Una autora de Habr crea un perfil falso en teamo y pone a prueba a los bots estafadores

La autora de un artículo en Habr ha planteado un experimento sencillo. Creó en la aplicación de citas teamo el perfil de una persona «lo más adinerada y atractiva posible» y se puso a observar quién le escribía primero y con qué guion. Su idea de partida es que quienes más ganan con las redes neuronales no son las startups ni las corporaciones, sino las organizaciones fraudulentas. La autora afirma abiertamente que lo sospecha, pero que no puede demostrarlo. Solo conocemos el anuncio: el texto completo está oculto tras un desplegable. Por eso, a continuación analizamos lo que se declara y el contexto que lo rodea.

Cómo está montado el experimento

El perfil está construido como un cebo. La alta posición económica y el físico llamativo sirven para atraer a quienes trabajan con guiones preparados de antemano. Estos esquemas están pensados tanto para hombres como para mujeres, así que cualquier usuario puede convertirse en víctima.

La plataforma se eligió a partir de observaciones: los conocidos y colegas de la autora recibían propuestas sospechosas sobre todo desde teamo. Es una muestra de su círculo personal, no una estadística de la plataforma. La autora aclara por separado que tuvo la sensación de que el servicio cede datos de los usuarios a terceros interesados. Lo considera improbable y «quiere creer» que no es así. La segunda opción es una vulnerabilidad por la que se filtran los datos. Según ella, a los profesionales no les cuesta encontrar una brecha así. Por ahora, ambas versiones siguen siendo suposiciones.

Parámetros del experimento según el anuncio:

• Plataforma: la aplicación de citas teamo.
• Herramienta: un perfil creado a propósito, con un aspecto adinerado y atractivo.
• Objeto de observación: bots y guiones de estafadores, incluidos los basados en redes neuronales.
• Hipótesis principal: los estafadores obtienen el mayor retorno económico de la adopción de la IA (no demostrada).
• Hipótesis secundaria: filtración o cesión de datos de usuarios (la autora la considera improbable).

Por qué las redes neuronales hacen masivos estos esquemas

Lo que sigue es comentario nuestro, no datos del artículo. La estafa sentimental siempre ha estado limitada por el tiempo humano. El operador tiene que mantener decenas de conversaciones, sostener una leyenda y pasar a tiempo a pedir dinero. Un modelo de lenguaje elimina esa limitación: responde sin pausas, se adapta al estilo del interlocutor y no se pierde en su «biografía». El coste de cada diálogo baja, el número de diálogos sube y, con ellos, también la conversión.

La magnitud del problema ya era visible sin IA. Según la FTC estadounidense, en 2022 las víctimas de estafas sentimentales perdieron cerca de 1,3 mil millones de dólares. Si la automatización mantiene la eficacia, aunque sea en parte, y además reduce los costes, la economía del esquema resulta aún más atractiva. Así que la tesis de la autora suena verosímil, aunque sin cifras propias sigue siendo una hipótesis.

El anuncio todavía no responde a varias preguntas:

• cómo determinó la autora que su interlocutor era un bot;
• en qué fase de la conversación aparece la petición de dinero o el salto a un mensajero externo;
• qué guiones se repetían;
• si hay indicios técnicos de filtración.

De eso depende el valor del texto completo: un buen análisis debería mostrar conversaciones concretas y patrones, y no solo una impresión general.

Cómo no caer

En la práctica, varias señales ayudan a descartar a un bot.

• Una respuesta demasiado rápida a cualquier hora del día y un estilo impecablemente uniforme.
• Evasivas ante preguntas concretas: la respuesta suena fluida, pero no dice nada.
• Una propuesta rápida de pasar a otro mensajero o a una plataforma externa.
• Cualquier referencia a «inversiones rentables», servicios e inversión.
• Una petición de dinero, de un pago por adelantado o de datos de la tarjeta en cualquier fase.

Se puede comprobar al interlocutor con una búsqueda inversa de fotografías y una videollamada breve. El vídeo ya no garantiza la autenticidad por los deepfakes, pero la llamada sigue siendo una barrera para un esquema masivo. Si la aplicación pide permisos excesivos o, tras el registro, llegan de pronto spam y correos sospechosos, conviene preguntarse adónde se filtran los datos. Para el propio servicio, esto es una señal para reforzar la moderación y el antifraude; para los equipos de seguridad, un motivo para vigilar los rasgos de comportamiento de los bots y no solo el texto de los mensajes.