Joel Winteregg, administrerende direktør i Vyntra – Intervjuserie

Joel Winteregg, administrerende direktør i Vyntra, er en leder innen finansiell teknologi og programvareingeniør med nesten to tiår med erfaring i å utvikle teknologi for svindelforebygging, oppdagelse av økonomisk kriminalitet og transaksjonssikkerhet. Før han tok roret i Vyntra i juni 2025, var han grupperedaktør i Intix og tilbrakte mer enn 18 år som administrerende direktør og medgründer av NetGuardians, hvor han bidro til å bygge kunstig intelligens‑ og maskinlæringsløsninger for finansinstitusjoner. Tidligere i sin karriere jobbet Winteregg som nettverks‑ og programvareingeniør ved Institute for Information and Communication Technologies, med fokus på åpen‑kilde‑sikkerhetsstyringsplattformer og sanntids‑hendelseskorrelasjon. Han leder nå Vyntra etter sammenslåingen av Intix og NetGuardians.

Vyntra er et finansiell‑teknologiselskap som leverer AI‑drevet transaksjonsintelligens til banker, betalingsleverandører, fintech‑selskaper og andre finansinstitusjoner. Dannet gjennom 2025‑unionen av NetGuardians og Intix, kombinerer selskapet sanntids‑transaksjonsobservasjon med forebygging av økonomisk kriminalitet, og gjør det mulig for institusjoner å overvåke betalingsstrømmer, identifisere driftsavvik, oppdage svindel, spore risiko for hvitvasking og undersøke interne trusler. Plattformen sentraliserer transaksjonsdata på tvers av systemer og formater, samtidig som den anvender atferdsanalyse og kollektiv intelligens for å hjelpe organisasjoner med å reagere på risiko uten unødvendig å forstyrre legitime betalinger. Vyntra rapporterer at de betjener mer enn 130 finansinstitusjoner i over 60 land.

Du tilbrakte nesten to tiår med å bygge NetGuardians til en anerkjent aktør innen AI‑drevet svindelforebygging, og har nylig ledet Intix før du ble administrerende direktør i Vyntra. Hvordan har ditt perspektiv på økonomisk kriminalitet utviklet seg gjennom disse rollene, og hvilket strategisk gap søker Vyntra å lukke i dag?

Finansiell kriminalitet er ikke lenger et isolert operasjonelt problem. Det har blitt en systemisk risiko for finansinstitusjoner. På tvers av NetGuardians, Intix og nå Vyntra, har skiftet vært ganske tydelig. Svindel har gått fra å være et IT‑problem til et styrenivå‑problem. Det pleide å ligge stort sett under ledernivået, eid av IT‑ og cybersikkerhetsteam. De finansielle, omdømmemessige og regulatoriske konsekvensene er nå så betydelige at det sitter fast på agendaen til styrene og toppledelsen, og responsen det krever har endret seg tilsvarende. Svindel har også sluttet å være et spørsmål om å oppdage mistenkelige transaksjoner innen én institusjon. Det opererer nå på tvers av systemer, institusjoner og kanaler, og utvikler seg kontinuerlig, noe som avdekker et gap mellom hvordan svindel oppfører seg og hvordan den vanligvis håndteres.

Vyntra fokuserer på å lukke dette gapet, basert på arbeid med mer enn 130 institusjoner i over 60 land, hvor svindelforebygging og transaksjonsobservasjon er samlet i samme plattform. Det betyr å gå utover statiske kontroller og isolerte data, mot sanntidsintelligens, atferdsforståelse og en mer sammenkoblet risikovisning. Målet er å gripe inn før svindel i det hele tatt skjer, samtidig som institusjonene får bedre synlighet gjennom hele transaksjonslivssyklusen.

Globale tap på banksvindel når nå hundrevis av milliarder årlig, med stadig mer sofistikerte svindelkampanjer. Fra ditt ståsted, hvilke strukturelle endringer har gjort svindel til det som ser ut som et industrialisert system snarere enn isolert kriminell aktivitet?

Det avgjørende skiftet er skala. Svindel har blitt organisert, repeterbar og stadig mer industrialisert, og er ikke lenger en rekke isolerte hendelser. I flere år ble svindel forstått hovedsakelig i forhold til volum. Flere angrep krevde flere kontroller, og institusjonene svarte ved å finjustere deteksjonsregler og styrke autentisering. Denne tilnærmingen har nå nådd sin grense.

Det vi ser nå er noe annet. Svindlere opererer i skala med koordinasjon og effektivitet som legitime virksomheter. De tester, finjusterer og optimaliserer sine tilnærminger. De er smidige, uten begrensninger fra etterlevelse eller juridiske forpliktelser, og eksperimenterer kontinuerlig med nye verktøy og taktikker. Vellykkede metoder gjenbrukes og deles, og kampanjer designes med ytelse i tankene. AI akselererer dette, men er ikke den underliggende årsaken. Den gir bare ekstra kraft til et allerede organisert system. Den gjør målretting raskere, kommunikasjon mer overbevisende og personalisering større. Denne kombinasjonen gjør svindel mer skalerbar og betydelig vanskeligere å oppdage. Den har sluttet å være opportunistisk og har begynt å ligne en industri.

En økende andel av svindel i dag involverer «autoriserte» transaksjoner, hvor ofrene blir manipulert til å sende penger selv. Hvorfor sliter tradisjonelle svindelforebyggingsrammeverk med denne kategorien, og hva må endres i grunnleggende?

Tradisjonelle rammeverk er bygget rundt uautorisert aktivitet. De er designet for å oppdage brudd, kompromitterte legitimasjoner eller mistenkelige tilgangsmønstre. Med autorisert svindel fungerer systemet som tiltenkt. Kunden autentiserer, transaksjonen bekreftes, og det er ingen åpenbar teknisk avvik. Fra et systemperspektiv ser alt legitimt ut.

Omfanget av dette problemet er betydelig. Ifølge UK Finances siste Annual Fraud Report økte tapene fra APP‑svindel med 19% i 2025 til £576,4 millioner, over 248 070 saker. Problemet er at svindelen allerede har skjedd før betalingen. Det skjer i interaksjonen, gjennom manipulering og sosial ingeniørkunst. Det som må endres er fokuset. I stedet for kun å se på om en transaksjon er autorisert, må institusjonene forstå kontekst og intensjon. Det krever atferdsinnsikt og sanntidsanalyse, ikke bare transaksjonsnivå‑kontroller.

Instantbetalingssystemer akselererer globalt, men de komprimerer også vinduet for å oppdage svindel til sekunder. Hvordan bør finansinstitusjoner revurdere risikostyring i en verden hvor transaksjoner er irreversible nesten umiddelbart?

Hastighet har blitt en av de avgjørende faktorene både i svindel og forebygging. Mange svindelordninger utfolder seg nå innen én dag, og når midler er overført, blir de ofte flyttet eller trukket innen minutter. Samtidig er betalingsinfrastrukturen designet for å levere umiddelbarhet, og reguleringer akselererer dette skiftet. EUs Instant Payments Regulation krever at alle betalingsleverandører i eurosonen sender øyeblikkelige kredittoverføringer og tilbyr Verification of Payee‑tjenester fra oktober 2025.

Det skaper en spenning mellom hastighet og sikkerhet. I dette miljøet er forsinket intervensjon ikke lenger levedyktig. Risikostyring må operere i sanntid. I stedet for å bremse betalinger, må risikodeteksjon, beslutningstaking og respons være raske nok til å skje innenfor selve betalingsflyten. Dette endrer grunnleggende hvordan institusjoner må tenke på svindel. Institusjonene må gå fra etter‑hendelses‑analyse til forebygging i flyten, og stoppe svindeltransaksjoner før oppgjør, i stedet for å etterforske dem etterpå.

AI brukes nå på begge sider av ligningen, av svindlere for å skalere angrep og av finansinstitusjoner for å oppdage dem. Hvordan ser neste fase av dette kapprustningsløpet ut, og hvor ser du balansen tippe?

Kapprustningen akselereres av AI, men utfallet vil ikke kun bli definert av teknologi. Det vil avhenge like mye av hvor effektivt intelligens deles og anvendes. Svindlere opererer allerede som høyt koordinerte nettverk, og finansinstitusjoner må i økende grad svare på samme måte. De deler infrastruktur, data og taktikker, og når én tilnærming blokkeres, tilpasses og distribueres den raskt andre steder. AI forsterker dette ved å muliggjøre raskere iterasjon og mer overbevisende, skalerbare kampanjer.

På forsvarssiden er det et tydelig skifte fra å behandle svindel som et enkeltinstitusjonsproblem til å anerkjenne det som en nettverks‑nivå‑utfordring. Initiativer som EBA CLEARINGs FPAD og utviklinger fra SWIFT reflekterer en bevegelse mot delt, sanntids svindelintelligens, spesielt i konteksten av instant‑betalinger. Dette er viktig fordi mange av de mest verdifulle signalene ligger utenfor én institusjon, enten det er mule‑kontoer, atferdsavvik eller nye mønstre. Når denne intelligensen deles og tas inn i sanntid, forbedres deteksjonen. Når den ikke gjør det, flytter svindelen seg bare andre steder. Balansen vil favorisere de som kan kombinere sanntidsanalyse med kollektiv intelligens. De som opererer i isolasjon vil slite med å holde tritt.

Vyntra legger vekt på atferdsanalyse og sanntids transaksjonsintelligens. Hvordan skiller dette seg fra regelbaserte systemer, og hvorfor blir atferd det kritiske signalet i svindeldeteksjon?

Regelbaserte systemer er iboende statiske. De er avhengige av forhåndsdefinerte betingelser og kjente mønstre. Det fungerer til en viss grad, men blir mindre effektivt etter hvert som svindel utvikler seg. Atferdsanalyse er annerledes. Den ser på hvordan handlinger avviker fra forventede mønstre i sanntid. Det inkluderer hvordan en bruker interagerer, hvordan beslutninger tas, og hvordan transaksjoner passer inn i en bredere kontekst. Det som gjør moderne atferdsdeteksjon mer kapabel er kombinasjonen av tilnærminger som jobber sammen. Uovervåket læring identifiserer anomalier uten å måtte vite hvordan svindel ser ut på forhånd, overvåket læring bruker kjente svindelmønstre for å skjerpe deteksjon over tid, og aktiv læring tilfører virkelige resultater tilbake til modellen kontinuerlig, slik at systemet forbedres med hver beslutning det tar.

Dette er viktig fordi moderne svindel er designet for å fremstå legitim på transaksjonsnivå. I mange moderne svindelscenarier blir atferd den tydeligste indikatoren på at noe er galt, selv når selve transaksjonen ser legitim ut. Ved å fokusere på atferd og kontekst kan institusjoner identifisere risiko tidligere, ofte før transaksjonen er fullført.

Det er økende diskusjon om «fellesskapsintelligens» eller delt svindeldatasett mellom institusjoner. I praksis, hvor realistisk er samarbeid i stor skala mellom finansinstitusjoner gitt regulatoriske begrensninger, og hvilke modeller fungerer faktisk?

Samarbeid går fra å være valgfritt til å bli essensielt, men det må ta en gjennomførbar form. Dette er ikke et nytt konsept for Vyntra. Delt intelligens har vært en del av vår tilnærming i flere år, fordi svindel aldri har operert pent innen institusjonelle grenser. Noen modeller dukker opp i praksis. Konsortium‑ eller delt‑nytte‑tilnærminger samler data gjennom en sentral enhet. Federerte og personvern‑bevarende design gjør det mulig for institusjoner å trene på delte mønstre uten å eksponere rå kundedata. Nettverks‑nivå‑intelligensinitiativ, som EBA CLEARINGs FPAD, skyver svindelsignaler mellom deltakere i sanntid etter hvert som instant‑betalinger skaleres. Hver av dem fungerer innen eksisterende regulatoriske rammer i stedet for rundt dem, noe som gjør dem levedyktige i stor skala. I vår erfaring ser institusjoner som deler intelligens innen et pålitelig, GDPR‑kompatibelt nettverk en forbedring i deteksjonsrater på rundt 20%, selv om den eksakte tallverdien varierer med nettverksdesign og deltakelsesnivå. Etter hvert som regulering av instant‑betalinger akselererer grenseoverskridende transaksjonsvolumer, vil institusjonene og nettverkene som investerer i delt intelligens‑infrastruktur nå, være bedre posisjonert til å håndtere svindelen som uunngåelig følger med denne veksten.

Mange finansinstitusjoner sliter fortsatt med høye falske‑positiv‑rater, som skaper friksjon for kunder og operasjonell ineffektivitet. Hvordan reduserer moderne AI‑drevne systemer falske positiver uten å øke risikoeksponeringen?

Falske positiver er ofte en konsekvens av begrenset kontekst. Når beslutninger baseres på smale signaler, har systemene en tendens til å overkompensere. Moderne tilnærminger reduserer dette ved å innlemme mer data og bedre kontekst. Atferdsinnsikt, transaksjonshistorikk og sanntidssignaler gjør det mulig med mer nøyaktig risikovurdering. Målet er ikke bare å blokkere flere transaksjoner, men å ta bedre beslutninger. På tvers av bransjen har store finansinstitusjoner som implementerer atferds‑AI‑systemer rapportert en reduksjon i falske positiver på mellom 60% og 90% sammenlignet med eldre regelbaserte kontroller. Falske positiver skader tilliten når legitime kunder blir gjentatte ganger avbrutt. Når systemer kan skille mellom ekte avvik og legitim atferd, kan de redusere unødvendig friksjon samtidig som de opprettholder sterk beskyttelse.

Intern svindel og interne trusler er fortsatt underdiskutert sammenlignet med eksterne angrep. Hvor betydelig er denne risikoen i dag, og hvordan bør institusjoner revurdere overvåkning av intern atferd og tilgangsmønstre?

Intern risiko blir ofte undervurdert, men den er en del av den samme bredere utfordringen. Ifølge ACFE registrerte bank- og finanssektoren flere tilfeller av yrkesrelatert svindel enn noen annen bransje i studien, med et median tap på $120 000 per sak og en median oppdagelsestid på 12 måneder. Jo lenger dette vinduet er åpent, desto større blir tapene. Akkurat som ekstern svindel i økende grad baserer seg på atferd og tilgangsmønstre, gjelder det samme internt. Overvåkning må gå utover statiske tillatelser og periodiske kontroller.

Forståelse av hvordan systemer brukes, hvordan tilgangsmønstre utvikler seg og hvor avvik oppstår er kritisk. Effektiv intern tilsyn er ikke overvåkning av ansatte. Det er en proporsjonal gransking av aktivitet innen sensitive finanssystemer, med fokus på tilgang og atferd som medfører reell risiko. Denne distinksjonen er viktig, fordi generell overvåkning uten kontekst skaper støy i stedet for innsikt, og medfører egne operasjonelle og kulturelle konsekvenser. Prinsippet er konsistent: atferd gir det mest meningsfulle signalet når andre indikatorer fremstår som normale.

Ser vi fem år fremover, tror du at svindelforebygging vil bli fullt autonom og prediktiv, eller vil menneskelig vurdering fortsatt være et kritisk lag i systemet? Hvor vil balansen til slutt ligge?

Svindelforebygging vil bli mer automatisert og mer prediktiv, spesielt etter hvert som sanntidsbeslutninger blir essensielle. Systemer vil i økende grad håndtere en stor del av deteksjon og intervensjon, spesielt der hastighet er kritisk.

Imidlertid vil den ikke bli fullt autonom. Vurdering vil fortsatt være et nødvendig lag, både i institusjonene og på kundesiden. Fra et institusjonelt perspektiv vil det alltid være tilfeller hvor kontekst, tvetydighet og eskalering krever at en person trer inn. Mange svindelscenarier, spesielt autoriserte svindel, involverer fortsatt menneskelig manipulering og sosial ingeniørkunst, som automatikk alene ikke kan lese. Dette forsterkes av reguleringens retning. Enten gjennom Storbritannias PSR‑refusjonsregime eller EUs PSD3‑forslag, blir institusjonene holdt til en høyere standard for å forebygge svindel og beskytte kunder. Det øker behovet for tilsyn, ikke bare automatisering. Om fem år vil det som skiller institusjonene som får dette riktig fra de som faller bakpå, være kunnskapen om nøyaktig hvordan automatisering og vurdering fungerer sammen.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Vyntra.