Slutsatser från granskningen

IAF bedömer att arbetslöshetskassornas kontrollarbete kan förbättras genom att i högre utsträckning använda riskbaserade urval med AI-modeller. Granskningen visar att sådana urval har potential att öka träffsäkerheten och minska andelen oupptäckta felaktiga utbetalningar.

Resultat i korthet

• Arbetslöshetskassorna hittar inte alla felaktiga utbetalningar. 
• Det finns stora skillnader mellan arbetslöshetskassorna. 
• AI-baserade riskurval är effektivare än slumpmässiga kontroller. 

Granskningen visar att arbetslöshetskassorna upptäcker upp till omkring två tredjedelar av de felaktiga utbetalningarna. Andelen tidrapporter som lett till återkrav var under 2021–2023 cirka 2,2 procent. Den prediktiva modelleringen uppskattar att ytterligare 1,0–2,6 procent av tidrapporterna innehåller fel, medan en uppskattning baserad på manuella kontroller pekar på ett mörkertal 1,4–4,3 procent. Sammantaget motsvarar de oupptäckta felaktiga utbetalningarna mellan 108 och 498 miljoner kronor för 2024.

Bakgrund till granskningen

Det är viktigt för arbetslöshetsförsäkringens legitimitet att ersättning endast betalas ut till de som har rätt till den. För att stärka kontrollsystemet och öka träffsäkerheten i arbetslöshetskassornas arbete har vi undersökt hur mörkertalet kan minskas genom AI-baserade analyser och mer riktade kontroller.

Så gjorde vi granskningen: 

• Vi använde AI-baserade prediktiva modeller för att analysera tidrapporter och identifiera de som har högre risk att vara felaktiga.
• Tio a-kassor gjorde manuella kontroller av tidrapporter som antingen valdes ut slumpmässigt eller bedömdes ha förhöjd risk enligt AI-modellerna.
• Vi genomförde jämförelser mellan olika arbetslöshetskassor.