1. Bronnen verzamelen
We volgen geselecteerde bronnen zoals Fraudehelpdesk, politie, NCSC en relevante officiële waarschuwingen. Binnengehaalde items worden herkend, genormaliseerd en gelogd.
2. Structuur aanbrengen
ScamSpotter werkt met de hiërarchie scamfamilie → scamtype → variant → actuele waarschuwing. Daardoor blijft een campagne verbonden met de uitleg die ook later relevant is.
3. Signalen matchen
De checker vergelijkt invoer met indicatoren zoals taal, gevraagde actie, betaalmethode, domein en psychologische techniek. Een indicator op zichzelf is geen bewijs; combinaties geven context.
4. AI als assistent
Als AI wordt ingeschakeld, krijgt het model broninhoud en relevante kandidaten mee. De output wordt gestructureerd gevalideerd, opgeslagen voor audit en in een review-queue geplaatst. AI bepaalt niet automatisch wat waar is.
5. Menselijke publicatie
Nieuwe of gewijzigde content wordt door een redacteur beoordeeld. We onderscheiden bronfeit, ScamSpotter-classificatie, gebruikersmelding en AI-suggestie zichtbaar in onze interne workflow.
Onzekerheid benoemen
Geen match betekent niet automatisch veilig. Daarom vermijden we ongevalideerde percentages en absolute uitspraken.