Apate.ai, startup de agentes de IA contra el fraude

Apate.ai: agentes de IA que se hacen pasar por víctimas

Apate.ai no usa sus agentes de IA para escribir código ni para responder tickets de soporte. Los manda a que los estafen. La startup australiana, fundada en 2024 sobre investigación de la Universidad Macquarie en Sídney, despliega miles de agentes que se hacen pasar por víctimas inocentes: contestan llamadas fraudulentas, responden mensajes y correos sospechosos, siguen enlaces de phishing y se meten en grupos de redes sociales para enganchar a los estafadores, según TechCrunch.

El dato que resume la operación: su flota de agentes ha desperdiciado 17 años de tiempo de estafadores repartidos en 2,5 millones de conversaciones. Para un banco o una teleco eso no es una anécdota curiosa, es inteligencia de fraude sobre campañas que todavía no habían llegado a un cliente real.

La compañía fue una de las finalistas del Startup Battlefield 200 en TechCrunch Disrupt, y su nombre viene de Apate, la diosa griega del engaño. El guiño no es casual: en su material de presentación incluyen a estafadores insultando a los bots.

¿Cómo funcionan los agentes encubiertos de Apate.ai?

Los agentes se presentan con edades, géneros y acentos distintos, y hablan varios idiomas. El objetivo no es solo entretener al estafador, sino hacerlo revelar lo que normalmente solo se conoce después de que alguien cayó: números de cuenta bancaria, direcciones de monederos de criptomonedas, teléfonos, sitios web maliciosos y las marcas que están suplantando.

Brad Joffe, cofundador y director comercial, lo explicó a TechCrunch con una frase que ordena todo el modelo de negocio: "La mayor parte de la industria trabaja después de los hechos. Las telecos bloquean números, pero los estafadores consiguen otros. Los bancos vigilan transacciones, pero para entonces el estafador ya llegó al cliente. Nosotros vamos directamente al estafador y obtenemos la información antes de que nadie salga perjudicado".

Según Joffe, sus agentes hablan con decenas de miles de estafadores cada día a través de llamadas, mensajes, correo electrónico y la web.

La tecnología: modelos de frontera más modelos propios

Apate combina modelos de IA de frontera con modelos afinados por la propia empresa. El entrenamiento sale de dos lugares: las conversaciones que sus agentes sostienen con estafadores y la investigación que Dali Kaafar, fundador y CEO, desarrolló en la Universidad Macquarie con aprendizaje automático y procesamiento de lenguaje natural.

Además del acceso a la flota de agentes, los clientes reciben un portal de análisis con inteligencia sobre las estafas que apuntan a sus usuarios finales o empleados, a sus marcas y a sus productos. Pueden incluso asignar misiones específicas a un agente, como conseguir un número de cuenta o una dirección de wallet. Los agentes de texto, por su parte, rastrean foros, grupos de inversión y plataformas sociales en busca de actividad sospechosa y entran en la conversación con una identidad fabricada.

El origen del proyecto es casi doméstico: Kaafar recibió una llamada fraudulenta durante un picnic familiar, se hizo el desentendido para divertir a sus hijos y mantuvo al estafador 44 minutos al teléfono. Se dio cuenta de que esos eran 44 minutos que el delincuente no estaba usando para llamar a una víctima real. La pregunta siguiente fue obvia: ¿se puede automatizar eso y, de paso, aprender algo útil?

Commonwealth Bank y TPG Telecom: qué resultados reportan

Los clientes declarados son bancos, telecos, empresas de servicios públicos y organismos de gobierno. Los casos que la empresa comparte, según TechCrunch:

• TPG Telecom ha desviado cerca de 590.000 llamadas a los agentes de Apate.
• Commonwealth Bank of Australia registró una caída del 76% en las pérdidas por estafas reportadas públicamente.
• Otro banco australiano que no se identifica usó los agentes salientes para desarticular 22 campañas de fraude.

¿Se puede atribuir ese 76% a una sola tecnología?

No sin matices, y conviene decirlo. Especialistas en prevención de fraude consultados por Moneywise piden cautela con la cifra. Saugat Nayak, especialista en ciencia de datos y analítica de riesgo, señala que las estimaciones de pérdidas por fraude son notoriamente difíciles de atribuir: cambian las tasas de reporte, los patrones son estacionales y las condiciones económicas afectan tanto el volumen como la denuncia. Dave Parkinson, fundador de una organización dedicada a proteger a adultos mayores del fraude financiero, agrega que querría ver evidencia independiente de qué otras medidas antifraude se introdujeron al mismo tiempo, y si los delincuentes simplemente se movieron a otros objetivos y métodos.

Mary Ann Miller, asesora ejecutiva de fraude en Prove, resume el estándar correcto: "La verdadera medida del éxito no es cuánto tiempo pierden los estafadores hablando con bots, sino si esa inteligencia se traduce en menos estafas exitosas y menos dinero perdido por los consumidores".

Es la pregunta que cualquier founder que venda seguridad debería esperar en su próxima reunión con un cliente enterprise.

El mercado: por qué hay dinero en engañar estafadores

El contexto explica el interés inversor. Según TechCrunch, el FBI recibió más de 22.000 denuncias de delitos relacionados con IA en 2025, con unas pérdidas de US$893 millones, de las cuales más de US$632 millones vinieron de estafas de inversión donde los delincuentes usan IA para sostener conversaciones y clonar voces y apariencias de figuras de confianza.

Las cifras agregadas son todavía más grandes: datos del FBI recogidos por Moneywise indican que en 2025 se presentaron más de un millón de denuncias y se perdieron cerca de US$20.900 millones por ciberdelito, un 26% más que en 2024; la FTC reportó US$15.900 millones en pérdidas por fraude al consumidor en el mismo año.

Del otro lado del mostrador, un informe de ResearchAndMarkets difundido por GlobeNewswire proyecta que el mercado global de detección y prevención de fraude pase de US$32.000 millones en 2025 a US$80.010 millones en 2031, con una tasa anual compuesta del 17,5%. El segmento de analítica y detección es a la vez el más grande y el de mayor crecimiento, con demanda migrando hacia plataformas adaptativas basadas en IA y machine learning. Norteamérica concentró el 39,0% de la demanda global en 2025.

En ese mapa, Apate ocupa una esquina poco poblada: no vende un motor de scoring ni un firewall, vende inteligencia de adversario en vivo. Y lo hace con una estructura mínima: 20 personas.

La ronda y el plan de expansión

Apate levantó US$8,15 millones en una ronda semilla en agosto de 2026 con Lobby Capital, OIF Ventures, Investible, Concept Ventures y Baobab Ventures, según TechCrunch. Con esa operación, la compañía acumula justo por debajo de US$10 millones en total. El destino del capital: producto y expansión internacional, con una oficina en Londres y una presencia mayor en Estados Unidos.

Qué significa esto para tu startup

El caso de Apate deja tres lecciones que van más allá de la ciberseguridad.

Primero, el ángulo importa más que la tecnología. Los modelos que usan no son secretos: son de frontera más ajuste fino propio. La ventaja está en haber elegido un punto del problema que la industria daba por perdido, el momento en que el estafador todavía está hablando. Si estás construyendo con IA, pregúntate dónde está tu equivalente: ¿qué proceso de tu sector se resuelve hoy "después de los hechos" porque nadie probó hacerlo antes?

Segundo, los datos propios se vuelven un foso. Cada conversación con un estafador alimenta el entrenamiento de sus modelos. Es un ciclo que un competidor nuevo no puede comprar con capital: necesita tiempo de operación. Si tu producto genera interacciones, diseña desde el día uno cómo esas interacciones vuelven al modelo.

Tercero, prepara la conversación de atribución. El 76% de Commonwealth es un número potente y también el flanco más débil del pitch, como muestran las objeciones de los especialistas. Si vas a vender resultados a una empresa grande, define de antemano qué se puede atribuir a tu producto y qué no. Un cliente enterprise perdonará un número modesto; no perdonará sentir que le vendieron una correlación como causalidad.

Acciones concretas para esta semana:

• Revisa tu pitch y marca cada métrica de impacto: si no puedes explicar la línea base y el método de medición, quítala o reformúlala como indicio, no como resultado.
• Si tu producto toca fraude, identidad o riesgo, mapea qué datos de adversario podrías capturar de forma legítima y con consentimiento antes de que el daño ocurra. Ahí está la ventaja que los modelos genéricos no te dan.

Conclusión

Apate.ai convierte una broma de sobremesa en un modelo de negocio: 2,5 millones de conversaciones, 17 años de tiempo robado a estafadores, US$8,15 millones de ronda semilla y clientes como Commonwealth Bank y TPG Telecom. La tecnología no es magia, es la decisión de atacar el problema en el único punto donde el delincuente todavía no cobró. La duda que queda abierta no es si funciona, sino cuánto de la mejora que reportan sus clientes se puede aislar y demostrar. Para el ecosistema hispanohablante, donde el fraude por ingeniería social crece al ritmo de la digitalización de los pagos, la lección es clara: la IA defensiva más interesante no espera el reclamo, sale a buscar al estafador.

Fuentes

• 20minutos: los agentes de IA que se envían de incógnito para desenmascarar estafadores (fuente original)
• TechCrunch: Apate sends AI agents undercover to get scammed
• Moneywise (vía Yahoo Finance): AI startup bots have wasted 17 years of scammers' time
• ResearchAndMarkets / GlobeNewswire (vía Yahoo Finance): Global Fraud Detection and Prevention Market Report 2026-2031