Joel Winteregg, administrerende direktør for Vyntra – Interviewserie

Joel Winteregg, administrerende direktør for Vyntra, er en executive inden for finansiel teknologi og softwareingeniør med næsten to årtier erfaring med at udvikle teknologi til svindelforebyggelse, opdagelse af økonomisk kriminalitet og transaktionssikkerhed. Før han overtog roret hos Vyntra i juni 2025, tjente han som gruppe‑administrerende direktør for Intix og tilbragte mere end 18 år som administrerende direktør og medstifter af NetGuardians, hvor han hjalp med at bygge kunstig intelligens‑ og maskinlæringsløsninger til finansielle institutioner. Tidligere i sin karriere arbejdede Winteregg som netværks‑ og softwareingeniør ved Institute for Information and Communication Technologies med fokus på open‑source sikkerhedsstyringsplatforme og real‑tids hændelseskorrelation. Han leder nu Vyntra efter sammenslutningen af Intix og NetGuardians.

Vyntra er en finansiel teknologivirksomhed, der leverer AI‑drevet transaktionsintelligens til banker, betalingsserviceudbydere, fintech‑virksomheder og andre finansielle institutioner. Dannet gennem 2025‑unionen af NetGuardians og Intix, kombinerer virksomheden real‑tids transaktionsobservabilitet med forebyggelse af økonomisk kriminalitet, så institutionerne kan overvåge betalingsstrømme, identificere operationelle anomalier, opdage svindel, spore hvidvaskningsrisici og undersøge interne trusler. Dens platform centraliserer transaktionsdata på tværs af systemer og formater, mens den anvender adfærdsanalyse og kollektiv intelligens for at hjælpe organisationer med at reagere på risici uden unødvendigt at forstyrre legitime betalinger. Vyntra rapporterer, at de betjener mere end 130 finansielle institutioner i over 60 lande.

Du har brugt næsten to årtier på at opbygge NetGuardians til en anerkendt aktør inden for AI‑drevet svindelforebyggelse, og har for nylig ledet Intix, før du blev administrerende direktør for Vyntra. Hvordan har dit perspektiv på økonomisk kriminalitet udviklet sig gennem disse roller, og hvilket strategisk hul sigter Vyntra efter at lukke i dag?

Økonomisk kriminalitet er ikke længere et isoleret operationelt problem. Det er blevet en systemisk risiko for finansielle institutioner. På tværs af NetGuardians, Intix og nu Vyntra,, skiftet har været ganske tydeligt. Svindel er flyttet fra at være et IT‑problem til et bestyrelses‑niveau problem. Det sad tidligere primært under ledelsesniveauet og blev håndteret af IT‑ og cybersikkerhedsteams. De finansielle, omdømmemæssige og regulatoriske konsekvenser er nu så betydelige, at det fast er på bestyrelsens og C‑suite‑lederes agenda, og den respons, det kræver, har ændret sig tilsvarende. Svindel er også holdt op med at være et spørgsmål om at opdage mistænkelige transaktioner inden for en enkelt institution. Det opererer nu på tværs af systemer, institutioner og kanaler og udvikler sig kontinuerligt, hvilket afslører et hul mellem hvordan svindel opfører sig og hvordan den typisk håndteres.

Vyntra fokuserer på at lukke dette hul, baseret på arbejde med mere end 130 institutioner i over 60 lande, hvor svindelforebyggelse og transaktionsobservabilitet er placeret i samme platform. Det betyder at gå ud over statiske kontroller og isolerede data, mod real‑tids intelligens, adfærdsforståelse og en mere sammenhængende risikovisning. Målet er at gribe ind, før svindel overhovedet opstår, samtidig med at institutionerne får bedre synlighed gennem hele transaktionslivscyklussen.

Globale banksvindel‑tab når nu hundredvis af milliarder årligt, med stadig mere sofistikerede svindelkampagner. Fra dit perspektiv, hvilke strukturelle skift har gjort svindel til et, der ligner et industrialiseret system snarere end isoleret kriminel aktivitet? 

Det afgørende skift er skala. Svindel er blevet organiseret, gentagelig og i stigende grad industrialiseret, og er ikke længere en række isolerede hændelser. I årevis blev svindel primært forstået i forhold til volumen. Flere angreb krævede flere kontroller, og institutionerne reagerede ved at finjustere detektionsregler og styrke autentificering. Denne tilgang har nu nået sin grænse.

Hvad vi ser nu, er noget andet. Svindlere opererer i stor skala med den koordination og effektivitet, som legitime virksomheder har. De tester, finjusterer og optimerer deres metoder. De er agile, ubegrænsede af overholdelse eller juridiske forpligtelser, og eksperimenterer konstant med nye værktøjer og taktikker. Succesfulde metoder genbruges og deles, og kampagner designes med performance for øje. AI accelererer dette, men er ikke den grundlæggende årsag. Det giver blot ekstra kraft til et allerede organiseret system. Det muliggør hurtigere målretning, mere overbevisende kommunikation og større personalisering. Den kombination gør svindel mere skalerbar og betydeligt sværere at opdage. Det er holdt op med at være opportunistisk og er begyndt at ligne en industri.

En voksende del af svindel i dag involverer “autoriserede” transaktioner, hvor ofrene manipuleres til selv at sende penge. Hvorfor har traditionelle svindelforebyggelses‑rammer svært ved denne kategori, og hvad skal grundlæggende ændres?

Traditionelle rammer er bygget omkring uautoriseret aktivitet. De er designet til at opdage brud, kompromitterede legitimationsoplysninger eller mistænkelige adgangsmønstre. Ved autoriseret svindel fungerer systemet som forventet. Kunden autentificerer, transaktionen bekræftes, og der er ingen åbenlys teknisk anomalie. Set fra et systemperspektiv ser alt legitimt ud.

Omfanget af dette problem er betydeligt. Ifølge UK Finances seneste Annual Fraud Report steg APP‑svindel‑tab 19% i 2025 til £576,4 millioner på tværs af 248.070 sager. Problemet er, at svindlen allerede har fundet sted før betalingen. Det sker i interaktionen gennem manipulation og social engineering. Det, der skal ændres, er fokus. I stedet for kun at se på, om en transaktion er autoriseret, skal institutionerne forstå kontekst og intention. Det kræver adfærdsindsigt og real‑tidsanalyse, ikke kun transaktions‑niveau kontroller.

Instant‑betalingssystemer accelererer globalt, men de komprimerer også vinduet for at opdage svindel til sekunder. Hvordan bør finansielle institutioner gentænke risikostyring i en verden, hvor transaktioner er uigenkaldelige næsten øjeblikkeligt? 

Hastighed er blevet en af de afgørende faktorer i både svindel og forebyggelse. Mange svindelnumre udfolder sig nu inden for en enkelt dag, og når midler er overført, flyttes eller hæves de ofte inden for minutter. Samtidig er betalingsinfrastrukturen designet til at levere umiddelbarhed, og reguleringen accelererer dette skift. EU’s Instant Payments Regulation kræver, at alle betalingsserviceudbydere i eurozonen sender øjeblikkelige kreditoverførsler og tilbyder Verification of Payee‑tjenester fra oktober 2025.

Det skaber en spænding mellem hastighed og sikkerhed. I dette miljø er forsinket indgriben ikke længere holdbar. Risikostyring skal fungere i real‑tid. I stedet for at bremse betalingerne, skal risikodetektion, beslutningstagning og respons være hurtige nok til at ske inden for selve betalingsflowet. Dette ændrer grundlæggende, hvordan institutioner skal tænke på svindel. Institutionerne skal skifte fra efter‑hændelses‑analyse til forebyggelse i flowet, ved at stoppe svindeltransaktioner før afregning,not investigating them afterwards.

AI bruges nu på begge sider af ligningen, af svindlere til at skalere angreb og af finansielle institutioner til at opdage dem. Hvordan ser den næste fase af dette våbenkapløb ud, og hvor ser du balancen tippe? 

Våbenkapløbet accelereres af AI, men resultatet vil ikke kun blive defineret af teknologi. Det vil afhænge lige så meget af, hvor effektivt intelligens deles og anvendes. Svindlere opererer allerede som højt koordinerede netværk, og finansielle institutioner skal i stigende grad reagere på samme måde. De deler infrastruktur, data og taktikker, og når én tilgang blokeres, tilpasses den hurtigt og implementeres andre steder. AI forstærker dette ved at muliggøre hurtigere iteration og mere overbevisende, skalerbare kampagner.

På forsvarssiden er der et tydeligt skift fra at behandle svindel som et enkelt‑institutionsproblem til at anerkende det som en udfordring på netværksniveau. Initiativer som EBA CLEARING’s FPAD og udviklinger fra SWIFT afspejler en bevægelse mod delt, real‑tids svindelintelligens, især i forbindelse med instant‑betalinger. Dette er vigtigt, fordi mange af de mest værdifulde signaler ligger uden for en enkelt institution, hvad enten det er mule‑konti, adfærdsanomalier eller nye mønstre. Når den intelligens deles og indtages i real‑tid, forbedres detektion. Når den ikke gør, flytter svindlen sig blot andre steder. Balancen vil favorisere dem, der kan kombinere real‑tidsanalyse med kollektiv intelligens. Dem, der opererer isoleret, vil have svært ved at følge med.

Vyntra lægger vægt på adfærdsanalyse og real‑tids transaktionsintelligens. Hvordan adskiller dette sig fra regelbaserede systemer, og hvorfor bliver adfærd det kritiske signal i svindeldetektion? 

Regelbaserede systemer er i sig selv statiske. De er afhængige af foruddefinerede betingelser og kendte mønstre. Det fungerer til en vis grad, men bliver mindre effektivt, efterhånden som svindel udvikler sig. Adfærdsanalyse er anderledes. Den ser på, hvordan handlinger afviger fra forventede mønstre i real‑tid. Det inkluderer hvordan en bruger interagerer, hvordan beslutninger træffes, og hvordan transaktioner passer ind i en bredere kontekst. Det, der gør moderne adfærdsdetektion mere kapabel, er kombinationen af tilgange, der arbejder sammen. Uovervåget læring identificerer anomalier uden at skulle vide, hvordan svindel ser ud på forhånd, overvåget læring trækker på kendte svindelmønstre for at skærpe detektionen over tid, og aktiv læring fodrer real‑world resultater tilbage i modellen kontinuerligt, så systemet forbedres med hver beslutning, det træffer.

Dette er vigtigt, fordi moderne svindel er designet til at fremstå legitim på transaktionsniveau. I mange moderne svindelscenarier bliver adfærd det klareste tegn på, at noget er galt, selv når selve transaktionen ser legitim ud. Ved at fokusere på adfærd og kontekst kan institutionerne identificere risiko tidligere, ofte før transaktionen er fuldført.

Der er en stigende diskussion om “fællesskabsintelligens” eller delt svindeldatas mellem institutioner. I praksis, hvor realistisk er samarbejde i stor skala mellem finansielle institutioner givet regulatoriske begrænsninger, og hvilke modeller fungerer faktisk? 

Samarbejde bevæger sig fra at være valgfrit til at være essentielt, men det skal antage en brugbar form. Dette er ikke et nyt koncept for Vyntra. Delt intelligens har været en del af vores tilgang i årevis, fordi svindel aldrig har opereret pænt inden for institutionelle grænser. Et par modeller dukker op i praksis. Konsortium‑ eller delt‑nytte‑tilgange samler data gennem en central enhed. Federerede og privatlivsbevarende design gør det muligt for institutioner at træne på delte mønstre uden at afsløre rå kundedata. Netværks‑niveau intelligensinitiativer, såsom EBA CLEARING’s FPAD, skubber svindelsignaler på tværs af deltagere i real‑tid, efterhånden som instant‑betalinger skaleres. Hver fungerer inden for eksisterende regulatoriske rammer i stedet for udenom dem, hvilket gør dem levedygtige i stor skala. Efter vores erfaring ser institutioner, der deler intelligens inden for et betroet, GDPR‑kompatibelt netværk, en forbedring i detektionsrater på omkring 20%, selvom det præcise tal varierer afhængigt af netværksdesign og deltagelsesniveauer. Efterhånden som instant‑betalingsregulering accelererer grænseoverskridende transaktionsvolumener, vil de institutioner og netværk, der investerer i delt intelligens‑infrastruktur nu, være bedre positioneret til at håndtere den svindel, der uundgåeligt følger med den vækst.

Mange finansielle institutioner kæmper stadig med høje falske‑positiv‑rater, hvilket skaber friktion for kunder og operationelle ineffektiviteter. Hvordan reducerer moderne AI‑drevne systemer falske positiver uden at øge risikoudsættelsen? 

Falske positiver er ofte en konsekvens af begrænset kontekst. Når beslutninger baseres på snævre signaler, har systemerne tendens til at overkompensere. Moderne tilgange reducerer dette ved at indarbejde mere data og bedre kontekst. Adfærdsindsigt, transaktionshistorik og real‑tids‑signal giver mulighed for mere præcis risikovurdering. Målet er ikke blot at blokere flere transaktioner, men at træffe bedre beslutninger. På tværs af branchen har store finansielle institutioner, der implementerer adfærdsmæssige AI‑systemer, rapporteret en reduktion af falske positiver på mellem 60% og 90% sammenlignet med ældre regelbaserede kontroller. Falske positiver skader tilliden, når legitime kunder gentagne gange afbrydes. Når systemer kan skelne mellem ægte anomalier og legitim adfærd, kan de reducere unødvendig friktion, mens de stadig opretholder stærk beskyttelse.

Intern svindel og interne trusler er stadig underdiskuteret i forhold til eksterne angreb. Hvor betydelig er denne risiko i dag, og hvordan bør institutioner gentænke overvågning af interne adfærd og adgangsmønstre? 

Intern risiko undervurderes ofte, men den er en del af den samme bredere udfordring. Ifølge ACFE registrerede bank- og finanssektoren flere tilfælde af erhvervsrelateret svindel end nogen anden branche i undersøgelsen, med et median tab på $120.000 pr. sag og en median opdagelsestid på 12 måneder. Jo længere dette vindue forbliver åbent, desto større er tabene. Ligesom ekstern svindel i stigende grad afhænger af adfærd og adgangsmønstre, gælder det samme internt. Overvågning skal gå ud over statiske tilladelser og periodiske kontroller.

Forståelse af, hvordan systemer bruges, hvordan adgangsmønstre udvikler sig, og hvor anomalier opstår, er kritisk. Effektiv intern tilsyn er ikke overvågning af medarbejdere. Det er proportionel granskning af aktivitet inden for følsomme finansielle systemer, fokuseret på den adgang og de adfærd, der udgør reel risiko. Den sondring er vigtig, fordi generel overvågning uden kontekst skaber støj i stedet for indsigt og medfører egne operationelle og kulturelle konsekvenser. Principen er konsistent: adfærd giver det mest meningsfulde signal, når andre indikatorer fremstår normale.

Hvad ser du for fem år frem, tror du, at svindelforebyggelse vil blive fuldt autonom og forudsigende, eller vil menneskelig dømmekraft forblive et kritisk lag i systemet? Hvor ender balancen i sidste ende? 

Svindelforebyggelse vil blive mere automatiseret og mere forudsigende, især efterhånden som real‑tids beslutningstagning bliver essentiel. Systemer vil i stigende grad håndtere en stor del af detektionen og indgrebet, især hvor hastighed er kritisk.

Det vil dog ikke blive fuldstændig autonomt. Dømmekraft vil forblive et nødvendigt lag, både inden for institutionerne og på kundesiden. Set fra en institutionel synsvinkel vil der altid være tilfælde, hvor kontekst, tvetydighed og eskalation kræver, at en person træder ind. Mange svindelscenarier, især autoriserede bedragerier, involverer stadig menneskelig manipulation og social engineering, som automatisering alene ikke kan læse. Dette forstærkes af reguleringens retning. Uanset om det er gennem Storbritanniens PSR‑refusionsregime eller EU’s PSD3‑forslag, holdes institutionerne til en højere standard for at forebygge svindel og beskytte kunder. Det øger behovet for tilsyn, ikke kun automatisering. Om fem år vil det, der adskiller de institutioner, der får dette rigtigt, fra dem der falder bagud, være at vide præcis, hvordan automatisering og dømmekraft arbejder sammen.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge Vyntra.