Apate despliega agentes de IA encubiertos para recopilar inteligencia sobre estafas

La startup australiana Apate asegura que despliega miles de agentes de IA que se hacen pasar por víctimas plausibles de estafas con el fin de recopilar inteligencia sobre fraude. Según TechCrunch, la empresa se fundó en 2024 a partir de investigaciones realizadas en la Macquarie University de Sídney. Sus agentes pueden responder a llamadas de estafa, contestar a mensajes y correos electrónicos sospechosos, seguir enlaces de phishing y entrar en grupos de redes sociales o de inversión donde pueda estar gestándose actividad fraudulenta. El objetivo declarado no es solo hacer perder el tiempo a los estafadores, sino también extraer detalles que las organizaciones puedan utilizar para prevenir el fraude en fases más tempranas de la cadena de ataque.

La propuesta de la empresa es que gran parte del trabajo antifraude llega demasiado tarde. En el relato de TechCrunch, Brad Joffe, cofundador y director comercial de Apate, contrapuso este modelo al de los operadores de telecomunicaciones que bloquean números a posteriori o al de los bancos que supervisan transacciones una vez que ya se ha producido el contacto con un cliente. Apate sostiene, en cambio, que va directamente al estafador. Sus agentes se presentan como identidades fabricadas con distintas edades, géneros, acentos e idiomas, diseñadas para mantener la conversación el tiempo suficiente como para que aflore información útil.

Cómo se supone que funciona el sistema

En llamadas, mensajes de texto, correo electrónico y la web, Apate afirma que sus bots interactúan con los defraudadores en tiempo real y después estructuran lo aprendido para sus clientes. TechCrunch informa de que la información buscada puede incluir cuentas bancarias, direcciones de monederos de criptomonedas, números de teléfono, sitios web maliciosos y las marcas que están siendo suplantadas. En su propia web, Apate presenta este mismo proceso como una forma de sacar a la luz las cuentas, infraestructuras y tácticas de las que dependen los estafadores. La empresa sostiene que esto puede ayudar a los equipos antifraude a interrumpir operaciones antes de que lleguen a los clientes.

Apate también afirma que los clientes pueden asignar a los agentes misiones específicas. TechCrunch señala que los clientes pueden indicarles que obtengan un número de cuenta bancaria o la dirección de un monedero de criptomonedas. La web de la empresa amplía esa lógica a varios casos de uso: identificar y seguir redes de mulas, detectar campañas de phishing y suplantación, apoyar operaciones antifraude en tiempo real y generar pruebas para notificación y cumplimiento normativo. En estas descripciones, Apate presenta sus resultados como inteligencia estructurada, con marcas temporales y exportable, capaz de integrarse en flujos de trabajo antifraude o de seguridad ya existentes.

• Interactuar con presuntos estafadores a través de teléfono, SMS, correo electrónico, web y canales sociales
• Utilizar identidades fabricadas para prolongar las conversaciones y recopilar detalles operativos
• Convertir esos intercambios en inteligencia sobre rutas de pago, guiones, números de teléfono y sitios web
• Incorporar esa inteligencia a las investigaciones de los clientes, a las retiradas de infraestructuras y a los procesos de notificación

La empresa asegura que la escala es una parte clave de su propuesta. En su web, Apate sostiene que el scam-baiting manual y la recopilación de inteligencia dirigida por humanos son caros, inconsistentes y difíciles de ampliar a medida que aumenta el volumen de fraude. Su argumento es que la IA puede tomar una actividad que, de otro modo, se produciría en decenas de interacciones manuales y convertirla en miles de interacciones simultáneas entre idiomas, canales y husos horarios.

Qué dice Apate que ha visto hasta ahora

TechCrunch informa de que Apate asegura que sus agentes han consumido hasta ahora 17 años de tiempo de los estafadores en 2,5 millones de conversaciones. Esas cifras proceden de afirmaciones de la propia empresa. El mismo artículo señala que el cliente del sector telecomunicaciones TPG ha desviado casi 590.000 llamadas a los agentes de Apate, que Commonwealth Bank of Australia ha registrado una caída del 76 % en las pérdidas por estafa notificadas públicamente y que un banco australiano no identificado ha utilizado los agentes salientes de Apate para interrumpir 22 campañas de estafa. La fuente atribuye esas declaraciones a Joffe.

Algunas de esas afirmaciones de rendimiento deben leerse con cautela. TechCrunch las presenta como declaraciones de Apate, no como resultados verificados de manera independiente, y el material de origen disponible no proporciona una metodología que vincule todos los resultados directamente con el sistema de Apate. En particular, la afirmación sobre Commonwealth Bank of Australia se refiere a una caída de las pérdidas por estafa notificadas públicamente, pero el texto de origen no detalla la causalidad. Una lectura prudente es que Apate afirma que sus clientes están utilizando la inteligencia obtenida para orientar medidas antifraude y que la empresa asocia esas medidas con resultados concretos.

TechCrunch también sitúa a la startup en un contexto más amplio: los propios estafadores utilizan cada vez más la IA. El artículo cita cifras del FBI según las cuales el organismo recibió más de 22.000 denuncias por delitos relacionados con IA en 2025, con unas pérdidas de unos 893 millones de dólares, incluidos más de 632 millones procedentes de estafas de inversión. En ese marco, el modelo de Apate aparece como un intento de usar la automatización no solo para detectar, sino para recopilar inteligencia activa dentro de las conversaciones de estafa.

Clientes, alcance del producto y salvaguardas declaradas

En cuanto a los clientes, los nombres más claros en las fuentes son Commonwealth Bank of Australia y TPG Telecom. TechCrunch también afirma que Apate presta servicio a otras empresas de suministros, compañías de telecomunicaciones y organismos públicos. La web de la empresa sitúa repetidamente la oferta para equipos de fraude e inteligencia dentro de entidades financieras y operadores de telecomunicaciones, con beneficios que se extenderían a la notificación regulatoria, la colaboración con socios y las investigaciones en curso. También sugiere que el tráfico de estafas desviado puede convertirse en una fuente de inteligencia en lugar de ser simplemente algo que bloquear.

En cuanto a las salvaguardas, las fuentes las describen sobre todo en términos operativos más que éticos. Apate afirma que las llamadas de estafa pueden desviarse de forma “segura” a entornos “controlados” o “aislados” para proteger a los clientes mientras se interactúa con los estafadores. La web también indica que esto puede hacerse sin perturbar las llamadas legítimas, el rendimiento de la red ni la experiencia del cliente. Además, describe la inteligencia resultante como estructurada y con marcas temporales, creando un rastro de auditoría que las instituciones pueden utilizar para demostrar una actuación proactiva ante los reguladores.

Dicho esto, los textos disponibles no establecen salvaguardas detalladas sobre cuestiones como los umbrales de supervisión humana, las reglas de escalado, la gestión de errores del modelo o los límites de la suplantación por parte de los bots. Por tanto, las salvaguardas declaradas en las fuentes son relativamente estrechas: aislamiento del tráfico sospechoso, protección de los usuarios finales frente a la exposición directa y registros aptos para auditoría con fines de cumplimiento y supervisión. Cualquier cosa más allá de eso iría más allá del material proporcionado.

Orígenes en la investigación y financiación

Según TechCrunch, la historia de origen de la empresa comenzó con el fundador y consejero delegado Dali Kaafar manteniendo una llamada de estafa durante 44 minutos en un pícnic familiar, y preguntándose después si ese proceso podía automatizarse de una manera útil. La publicación afirma que esa idea se convirtió más tarde en investigación en la Macquarie University, utilizando aprendizaje automático y procesamiento del lenguaje natural para descubrir el contenido de las llamadas de estafa y mejorar la detección y la prevención. Apate dice que ahora utiliza tanto modelos de frontera como sus propios modelos ajustados, entrenados con conversaciones que sus agentes han mantenido con estafadores, así como con investigaciones anteriores de Kaafar.

Los inversores han respaldado esa tesis. TechCrunch informa de que Apate recaudó 8,15 millones de dólares en una ronda semilla en agosto de Lobby Capital, OIF Ventures, Investible, Concept Ventures y Baobab Ventures. Joffe declaró a la publicación que la empresa, de 20 personas, ha captado en total algo menos de 10 millones de dólares. Según la misma fuente, la financiación más reciente está destinada al desarrollo de producto y a la expansión internacional, incluida una oficina en Londres y una mayor presencia en Estados Unidos.

Para las empresas angloparlantes, el cambio práctico que describen estas fuentes es un desplazamiento desde el bloqueo y la reacción frente a las estafas hacia la incorporación de inteligencia en tiempo real, a nivel de conversación, a las operaciones antifraude. Bancos, operadores de telecomunicaciones, empresas de suministros y organismos del sector público podrían utilizar esa información para detectar antes campañas de suplantación, enriquecer investigaciones, apoyar retiradas de infraestructuras y generar registros de cumplimiento. A partir del material disponible, la promesa de Apate no es que las estafas desaparezcan, sino que las organizaciones ganen visibilidad más temprana sobre cómo operan las redes de estafa y dispongan de pruebas más accionables antes de que clientes o empleados sufran perjuicios.