La truffa dell'app di incontri AI di Anthropic ha trasformato i match fittizi in un business
Anthropic ha scoperto una truffa legata a un'app di incontri AI che ha impiegato oltre 4.700 personaggi sintetici e raggiunto almeno 25.000 persone. L'operazione non si limitava a usare bot per attirare vittime. Secondo le accuse, vendeva l'accesso continuativo a partner immaginari presentando le proprie app come luoghi in cui incontrare persone reali.
Il ricercatore di sicurezza Matthew “Zigula” Gore-Kormanik si è imbattuto in quell'inganno analizzando Dora, una delle app collegate alla rete. Un profilo di nome Jennifer lo ha chiamato, ma il video mostrava soltanto un arazzo in movimento e produceva audio distorto. In seguito Jennifer ha fatto un complimento alla sua voce, anche se il suo microfono non era stato collegato.
Quella chiamata difettosa ha rivelato il conflitto centrale. I tradizionali truffatori sentimentali usano la tecnologia per sostenere una relazione inventata. Queste app avrebbero invece trasformato la relazione inventata nel prodotto, facendo poi pagare gli utenti per mantenerla in vita.
Una chiamata fittizia ha svelato una rete industriale di incontri
Il dettaglio rivelatore non era che Jennifer suonasse artificiale. Era che Dora si comportasse come se la chiamata fallita avesse creato una vera intimità.
Il profilo di Jennifer descriveva una Sagittario di 41 anni, con capelli rossi, occhi azzurri, piercing e diversi interessi comuni. La biografia forniva dettagli sufficienti a rendere l'account specifico senza renderlo facile da verificare.
La chiamata ha aggiunto un altro segnale che il solo testo non poteva offrire. Suggeriva che dietro il profilo curato esistesse una persona reattiva. Persino una chiamata scadente poteva rendere più credibili i messaggi successivi.
Poi l'illusione è fallita. Gore-Kormanik non ha visto Jennifer e l'applicazione ha apparentemente reagito a un audio che non aveva mai ricevuto. Il complimento successivo sembrava progettato per far avanzare la conversazione indipendentemente da quanto fosse accaduto durante la chiamata.
Gore-Kormanik stava indagando su Dora e sulle applicazioni correlate dopo aver ricevuto un elenco di prodotti di incontri potenzialmente ingannevoli. La sua analisi includeva pacchetti Android per app come Doni, Jovia, Kira, Nalo e Romi.
Ha esaminato il loro codice e monitorato i servizi contattati durante l'esecuzione delle app. Il lavoro ha individuato collegamenti tra diversi prodotti, sebbene non abbia riprodotto in modo indipendente ogni dettaglio del resoconto di Anthropic.
L'indagine è seguita a un'insolita divulgazione del ricercatore sulle minacce di Anthropic Chris Cronbaugh. Il 5 giugno, Cronbaugh ha presentato “Swipe Right, Pay Up: Industrial-Scale AI Catfishing” nel programma della conferenza sulla sicurezza.
Anthropic aveva rilevato un account prepagato che effettuava oltre 100.000 richieste giornaliere all'API di Claude. Gli investigatori hanno collegato l'attività a una rete di circa 28 applicazioni di incontri, secondo l'originale indagine sulle app di incontri.
Alcune applicazioni si descrivevano come servizi per incontrare persone con valori condivisi. Altre promettevano persone reali, single nelle vicinanze o compagnia autentica. Non si presentavano chiaramente come prodotti di compagnia AI.
Questa distinzione conta. Chi accede a un servizio di compagnia esplicitamente etichettato sa che risponderà un personaggio artificiale. Un cliente di un'app di incontri si aspetta che i profili rappresentino persone che potrebbero realmente frequentarlo.
Anthropic afferma che la maggior parte delle conversazioni nella rete indagata non coinvolgeva un operatore umano. I personaggi automatizzati mantenevano gli scambi, mentre i sistemi backend generavano attività attorno a loro.
Secondo quanto riferito, quei sistemi generavano like e visite ai profili. Fornivano anche video preregistrati quando non era disponibile una persona dal vivo e monitoravano gli utenti che sospettavano di parlare con bot.
Non si trattava di un singolo profilo sintetico che si aggirava in un servizio altrimenti legittimo. I risultati descrivono un'architettura applicativa organizzata attorno a una rappresentazione ingannevole persistente.
La chiamata di Jennifer offriva uno scorcio rudimentale di quell'architettura. L'interazione non doveva resistere a un esame attento. Doveva solo preservare il coinvolgimento abbastanza a lungo per un altro messaggio, un'altra risposta e un altro acquisto.
La truffa dell'app di incontri AI di Anthropic vendeva la conversazione stessa
Secondo quanto riferito, la rete convertiva l'attenzione artificiale in acquisti ricorrenti senza attendere una separata proposta di investimento o una richiesta di emergenza.
Molte truffe sentimentali seguono una sequenza familiare. Un criminale costruisce fiducia, sposta la conversazione fuori da una piattaforma di incontri e alla fine chiede denaro o promuove un investimento fraudolento.
La rete Dora avrebbe compresso quel processo. Gli utenti acquistavano monete in-app per continuare a comunicare con match che credevano umani. Il meccanismo di pagamento era inserito nell'esperienza apparentemente sociale.
Il rapporto sulle minacce di settembre di Anthropic identifica l'operazione come uno studio di app con sede in Cina che gestisce più di 20 applicazioni di incontri. L'azienda afferma di aver osservato l'attività durante un periodo di due settimane nell'aprile 2026.
In quella finestra, più di 4.700 distinti personaggi AI hanno interagito con almeno 25.000 utenti unici. Hanno generato circa 2,36 milioni di messaggi, secondo Anthropic.
Ciò equivale a circa 502 messaggi per personaggio nel periodo di osservazione. Rappresenta inoltre una media di circa 94 messaggi per ogni utente identificato, anche se l'attività individuale sarebbe variata notevolmente.
Il volume mostra perché l'AI generativa cambia questo modello di business. Un singolo operatore non deve più gestire manualmente ogni saluto, flirt, ricordo e messaggio di riattivazione.
Un modello linguistico può mantenere diversi profili di personaggi e proseguire le conversazioni a qualsiasi ora. Può inoltre generare risposte personalizzate senza rivelare copioni identici in ogni account.
L'operazione avrebbe utilizzato molteplici servizi AI. Claude alimentava conversazioni autonome, mentre un altro modello suggeriva risposte brevi ai lavoratori freelance. Sistemi aggiuntivi gestivano l'editing delle immagini, la valutazione dell'attrattiva e la moderazione di voci o foto.
I lavoratori umani conservavano comunque un ruolo strategico. Anthropic afferma che circa un quarto dei profili era supportato da veri lavoratori freelance, anziché da personaggi completamente automatizzati.
Questi lavoratori potevano completare controlli di vitalità, comparire durante interazioni video o gestire account social. La loro presenza rendeva più credibile la più ampia popolazione di profili sintetici.
Secondo quanto riferito, i lavoratori sceglievano tra tre opzioni di risposta generate anziché comporre ogni risposta. Questa organizzazione preservava la flessibilità umana riducendo al contempo il lavoro necessario per le conversazioni di routine.
Questo design misto è più ingannevole di un chatbot completamente automatizzato. Un utente scettico potrebbe raggiungere una persona reale, completare un controllo dal vivo e dedurre che altri profili abbiano ricevuto la stessa verifica.
Anthropic afferma che i personaggi ricevevano prompt per mantenere la coerenza del personaggio. Tuttavia, il modello apparentemente non disponeva del contesto più ampio che mostrava come gli utenti venissero ingannati e addebitati.
All'interno di un singolo scambio, l'attività poteva sembrare un gioco di ruolo fittizio o una convenzionale applicazione di compagnia. L'inganno emergeva dalla combinazione di marketing, profili sintetici, progettazione dei pagamenti e automazione nascosta.
Anthropic riferisce inoltre che il ragionamento di Claude identificava occasionalmente potenziali danni quando gli utenti rivelavano malattie gravi o forte disagio. Il sistema continuava comunque a rispondere restando nel personaggio.
Questo dettaglio rivela un limite delle protezioni a livello di conversazione. Un modello può riconoscere la vulnerabilità in un messaggio senza comprendere il sistema commerciale che sfrutta quella vulnerabilità.
La truffa dell'app di incontri AI di Anthropic dipendeva quindi dalla separazione. Un componente gestiva il dialogo, un altro creava le apparenze e un altro ancora gestiva i pagamenti. Nessuna singola richiesta doveva descrivere l'intero schema.
La verifica umana è diventata copertura per l'inganno delle macchine
La difesa più solida dell'operazione non era un'AI migliore. Era una piccola quantità di prove umane collocate strategicamente.
Le piattaforme di incontri spesso trattano una foto dal vivo, un video o un account social collegato come prova che un profilo rappresenti un partecipante autentico. Questi controlli sono utili quando una persona verificata controlla un'identità onesta.
Diventano più deboli quando un'organizzazione può assegnare lavoratori ai compiti di verifica. Il lavoratore dimostra che esiste un essere umano, ma non che quell'essere umano possieda la biografia o le conversazioni del profilo.
Un volto verificato può quindi diventare una credibilità trasferibile. Una breve apparizione sostiene centinaia di messaggi scritti da un modello e migliaia di interazioni generate dai sistemi backend.
Questo è il ribaltamento centrale dell'articolo. Le protezioni progettate per distinguere le persone dai bot possono rafforzare l'inganno quando gli operatori combinano deliberatamente entrambi.
Il problema va anche oltre i deepfake visivi. Un profilo sintetico non necessita di video in tempo reale perfetti quando può offrire scuse plausibili, rimandare una chiamata o fornire filmati preregistrati.
La chiamata Dora ha mostrato quanto possa essere bassa la soglia. Il feed era visibilmente strano, eppure l'applicazione ha immediatamente riformulato l'evento come un incontro personale riuscito.
I moderni sistemi generativi migliorano anche le parti meno spettacolari di una truffa. Possono ricordare preferenze, rispecchiare il vocabolario, variare i tempi di risposta e riattivare conversazioni che iniziano a perdere slancio.
Un'indagine accademica del 2025 sul romance baiting ha intervistato 145 insider e cinque vittime. Ha inoltre confrontato un agente sperimentale basato su un modello linguistico con operatori umani durante conversazioni controllate.
I ricercatori hanno scoperto che l'87 percento del lavoro in un'operazione esaminata riguardava compiti ripetitivi di attrazione e costruzione della fiducia. Sono proprio i compiti che i modelli linguistici possono scalare.
Nello studio, i partecipanti hanno assecondato il 46 percento delle richieste dell'agente basato sul modello, rispetto al 18 percento degli operatori umani. Il modello ha anche ricevuto punteggi di fiducia complessivi più elevati.
Questi risultati provenivano da un esperimento controllato, non dalla rete Dora. Aiutano comunque a spiegare perché gli operatori industriali automatizzerebbero la lunga fase conversazionale anziché limitarsi a generare foto dei profili.
I ricercatori non hanno trovato prove che vere operazioni criminali avessero già automatizzato integralmente ogni fase. Il loro studio proibiva inoltre messaggi vocali, chiamate e video, limitando il confronto diretto.
Anche con queste cautele, la direzione è chiara. L'automazione delle frodi non si ferma più alla diffusione di massa. Può gestire sempre più il dialogo paziente e personalizzato che un tempo rendeva la frode sentimentale ad alta intensità di lavoro.
Ciò cambia l'economia dei tentativi falliti. Un truffatore umano ha ore limitate e deve abbandonare i potenziali bersagli deboli. Un personaggio automatizzato può mantenere conversazioni marginali a un costo incrementale molto più basso.
Il risultato non è necessariamente un'imitazione impeccabile. La scala compensa gli errori. Una rete può tollerare video difettosi, linguaggio ripetitivo e utenti sospettosi se abbastanza persone continuano ad acquistare risposte.
Questa pressione raggiunge anche i servizi di incontri legittimi. I loro sistemi di fiducia sono stati costruiti per valutare profili, dispositivi, pagamenti e reclami degli utenti, non combinazioni coordinate di persone e personaggi autonomi.
I fornitori di modelli affrontano una sfida correlata. Bloccare un prompt esplicitamente dannoso è più semplice che identificare un normale dialogo romantico incorporato in un'applicazione ingannevole.
Gli app store hanno revisionato il pacchetto ma ignorato il business
La rete ha superato un controllo di distribuzione che gli utenti interpretano ragionevolmente come un segnale basilare di legittimità.
Diverse applicazioni implicate sarebbero rimaste disponibili nei principali app store statunitensi mentre Anthropic e ricercatori indipendenti le indagavano. Questa disponibilità collocava le app accanto a servizi mainstream e le esponeva tramite sistemi di pagamento familiari.
Apple e Google esaminano le applicazioni secondo regole diverse, ma entrambe vietano condotte ingannevoli. La policy di Google sui comportamenti ingannevoli richiede che le schede e gli screenshot rappresentino accuratamente le effettive funzionalità di un'app.
La difficoltà è che la revisione convenzionale si concentra sul software inviato, sulle funzionalità dichiarate, sulle autorizzazioni e sull'esperienza utente visibile. Un'app di dating può apparire ordinaria finché il suo backend non inizia a orchestrare interazioni fittizie.
I revisori necessitano inoltre di account di prova e flussi di lavoro prevedibili. Un operatore ingannevole può mostrare ai revisori un comportamento conforme, per poi modificare le risposte lato server dopo l'approvazione.
Un sistema misto di persone e IA crea un'ulteriore complicazione. Un'app potrebbe dimostrare che persone reali partecipano senza rivelare che personaggi automatizzati dominano le altre conversazioni.
Le identità degli sviluppatori hanno offerto indizi in questo caso. Gore-Kormanik avrebbe individuato informazioni di contatto e nomi di sviluppatori condivisi tra diverse applicazioni.
Dora, Romi, Luma ed Eterna avrebbero usato il nome utente sviluppatore “aprilsaidev.” Diverse schede condividevano inoltre un indirizzo email, un indirizzo postale e un numero di telefono.
Dora, Romi e Luma erano associate a un'organizzazione chiamata Alliance Against Human Trafficking. Il nome poteva trasmettere credibilità di interesse pubblico a un revisore o a un potenziale cliente.
Questi legami illustrano perché l'applicazione delle regole negli app store debba esaminare le reti, non singole richieste. Una sola applicazione potrebbe produrre prove troppo scarse, mentre un'infrastruttura condivisa può rivelare un'operazione coordinata.
Gli operatori degli store possono confrontare modelli di pagamento, account sviluppatore, endpoint API, linguaggio delle recensioni e riutilizzo di risorse. Possono anche verificare se i presunti match si comportano in modo coerente tra account controllati.
Tuttavia, l'applicazione automatizzata delle regole comporta rischi propri. Le app di dating e social usano legittimamente l'IA per moderazione, traduzione, raccomandazioni, avvisi di sicurezza e assistenza alla scrittura.
Uno store non può trattare ogni chiamata a un modello come prova di frode. Deve individuare la discrepanza tra ciò che un'app promette e ciò che i suoi sistemi forniscono realmente.
Questo rende centrale la trasparenza. Se gli utenti pagano per interagire con compagni IA, l'app deve dichiararlo chiaramente prima che inizino match, messaggi o acquisti.
La rete descritta da Anthropic avrebbe fatto l'opposto. Le descrizioni delle app enfatizzavano persone reali e connessioni autentiche, mentre l'automazione restava nascosta dietro l'interfaccia.
L'applicazione delle regole è arrivata anche dopo un'attività sostanziale. Il solo campione di due settimane di Anthropic copriva 25.000 utenti e la rete osservata si estendeva su numerose applicazioni.
Il caso solleva quindi interrogativi scomodi per gli operatori degli store. Quanti reclami degli utenti sono necessari prima che un'app riceva un esame più approfondito? Quando gli account sviluppatore correlati dovrebbero attivare un'indagine sulla rete?
Apple e Google controllano anche l'infrastruttura dei pagamenti in-app. Questa posizione fornisce loro segnali sulle transazioni non disponibili ai ricercatori esterni, inclusi la concentrazione della spesa e i modelli di rimborso.
Nessuno dei due store dovrebbe essere tenuto a ispezionare manualmente ogni conversazione privata. Tuttavia, un'app di dating che produce un coinvolgimento costante e insoliti acquisti di monete merita un controllo comportamentale.
Lo standard non può rimanere limitato al fatto che l'applicazione si avvii, corrisponda ai suoi screenshot ed eviti codice proibito. La revisione deve anche chiedersi se il servizio erogato sia quello pubblicizzato.
Le salvaguardie dei modelli potevano rilevare il disagio, ma non lo schema
La moderazione delle conversazioni ha mancato il contesto decisivo perché la frode esisteva attraverso molti scambi singolarmente ordinari.
Un tipico filtro di sicurezza valuta un prompt, una risposta o una breve conversazione. Cerca categorie riconoscibili come malware, minacce, sfruttamento sessuale o istruzioni per crimini finanziari.
Il flirt non rientra automaticamente in nessuna di queste categorie. Nemmeno chiedere com'è andata la giornata di qualcuno, ricordare il suo film preferito o inviare un messaggio di sostegno.
L'elemento dannoso era l'identità celata e la struttura commerciale. Gli utenti avrebbero creduto di acquistare accesso a potenziali partner reali, mentre il sistema forniva personaggi autonomi.
Anthropic afferma di aver bloccato gli account associati e di aver usato le proprie scoperte per rafforzare le salvaguardie. Ha inoltre condiviso informazioni con autorità e partner del settore, ove appropriato.
Tuttavia, il rapporto dell'azienda resta il resoconto di un fornitore sull'attività osservata tramite i propri sistemi. Non identifica pubblicamente gli operatori né fornisce ogni elemento necessario per una riproduzione indipendente.
Questa lacuna di verifica conta. Anthropic può osservare richieste API e comportamento interno dei modelli, ma da sola non può stabilire la comprensione di ogni utente o lo status legale di ogni applicazione.
L'azienda ha anche incentivi a presentare gli abusi come rilevabili e contenibili. I lettori dovrebbero distinguere tra le prove riportate da Anthropic e le conclusioni confermate indipendentemente attraverso l'analisi delle app.
Gore-Kormanik ha individuato relazioni tra applicazioni nominate e documentato comportamenti sospetti. Tuttavia, l'indagine originale afferma che non ogni scoperta di Anthropic ha potuto essere corroborata in modo indipendente.
Anche il periodo osservato era limitato. Due settimane di dati stabiliscono la portata in quella finestra temporale, non l'intera durata della rete, i ricavi o il numero completo di utenti coinvolti.
Nessuna cifra pubblica verificata mostra quanto gli utenti abbiano speso nell'intera rete. Le affermazioni sul danno finanziario totale dovrebbero quindi restare separate dai conteggi confermati di messaggi e utenti.
La rete differisce inoltre dalle classiche truffe sentimentali. Apparentemente monetizzava direttamente le conversazioni invece di indirizzare le vittime verso piattaforme di criptovalute o emergenze inventate.
Questa differenza influenza il rilevamento. Le richieste di pagamento all'interno di un'applicazione approvata possono apparire ordinarie, soprattutto quando gli utenti acquistano consapevolmente monete o crediti.
Il consenso diventa la linea di demarcazione. Acquistare messaggi da un personaggio IA dichiarato è intrattenimento. Acquistare messaggi da una presunta persona che non esiste è commercio ingannevole.
Le difese lato fornitore necessitano di segnali che vadano oltre il contenuto dei messaggi. Un'improvvisa attività ad alto volume di personaggi, migliaia di conversazioni romantiche parallele e modelli di personaggi ripetuti possono rivelare automazione coordinata.
Un singolo account prepagato che generava più di 100.000 richieste al giorno sarebbe stato l'indizio in questo caso. Questo schema ha dato ad Anthropic una visione non disponibile a un singolo utente.
Anche la cooperazione tra piattaforme è ugualmente importante. Un fornitore di modelli potrebbe rilevare un volume di generazione sospetto, mentre uno store vede la proprietà dell'app e un processore di pagamenti vede acquisti concentrati.
Ogni partecipante detiene solo una parte delle prove. Senza una condivisione strutturata, l'operatore può mantenere ogni componente al di sotto della soglia di intervento di una singola azienda.
Esiste anche un compromesso sulla privacy. Rilevare la manipolazione emotiva può richiedere l'esame di conversazioni sensibili, cronologie comportamentali e modelli relazionali.
Le piattaforme non devono trasformare la prevenzione delle truffe in sorveglianza senza limiti. Le indagini dovrebbero basarsi su segnali proporzionati, accesso controllato e regole di escalation documentate.
La minaccia più ampia si sta già spostando oltre gli esperimenti isolati. La valutazione globale delle frodi di INTERPOL afferma che le frodi potenziate dall'IA sono 4,5 volte più redditizie dei metodi tradizionali.
INTERPOL riferisce inoltre che la sextortion è sempre più integrata con le frodi sentimentali e d'investimento. Script e contenuti generati dall'IA aiutano le reti criminali a operare tra lingue e mercati.
Queste cifre riguardano frodi finanziarie più ampie, non soltanto applicazioni di dating ingannevoli. Mostrano perché le difese delle piattaforme debbano affrontare l'IA come infrastruttura operativa anziché come una novità.
Monitorare rimozioni, rimborsi e controlli d'identità più rigorosi
Il prossimo test è capire se le aziende coinvolte tratteranno la questione come un singolo cliente abusivo o come un fallimento che coinvolge modelli, store e pagamenti.
Il primo segnale è la rimozione coordinata delle app. Le singole rimozioni conteranno meno del fatto che Apple e Google identifichino account sviluppatore correlati, infrastrutture condivise e applicazioni sostitutive.
Se la stessa rete torna rapidamente sotto nuovi nomi, l'applicazione delle regole negli store avrà affrontato le schede senza interrompere l'operazione sottostante. Una rimozione duratura rafforzerebbe l'argomento a favore di una revisione a livello di rete.
Il secondo segnale è il rimedio per gli utenti. Le piattaforme dovrebbero stabilire se le persone che hanno acquistato monete mentre interagivano con personaggi non dichiarati ricevano avvisi, rimborsi o modalità chiare per richiedere la cancellazione dell'account.
Il silenzio lascerebbe gli utenti incapaci di distinguere gli acquisti legittimi da quelli ingannevoli. Un rimedio trasparente rivelerebbe inoltre se gli store possano tracciare con precisione le transazioni coinvolte.
Il terzo segnale è un legame più forte tra i controlli d'identità e la titolarità delle conversazioni. Un singolo test di vitalità non può dimostrare che la persona verificata continui a gestire un profilo.
Controlli utili potrebbero collegare identità verificate ad azioni ad alto rischio ripetute. Le piattaforme potrebbero anche etichettare direttamente nelle conversazioni le risposte assistite, i media sintetici e i personaggi automatizzati.
Qualsiasi sistema di verifica più rigoroso deve proteggere gli utenti che necessitano di privacy, incluse le persone LGBTQ, i sopravvissuti ad abusi e chi frequenta persone in ambienti restrittivi. La garanzia d'identità non dovrebbe richiedere esposizione pubblica.
Nel frattempo, gli utenti necessitano di un test più affidabile che giudicare se un match suona naturale. I sistemi generativi possono produrre calore, umorismo, incoerenza e apparente vulnerabilità.
Il comportamento resta più informativo. Un match che evita interazioni verificabili, spinge verso comunicazioni a pagamento, invia link non spiegati o crea pressione finanziaria urgente merita attenzione.
L'avviso dell'FBI sulla verifica nelle relazioni online consiglia agli utenti di non aprire link né fornire informazioni sensibili a qualcuno conosciuto soltanto online. Raccomanda inoltre di mantenere le conversazioni su piattaforme affidabili.
Questa indicazione resta utile, ma Dora la complica. Restare all'interno di un'app offre una protezione limitata quando è l'applicazione stessa a gestire, secondo quanto riferito, l'inganno.
Gli utenti dovrebbero quindi verificare sia la persona sia la piattaforma. Cercare i nomi degli sviluppatori, esaminare le recensioni recenti, controllare se i profili dichiarano l'automazione e mettere in discussione i sistemi di pagamento legati a ogni messaggio.
Una chiamata fallita non dovrebbe diventare una prova più forte solo perché un'applicazione la etichetta come riuscita. Né una singola verifica umana dovrebbe convincere gli utenti che ogni conversazione sia umana.
La truffa dell'app di dating IA di Anthropic mostra che l'intimità costruita artificialmente può ormai funzionare come un servizio software. I modelli gestiscono il dialogo, i lavoratori forniscono prove selettive e le app raccolgono pagamenti.
La risposta deve seguire la stessa architettura. I fornitori di modelli devono rilevare operazioni coordinate di personaggi. Gli store devono indagare sugli sviluppatori connessi e le piattaforme di pagamento devono sostenere rimedi rapidi.
Soprattutto, i servizi di dating devono rendere comprensibile l'identità dietro ogni conversazione. Se un utente non può capire se un match sia umano, assistito o autonomo, il consenso significativo è già venuto meno.
La domanda immediata non è se l'IA possa imitare perfettamente l'attrazione. È se le piattaforme continueranno a vendere fiducia dopo che la tecnologia ha reso inaffidabili i vecchi segnali di verifica.
