiali saluti e buona fortuna.IL POKER ETERODOSSO
Serial Liar Serial Liar
CALL FOLD
INPS INPS
LOSE WINDATASET
MAPPIAMO SOLO CIÒ CHE CONOSCIAMO
COME MIGLIORARE?
Seguendo i comportamenti Coinvolgendo gli stakeholder
dei Serial Liar alla ricerca di nel controllo e nel contrasto
nuovi processi da violare alle frodi
(es. mobile APP)INDIVIDUAZIONE DEI SERIAL LIAR
Rappresentante legale
Intermediario
PEC
Sede legale
Gruppi omogenei di lavoratori
Indirizzi IP
Serial Liar: soggetto che fa delle truffe ai danni dell’azienda pubblica la propria fonte
principale di reddito (hacker dei processi della P.A.).
A mano a mano che si "blindano" i processi vulnerabili, l’osservazione del comportamento
del serial liar permetterà di individuare altri processi vulnerabili del sistema.INPS MOBILE
Il nuovo servizio Consultazione Info
Previdenziali (CIP), fruibile attraverso
web ed APP Mobile, consente di visualizzare
una serie di informazioni rilevanti ai fini
previdenziali:
Consultazione Info Previdenziali
la tipologia il totale
contrattuale imponibile
i conguagli e gli
la denominazione
eventi esposti dal
dell’azienda per
datore di lavoro
cui si presta
nei flussi
servizio
UniEmensPOSSIBILI EVOLUZIONI
L’utente "lavoratore", direttamente In ottica di miglioramento dell’user
dall’APP, potrà: experience, l’APP potrà:
chiamare il Contact Center INPS per Consultazione Info Previdenziali
inviare agli utenti un una notifica push
ricevere eventuali chiarimenti; ogniqualvolta siano disponibili i dati
l’operatore visualizzerà la stessa relativi alla nuova mensilità di
schermata dell’utente competenza
contenere una specifica sezione dedicata
effettuare una segnalazione alla sede
alle FAQ, al fine di ridurre l’effort
INPS competente
richiesto dagli operatori del call center
confrontare le informazioni presenti prevedere un bot in grado di rispondere
sull’APP con quelle riportate in busta automaticamente, attraverso soluzioni di
paga RPA, ai quesiti comuni degli utentiDATASET UPGRADE DEL SISTEMA DI IA COLLETTIVA
FROZEN 2 FROZEN 2.0
TO BE CONTINUED… on 22th NovemberGRAZIE
GLI OBIETTIVI
DELL’ESPERIMENTO
Verificare se, in che modo e in che misura cambiano
i comportamenti delle imprese in seguito ad una
comunicazione “pungolo”
Raccogliere dati sui comportamenti per
costruire un dataset a supporto delle decisioni
sull’indirizzo delle azioni successiveIL PROCESSO
DELL’ESPERIMENTO
Estrazione del Rilevazione dei
campione dati
02 04
01 03 05 Elaborazione dei
dati
Individuazione della Invio comunicazione
popolazione alle impreseI CONTATTI SUCCESSIVI
ALL’INVIO DELLE PEC
155 25 15 1
PEC risposte via contatti contatto
inviate PEC telefonici atipico
PEC EVIDENZE EMERSE
1. Il tono delle PEC di risposta e delle telefonate è stato sempre
rispettoso e di collaborazione con INPS.
2. L’esistenza dei serial liar e dei prestanome si è manifestata in 3
casi specifici.ALCUNI DATI
2 Mila imprese 155 imprese 129 imprese
Popolazione Campione iniziale Campione sanitizzato
Comportamento Numero Incidenza % Pagato
€ Pagamento integrale
Pagamento parziale
15
13
11,6%
10,1%
285.973
33.597
€4.677.676 Nessun pagamento 56 43,4% 0
debito
complessivo del False compensazioni 45 34,9% 0
campione Totale complessivo 129 1 319.570
sanitizzato
% pagamento su debito 6,8%ALCUNI DATI
Le 129 imprese del campione sono state divise in 4 gruppi
2 7 7 21 21 < 48 48 < 200
1 Mila
< <
Mila 2 Mila
< <
Mila 3 Mila
<
Mila 4 Mila
<
Mila
% Pagata sul debito
45%
39,9%
40%
35%
30% 24,4%
25%
20%
13,4%
15%
10%
5% 0,0%
0%
1 2 3 4 DebitoPuoi anche leggere
