Europaparlamentet efterlyser en rigorös kamp mot bedrägerier: mer kontroll, digitalisering och effektivitet

Bedrägerier med EU-pengar kommer att öka kraftigt under 2023, vilket har fått Europaparlamentet att anta ett betänkande som efterlyser moderniserade instrument, kraftfull tillämpning och starkare samarbete mellan EU-institutionerna. Betänkandet lägger särskild vikt vid missbruk av teknik och behovet av en ansvarsfull användning av artificiell intelligens.
Enligt den godkända rapporten rapporterades rekordmånga 13 563 fall av bedrägerier och oegentligheter under 2023 - 9 procent fler än året innan. De ekonomiska konsekvenserna av dessa fall uppgick till 1,9 miljarder euro, en ökning med 7,3 procent jämfört med året innan. Ledamöterna varnar för att detta är en fortsatt negativ trend och efterlyser en bättre koppling mellan budgetutgifterna och de ansvariga institutionernas resultat.
Parlamentet lyfter fram den växande roll som Europeiska åklagarmyndigheten (EPPO) spelar, som inledde 1 371 nya utredningar under 2023 och hanterade nästan 2 000 aktiva ärenden totalt. Ledamöterna uppskattar öppenheten i dess arbete, men efterlyser större effektivitet - inte bara i antalet utredda fall, utan också i de faktiska resurser som återvinns.
I betänkandet betonas behovet av att digitalisera och modernisera verktyg för att upptäcka bedrägerier, bland annat genom att använda artificiell intelligens. Samtidigt varnar dock parlamentet för att tekniken måste användas på ett ansvarsfullt sätt och med betoning på rättsliga garantier och demokratisk granskning.
Utöver tekniska och institutionella reformer kräver parlamentet också att rättsstatsprincipen tillämpas rigoröst i alla medlemsstater. Enligt ledamöterna är ett effektivt skydd av EU:s budget nära kopplat till kvaliteten på styrelseformerna, rättsväsendets oberoende och respekten för unionens grundläggande värderingar.
We collect and visually present data publicly available at the page of European Parliament. Votemap.eu denies any responsibility for possible inconsistencies of the data or its changes after the publication.
Descriptions are created using DeepL Translate machine translation. We apologize for any possible imperfections or inconvenience.