Apate AIエージェントが潜入、詐欺電話を不正インテリジェンスへ転換
オーストラリアのスタートアップApateによると、同社のAIエージェントは詐欺被害の可能性がある人物を装い、250万件の会話に参加してきた。これらのエージェントはオフィスの生産性向上を目的とするのではなく、不審な電話、メッセージ、メール、ソーシャル上の勧誘に応答する。任務は、実際の被害者が金銭を失う前に、詐欺師との会話を続けさせて情報を引き出すことだ。
このアプローチは、人工知能とオンライン詐欺の従来の関係を逆転させる。犯罪グループはすでにAIを利用してスクリプトを翻訳し、身元を捏造し、国境を越えて活動している。Apateは同様の会話能力を犯罪者側に向け、送金も実際の認証情報の提供もしない合成ターゲットを生み出している。
同社によれば、エージェントは詐欺師の累計時間を17年分消費させたという。しかし、浪費させた時間は目に見える成果にすぎない。より重要なプロダクトは、不正インテリジェンス、すなわち銀行口座、暗号資産ウォレット、電話番号、フィッシングドメイン、なりすましブランドに関する情報だ。
これによりApateは、従来は銀行の監視システム、通信フィルター、人間の捜査担当者が担ってきた領域へと踏み込む。こうした防御策は、詐欺師が顧客に接触した後で不審な行動を特定することが多い。Apateは、詐欺師がまだ取引の成立を信じている間に、キャンペーンを支えるインフラを収集しようとしている。
したがって中心的な問いは、チャットボットが発信者を苛立たせられるかどうかにとどまらない。Apateは、欺瞞的な会話から得たインテリジェンスが、顧客が進行中のキャンペーンを阻止できるほど迅速に検証可能なものとなることを示さなければならない。
Apate AIエージェント、詐欺師をインテリジェンス源に変える
Apateの特徴的な取り組みは、傍受した詐欺を単なる遮断対象のやり取りではなく、インテリジェンス作戦として扱うことにある。
シドニーのMacquarie Universityで行われた研究を基に2024年に設立されたApateは、音声とテキストのチャネル全体に数千の架空の身元を展開している。これらの身元は、年齢、性別、アクセント、言語、見かけ上の技術的能力が異なる。
あるボットは、オンラインバンキングに戸惑っているふりをしながら、偽のサポート電話に応答するかもしれない。別のボットは投資に関するメッセージに返答し、資金の送付先を尋ねることができる。テキストエージェントは、架空のプロフィールを使って不審なフォーラムや投資グループに参加できる。
これらのエージェントは、詐欺の背後にある運用上の詳細を明らかにするよう設計されている。有用な出力には、送金先口座、暗号資産アドレス、メールアドレス、ウェブサイト、電話番号、スクリプト、標的ブランドなどが含まれ得る。
Apate共同創業者のBrad Joffe氏はTechCrunchに対し、同社のエージェントは毎日数万人の詐欺師と会話していると語った。その後同社は、それらの会話から得たインテリジェンスを銀行、通信事業者、公益事業者、政府機関向けにパッケージ化する。
スタートアップの潜入エージェントに関する報告では、電話、メッセージ、メール、ウェブサイト、ソーシャルプラットフォームをまたぐシステムが説明されている。顧客は、疑わしいキャンペーンに関連する送金先を取得するといった、特定のミッションを割り当てることもできる。
このミッションベースの構造は重要だ。一般的なチャットボットは、通常は利用者を満足させようとする。一方でApateのエージェントは、説得力のある架空の人格を維持しながら、調査目的を追求する。
Apateは、最先端モデルと、詐欺会話でファインチューニングしたモデルの両方を使用しているとしている。ファインチューニングは、タスク固有の例を用いて汎用モデルを適応させる手法だ。この場合、例はエージェントが詐欺の手口を認識し、圧力下でも説得力を保つことを支援する。
同社はまた、キャンペーン、標的製品、なりすましブランド、抽出された指標を監視するためのインサイトポータルを顧客に提供している。これらの指標は、口座レビュー、ドメインブロック、顧客への警告、追加調査を支援できる。
その結果、エンゲージメントと防御の間にループが生まれる。疑わしい詐欺は転送され、ボットが情報を収集し、顧客はその情報が介入を正当化するかを判断する。
ただし、Apateはそうした最終的な措置を独自に管理しているわけではない。その価値は、銀行、通信事業者、機関が、詐欺師がインフラを入れ替える前に収集した証拠を検証し利用できるかどうかに依存する。
不正対策になぜより早いシグナルが必要なのか
Apateは、不正対策チームに対し、被害が完了した後の検知から、運営者がまだ被害者を探している段階での詐欺調査へ移行するよう促している。
銀行は従来、通常とは異なる送金先、金額、行動について取引を監視してきた。通信事業者は通話パターン、送信者の身元、既知の悪性番号を分析する。ブラウザとメールの防御機能は、報告されたキャンペーンに関連するドメインやメッセージをブロックする。
各レイヤーはいずれも必要であり続ける。しかし、多くのシグナルは接触後に届く。ある電話番号がブロック対象となるほど十分な苦情を集める前に、顧客がすでになりすまし犯と会話している可能性がある。
詐欺師はインフラを入れ替えることもできる。ブロックされた番号は置き換えられ、フィッシングページは別のドメインへ移動できる。盗まれた資金は複数の口座やウォレットを経由する場合もある。
Apateは、直接的な対話によって代替インフラをより早く露出できると見込んでいる。最終的に支払いを期待する詐欺師は、送金先を提示しなければならない。なりすまし犯は、機関、サービス、投資機会の名称を挙げる必要がある。そうした詳細は、捜査担当者にとって潜在的な指標となる。
犯罪者によるAIの採用が進む中、タイミングの課題はより切迫している。FBIのAI犯罪統計は、2025年にAI関連情報を含む苦情が22,364件記録されたとしている。調整後の損失額は8億9,300万ドルを超えた。
これらの数字は、AIが報告されたすべての損失を引き起こしたことを意味するものではない。合成メディア、自動化された会話、関連ツールが、報告された相当数の犯罪で使われるようになったことを示している。
Associated Pressの調査では、犯罪グループが米国のAIシステムを使い、メッセージの翻訳や捏造された人格の管理を行っていたことが明らかになった。詐欺拠点に関する調査は、複数の言語と国にまたがる被害者を狙う活動を記録している。
自動化は双方の経済性を変える。犯罪者の作業者1人が生成された返信によりより多くの会話を管理できる一方、合成音声はなりすましの説得力を高められる。したがって防御側には、すべてのやり取りに人間の捜査担当者を割り当てずに大量処理できるシステムが必要となる。
ここでApateのモデルが圧力をかける。自動化されたエンゲージメントが一貫して支払い情報とキャンペーンのパターンを生み出すなら、受動的なフィルタリングだけでは不完全に見え始める。不正対策チームは不審なトラフィックをブロックし続ける一方で、それを尋問することもできるようになる。
Commonwealth Bank of Australia、TPG Telecomなどの組織は、その仮説を検証している。オーストラリアの全国詐欺報告では、Commonwealth BankによるApateとの取り組みが説明され、会話型対抗策に対する幅広い組織的関心が確認されている。
全国詐欺報告書によれば、同行は詐欺師に対抗するAIボットを展開するためApateと提携した。また、詐欺電話を転送するTPG Telecomの概念実証についても説明している。
こうした導入によりApateは、独立した消費者向けアプリケーションでは取得が困難な疑わしい詐欺トラフィックへアクセスできる。また、どの電話を転送するほど疑わしいと判断するかという責任は、パートナー側に委ねられる。
この依存関係は、レバレッジとリスクの両方を生む。Apateは確立されたネットワークを通じて拡大できるが、ネットワークのエッジでの分類精度が低ければ、有用な会話がシステムに届かなくなったり、正当な発信者が誤って転送されたりする可能性がある。
資金が動く前にApateが機能する仕組み
その仕組みは、トラフィックの転送、説得力のある合成ペルソナ、会話の持続、そして不正指標の構造化された抽出を組み合わせる。
Apateは、創業者Dali Kaafar氏による単純な観察から始まった。家族とのピクニック中、同氏は詐欺の手口を理解できないふりをして、詐欺電話の相手を44分間引き留めたとされる。
このやり取りにより、その発信者はその間、別の被害者に接触できなかった。また、長い会話は電話番号だけでは得られない情報を明らかにできることも示唆した。
Kaafar氏とMacquarie Universityの他の研究者は、この直感を正式な研究プログラムへ発展させた。同大学のプロアクティブ防御プロジェクトには、大学、Apate、Commonwealth Bank、オーストラリア国家情報局が参加した。
このプロジェクトでは、すでに不審と識別された電話を受ける多言語会話ボットが説明されている。ボットは説得力のある被害者ペルソナを提示し、やり取りを延長し、脅威インテリジェンスをほぼリアルタイムで抽出する。
最初の分類ステップは極めて重要だ。Apateは、誰かを装って無作為に人へ電話をかけるわけではない。通信事業者との導入では、疑わしい詐欺電話を管理された環境へ転送できる。
接続後、エージェントは発信者の音声を処理し、詐欺師の確信を維持する応答を選択する。関連する詐欺防止特許では、感情や会話の終了シグナルへの配慮を含め、通話を延長するために選択される応答が説明されている。
説得力のあるペルソナには一貫性が必要だ。エージェントは、ある文では退職者だと主張し、次の文では学校にいると説明することはできない。詳細を記憶し、割り込みに対応し、有害な取引を完了させない必要がある。
音声はシステムの一部にすぎない。Apateによれば、テキストエージェントはメールに返信し、フィッシングリンクをたどり、不審なグループに参加し、ウェブプラットフォーム上で会話を続けられる。
このより広範なカバレッジは、現代の詐欺がチャネルをまたぐ実態を反映している。最初のメッセージがSMSで届き、その後メッセージングアプリケーション、不正なウェブサイト、電話、暗号資産送金へと続く場合がある。
Apateのエージェントには、こうした会話の中で抽出目標を与えられる。銀行は受取人口座番号を優先するかもしれない。暗号資産に関する調査ではウォレットアドレスを求める一方、ブランドはドメインやなりすましスクリプトに焦点を当てることができる。
その後、抽出データには正規化が必要となる。異なるエージェントが、同じ電話番号、ウォレット、名称、ドメインの異なる表記に遭遇する可能性がある。Apateのインテリジェンス層は、こうした観測を結び付け、キャンペーンレベルの証拠として提示することを目的としている。
同社によれば、TPG Telecomはエージェントへ約59万件の電話を転送してきた。Apateはまた、名称を明かしていないオーストラリアの銀行が、アウトバウンドエージェントを使って22件の詐欺キャンペーンを妨害したとしている。
これらの数値は活動を示すものであり、独立監査された有効性を示すものではない。転送された電話が、ただちに防止された損失を意味するわけではない。同様に、発見された銀行口座も、金融機関が制限を課す前に検証を要する。
Apateは、Commonwealth Bankで公に報告された詐欺損失が76％減少したとしている。この主張は慎重な帰属を要する。損失額には多くの対策が影響し得るためだ。顧客教育、取引監視、補償ルール、市場全体の変化はいずれも結果に影響を与え得る。
最も強い直接的な証拠は、より限定的なものだ。組織は実際に疑わしい通信を転送し、会話型エージェントは対話を継続させ、そのやり取りから既存の不正対策チームが調査できる識別子が生成されている。
真の競争は、プロアクティブなインテリジェンスとリアクティブなブロッキングの間にある
Apateの主な競合相手は、別のチャットボット企業ではない。不正対策は検知可能な取引や被害報告が発生するまで待たなければならない、という前提そのものだ。
リアクティブなシステムには重要な強みがある。観測可能なイベントに基づいて動作する点だ。銀行は試行された決済を精査できる。通信事業者は通話頻度を測定できる。メールサービスはリンクを既知の悪意あるドメインと照合できる。
プロアクティブなエンゲージメントは、より少ない確実性のもとで機能する。疑わしい発信者が詐欺師である場合もあれば、強引なマーケターである場合、あるいは不完全なフィルターに誤って捕捉された正当な人物である場合もある。抽出された情報は虚偽、使い回し、または意図的に仕込まれたものかもしれない。
Apateは、より早い段階でアクセスできることと引き換えに、その不確実性を受け入れている。同社のエージェントは、詐欺師が決済インフラ、運用手法、または連携した身元情報を明かす段階まで到達することを目指す。
このアプローチは、攻撃者を誘い込み、その行動を明らかにするために構築されたおとりシステムであるハニーポットに似ている。従来のサイバーセキュリティ向けハニーポットは、偽のサーバーや認証情報を公開する。Apateはこの概念を自然言語による関係性へと拡張している。
この会話レイヤーが重要なのは、ソーシャルエンジニアリングが信頼と段階的なエスカレーションに依存しているためだ。技術的なメタデータは通話の発信元を示せるが、対話は、でっち上げられた問題、要求された行動、なりすまされた組織、想定された支払い経路を明らかにできる。
競合他社や隣接する製品は、この一連の流れの異なる部分に取り組んでいる。通信フィルターは通話接続前に疑わしい通信を特定する。銀行は決済の確定前に支払いを評価する。ブロックチェーン分析企業は、アドレスが判明した後に資金を追跡する。
人間の調査員も、詐欺師を誘導する工作や潜入調査を行っている。彼らは文脈を理解し、戦略的に即興対応し、会話がセンシティブになった際に判断を下せる。その制約はコストと稼働可能性にある。
Apateは、この4つのレイヤーすべてを置き換えようとしているわけではない。検知と金融面での介入の間に、自動化された収集レイヤーを提案している。このレイヤーは、疑わしい接触を証拠へと変換しようとする。
この違いが、詐欺師の時間を浪費させるだけでは不十分な理由を説明している。詐欺師は多数の会話を同時に運用したり、自動化を用いたりできる。攻撃者の限界費用がほぼゼロに近づけば、1つのセッションを継続させる価値は低下する。
高品質なインテリジェンスは、そのような状況でも価値を保ちうる。決済アカウント、ウォレット、再利用可能なドメインは、会話を、多数の事案にまたがって防御側が調査できるインフラへと結び付ける。
しかし、この競争は依然として不均衡だ。犯罪者は発信者をテストして合成音声の兆候を探ったり、敵対的な質問をしたり、ボットに偽造された識別子を与えたりできる。また、自動収集が技術的またはポリシー上の制約に直面するプラットフォームへ会話を移すことも可能だ。
双方のAIエージェントは、おそらく改善を続ける。詐欺師はモデルを用いて、より適応的なスクリプトを生成する。防御側はモデルを使い、それらのスクリプトを探り、繰り返し現れる指標を結び付ける。
これにより、敵対的なフィードバックループが生まれる。各会話は防御側のモデルを改善しうる一方、詐欺師にボットの振る舞いを教える可能性もある。運用上の秘匿性、モデルの更新、多様なペルソナが、防御における中核的な要件となる。
したがってApateの道筋は、会話デモを構築するよりも厳しい。同社は、積極的に学習、テスト、適応する相手に対し、信頼できるエージェントを維持しなければならない。
Apateの数字がなお証明していないこと
会話数は規模を示すが、決定的な指標は、Apateのインテリジェンスが正当なコミュニケーションを妨げずに、どの程度の頻度で被害を防いでいるかだ。
同社によれば、エージェントは250万件の会話を行い、詐欺師の時間を17年分消費させたという。印象に残る数字ではあるが、いずれも防止された損失を直接測定するものではない。
長い会話が有用な情報を一切生まないこともある。短い対話で直ちに銀行口座が明らかになる場合もある。時間だけを測定すると、顧客の成果を改善せず、印象的に聞こえるだけのエンゲージメントを評価してしまう可能性がある。
抽出された指標も、信頼性の水準が異なる。電話番号はスプーフィングされる可能性があり、ウェブサイトは消失する可能性があり、銀行口座は操られたマネーミュールのものである場合がある。詐欺師が意図的に別人の情報を提供する可能性もある。
そのため顧客には、信頼度スコア、来歴記録、人間によるレビューが必要となる。来歴は、あるインテリジェンスがどこから得られ、どのように変化したかを説明する。それがなければ、調査員は強力な指標とエージェントによる誤った解釈を区別できない。
誤検知は現実的な影響を伴う。無実の人物の口座を凍結したり、正当な事業者の番号をブロックしたりすれば、金銭的な損害を引き起こしかねない。また、より広範な不正対策システムへの信頼を損なう可能性もある。
データの取り扱いも未解決の問題だ。詐欺に関する会話には、詐欺容疑者、被害者、マネーミュール、または無関係な第三者に属する個人情報が含まれる可能性がある。管轄区域ごとに、その情報の記録、処理、保持、共有に異なる規則が課されている。
Apateは、自社プラットフォームがプライバシー、コンプライアンス、管理されたインテリジェンス共有を重視していると説明している。公開されている報道だけでは、保持期間、モデル学習の境界、顧客監査手順を評価するのに十分な詳細は得られない。
モデルへの依存は、別の疑問を生む。報道によれば、Apateは最先端モデルと独自にファインチューニングしたシステムを組み合わせている。外部モデルのポリシー、レイテンシー、障害、安全性に関する挙動の変更は、エージェントの性能に影響を与える可能性がある。
エージェントは、敵対的なテキストがモデルに割り当てられた指示を上書きしようとするプロンプトインジェクションにも耐えなければならない。ボットを疑った詐欺師は、内部プロンプトの開示、ペルソナの放棄、禁止コンテンツの生成を命じる可能性がある。
これに適切に抵抗するには、強力なシステムプロンプトだけでは足りない。Apateには、制約されたツール、分離されたデータストア、監視、会話が無許可のアクションを引き起こさないための保護策が必要だ。
相関関係を因果関係と誤認するリスクもある。パートナーがApate導入後に詐欺被害の減少を報告したとしても、その減少は複数の対策が同時に機能した結果かもしれない。信頼できる評価では、Apateの寄与を切り分けるべきだ。
有用な開示には、詐欺と確認された転送連絡先の割合、実行可能な指標が得られた割合、抽出から介入までの時間が含まれる。顧客は、誤検知の取消件数や、検証済みの防止損失も追跡すべきだ。
独立した監査があれば、金融機関間で同社の主張を比較しやすくなる。標準化された定義により、開始された会話、継続された会話、収集された指標、検証された指標、妨害されたキャンペーンを区別できる。
Apateの研究基盤は、同社に一般的なエージェントのデモ以上の実体を与えている。しかし、パイロットの証拠から再現可能な商用コントロールへ進むには、透明性のある成果測定が必要となる。
Apateの不正インテリジェンスが拡大可能かを示す3つのシグナル
次の段階では、Apateが創意に富んだオーストラリアでの導入事例を、市場、チャネル、規制システムをまたいで信頼されるインフラへ転換できるかが試される。
第1のシグナルは、検証された顧客パフォーマンスだ。ApateはCommonwealth BankとTPG Telecomを顧客として挙げる一方、公益事業者、政府機関、別のオーストラリアの銀行にもより一般的に言及している。
今後のケーススタディには、明確なベースラインに結び付いた成果指標が必要だ。最も強い証拠は、検証済みの指標を、ブロックされた口座、削除されたドメイン、妨害されたキャンペーン、または損失の減少へと結び付けるものになる。
第2のシグナルは、国際展開だ。同社とTechCrunchによれば、Apateは2026年8月にシードラウンドで815万ドルを調達した。累計資金調達額は1,000万ドル弱と報じられている。
従業員20人のスタートアップは、この資金を製品開発と国際展開に活用する計画だ。ロンドン拠点を開設し、米国での存在感を高める意向を示している。
展開は、新たなアクセント、言語、詐欺スクリプト、プライバシー規則、組織のワークフローにシステムが対応できるかを試すことになる。オーストラリアの通話で訓練されたモデルが、他の地域でも同じ行動を前提にすることはできない。
英国または米国での成功は、Apateのアーキテクチャが汎用化できるという主張を強めるだろう。パイロットの進行が遅い、あるいはチャネルへのアクセスが限定的であれば、パートナーシップ、規制、地域データが依然として大きな制約であることを示唆する。
第3のシグナルは、敵対的環境への耐性だ。詐欺師はいずれ、繰り返し現れる合成音声、会話の癖、転送パターンを認識するだろう。一部は、誤解を招く口座やドメインを提供してインテリジェンスを汚染しようとするかもしれない。
Apateは、危険または予測不能にならずにエージェントが進化することを示さなければならない。また、詐欺師が被害者を狙うのではなく、ボットをテストしている状況を検知するシステムも必要だ。
これらのシグナルは、会話の総数より重要である。検証済みの介入は有用性を示し、国際的なパートナーシップは移転可能性を示し、敵対的環境での性能は持続性を示す。
より広い重要性は、詐欺電話にとどまらない。Apateは、複数の会話ステップをまたいで目標を追求するソフトウェア、すなわちエージェント型AIの珍しい方向性を示している。ここでの目標は、敵対的な参加者に対する制御されたインテリジェンス収集だ。
このモデルは、銀行、通信事業者、サイバーセキュリティチーム、政府機関から注目を集めるだろう。同時に、アイデンティティ、同意、証拠の質、説明責任のある自動化に関する問題も提起する。
この市場を追うナレッジワーカーにとって有用な習慣は、企業の主張と検証済みの成果を分けて考えることだ。検索可能なAIナレッジベースは、チームが情報源、前提、後日の修正を保持する助けになる。
面白い録音だけでなく、検証済みの成果に注目すべきだ。Apateが敵対的な会話を一貫して適時の介入へ変換できれば、不正対策には新たな収集レイヤーが加わる。検証が不透明なままであれば、ボットは詐欺師の時間を浪費させるだけで、より多くの被害者を守っているとは証明できない。
