Uw fraudestack is gebouwd voor menselijke tegenstanders

De afgelopen 30 jaar heeft CAPTCHA één taak uitgevoerd: een machine laten falen bij een test die een persoon zonder nadenken doorstaat. Die taak is voorbij. Onderzoekers, die geautomatiseerde oplosser testen tegen Google’s reCAPTCHA v2‑beelduitdagingen, meldden een succespercentage van 100 %, een stijging ten opzichte van ongeveer 68 % tot 71 % in eerder onderzoek, en ontdekten geen wezenlijk verschil tussen het aantal uitdagingen dat een bot moest oplossen en het aantal dat een mens nodig had.

Als we CAPTCHA zien als een vervanger voor een hele categorie controles die op dezelfde veronderstelling zijn gebouwd – dat bepaalde taken triviaal zijn voor een mens en moeilijk voor een machine, en dat het slagen voor de taak bewijst dat je mens bent – is het tijd om de controle‑parameters te herzien. AI‑agenten hebben stilletjes die veronderstelling weggevaagd op het gebied van beeldherkenning, formulierinvulling en meerstapsnavigatie, en de meeste risicoteams hebben hun stack nog niet opnieuw opgebouwd als reactie.

Afgestemd op de verkeerde vijand

Elke regel in een volwassen fraudestack was afgestemd op een specifieke tegenstander, of het nu een mens is die zich voordoet als een andere mens of een botfarm die zich in één keer als vele mensen voordoet. Snelheidscontroles vangen iemand op die sneller accounts opent dan een mens redelijkerwijs kan. Regels voor apparaat‑hergebruik vangen iemand die hardware over verschillende identiteiten hergebruikt. Beide waren gebaseerd op menselijke beperkingen: de fysieke tijd die nodig is om een formulier in te vullen en de praktische kosten van het aanschaffen van nieuwe apparaten.
Dezezelfde beperkingen gelden niet voor een AI‑agent zoals voor ons, mensen. Hij kan een formulier invullen in de tijd die een mens nodig heeft om het eerste veld te lezen, en hij kan worden geprovisioneerd, één keer gebruikt en vervolgens tegen vrijwel geen kosten worden weggegooid. Geautomatiseerd verkeer vormt nu meer dan 53 % van al het webverkeer, een stijging ten opzichte van 51 % een jaar eerder, terwijl menselijke activiteit is gedaald tot 47 % en blijft dalen. Meer dan een kwart van de botaanvallen (27 %) richt zich nu direct op API’s, waarbij de gebruikersinterface volledig wordt omzeild om op machinale snelheid te opereren, en alleen de financiële sector absorbeerde 24 % van alle botaanvallen en 46 % van de account‑overname‑incidenten in 2025. Regels die gebaseerd waren op menselijk tempo zouden nooit een verkeersklasse kunnen vangen die helemaal geen tempo heeft.

Waar de scheuren zichtbaar worden

Het vroege instinct van de industrie was om AI te bestrijden met meer AI, waarbij een blackbox‑model werd gezien als een zilveren kogel tegen een blackbox‑tegenstander. Dat instinct verergert het probleem op zichzelf. Een fraudemodel dat zijn eigen beslissing niet kan verklaren, is vrijwel onmogelijk te verdedigen tegenover een toezichthouder, een klant of een interne auditor zodra die beslissing wordt betwist, en een ondoorzichtig model dat is getraind om een ondoorzichtig gevaar te vangen, vergroot de ondoorzichtigheid in plaats van deze op te lossen. Verdedigbaarheid is hier geen filosofisch niceties; het betekent ook dat men model‑governance kan aantonen: precies welk model live is, wat er veranderd is ten opzichte van de vorige versie, op welke informatie het model is getraind, wie de wijziging heeft goedgekeurd en waarom. Een systeem dat is gebouwd om het AI‑model automatisch bij te werken, is nooit ontworpen om dat soort papieren spoor te leveren.

Een andere verdedigingslijn die nodig is om het goede van het ondeugende te onderscheiden, is gelaagde intelligentie: signaaldiepte over voldoende onafhankelijke dimensies zodat een gefabriceerde identiteit, een gekaapt account of een geldmuil geen verborgen plekken meer heeft. Elke extra dimensie biedt een aparte kans om een inconsistentie, een stuk gedeelde fraudebasis of gedrag dat niet overeenkomt met de geregistreerde persoon, te detecteren. Geen enkel signaal hoeft het volledige gewicht van de beslissing te dragen. Hoe breder de context, hoe meer een geïsoleerde, ambiguë aanwijzing een element wordt waar een fraudeteam daadwerkelijk achter kan staan.

Datzelfde principe geldt ongeacht of de beslissing wordt genomen door een persoon of een model. Een AI‑risico‑engine is niet slimmer dan de gegevens die hij krijgt. Haal je de helft van de dimensies weg en je krijgt een systeem dat met volledige zekerheid redeneert op basis van de halve afbeelding, en dat geldt evenzeer voor een machine‑learningmodel dat een transactie in milliseconden beoordeelt als voor een analist die een zaak handmatig behandelt. Het wordt juist meer waar, niet minder, naarmate meer van die besluitvorming verschuift naar agentische systemen die de beslissing nemen zonder enige mens in de lus. Diepte van context is niet alleen hoe je een agent die fraude pleegt ontdekt. Het is de voorwaarde om een agent’s beslissing over alles te vertrouwen.

Voer die context in een model dat zijn redenering begrijpelijk houdt, in plaats van een enkele blackbox‑oplossing die alleen op één signaal gissingen maakt over intentie, en de beslissing wordt meer dan alleen nauwkeurig. Hij wordt verdedigbaar. Dat onderscheid is belangrijker tegen AI‑agenten dan tegen menselijke fraude‑netwerken, omdat een agent een ander soort spoor nalaat. Hij friemelt niet, aarzelt niet en maakt niet de kleine fouten die gedragsbiometrie detecteert. Hij laat in plaats daarvan een voetafdruk achter; in het tijdperk van de gebruikte inloggegevens en de samenhang van een apparaatgeschiedenis die al dan niet verder terugloopt dan de transactie die je voor je hebt. Hij draait stilletjes een remote‑access‑tool op de achtergrond terwijl de inloggegevens van iemand anders worden gebruikt. Geen van dit alles vereist het lezen van een gezicht. Het vereist alleen de mogelijkheid om de volledige sessiedetails te analyseren tegen een breed scala aan signalen.

De menselijke aanwijzing die er niet meer is

Nergens is de herkalibratie urgenter dan bij identiteitsverificatie, waar fraudeteams een volledige discipline hebben opgebouwd rond het opsporen van menselijke aanwijzingen, zoals een onnatuurlijke knipperfrequentie, een niet‑overeenkomende lip‑sync, of een textuurartefact op een foto. Deepfake‑tools hebben de meeste van die hiaten gedicht, en criminelen hoeven die tools niet langer zelf te bouwen.

Interpol’s Global Financial Fraud Threat Assessment, gepubliceerd in maart, stelde vast dat financiële fraude in 2025 meer dan $442 miljard uit de wereldeconomie heeft gezogen, waarbij AI‑versterkte fraude nu ongeveer 4,5 keer winstgevender is dan traditionele methoden. Het rapport identificeert “deepfake‑as‑a‑service” operaties op dark‑webmarktplaatsen die synthetische‑identiteitskits verkopen, compleet met AI‑gegenereerde video‑avatars, stemklonen en biometrische gegevens, waarmee een aanvaller een overtuigende digitale kloon kan bouwen uit slechts 10 seconden audio die van een bericht op sociale media is gehaald.

Het betrouwbare signaal was nooit het identiteitsdocument. Het is continuïteit: het digitale verleden dat een echte identiteit opbouwt gedurende jaren van gewone accountactiviteit en gedragspatronen, het soort geschiedenis dat een synthetische identiteit, of een agent die voor een identiteit staat, geen tijd heeft om te vormen. Een systeem dat alleen naar een vervalst identiteitsdocument zoekt, zal blijven falen. Een systeem dat zoekt naar een ontbrekende geschiedenis heeft een moeilijker te vervalsen doelwit.

Heruitrusting voor een andere tegenstander

Niets hiervan is een reden tot paniek, noch is het een bewering dat menselijke fraude verdwenen is. Dat is niet het geval. Het is een bewering dat een stack die volledig is afgestemd op menselijke limieten, tempo en aanwijzingen, een structureel blinde vlek heeft precies op het punt waar AI‑agenten opereren, en die blinde vlek zal niet vanzelf verdwijnen. Elk van deze controles, afzonderlijk getest, kan nog steeds schoon door de beugel komen. Pas wanneer die controles gezamenlijk worden bekeken, over voldoende onafhankelijke dimensies, wordt het patroon dat een geïsoleerde controle zou missen zichtbaar.

Agentische AI‑systemen kunnen nu autonoom een volledige fraudecampagne plannen en uitvoeren, van verkenning tot het losgeld‑eis, grotendeels zonder een menselijke operator in de lus. De oplossing is geen regel die op de oude stack wordt geplakt. Het is een heropgebouwde veronderstelling. De vraag is niet meer of iets eruitziet als een menselijke fraudeur — maar of er ooit een echte mens achter zat.