Estafa digital al revés: los algoritmos aprenden a trollear a las mafias telefónicas

Un estafador telefónico puede pasar horas convenciendo a una "víctima" que nunca transferirá ni un céntimo. La empresa australiana Apate desplegó alrededor de 350 000 bots de IA capaces de simular personas reales en llamadas, SMS y chats. El fundador de la empresa, Dali Kafar, dijo que el sistema distrae a los estafadores de objetivos reales y, al mismo tiempo, recopila información sobre los esquemas fraudulentos.

Los bots tienen distintos caracteres, habilidades lingüísticas y hábitos para que la conversación no parezca demasiado perfecta. Unos responden de inmediato, otros posponen la charla o dicen que volverán a llamar más tarde. Los personajes muestran cautela, pero dejan al estafador suficiente esperanza para seguir presionando. Según Kafar, algunas llamadas se prolongan más de dos horas.

El objetivo de Apate no se limita a hacer perder el tiempo. Durante la interacción, el sistema extrae datos útiles para bloqueos e investigaciones. La empresa afirma haber recopilado más de 250 000 elementos de inteligencia, incluidos URL fraudulentos, datos bancarios y cuentas de mulas de dinero por las que los delincuentes retiran los fondos robados.

Apate no solo trabaja con llamadas de voz. La plataforma puede responder mensajes, unirse a grupos fraudulentos y mantener conversaciones en WhatsApp, Telegram y SMS. En su sitio la empresa explica que los bots de texto pueden recibir tareas concretas, por ejemplo averiguar un número de cuenta o la dirección de una billetera de criptomonedas y transmitir la información a socios.

Una idea similar surgió mucho antes del actual auge de la IA generativa. En 2023 el servicio Jolly Roger ya creaba personajes ficticios con ChatGPT y un sintetizador de voz para mantener a los remitentes de spam en la línea. Apate traslada ese mismo principio a una escala mucho mayor y convierte la conversación con el estafador en una fuente de datos procesables por máquinas.

El enfoque resulta especialmente interesante ante la forma en que los delincuentes adoptan modelos generativos. En 2026 los modelos de lenguaje ya ayudaban a estafadores telefónicos a preparar textos y adaptar viejos esquemas. Apate dirige tecnologías similares en sentido inverso. La automatización permite mantener a la vez un gran número de conversaciones verosímiles sin intervención de operadores humanos.

Un ejército de bots aún no puede resolver el problema por completo. Los estafadores lanzan cada año miles de millones de llamadas y mensajes, y los grupos grandes funcionan casi como centros de llamadas industriales. Pero cada minuto que se gasta en una víctima artificial reduce el recurso para buscar personas reales, y los datos recopilados ayudan a identificar más rápido los números, sitios y cadenas de pago relacionados.