350.000 agentes de IA cuyo único trabajo es dejarse engañar

La empresa se llama Apate.ai, por la diosa griega del engaño. Opera unos 350.000 agentes de IA cuyo único trabajo es dejarse engañar.
Atienden llamadas de estafa. Responden a SMS de phishing. Hacen clic en el enlace malicioso. Entran al grupo de WhatsApp donde un falso asesor de inversiones explica una falsa plataforma de trading. Y entonces hacen eso que hace funcionar todo el sistema: son extremadamente colaborativos y completamente incompetentes.
Sí, van a transferir el dinero. Ay, Dios mío, ¿dónde dejé la tarjeta del banco? Perdón, ¿puede explicarlo otra vez, hijo, que yo soy un poco lento con estas cosas?
Cada minuto que un estafador pasa en esa llamada es un minuto que no pasa con una persona real de 78 años.
Los números, tal como los cuenta la empresa
Apate se fundó en 2024 a partir de investigación en la Macquarie University de Sídney, donde el fundador Dali Kaafar trabajaba en usar aprendizaje automático para analizar el contenido de llamadas de estafa. La historia de origen es un picnic familiar y una llamada de 44 minutos que alargó para entretener a sus hijos, tras la cual se dio cuenta de que el tiempo en sí era la defensa.
Las cifras de la propia empresa: unos 350.000 agentes, más de 2,5 millones de conversaciones completadas, aproximadamente 17 años de tiempo de trabajo de estafadores ocupados y más de 250.000 piezas de inteligencia accionable extraídas. Entre los clientes están Commonwealth Bank of Australia y TPG Telecom. TPG ha derivado cerca de 590.000 llamadas sospechosas a los agentes. CBA ha reportado públicamente una caída del 76% en las pérdidas por estafa declaradas.
En agosto la empresa cerró una ronda seed de 8,15 millones de dólares liderada por Lobby Capital, con OIF Ventures, Investible, Concept Ventures y Baobab Ventures participando, lo que deja la financiación total justo por debajo de 10 millones. Veinte empleados. Una reregistración en Delaware efectiva el 25 de agosto y una oficina en Londres prevista para el próximo trimestre.
El mecanismo no tiene misterio. Las operaciones de estafa son negocios de mano de obra. Necesitan a un humano al teléfono durante veinte minutos para guiar a la víctima por una transferencia. Si el humano al otro lado es un bot que cuesta esencialmente nada, la economía de la estafa se invierte: el insumo más caro del atacante, la atención, lo consume algo que nunca se cansa y nunca se agota.

Por qué la inteligencia es el producto real
Hacer perder el tiempo al estafador es satisfactorio. No es un negocio.
El negocio son los datos. Mientras el agente se lía sobre dónde dejó la tarjeta, también recoge: la cuenta bancaria a la que el estafador quiere el dinero, la dirección de la cartera cripto, el dominio de phishing, el número que llamó, la marca suplantada, el guion en uso. Eso se empaqueta y se entrega a bancos, operadoras y reguladores, que pueden bloquear la cuenta o tumbar el dominio antes de que la siguiente víctima descuelgue.
Eso cambia el momento del antifraude. Las defensas tradicionales actúan después de la pérdida: la víctima denuncia, el banco congela, el dinero normalmente ya se fue. La defensa con inteligencia primero actúa antes de la pérdida, que es el único punto donde las cuentas salen.
También explica por qué las operadoras son el primer cliente natural. TPG no necesita saber quiénes son los estafadores. Necesita un motivo para cortar una llamada antes de que llegue al abonado. Una IA que contesta, obtiene un guion y devuelve un veredicto es un producto de filtrado de llamadas que mejora cada vez que se usa.
Las preguntas incómodas
Aquí dejo de animar, porque esta es una empresa cuyo producto es el engaño institucionalizado, y eso merece más escrutinio del que suele recibir una historia edificante.
¿Quién puede desplegar una IA mentirosa? La respuesta hasta ahora es “una empresa con un banco como cliente”. Eso no es un marco legal, es una relación de compra. Si la técnica funciona, se copiará: por cobradores, por vendedores, por gobiernos, por cualquiera que quiera ocupar el tiempo de un desconocido con falsos pretextos. El precedente que se crea es “el engaño está bien cuando el objetivo es un criminal”, y esa es una regla con un borde muy resbaladizo.
¿Qué tan buena es una inteligencia obtenida con engaño? Un crítico citado en la cobertura china del acuerdo hizo el punto más afilado: en cuanto los estafadores sepan que existen señuelos, pueden alimentarlos con cuentas falsas y dominios falsos. Las cuentas de pago y los enlaces de phishing caducan en horas. Los datos son en tiempo real y de baja confianza a la vez, una combinación incómoda para el sistema de bloqueo de un banco.
La postura razonable es la que sugirió ese crítico: tratar la inteligencia como un disparador de revisión reforzada, no como motivo de bloqueo. Cruza los datos. Da caducidad a cada elemento. No dejes que la improvisación de un bot sea la razón por la que se congela una cuenta legítima.
¿Qué pasa cuando el engañado es el agente? Las llamadas de estafa son ingeniería social contra humanos. Los guiones están hechos para extraer información, y un LLM es una superficie de extracción de información con una superficie de ataque propia muy grande. La empresa dice usar modelos de frontera más fine-tunes propietarios entrenados con conversaciones reales, que es la respuesta correcta y también una admisión de que un modelo genérico filtraría.
Cómo se ve esto si funciona
El escenario interesante no es “se acaban las estafas”. Es que el coste de una llamada de estafa suba hasta que la estafa marginal deje de ser rentable, igual que el spam de correo se volvió un negocio de bajo rendimiento cuando los filtros mejoraron.
Sería un cambio real. Durante veinte años, el antifraude ha sido un centro de coste que escala con las pérdidas. Apate propone un producto antifraude que escala con el volumen de atacantes: más llamadas de estafa significa más inteligencia, lo que significa mejor bloqueo, lo que significa menos llamadas de estafa. Un bucle de retroalimentación negativo en un sector que solo había tenido uno positivo.
Hay una versión de esto que se vuelve fea. Si cada banco y cada operadora despliega su propia flota de agentes señuelo, el ecosistema de estafa no desaparece: se vuelve mejor detectando bots. Las llamadas de voz se acortan, los canales de texto toman el relevo y la carrera armamentística se muda a un lugar donde los defensores tienen menos datos. La cifra del 76% es una medición puntual en un mercado, y va a decaer.
Lo que merece la pena copiar
Quita el nombre de la diosa y la ronda de financiación y queda una idea que generaliza mucho más allá del fraude.
Cuando la estructura de costes de un adversario depende de la atención humana, la defensa correcta es hacer la atención gratis de tu lado y cara del suyo. Eso es un honeypot, y eso es lo que construyó Apate: un honeypot con personalidad, desplegado a una escala en la que el atacante no puede saber cuáles de las cuatrocientas llamadas de hoy eran reales.
Si las instituciones deberían poder operar eso es una pregunta de política que nadie ha respondido. Si funciona es una pregunta de ingeniería que, por ahora, tiene un punto de datos y un 76% pegado a él.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado
La adopción va bien. El fallo interesante son cuatro formas incompatibles de instalar el mismo objeto.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.