共计 1294 个字符，预计需要花费 4 分钟才能阅读完成。
Most companies use AI agents to ship products faster or speed up workflo…
多数企业把 AI 智能体用来写代码、跑流程、提升效率, 澳大利亚初创公司 Apate.ai 却让它们“深入敌营”: 伪装成容易上当的普通人, 主动接诈骗电话、点钓鱼链接、混进诈骗群组, 在被骗的过程中反向收集情报。
📌 灵感来自一通 44 分钟的电话
Apate 的起点是创始人兼 CEO Dali Kaafar 的一次亲身经历。几年前的家庭野餐上, 他接到陌生来电, 很快判断对方是骗子, 于是故意装糊涂, 把通话拖了 44 分钟。
事后他意识到, 这 44 分钟意味着骗子没能去打给真正的受害者 。这让他开始思考: 这件事能否自动化, 并在过程中学到有用的东西? 该想法后来演变为他在悉尼麦考瑞大学的研究, 团队用机器学习和自然语言处理解析诈骗通话内容, 寻找更有效的识别与拦截方式。公司于 2024 年成立, 技术基础正来自这段研究。
🔍 数千个“虚拟受害者”在做什么
Apate 部署了数千个 AI 智能体 , 它们可以扮演不同年龄、性别和口音的人, 使用多种语言与骗子周旋:
- 接听诈骗电话, 回复可疑短信与邮件;
- 点击钓鱼链接, 进入恶意页面;
- 潜入社交平台上的诈骗群组;
- 尽量拖住对方, 同时套取可用信息。
公司称, 这些智能体已在约 250 万次对话中, 累计消耗诈骗者约 17 年的时间 。更重要的是, 它们会设法让骗子暴露银行账户、加密钱包地址、电话号码、恶意网站、被冒用的品牌名称, 以及正在运作的骗局细节——这些信息通常只在有人真正被骗之后才会浮出水面。
💡 把情报拿到“被骗之前”
Apate 的客户包括银行、电信运营商、政府机构和公共事业单位 。公司把对话中提取的线索交付给客户, 用于改进反诈措施。
联合创始人兼首席商务官 Brad Joffe 的说法是, 行业里多数做法都是事后补救: 电信封号, 骗子换个号继续; 银行监控交易, 但那时用户已经被骗。Apate 选择直接接触骗子, 在有人受伤之前拿到信息。技术上, 公司同时使用前沿大模型与自研的微调模型, 训练素材既包括智能体与骗子的真实对话, 也包括 Kaafar 在麦考瑞大学的研究成果。
📊 为什么这条路线值得关注
诈骗本身正在被 AI 放大。 美国联邦调查局的数据显示 ,2025 年共收到超过 2.2 万起与 AI 相关的犯罪投诉, 造成约 8.93 亿美元损失, 其中逾 6.32 亿美元来自投资诈骗——骗子用 AI 维持对话, 并以深度伪造模仿名人、高管或可信人物的声音与形象。
- 规模化陪聊能否真正抬高诈骗成本, 而非只是延长单次通话;
- 所获情报的时效性与准确性如何验证;
- 与银行、电信现有风控体系如何衔接, 避免只停留在情报层面。
🚀 总结
Apate 目前是 TechCrunch Disrupt 2026 Startup Battlefield 200 的决赛入围者之一, 将在旧金山 Moscone West 向投资人评委路演。它能否把“陪骗子聊天”做成可持续的生意, 还要看客户是否愿意为这类前置情报持续买单。
