La IA se utiliza para volver contra los estafadores su propio tiempo
La inteligencia artificial está acelerando muchas formas de fraude en línea, pero también se está convirtiendo en una herramienta para interrumpir a quienes organizan las estafas. Un enfoque creciente contra la ciberdelincuencia utiliza IA conversacional para hacerse pasar por objetivos plausibles, desviando a los estafadores hacia llamadas y conversaciones en línea que consumen su tiempo mientras recopilan información sobre sus operaciones.
La empresa australiana Apate está entre las organizaciones que siguen esta estrategia. Durante los últimos dos años ha desarrollado un sistema que redirige a los estafadores telefónicos hacia bots de IA capaces de mantener una conversación sin entregar dinero ni información sensible. La premisa es sencilla: cada minuto que un estafador dedica a convencer a una víctima sintética es un minuto que no usa para llegar a una persona real.
La idea importa porque las operaciones de fraude a gran escala pueden apoyarse en marcación automática y mensajería masiva. Una conversación convincente no elimina una red de estafas, pero puede interferir en la eficiencia que las hace difíciles de combatir. También puede generar información útil para que bancos, empresas de telecomunicaciones e investigadores reconozcan campañas activas.
Crear objetivos convincentes pero no vulnerables
El fundador y director ejecutivo de Apate, Dali Kaafar, describe el objetivo como construir “víctimas perfectas” desde la perspectiva del estafador: objetivos que parezcan suficientemente persuadibles para mantener la interacción, pero que nunca caigan realmente en el fraude. Los bots deben dar a quienes llaman la esperanza de que un pago, un dato de cuenta u otro resultado está al alcance, manteniendo así su atención.
La compañía afirma que bancos utilizan su plataforma y que cuenta con el apoyo de empresas de telecomunicaciones, además de operar unos 350.000 bots. Según Kaafar, los bots no solo responden llamadas: también pueden entrar en grupos de chat de estafas y contestar mensajes de texto, extendiendo la misma estrategia de demora e inteligencia a distintos canales.
El sistema usa personalidades, capacidades lingüísticas y perfiles de usuario variados para evitar respuestas repetitivas o fáciles de detectar. Algunos personajes pueden usar WhatsApp y otros no. Unos responden una llamada y otros la terminan prometiendo devolverla más tarde. Esa variación es central: un bot antifraude no necesita ganar una discusión, solo ser creíble el tiempo suficiente para apartar al estafador de posibles víctimas.
La información es tan importante como la demora
Hacer perder tiempo es solo una parte del modelo. Apate afirma haber recopilado más de 250.000 datos en tiempo real sobre defraudadores, incluidas URL de estafas, cuentas de mulas y datos bancarios. Esta información puede ser útil porque las operaciones de fraude dependen a menudo de una red cambiante de números, rutas de pago, enlaces y cuentas de mensajería.
En teoría, la información obtenida durante interacciones reales puede hacer más rápidos los sistemas defensivos. Un banco podría identificar un destino de pago sospechoso; un operador de telecomunicaciones, reconocer un número o patrón repetido; y una plataforma, actuar sobre un enlace fraudulento. El artículo no detalla cómo se verifica o comparte cada dato, por lo que la escala y el impacto deben considerarse afirmaciones de la empresa. Pero muestra por qué los defensores se interesan por sistemas que pueden interactuar y observar.
El modelo difiere de las campañas tradicionales de concienciación, que piden a las personas detectar señales de alerta y rechazar solicitudes sospechosas. La educación sigue siendo importante, pero deja gran parte de la carga en los usuarios. Los señuelos de IA intentan devolver parte de esa carga a los atacantes mediante objetivos disponibles las 24 horas y capaces de interactuar a gran escala.
Una competencia por la verosimilitud
La utilidad del enfoque depende de una pregunta difícil: ¿pueden los bots seguir pareciendo reales ante estafadores profesionales? Los delincuentes se adaptan rápido y muchos saben guiar a personas ansiosas o distraídas mediante conversaciones guionizadas. Si identifican fácilmente a un bot, el efecto disuasorio disminuye y la operación podría revelar información sobre sus métodos.
Por eso importan el diseño de personajes, la variación lingüística y un comportamiento imperfecto pero parecido al humano. Una voz demasiado pulida o un patrón repetido puede resultar tan sospechoso como una negativa directa. Los señuelos eficaces deben ser creíbles y fomentar la interacción, pero respetar límites estrictos: no pueden entregar credenciales reales, transferir dinero ni crear nuevos riesgos para personas legítimas.
También existen preguntas más amplias sobre cuándo y dónde deben usarse sistemas defensivos engañosos. Pueden recopilar información valiosa, pero las organizaciones necesitan controles para tratar los datos, colaborar con las autoridades y evitar interacciones no deseadas con usuarios reales. El artículo destaca el potencial, pero no ofrece una explicación completa de su gobernanza ni pruebas independientes de eficacia.
Un uso defensivo emergente de la IA generativa
El auge del fraude habilitado por IA facilita ver la tecnología únicamente como un amplificador del ciberdelito. Las redes pueden automatizar su alcance, y el texto y la voz realistas dificultan detectar la manipulación. Los señuelos de IA ofrecen un contrapunto: esa misma capacidad de mantener conversaciones naturales puede redirigirse a la defensa.
En lugar de intentar detener cada llamada maliciosa antes de que llegue a alguien, estos sistemas buscan cambiar la economía de la estafa una vez establecido el contacto. Si el delincuente no distingue rápidamente un bot de una posible víctima, cada pista falsa puede reducir su productividad. A suficiente escala, las campañas masivas podrían resultar más caras y menos rentables.
Es demasiado pronto para considerar esta táctica un sustituto de la aplicación de la ley, mejores salvaguardas de las plataformas o la protección del consumidor. Pero demuestra un cambio en la defensa cibernética: del filtrado pasivo al compromiso activo. La IA no solo examina actividades sospechosas; intenta mantener ocupadas a las personas que están detrás de ellas.
La siguiente prueba será medir el impacto
El mejor argumento a favor de los sistemas conversacionales antifraude dependerá de resultados demostrables: menos estafas exitosas, campañas más cortas, información más útil y una contabilidad clara de falsos positivos o consecuencias no deseadas. Empresas, bancos y operadores también deberán determinar cómo encajan estos sistemas con los procesos existentes de denuncia y respuesta al fraude.
Por ahora, el trabajo de Apate muestra cómo la IA puede convertir el recurso central de un estafador —el tiempo— en una vulnerabilidad. A medida que los ciberdelincuentes automatizan el contacto, los defensores empiezan a automatizar la tarea de mantenerlos ocupados.
Este artículo se basa en información de Wired. Leer el artículo original.
Originally published on wired.com
