35万个AI代理正在‘陪聊’骗子，它们究竟为谁工作？

当人们讨论AI代理（AI Agent）时，常默认它服务于用户——帮写邮件、订行程、做决策。但现实正出现另一种路径：一批AI代理被训练成‘卧底’，主动接近诈骗分子，与之长时间周旋，只为套取情报。它们不为个人服务，而为银行、电信运营商乃至政府机构工作。

澳大利亚公司Apate.ai正是这一模式的实践者。该公司成立于2024年，脱胎于麦考瑞大学网络安全研究团队，创始人达利·卡法尔（Dali Kaafar）是该校教授兼网络安全中心执行主任。其创业灵感源于一次真实经历：2021年野餐时，卡法尔接到一通诈骗电话，他故意装糊涂拖延通话长达44分钟，既让骗子无法继续行骗，又意识到“时间消耗”本身可成为反制手段。

此后，团队将该思路产品化：利用大语言模型驱动的AI代理，模拟不同年龄、性别、口音与语言能力的真实用户，接听诈骗电话、回复可疑短信、点击钓鱼链接，甚至加入诈骗分子的社交群组。这些AI能将单次通话维持至50分钟，并在对话中诱导对方透露银行账户、加密货币钱包地址、恶意域名等关键信息——这些细节往往只有在真实受害者转账后才会暴露。

据公开披露数据，截至2026年10月，Apate平台已部署约35万个AI代理，累计与诈骗分子完成250万次对话，相当于消耗对方约17年有效工作时间。其中，澳大利亚联邦银行与电信商TPG Telecom是核心客户：TPG已将近59万通可疑来电转接至Apate系统；澳联邦银行报告称，采用该方案后其诈骗相关损失下降了76%。

资金层面，Apate已完成两轮融资：2025年8月获250万澳元（约1166万元人民币），2026年8月再获815万美元（约5444万元人民币），由Lobby Capital领投，累计融资近1000万美元。资金用途明确指向产品开发与国际扩张，包括在伦敦设点、拓展美国市场。

这一模式的价值，在于颠覆传统反诈逻辑。过去主流方式是“事后响应”：受害者报案→警方收集线索→更新黑名单→下一轮诈骗仍可能得手。上海财经大学中国式现代化研究院首席专家曹啸指出，传统路径存在三大痛点：响应滞后、成本不对称（防御方高投入、诈骗方零成本试错）、被动依赖报案。

而Apate的AI代理实现了三重转变：一是将成本转嫁至诈骗方——用自动化手段持续占用其人力；二是在资金转移前即获取收款账户与钓鱼网站等关键情报；三是把原本仅靠志愿者“陪聊”的零星行为，升级为可规模化部署的基础设施。

值得注意的是，这类AI代理的“雇主”并非终端用户，而是机构客户。用户并不直接操作或拥有这些代理；相反，他们可能完全不知情——自己的通信线路被后台系统自动转接至AI“替身”。这引出一个更深层问题：当AI以人类身份参与对话时，谁对其行为负责？情报采集是否合规？若AI误判并干扰正常通话，受害者应向谁追责？

上述问题已超出技术范畴，进入制度设计领域。曹啸强调：“AI反诈之争表面上是技术之争，实质上是国家治理体系对‘谁有权部署欺骗性AI、情报按何标准采信、被误伤者向谁索赔’三大命题的回答速度之争。”目前全球尚无统一规范，各国监管路径分化：欧盟《人工智能法案》将“深度伪造”类交互列为高风险，要求透明度与人工监督；美国多州立法禁止AI冒充真人进行商业推销，但对反诈用途留有模糊空间；澳大利亚则暂未出台专项条款，依赖既有电信与隐私法框架。

与此同时，类似思路正被更多组织采纳。例如，美国FBI曾试验用AI模拟“易受骗人群”参与暗网交易以定位诈骗窝点；部分欧洲电信运营商也在测试AI诱饵系统。但Apate的独特之处在于其纯商业化运作——它不依赖政府拨款，而是通过向金融机构出售情报服务盈利。

回到最初的问题：“AI代理究竟为谁工作？”答案并非单一。在消费端，它仍是用户的数字助手；在安全领域，它已成为机构的“数字哨兵”；而在对抗性场景中，它甚至扮演“反向卧底”。这种角色的多重性，恰恰反映了AI技术落地过程中的权力重构：工具本身无立场，但部署它的主体决定了其效用边界与伦理责任。

目前，Apate尚未公开其AI训练数据来源与偏见控制机制，也未说明如何防止AI在长期对话中产生策略漂移（如过度诱导导致法律风险）。随着该模式推广，技术透明度与第三方审计或将成下一阶段焦点。

另需提及的是，围绕AI代理的归属争议不仅存在于反诈领域。近期Security Bite播客一期专题亦探讨此议题，邀请Ironwall CEO Ron Zayas分析：当用户在个人设备上启用某厂商的AI助手时，该助手的数据流向、决策逻辑与利益关联是否清晰透明？尤其在企业环境中，员工使用的AI工具可能同时向IT部门、安全平台与云服务商回传信息——此时，代理的“忠诚对象”实为多重嵌套结构。

技术演进不会等待规则完善。当35万个AI正日夜与骗子“唠嗑”，我们真正需要的不是简单赞美其效率，而是厘清：在人机协同的新防线中，谁掌握最终解释权？