Agentes de IA da Apate se infiltram e transformam chamadas de golpe em inteligência contra fraudes

Os agentes de IA da Apate participaram de 2,5 milhões de conversas enquanto se passavam por possíveis vítimas de golpes, segundo a startup australiana. Em vez de melhorar a produtividade no escritório, esses agentes atendem chamadas, mensagens, e-mails e convites sociais suspeitos. Sua missão é manter os fraudadores conversando e extrair informações antes que uma vítima real perca dinheiro.

A abordagem inverte a relação habitual entre a inteligência artificial e as fraudes online. Grupos criminosos já usam IA para traduzir roteiros, fabricar identidades e operar além das fronteiras. A Apate aplica capacidades conversacionais semelhantes contra eles, criando alvos sintéticos que nunca transferem dinheiro nem entregam credenciais reais.

A empresa afirma que seus agentes consumiram 17 anos do tempo coletivo dos golpistas. No entanto, o tempo desperdiçado é apenas o resultado visível. O produto mais importante é a inteligência contra fraudes, incluindo contas bancárias, carteiras de criptomoedas, números de telefone, domínios de phishing e marcas personificadas.

Isso leva a Apate a um território tradicionalmente ocupado por sistemas de monitoramento bancário, filtros de telecomunicações e investigadores humanos. Essas defesas frequentemente identificam comportamentos suspeitos depois que os golpistas já alcançaram os clientes. A Apate quer coletar a infraestrutura por trás de uma campanha enquanto o fraudador ainda acredita que uma transação é possível.

A questão central, portanto, é maior do que saber se um chatbot consegue frustrar quem liga. A Apate precisa demonstrar que conversas enganosas produzem inteligência verificada com rapidez suficiente para que os clientes interrompam campanhas ativas.

Agentes de IA da Apate transformam golpistas em fontes de inteligência

O diferencial da Apate é tratar cada golpe interceptado como uma operação de inteligência, e não apenas como uma interação bloqueada.

Fundada em 2024 a partir de pesquisas conduzidas na Macquarie University, em Sydney, a Apate implanta milhares de identidades fabricadas em canais de voz e texto. As identidades variam em idade, gênero, sotaque, idioma e aparente habilidade técnica.

Um bot pode atender uma chamada fraudulenta de suporte enquanto finge estar confuso sobre serviços bancários online. Outro pode responder a uma mensagem sobre investimentos e perguntar para onde os fundos devem ser enviados. Agentes de texto podem entrar em fóruns suspeitos ou grupos de investimento usando perfis fictícios.

Esses agentes são projetados para revelar os detalhes operacionais por trás de um golpe. Os resultados úteis podem incluir contas de destino, endereços de criptomoedas, endereços de e-mail, sites, números de telefone, roteiros e marcas visadas.

O cofundador da Apate, Brad Joffe, disse ao TechCrunch que os agentes da empresa conversam com dezenas de milhares de golpistas todos os dias. A empresa então disponibiliza a inteligência dessas conversas para bancos, provedores de telecomunicações, concessionárias de serviços públicos e órgãos governamentais.

O relatório sobre agentes infiltrados da startup descreve um sistema que opera em chamadas, mensagens, e-mails, sites e plataformas sociais. Os clientes também podem atribuir uma missão específica, como obter um destino de pagamento ligado a uma campanha suspeita.

Essa estrutura baseada em missões é importante. Um chatbot convencional geralmente tenta atender a pessoa que o utiliza. Os agentes da Apate, por outro lado, perseguem um objetivo investigativo enquanto mantêm uma persona fictícia convincente.

A Apate afirma usar tanto modelos de ponta quanto modelos ajustados com conversas de golpes. O ajuste fino adapta um modelo geral usando exemplos específicos de uma tarefa. Neste caso, esses exemplos ajudam os agentes a reconhecer táticas de golpe e a permanecer convincentes sob pressão.

A empresa também oferece aos clientes um portal de insights para monitorar campanhas, produtos visados, marcas personificadas e indicadores extraídos. Esses indicadores podem então apoiar revisões de contas, bloqueio de domínios, alertas a clientes ou investigações adicionais.

O resultado é um ciclo entre engajamento e defesa. Um golpe suspeito é redirecionado, o bot coleta informações e o cliente decide se elas justificam uma intervenção.

No entanto, a Apate não controla de forma independente essas ações finais. Seu valor depende de bancos, operadoras de telecomunicações e órgãos públicos conseguirem validar e usar as evidências coletadas antes que os fraudadores substituam sua infraestrutura.

Por que as defesas contra fraudes precisam de sinais mais antecipados

A Apate está pressionando as equipes de fraude a deixar de detectar danos já concluídos e passar a investigar golpes enquanto seus operadores ainda buscam vítimas.

Os bancos tradicionalmente monitoram transações em busca de destinos, valores ou comportamentos incomuns. Provedores de telecomunicações analisam padrões de chamadas, identidades de remetentes e números maliciosos conhecidos. Defesas de navegadores e e-mails bloqueiam domínios ou mensagens associados a campanhas denunciadas.

Cada camada continua necessária. No entanto, muitos sinais chegam depois que o contato já ocorreu. Um cliente pode já estar falando com alguém que se passa por outra pessoa antes que um número de telefone acumule denúncias suficientes para acionar um bloqueio.

Os fraudadores também podem alternar sua infraestrutura. Um número bloqueado pode ser substituído. Uma página de phishing pode migrar para outro domínio, enquanto o dinheiro roubado pode passar por múltiplas contas ou carteiras.

A aposta da Apate é que o engajamento direto pode expor a infraestrutura de substituição mais cedo. Um golpista que espera receber um pagamento em algum momento precisa fornecer um destino. Quem se passa por outra pessoa precisa citar uma instituição, serviço ou oportunidade de investimento. Esses detalhes se tornam possíveis indicadores para investigadores.

O desafio de timing se torna mais urgente à medida que criminosos adotam IA. Os dados sobre crimes com IA do FBI registraram 22.364 denúncias contendo informações relacionadas à IA durante 2025. As perdas ajustadas ultrapassaram US$ 893 milhões.

Esses números não significam que a IA causou todas as perdas reportadas. Eles mostram que mídia sintética, conversas automatizadas e ferramentas relacionadas agora aparecem em uma parcela substancial dos crimes denunciados.

Uma investigação da Associated Press descobriu que grupos criminosos usavam sistemas de IA americanos para traduzir mensagens e gerenciar personas fabricadas. A investigação sobre complexos de golpes documentou operações que atendiam vítimas em diversos idiomas e países.

A automação altera a economia dos dois lados. Um criminoso pode gerenciar mais conversas com respostas geradas, enquanto o áudio sintético pode tornar a personificação mais convincente. Portanto, os defensores precisam de sistemas capazes de processar grandes volumes sem designar um investigador humano a cada interação.

É aqui que o modelo da Apate exerce pressão. Se o engajamento automatizado produzir de forma confiável detalhes de pagamento e padrões de campanha, a filtragem passiva começa a parecer incompleta. As equipes de fraude ainda bloqueariam tráfego suspeito, mas também poderiam interrogá-lo.

O Commonwealth Bank of Australia, a TPG Telecom e outras organizações estão testando essa proposta. O órgão nacional australiano de denúncias contra golpes descreve o trabalho do Commonwealth Bank com a Apate e confirma o interesse institucional mais amplo em contramedidas conversacionais.

O relatório nacional sobre golpes afirma que o banco fez parceria com a Apate para implantar bots de IA contra golpistas. Também descreve uma prova de conceito da TPG Telecom envolvendo chamadas de golpe redirecionadas.

Essas implantações dão à Apate acesso a tráfego suspeito de golpes que um aplicativo independente voltado ao consumidor teria dificuldade de obter. Elas também transferem aos parceiros a responsabilidade de decidir quais chamadas são suspeitas o bastante para serem redirecionadas.

Essa dependência cria tanto alavancagem quanto risco. A Apate pode escalar por meio de redes estabelecidas, mas uma classificação fraca na borda da rede pode privar seu sistema de conversas úteis ou encaminhar incorretamente chamadas legítimas.

Como a Apate atua antes que o dinheiro seja movimentado

O mecanismo combina redirecionamento de tráfego, personas sintéticas convincentes, persistência conversacional e extração estruturada de indicadores de fraude.

A Apate começou com uma observação simples do fundador Dali Kaafar. Durante um piquenique em família, ele supostamente manteve um golpista ocupado por 44 minutos ao fingir não entender o esquema.

A conversa impediu que esse golpista abordasse outra vítima durante aqueles minutos. Também sugeriu que uma conversa prolongada poderia revelar mais do que apenas um número de telefone.

Kaafar e outros pesquisadores da Macquarie University transformaram essa intuição em um programa formal de pesquisa. Seu projeto de defesa proativa envolveu a universidade, a Apate, o Commonwealth Bank e o Office of National Intelligence da Austrália.

O projeto descreveu um bot conversacional multilíngue que recebe chamadas já identificadas como suspeitas. Em seguida, ele apresenta uma persona de vítima convincente, prolonga a interação e extrai inteligência sobre ameaças quase em tempo real.

Essa primeira etapa de classificação é crucial. A Apate não simplesmente liga para pessoas aleatórias fingindo ser outra pessoa. Em suas implantações de telecomunicações, chamadas suspeitas de golpe podem ser redirecionadas para um ambiente controlado.

Uma vez conectado, o agente processa a fala de quem liga e escolhe respostas que preservam a confiança do golpista. Uma patente correspondente de prevenção a golpes descreve respostas selecionadas para prolongar chamadas, incluindo atenção às emoções e a sinais conversacionais de encerramento.

Uma persona convincente precisa de consistência. O agente não pode afirmar ser um aposentado em uma frase e dizer que está na escola na seguinte. Ele precisa lembrar detalhes, lidar com interrupções e evitar concluir a transação prejudicial.

A voz é apenas uma parte do sistema. A Apate afirma que seus agentes de texto podem responder a e-mails, seguir links de phishing, entrar em grupos suspeitos e continuar conversas em plataformas web.

Essa cobertura mais ampla reflete como os golpes modernos atravessam canais. Uma primeira mensagem pode chegar por SMS, seguida por um aplicativo de mensagens, um site fraudulento, uma ligação telefônica e uma transferência de criptomoedas.

Os agentes da Apate podem receber objetivos de extração nessas conversas. Um banco pode priorizar números de contas beneficiárias. Uma investigação sobre criptomoedas pode buscar endereços de carteiras, enquanto uma marca pode focar em domínios e roteiros de personificação.

Os dados extraídos então exigem normalização. Diferentes agentes podem encontrar variações do mesmo número de telefone, carteira, nome ou domínio. A camada de inteligência da Apate deve conectar essas observações e apresentá-las como evidências no nível da campanha.

Segundo a empresa, a TPG Telecom desviou quase 590.000 chamadas para seus agentes. A Apate também afirma que um banco australiano não identificado usou agentes de saída para interromper 22 campanhas de golpe.

Esses números descrevem atividade, não eficácia auditada de forma independente. Uma chamada desviada não representa automaticamente uma perda evitada. Da mesma forma, uma conta bancária descoberta exige verificação antes que uma instituição financeira possa restringi-la.

A Apate afirma que o Commonwealth Bank registrou uma redução de 76% nas perdas por golpes divulgadas publicamente. Essa alegação exige atribuição cuidadosa, pois muitos controles podem influenciar os números de perdas. Educação do cliente, monitoramento de transações, regras de reembolso e mudanças mais amplas no mercado podem afetar o resultado.

A evidência imediata mais sólida é mais restrita. Instituições estão redirecionando tráfego realmente suspeito, agentes conversacionais estão sustentando interações, e essas trocas geram identificadores que as equipes de fraude existentes podem investigar.

A Verdadeira Disputa É Entre Inteligência Proativa e Bloqueio Reativo

O principal oponente da Apate não é outra empresa de chatbots. É a premissa de que a defesa contra fraudes precisa esperar por uma transação detectável ou por uma denúncia da vítima.

Sistemas reativos têm uma vantagem importante: operam com base em eventos observáveis. Um banco pode inspecionar uma tentativa de pagamento. Uma operadora de telecomunicações pode medir a frequência de chamadas. Um serviço de e-mail pode comparar um link com domínios maliciosos conhecidos.

O engajamento proativo trabalha com menos certeza. Um interlocutor suspeito pode ser um golpista, um profissional de marketing agressivo ou uma pessoa legítima retida por um filtro imperfeito. As informações extraídas podem ser falsas, recicladas ou inseridas deliberadamente.

A Apate aceita essa incerteza em troca de acesso mais cedo. Seus agentes buscam chegar ao ponto em que um golpista revela infraestrutura de pagamento, métodos operacionais ou identidades coordenadas.

A abordagem se assemelha a um honeypot, um sistema de isca criado para atrair invasores e revelar seu comportamento. Honeypots tradicionais de cibersegurança expõem servidores ou credenciais falsos. A Apate estende o conceito para relacionamentos em linguagem natural.

Essa camada conversacional é importante porque a engenharia social depende de confiança e escalada. Metadados técnicos podem mostrar onde uma chamada se originou, mas o diálogo pode revelar o problema inventado, a ação solicitada, a organização personificada e a rota de pagamento pretendida.

Concorrentes e produtos adjacentes atacam diferentes partes da sequência. Filtros de telecomunicações identificam tráfego suspeito antes que uma chamada seja conectada. Bancos avaliam pagamentos antes da liquidação. Empresas de análise de blockchain rastreiam fundos depois que um endereço se torna conhecido.

Investigadores humanos também realizam ações de atração de golpistas e trabalho disfarçado. Eles conseguem reconhecer contexto, improvisar estrategicamente e aplicar julgamento quando uma conversa se torna sensível. Sua limitação é o custo e a disponibilidade.

A Apate não está substituindo todas as quatro camadas. Ela propõe uma camada automatizada de coleta entre a detecção e a intervenção financeira. Essa camada tenta transformar contatos suspeitos em evidências.

A distinção explica por que desperdiçar o tempo dos golpistas não é suficiente. Um fraudador pode conduzir muitas conversas simultâneas ou usar automação. Manter uma sessão ativa se torna menos valioso quando o custo marginal do atacante se aproxima de zero.

Inteligência de alta qualidade pode manter valor mesmo nesse cenário. Uma conta de pagamento, carteira ou domínio reutilizável conecta a conversa a uma infraestrutura que os defensores podem investigar em muitos casos.

Ainda assim, a disputa permanece desigual. Criminosos podem testar interlocutores em busca de sinais de fala sintética, fazer perguntas adversariais ou fornecer aos bots identificadores fabricados. Eles também podem transferir conversas para plataformas nas quais a coleta automatizada enfrenta restrições técnicas ou de políticas.

Agentes de IA dos dois lados provavelmente vão melhorar. Fraudadores usarão modelos para gerar scripts mais adaptativos. Defensores usarão modelos para sondar esses scripts e conectar indicadores repetidos.

Isso cria um ciclo de feedback adversarial. Cada conversa pode melhorar os modelos dos defensores, mas também pode ensinar aos golpistas como os bots se comportam. Sigilo operacional, atualizações de modelos e personas variadas passam a ser requisitos centrais de defesa.

Portanto, o caminho da Apate é mais exigente do que criar uma demonstração conversacional. A empresa precisa manter agentes convincentes diante de adversários que aprendem, testam e se adaptam ativamente.

O Que os Números da Apate Ainda Não Comprovam

O volume de conversas demonstra escala, mas a métrica decisiva é com que frequência a inteligência da Apate evita danos sem interromper comunicações legítimas.

A empresa afirma que seus agentes conduziram 2,5 milhões de conversas e consumiram 17 anos do tempo de golpistas. Esses números são memoráveis, mas nenhum mede diretamente as perdas evitadas.

Uma conversa longa pode não produzir nenhuma informação utilizável. Uma interação curta pode revelar imediatamente uma conta bancária. Medir apenas minutos pode premiar um engajamento que parece impressionante sem melhorar os resultados para os clientes.

Os indicadores extraídos também têm diferentes níveis de confiabilidade. Um número de telefone pode ser falsificado, um site pode desaparecer e uma conta bancária pode pertencer a uma mula financeira manipulada. Um golpista poderia fornecer deliberadamente os dados de outra pessoa.

Por isso, os clientes precisam de pontuações de confiança, registros de proveniência e revisão humana. A proveniência explica de onde veio uma informação de inteligência e como ela mudou. Sem isso, investigadores não conseguem distinguir um indicador forte de uma interpretação equivocada de um agente.

Falsos positivos trazem consequências reais. Congelar a conta de uma pessoa inocente ou bloquear o número de uma empresa legítima pode causar prejuízo financeiro. Também pode corroer a confiança no sistema antifraude mais amplo.

O tratamento de dados apresenta outra questão ainda não resolvida. Conversas com golpistas podem conter informações pessoais de suspeitos de crimes, vítimas, mulas financeiras ou terceiros sem relação com o caso. Diferentes jurisdições impõem regras distintas para registrar, processar, reter e compartilhar essas informações.

A Apate afirma que sua plataforma enfatiza privacidade, conformidade e compartilhamento controlado de inteligência. As informações publicamente disponíveis não fornecem detalhes suficientes para avaliar seus períodos de retenção, limites de treinamento de modelos ou procedimentos de auditoria de clientes.

A dependência de modelos introduz outra questão. A Apate supostamente combina modelos de ponta com seus próprios sistemas ajustados. Políticas de modelos externos, latência, interrupções e mudanças no comportamento de segurança podem afetar o desempenho dos agentes.

Os agentes também precisam resistir à injeção de prompt, que ocorre quando um texto hostil tenta substituir as instruções atribuídas a um modelo. Um golpista que suspeite de um bot poderia instruí-lo a divulgar prompts internos, abandonar sua persona ou gerar conteúdo proibido.

Uma resistência bem-sucedida exige mais do que um prompt de sistema robusto. A Apate precisa de ferramentas restritas, armazenamentos de dados separados, monitoramento e salvaguardas que impeçam uma conversa de acionar ações não autorizadas.

Também há o risco de confundir correlação com causalidade. Se um parceiro relatar menores perdas por golpes após adotar a Apate, a redução pode refletir vários controles simultâneos. Uma avaliação confiável deveria isolar a contribuição da Apate.

Uma divulgação útil incluiria a porcentagem de contatos redirecionados confirmados como golpes, a proporção que produz indicadores acionáveis e o tempo entre extração e intervenção. Os clientes também deveriam acompanhar reversões de falsos positivos e perdas evitadas verificadas.

Auditorias independentes tornariam as alegações da empresa mais fáceis de comparar entre instituições. Definições padronizadas poderiam separar conversas iniciadas, conversas sustentadas, indicadores coletados, indicadores verificados e campanhas interrompidas.

A base de pesquisa da Apate dá à empresa mais substância do que uma demonstração típica de agentes. No entanto, passar de evidências de pilotos para um controle comercial repetível exige medição transparente de resultados.

Três Sinais Mostrarão se a Inteligência contra Fraudes da Apate Escala

A próxima fase testará se a Apate consegue transformar uma implementação australiana inventiva em infraestrutura confiável em diferentes mercados, canais e sistemas regulatórios.

O primeiro sinal é o desempenho verificado pelos clientes. A Apate nomeou Commonwealth Bank e TPG Telecom, enquanto se referiu de forma mais geral a empresas de serviços públicos, agências e outro banco australiano.

Futuros estudos de caso precisam de métricas de resultado vinculadas a uma linha de base definida. A evidência mais sólida conectaria indicadores validados a contas bloqueadas, domínios removidos, campanhas interrompidas ou perdas reduzidas.

O segundo sinal é a implementação internacional. A Apate levantou US$ 8,15 milhões em financiamento seed durante agosto de 2026, segundo a empresa e a TechCrunch. Seu financiamento total supostamente está pouco abaixo de US$ 10 milhões.

A startup de 20 pessoas planeja usar o capital para desenvolvimento de produto e expansão internacional. Pretende abrir um escritório em Londres e ampliar sua presença nos Estados Unidos.

A expansão testará se o sistema consegue lidar com novos sotaques, idiomas, scripts de golpe, regras de privacidade e fluxos de trabalho institucionais. Um modelo treinado em chamadas australianas não pode simplesmente presumir comportamento idêntico em outros lugares.

O sucesso na Grã-Bretanha ou nos Estados Unidos reforçaria a alegação da Apate de que sua arquitetura é generalizável. Pilotos lentos ou acesso restrito a canais sugeririam que parcerias, regulamentação e dados locais continuam sendo grandes limitações.

O terceiro sinal é a resiliência adversarial. Golpistas acabarão reconhecendo vozes sintéticas recorrentes, hábitos conversacionais ou padrões de redirecionamento. Alguns tentarão contaminar a inteligência fornecendo contas e domínios enganosos.

A Apate precisa mostrar que seus agentes evoluem sem se tornarem inseguros ou imprevisíveis. Também precisa de sistemas de detecção que percebam quando um golpista está testando o bot em vez de perseguir uma vítima.

Esses sinais importam mais do que o número total de conversas. Intervenções verificadas revelam utilidade, parcerias internacionais revelam transferibilidade e desempenho adversarial revela durabilidade.

A importância mais ampla vai além das chamadas de golpe. A Apate demonstra uma direção incomum para a IA agêntica, isto é, software que persegue um objetivo ao longo de várias etapas conversacionais. Aqui, o objetivo é a coleta controlada de inteligência contra um participante hostil.

Esse modelo atrairá atenção de bancos, operadoras de telecomunicações, equipes de cibersegurança e órgãos governamentais. Também levantará questões sobre identidade, consentimento, qualidade das evidências e automação responsável.

Para profissionais do conhecimento que acompanham esse mercado, o hábito útil é separar alegações corporativas de resultados validados. Uma base de conhecimento de IA pesquisável pode ajudar equipes a preservar fontes, premissas e correções posteriores.

Acompanhe os resultados verificados, não apenas as gravações divertidas. Se a Apate conseguir transformar de forma consistente conversas hostis em intervenções oportunas, a defesa contra fraudes ganhará uma nova camada de coleta. Se a verificação permanecer opaca, os bots poderão desperdiçar o tempo dos golpistas sem comprovar que protegem mais vítimas.