La intel·ligència artificial no ha inventat el phishing, el robatori de credencials ni les estafes sentimentals. El que està canviant és la facilitat amb què els delinqüents poden adaptar aquests mètodes, automatitzar tasques i provar-los a més escala.
Un informe d’intel·ligència d’Anthropic publicat el 10 de setembre de 2026 descriu casos en què operadors van utilitzar Claude per a tasques que anaven des de la recerca de vulnerabilitats i el desenvolupament de programari maliciós fins a l’espionatge i el frau. Són casos detectats per l’empresa, no una mesura de la freqüència amb què passa a tot Internet; aquesta distinció és clau per entendre què ens diu l’informe i què no.
Per a les estafes quotidianes, el risc més visible és que missatges, veus o imatges falses semblin més convincents. En operacions cibernètiques més complexes, la IA també pot fer de copilota o coordinar tasques. En tots dos casos, la tecnologia abaixa costos i estalvia temps, però no elimina la necessitat de persones, dades robades ni oportunitats per atacar.
Missatges més creïbles, personalitzats i ràpids
Els estafadors poden demanar a una eina generativa que redacti o tradueixi missatges, n’adapti el to i en prepari versions per a diferents destinataris. Això pot reduir errors lingüístics i fer que un correu o missatge fraudulent s’assembli més a una comunicació legítima. El FBI també adverteix que la IA generativa es fa servir per facilitar esquemes de frau i enginyeria social: manipulació de les persones perquè revelin informació o facin una acció.
La mateixa lògica s’aplica a la suplantació d’identitat. Amb mostres d’àudio o imatges disponibles, els delinqüents poden intentar imitar la veu o l’aparença d’una persona. Una veu familiar que demana diners urgentment pot pressionar la víctima perquè actuï abans de comprovar la història. Però sentir una veu coneguda o veure una cara en una videotrucada no demostra, per si sol, qui hi ha a l’altra banda.
La IA també pot ajudar a gestionar moltes interaccions alhora: generar variants d’un missatge, respondre preguntes inicials o classificar possibles víctimes. Això no vol dir que cada estafa estigui completament automatitzada. Sovint, una persona continua triant els objectius, supervisant la conversa o decidint com aprofitar l’accés obtingut.
De l’assistent a l’automatització d’operacions
En un atac cibernètic, un model pot ajudar a resumir informació pública, escriure codi, analitzar dades o preparar passos tècnics. Si es connecta a eines que executen ordres, cerquen sistemes exposats o processen fitxers, pot formar part d’un flux de treball més automatitzat. Un agent d’IA és un sistema que, a més de respondre, pot encadenar tasques i interactuar amb eines segons unes instruccions.
El report d’Anthropic descriu operadors que van organitzar agents en paral·lel per investigar sistemes, cercar vulnerabilitats, provar codi en entorns propis i recopilar informació. En alguns casos, les tasques continuaven amb poca supervisió directa. L’empresa afirma que va interrompre les activitats identificades i que va reforçar les seves salvaguardes; com que és un informe de la mateixa proveïdora, convé llegir-lo com una descripció dels casos observats per Anthropic, no com una auditoria independent de tot el sector.
El canvi més important pot ser econòmic: si una eina accelera la recerca o l’anàlisi, una persona pot dedicar menys temps a cada campanya o abordar més objectius. Això no converteix automàticament qualsevol atac en més sofisticat ni més greu. La IA pot equivocar-se, inventar informació o generar codi defectuós; els atacants encara necessiten accés, coneixements i un objectiu vulnerable.
Què canvia —i què no— en les estafes
Les tècniques de base continuen sent conegudes: enganyar algú perquè cliqui un enllaç, reutilitzar contrasenyes robades, aprofitar programari sense actualitzar o fer-se passar per una institució. La IA pot fer més fàcil preparar l’atac i ajustar-lo a cada víctima, però no substitueix aquestes vies d’entrada.
Això també explica per què algunes alertes poden exagerar el paper de la tecnologia. Un text impecable no prova que s’hagi fet amb IA, i una estafa pot ser efectiva sense cap model generatiu. Igualment, detectar una imatge o una veu artificial no sempre és senzill ni fiable. És millor comprovar la petició i el canal que intentar endevinar quina eina hi ha al darrere.
Com reduir el risc davant d’un missatge sospitós
- Verifica per una altra via. Si algú conegut demana diners o codis amb urgència, truca’l a un número que ja tinguis guardat o confirma-ho en persona; no facis servir les dades de contacte del missatge sospitós.
- Atura’t davant la pressió. La urgència, el secret i les peticions de transferències, contrasenyes o codis d’un sol ús són motius per comprovar-ho abans d’actuar.
- Revisa enllaços i permisos. No iniciïs sessió des d’un enllaç inesperat ni concedeixis accés a un compte perquè t’ho demana un missatge que no has verificat.
- Protegeix els comptes. Utilitza contrasenyes úniques, activa l’autenticació multifactor quan sigui possible i instal·la les actualitzacions de seguretat.
La defensa més pràctica no és confiar en un detector infal·lible de contingut artificial. És establir una pausa i un mètode de verificació per a les peticions sensibles. La IA pot fer més convincent el primer contacte; confirmar qui el fa i què demana continua sent una responsabilitat humana.
Fonts i referències
- Anthropic, “Detecting and countering misuse of AI: September 2026”
- FBI Internet Crime Complaint Center, “Criminals Use Generative Artificial Intelligence to Facilitate Financial Fraud”
- FBI Internet Crime Complaint Center, informe anual de 2025
- FBI Internet Crime Complaint Center, alerta sobre el kit de phishing Kali365
Imatge: TimeBusinessNews | CC BY-SA 4.0 | Wikimedia Commons.
Avís educatiu
Aquest contingut té una finalitat educativa i informativa. No constitueix assessorament financer ni recomanació d’inversió.