Los 350.000 cazadores de estafas con IA de Australia dan la vuelta a la tortilla a los defraudadores
Una empresa en Australia ha creado una plantilla poco habitual: 350.000 agentes de inteligencia artificial cuyo único trabajo es hacer perder el tiempo a los estafadores. La firma, Apate.ai, toma su nombre de la diosa griega del engaño, y sus bots están diseñados para ser engañados solo en apariencia. Cada agente se hace pasar por una persona común —joven o mayor, hombre o mujer— con acentos diferentes, varios idiomas y personalidad propia, según un informe del medio científico chino Guokr.
El objetivo no es el público, sino la propia industria del fraude. Cuando entra una llamada fraudulenta o un sitio de phishing solicita datos, responde un personaje de IA. Charla, duda, pide aclaraciones, olvida una contraseña, lee mal un número. La meta es mantener ocupado al estafador el mayor tiempo posible, lo que cuesta tiempo y dinero a la operación fraudulenta mientras deja la línea telefónica más tranquila a las personas reales. El mismo enfoque se extiende al fraude de inversiones y a los sitios web falsos, donde los bots pueden rellenar formularios con información verosímil pero inútil.
El scambaiting no es nuevo. Durante años, aficionados han respondido a correos fraudulentos con historias elaboradas e identidades falsas, compartiendo los resultados en línea. Lo diferente aquí es la escala. Una sola persona puede manejar una o dos conversaciones a la vez; una red de cientos de miles de agentes de software puede manejar muchas simultáneamente, las 24 horas, en varios idiomas. La empresa afirma que los personajes varían lo suficiente como para que un estafador no pueda distinguir fácilmente uno de otro.
La idea se sitúa en una incómoda intersección entre seguridad y ética. Los defensores del enfoque argumentan que los estafadores son criminales que se lucran del miedo y la confusión, y que frenarlos protege a las víctimas. Los críticos podrían preguntarse si el engaño automatizado, incluso contra malhechores, corre el riesgo de normalizar la práctica, o si un bot que suplanta a una persona mayor vulnerable podría atraer represalias contra personas reales. El informe no resuelve esas cuestiones, y la tecnología aún es joven.
Para los usuarios comunes, la lección práctica es más sencilla. La mejor defensa contra una llamada fraudulenta sigue siendo la misma: colgar, no compartir códigos ni datos bancarios y denunciar el número. Un señuelo de IA no elimina la necesidad de esa precaución. Pero sí añade una nueva capa a una vieja carrera armamentística, en la que los estafadores ahora tienen que preguntarse si la voz al otro lado es realmente una persona.
Lo que hace notable la historia es la economía. Las operaciones de fraude dependen del volumen; si suficientes llamadas son respondidas por bots que nunca pagan, el costo de cada estafa exitosa aumenta. Es la misma lógica detrás de los filtros de spam y las aplicaciones de bloqueo de llamadas, aplicada a la conversación en lugar de a la entrega. Si funciona a escala dependerá de la rapidez con que los estafadores aprendan a detectar voces sintéticas.
Para los lectores globales, el caso es un recordatorio de que el primer papel masivo de la IA puede no ser escribir ensayos o generar imágenes, sino situarse en medio de transacciones ordinarias, incluidas las deshonestas. Los próximos años mostrarán si los señuelos automatizados se convierten en una herramienta estándar para bancos y telecomunicaciones, o si siguen siendo un experimento ingenioso de una empresa con nombre clásico.