PolicyevidensAnalyserSocialpolitik

Politiska förslag bygger på antaganden. Vad händer när de prövas mot forskningen?

Socialpolitik · 5.108

Kontroll av felaktiga utbetalningar / bidragsbrott (kontroll- och sanktionsapparaten)

Svag evidensTyp 2omverifieras löpande

Levererar en utbyggd kontroll- och sanktionsapparat mot felaktiga utbetalningar de besparingar och den fuskbekämpning som utlovas? En ny myndighet och nya sanktioner har redan införts.

Sakfrågan

Bakgrund. Frågan gäller en utbyggd kontroll av felaktiga utbetalningar från välfärdssystemen: en ny utbetalningsmyndighet (2024) och nya sanktioner — en sanktionsavgift och en ”bidragsspärr” (att stängas av från stöd en tid) — vid uppsåt eller grov vårdslöshet.

Argumentet. Att en skarpare ”detektion” (upptäckt) och tuffare sanktioner tränger tillbaka fusket och ger nettobesparingar.

Vad forskningen visar. Den brett delade premissen — att apparaten faktiskt går med vinst för staten — är empiriskt oprövad. Problemet är reellt men osäkert: de felaktiga utbetalningarna har uppskattats till omkring 18 miljarder kronor om året (med ett brett osäkerhetsintervall), varav ungefär hälften misstänks vara avsiktliga — men merparten är ”oriktiga uppgifter” (fel i det som lämnats in) snarare än organiserad brottslighet. Upptäcktsledet har hittills gett mycket lite (omkring 0,15 miljarder kronor sedan slutet av 2024, brutto, med en driftskostnad i ungefär samma storleksordning), och sanktionsledet är ännu helt oprövat. Mot detta står dokumenterade rättssäkerhetsrisker — Lagrådet varnade och Brottsförebyggande rådet (Brå) avstyrkte — och en robust internationell varningslitteratur om automatiserad ”datamatchning” (att låta datorer korsköra register mot varandra och flagga avvikelser): i Australiens ”Robodebt” och nederländska SyRI drabbade designfel oskyldiga. Den svenska ordningen, där en människa fattar det slutliga beslutet (”människa i loopen”) och där det krävs uppsåt, undviker det delvis men inte helt.

Varför notan kanske inte går ihop. En kontrollapparat framställs gärna som något som betalar sig självt: den hittar fusk, och de återkrävda pengarna överstiger vad den kostar. Men det är två skilda saker att upptäcka en felaktig utbetalning och att faktiskt spara pengar. För det första kostar själva apparaten — myndighet, handläggare, system — och hittills är den kostnaden i nivå med vad den fått tillbaka. För det andra är en oriktig uppgift oftare ett misstag än ett brott, och att jaga miljontals sådana är dyrt per krona som återförs. Och för det tredje har hårdare kontroll en baksida som inte syns i besparingskolumnen: en del av dem som faktiskt har rätt till stöd avstår av rädsla för att göra fel, vilket flyttar kostnaden till annan välfärd i stället för att ta bort den. Att apparaten känns handlingskraftig säger därför ingenting om att den går med vinst — och det är just det som är oprövat.

Mål, medel, mekanism

Mål
Tränga tillbaka felaktiga utbetalningar och bidragsbrott.
Medel
Utbyggd kontroll- och sanktionsapparat (Utbetalningsmyndigheten + skärpta sanktioner).
Mekanism
Mer detektion + sanktion → mindre fusk och nettobesparingar — men effekten är oprövad.

Kriterier (K1–K6)

K1Målets tydlighetMEDEL
K2Mekanismens plausibilitetMEDEL
K3Mål–medel-passformSVAGT
K4Direkt effektSVAGT
K5Evidensens kvalitetMEDEL
K6Bieffekter och systemeffekterSVAGT

Motivering

Svag evidens (Typ 2 — symbolpolitik, med Typ 1- och Typ 3-inslag). Den brett delade premissen — att en utbyggd kontroll- och sanktionsapparat går med nettovinst och tränger tillbaka fusket — är empiriskt oprövad. Problemet är reellt men osäkert (KUT, SOU 2019:59), och ungefär tre fjärdedelar är oriktiga uppgifter snarare än organiserad brottslighet. Upptäcktsledet (Utbetalningsmyndigheten) har hittills levererat marginellt, och sanktionsledet (prop. 2025/26:210) är helt oprövat. Mot detta står dokumenterade rättssäkerhetsrisker (Lagrådet; Brå avstyrkte) och en internationell varningslitteratur om automatiserad datamatchning (Robodebt, SyRI) — designmisslyckanden som den svenska människa-i-loopen delvis men inte helt undviker.

Värdedimensioner

K7 · Kontroll vs. rättssäkerhet

Fusk mot chilling

Om välfärdssystemen bör kontrolleras hårdare mot fusk, eller värnas mot rättsosäkerhet och mot att utsatta avstår från stöd de har rätt till (”non-take-up”), är ett värdeval; evidensen visar att apparatens nettoeffekt är obelagd och riskerna dokumenterade.

Mätlager

Evidensvalens
Lutar vänster
Konsensusstyrka
Omtvistad

Evidensen lutar vänster: apparatens nettoeffekt är obelagd (detektion marginell hittills, sanktion oprövad), och rättssäkerheten är Lagrådsbackad. Förespråkarframingen ("15–20 mdkr/år, hälften till kriminella") bärs som framing, ej etablerat faktum. Kodat blint mot parti.

Partipositioner

Grad = på påståendet, inte på partiet. Symbolen följer evidensen.

ModeraternaDriver kontroll- och sanktionsapparaten på ett obelagt anspråk om nettobesparing; detektionen har hittills gett mycket lite.
SverigedemokraternaMest pådrivande; samma oprövade effektpremiss.
KristdemokraternaDel av 2022–2026 års regeringsunderlag.
LiberalernaDel av 2022–2026 års regeringsunderlag.
~CenterpartietStödjer skärpt kontroll men uppmärksammar rättssäkerheten — delad position.
~SocialdemokraternaStödjer kontroll mot fusk men delar delvis rättssäkerhetsinvändningarna.
MiljöpartietLyfter Lagrådets rättssäkerhetskritik och risken att drabba icke-fuskare.
VänsterpartietAvvisar sanktionsdelen som otillräckligt rättssäker.

Källbelägg

Problemets storlek (osäker): de felaktiga utbetalningarna skattades till omkring 18 miljarder kronor per år (intervall 11–27), varav ungefär hälften misstänkt avsiktliga och merparten oriktiga uppgifter, ej organiserad brottslighet (KUT-delegationen, SOU 2019:59; regeringens '15–20 mdkr' är en omskrivning av detta). Detektionen har gett lite: utbetalningsmyndigheten har till april 2026 lett till omkring 0,15 miljarder kronor, brutto och kontrafaktiskt ojusterat, med driftskostnad i samma storleksordning (Utbetalningsmyndigheten). Sanktionerna oprövade + rättssäkerhetskritik: sanktionsavgift och bidragsspärr (prop. 2025/26:210, i kraft 1 juli 2026) saknar utfallsdata; Lagrådet och Brå varnade. Internationellt: automatiserad datamatchning har orsakat massfelaktiga skulder (Robodebt; SyRI) — analoga designmisslyckanden.

Källor

Öppna analysen i den interaktiva vyn →

Fler analyser i socialpolitik