BNPL — Buy Now Pay Later, eller köp-nu-betala-senare — har på kort tid blivit ett av de mest utbredda kreditinstrumenten på den svenska marknaden. Klarna, Avarda, Walley och ett dussin mindre aktörer erbjuder konsumenter möjligheten att dela upp köp i månatliga avbetalningar, ofta räntefritt under en introduktionsperiod.
Det som ser ut som ett smidigt betalningssätt för konsumenten är i praktiken kredit. Och det är kredit som i stor utsträckning är osynlig för den kreditgivare som ska fatta ett välgrundat utlåningsbeslut.
Varför BNPL inte alltid syns i kreditupplysningen
Kreditupplysningen bygger på uppgifter från de kreditgivare som lämnar uppgifter till kreditupplysningsföretagen. BNPL-aktörer lämnar inte alltid sådana uppgifter, kan lämna dem med fördröjning eller för bara en del av sina engagemang.
Ett räkneexempel: en konsument med tre aktiva BNPL-avtal och sammantagna avbetalningar på 3 000–5 000 kronor i månaden kan ha en skuldbild som inte syns fullt ut i kreditupplysningen vid ansökningstillfället.
Konsekvensen för kreditgivaren kan bli att den faktiska DSTI-kvoten underskattas. Det som ser ut som en låg skuldsättningsgrad kan i verkligheten vara en hushållsekonomi under press.
Kredit-stacking — ett växande riskfenomen
Ett relaterat problem är kredit-stacking: att en låntagare tar flera kreditengagemang inom kort tid, ofta hos aktörer som inte delar information med varandra. En person som ansöker om ett blankolån hos kreditgivare A, ett SMS-lån hos aktör B och ett BNPL-köp hos Klarna samma vecka kan vid varje enskild ansökan se ut som en låntagare med acceptabel skuldsättning — trots att helhetsbilden är alarmerande.
Kreditregistren fångar inte detta i realtid. Informationen läggs in med fördröjning, och vid ansökningstillfället är bilden ofullständig.
Vad det kostar kreditgivare i praktiken
Underskattad BNPL-skuldsättning kan leda till tre konsekvenser för kreditgivarens portfölj:
Risk för kreditförluster. Låntagare som beviljas kredit på en ofullständig skuldbild kan få svårare att klara sina betalningar.
Felaktig riskprissättning. Om riskmodellen underskattar skuldsättningen underskattar den också risken. Det leder till att krediter prissätts för lågt relativt den faktiska risken i portföljen, vilket urholkar lönsamheten.
Regulatorisk exponering. Finansinspektionen förväntar sig att kreditgivare beaktar låntagarens totala ekonomiska situation. En kreditbedömning som systematiskt missar BNPL-skulder är svår att försvara vid en tillsynsgranskning — särskilt som nya konsumentkreditlagen från 20 november 2026 skärper kraven på kreditprövningen och drar in BNPL under lagens konsumentskydd.
Hur kassaflödesanalys löser problemet
Kontotransaktionerna visar avbetalningar till BNPL-aktörer, även sådana som kanske inte syns i kreditupplysningen. Via PSD2 Open Banking kan kreditgivare med låntagarens samtycke hämta transaktionsdata och identifiera återkommande utbetalningar till BNPL-aktörer.
En månatlig betalning till Klarna Finansiering, Avarda eller Walley är synlig i kontoutdraget även om den inte finns i något register. Den kan klassificeras automatiskt, kvantifieras och inkluderas i DSTI-beräkningen — vilket ger kreditgivaren en komplett bild av skuldsättningsbördan.
Det är en fundamental skillnad mot registerbaserad kreditbedömning. Registren visar vad som rapporterats. Transaktionsdata visar vad som faktiskt betalas ut varje månad.
Identifiera lån-för-att-betala-lån-mönster
Kassaflödesanalys möjliggör också identifiering av ett av de mest varningsflaggade beteendena i kreditrisk: lån-för-att-betala-lån-mönstret, där en låntagare tar nya krediter för att täcka befintliga skuldbetalningar.
Det syns i transaktionsdata som en regelbunden insättning från en kreditaktör tätt följd av en utbetalning till en annan. Det är ett beteende som inte syns i kreditregistren men som är ett tydligt tecken på en ekonomi under strukturell press.
Hur Truevi identifierar BNPL-skulder
Truevis beslutsstöd inkluderar automatisk BNPL-identifiering som en del av kassaflödesanalysen. Transaktioner klassificeras mot en lexikonmotor som identifierar kända BNPL-aktörer, avbetalningsplaner och återkommande kreditmönster i kontoutdraget.
Identifierade BNPL-betalningar ingår i den skuldtjänst som DSTI-kvoten räknas på. Att klassificera mönster som kredit-stacking eller lån-för-att-betala-lån separat, och låta kreditgivaren använda dem som ett automatiskt stopp per produktkategori, är planerat men inte byggt.
Allt utan att kreditgivaren behöver bygga egna klassificeringsmodeller, underhålla aktörslistor eller skapa manuella regler. Det ingår i Truevis beslutsstöd.
Truevi är en kassaflödesbaserad kreditanalysmotor för banker, kreditgivare och låneförmedlare i Sverige. Läs mer om hur vi identifierar BNPL-skulder, beräknar DSTI och levererar beslutsunderlag på truevi.io.