Przejdź do treści

News & analizy

Deepfake'i w finansach: jak AI oszukuje pracowników banków

Zaktualizowano: Autor: Andrzej Niemiec8 min czytania

Deepfake'owe głosy przekonują pracowników banków do przelewów. Poznaj rzeczywiste przypadki oszustw i praktyczne kroki obrony.

Deepfake'i w finansach: jak AI oszukuje pracowników banków
Spis treści
  1. Jak deepfake'owe głosy okradają banki?
  2. Jakie są rodzaje manipulacji AI w finansach?
  3. Co wykazało badanie Google DeepMind z 2026 roku?
  4. Jak polskie firmy finansowe są przygotowane na deepfake'i?
  5. Jakie są praktyczne sposoby obrony przed deepfake'ami?
  6. Jakie narzędzia mogą pomóc w ochronie?
  7. Jakie są najczęstsze pytania o deepfake'i w finansach?
  8. Co powinny zrobić polskie firmy teraz?
  9. Źródła

Jak deepfake'owe głosy okradają banki?

W 2020 roku kierownik banku w Zjednoczonych Emiratach Arabskich odebrał rozmowę telefoniczną od swojego dyrektora. Głos brzmiał autentycznie. Dyrektor polecił autoryzować serię przelewów na konta zagraniczne. Kierownik wykonał polecenie — i przelewy o łącznej wartości około 35 mln dolarów opuściły rachunek banku [1]. Problem? Głos był deepfake'iem, a dyrektor nigdy nie dzwonił.

To nie jest fikcja. Technologia klonowania głosu za pomocą AI stała się na tyle zaawansowana, że większość ludzi nie potrafi odróżnić fałszywego nagrania od prawdziwego. W Polsce przypadki oszustw na deepfake'ach są rzadsze, ale rosną. W maju 2023 roku księgowa jednej z polskich firm otrzymała e-mail podszywający się pod prezesa i przelała 12 tys. złotych na wskazane konto [2]. Choć kwota była mniejsza, mechanizm był ten sam: fałszywa tożsamość, pośpiech, brak weryfikacji.

Jakie są rodzaje manipulacji AI w finansach?

Deepfake'owe głosy to tylko jeden z wielu sposobów, w jakie AI może oszukać pracowników finansowych. Google DeepMind opublikował w lipcu 2026 roku badanie, w którym przeanalizował różne techniki manipulacji [1]. Badanie objęło ponad 10 tys. uczestników z Wielkiej Brytanii, USA i Indii i testowało podatność ludzi na szkodliwe techniki perswazji AI.

Główne rodzaje zagrożeń to:

Deepfake'owe rozmowy telefoniczne — AI klonuje głos pracownika, klienta lub przełożonego, aby wyłudzić autoryzację przelewu lub dostęp do systemu. Technologia jest na tyle zaawansowana, że może odtworzyć nie tylko głos, ale i charakterystyczne zwroty, akcent, tempo mówienia [1].

Fałszywe e-maile i wiadomości — chatboty generują wiadomości, które naśladują styl komunikacji szefa lub kolegi z pracy. Pracownik, który nie weryfikuje nadawcy, może wykonać polecenie transferu pieniędzy [1].

Manipulacja danymi wejściowymi — AI może być zasilana sfałszowanymi danymi (np. fałszywymi raportami finansowymi lub rekomendacjami inwestycyjnymi), aby wpłynąć na decyzje handlowców lub analityków [1].

Deepfake'owe dokumenty — AI generuje fałszywe umowy, faktury lub zaświadczenia, które wyglądają autentycznie i mogą być użyte do wyłudzenia pieniędzy lub dostępu do systemów [1].

Co wykazało badanie Google DeepMind z 2026 roku?

Badanie Google DeepMind testowało, jak skuteczne są różne techniki manipulacji AI w różnych dziedzinach [1]. Naukowcy stworzyli symulowane scenariusze finansowe (np. decyzje inwestycyjne) i zdrowotne (np. preferencje dotyczące suplementów) oraz mierzyli, jak często ludzie zmieniali swoje decyzje pod wpływem AI.

Kluczowe ustalenia:

  • Skuteczność manipulacji różniła się znacznie między dziedzinami. W scenariuszach finansowych AI była bardziej skuteczna w wpływaniu na decyzje niż w scenariuszach zdrowotnych [1].
  • Ludzie byli bardziej podatni na manipulację, gdy AI działała subtelnie i nie była jawnie agresywna [1].
  • Samo polecenie AI do manipulacji nie zawsze prowadziło do manipulacji — model musiał być specjalnie szkolony, aby stosować techniki perswazji [1].

Badanie pokazuje, że zagrożenie jest rzeczywiste, ale nie wszystkie modele AI są równie podatne na manipulację. Jednak firmy, które nie wdrożą obrony, są narażone na znaczne straty.

Jak polskie firmy finansowe są przygotowane na deepfake'i?

Polskie banki i firmy finansowe są słabo przygotowane na falę deepfake'ów. Większość polega na tradycyjnych metodach, takich jak hasła lub pytania kontrolne — które deepfake'owe głosy mogą łatwo ominąć.

Problemy:

  1. Brak świadomości — wiele polskich firm nie wie, że deepfake'owe głosy są już dostępne i mogą być użyte do oszustw. Pracownicy nie są szkoleni w rozpoznawaniu takich ataków.
  1. Słabe procedury weryfikacji — większość polskich banków weryfikuje tożsamość rozmówcy na podstawie numeru telefonu lub imienia i nazwiska, co jest łatwe do sfałszowania.
  1. Brak technicznych zabezpieczeń — zaledwie część polskich instytucji finansowych ma systemy do wykrywania deepfake'ów w komunikacji głosowej.
  1. Regulacje zaostrzają się, ale powoli — AI Act zakazuje manipulacji behawioralnej, ale polskie firmy mają czas do 2026 roku na dostosowanie się. Wiele z nich czeka na ostatnią chwilę.

Jakie są praktyczne sposoby obrony przed deepfake'ami?

Polskie firmy mogą wdrożyć kilka konkretnych kroków, aby zmniejszyć ryzyko oszustw na deepfake'ach:

MetodaOpisSkuteczność
Weryfikacja wieloetapowaKażdy przelew powyżej określonej kwoty wymaga potwierdzenia przez co najmniej dwie osoby lub kanały komunikacjiWysoka — utrudnia atakującemu wykonanie przelewu bez wiedzy drugiej osoby
Analiza biometryczna głosuSystemy analizują charakterystyczne cechy głosu (ton, tempo, akcent) i porównują je z bazą autentycznych nagrańŚrednia — deepfake'owe głosy mogą być coraz bardziej realistyczne
Weryfikacja przez wideoDla ważnych decyzji finansowych wymaga się rozmowy wideo, aby potwierdzić tożsamość rozmówcyWysoka — deepfake'owe wideo są trudniejsze do stworzenia niż deepfake'owe głosy
Szkolenia pracownikówRegularne szkolenia z rozpoznawania deepfake'ów i fałszywych wiadomościŚrednia — zależy od zaangażowania pracowników
Systemy do wykrywania anomaliiAI monitoruje wzorce transakcji i flaguje podejrzane operacje (np. niezwykły czas, kwota lub odbiorca)Średnia — może blokować prawidłowe transakcje

Jakie narzędzia mogą pomóc w ochronie?

Na rynku dostępne są narzędzia, które mogą pomóc polskim firmom w ochronie przed deepfake'ami:

Deepware Scanner — narzędzie do wykrywania deepfake'ów w nagraniach wideo i audio. Narzędzie ma potencjał do wykrywania większości deepfake'ów [3].

Systemy analizy głosu — firmy takie jak Nuance Communications oferują systemy, które analizują głos w czasie rzeczywistym i porównują go z bazą autentycznych nagrań. Jeśli głos nie pasuje, system blokuje transakcję.

Platformy do weryfikacji tożsamości — narzędzia takie jak Jumio lub IDology oferują weryfikację tożsamości za pomocą biometrii (twarz, głos, dokument tożsamości).

Systemy do monitorowania anomalii — AI może monitorować wzorce transakcji i flagować podejrzane operacje. Na przykład, jeśli pracownik zwykle autoryzuje przelewy do 100 tys. zł, a nagle pojawia się przelew na 5 mln zł, system powinien to oznaczyć jako podejrzane.

Jakie są najczęstsze pytania o deepfake'i w finansach?

Czy deepfake'owe głosy są już używane do oszustw w Polsce?

Tak. Choć przypadki są rzadsze niż na Zachodzie, polskie firmy i banki już doświadczają ataków. W 2023 roku księgowa polskiej firmy została oszukana fałszywym e-mailem podszywającym się pod prezesa [2]. Liczba takich incydentów rośnie, a polskie instytucje są słabo przygotowane.

Jak rozpoznać deepfake'owy głos?

Deepfake'owe głosy są coraz trudniejsze do rozpoznania, ale istnieją pewne znaki ostrzegawcze: dziwne pauzy, nienaturalne przejścia między słowami, dziwny ton lub akcent, szum w tle [3]. Jednak nawet eksperci mogą się mylić. Najlepszą obroną jest weryfikacja przez drugi kanał komunikacji (np. wideo lub osobista rozmowa) [1].

Czy banki mogą być pociągnięte do odpowiedzialności za deepfake'owe oszustwa?

To zależy od przepisów i procedur bezpieczeństwa banku. W Polsce, jeśli bank nie miał procedur weryfikacji głosu, może być pociągnięty do odpowiedzialności. Jednak jeśli pracownik nie postępował zgodnie z procedurami, odpowiedzialność może paść na pracownika lub firmę.

Czy AI może być użyta do obrony przed deepfake'ami?

Tak. Google DeepMind i inne firmy badawcze opracowują systemy AI, które mogą wykrywać deepfake'ów w czasie rzeczywistym [1]. Jednak te systemy nie są jeszcze doskonałe i mogą być omijane przez zaawansowane ataki.

Jakie są koszty wdrożenia obrony przed deepfake'ami?

Koszty zależą od wielkości firmy i wybranego rozwiązania. Proste szkolenia pracowników mogą kosztować kilka tysięcy złotych rocznie. Zaawansowane systemy do wykrywania deepfake'ów mogą kosztować dziesiątki lub setki tysięcy złotych. Jednak koszt oszustwa (utrata pieniędzy, reputacji, zaufania klientów) jest zwykle znacznie wyższy.

Co powinny zrobić polskie firmy teraz?

Praktyczny plan działania:

  1. Przeprowadź audyt ryzyka — zidentyfikuj obszary, w których deepfake'owe głosy mogą przynieść największe straty (np. autoryzacja przelewów, dostęp do systemów).
  1. Wdróż weryfikację wieloetapową — dla ważnych decyzji finansowych wymagaj potwierdzenia przez co najmniej dwie osoby lub kanały komunikacji.
  1. Szkolenie pracowników — organizuj regularne szkolenia z rozpoznawania deepfake'ów i fałszywych wiadomości. Pracownicy powinni wiedzieć, jak weryfikować tożsamość rozmówcy.
  1. Wdróż systemy do wykrywania anomalii — zainstaluj AI, która monitoruje wzorce transakcji i flaguje podejrzane operacje.
  1. Współpracuj z dostawcami bezpieczeństwa — wybierz narzędzia do wykrywania deepfake'ów i wdróż je w systemach krytycznych.

Polskie firmy nie muszą czekać na regulacje — mogą działać już teraz. Każdy krok w kierunku obrony zmniejsza ryzyko oszustwa i buduje zaufanie klientów.

Źródła

  1. Protecting People from Harmful Manipulation — Google DeepMind
  2. Oszustwo na prezesa. Księgowa myślała, że pisze do niej szef i przelała 12 tys. zł — Spider's Web
  3. Sklonowali głos prezesa za pomocą deep fake. Tak wyłudzili 35 mln dolarów — OhMyDev
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji