AI może pomóc nam znaleźć prawdziwych ludzi, a nie ich zastępować

Fałszywy obraz oszukuje nawet najbystrzejsze oczy, ale fałszywe zachowanie, które widzi platforma, nie powinno.  

Przez ostatnie dwadzieścia lat branża randek online uczyła bezpieczeństwa użytkowników jako prostą listę kontrolną. Doradzaliśmy użytkownikom, aby dokładnie sprawdzali zdjęcie, weryfikowali spójność historii danej osoby lub nalegali na rozmowę wideo przed umówieniem się na spotkanie. Te wskazówki, niegdyś złoty standard cyfrowego bezpieczeństwa, są dziś całkowicie przestarzałe.Definitywny dowód pojawił się w badanie z lutego 2025 r. firmy iProov, wiodący dostawca biometrii. Badacze poprosili 2 000 osób w Wielkiej Brytanii i USA o oznaczenie różnych elementów — zarówno zdjęć, jak i filmów — jako rzeczywistych lub syntetycznych. Wyniki były zdumiewające: tylko dwie osoby nie popełniły żadnego błędu. To zaledwie 0,1 procenta badanych, co oznacza, że pozostałe 1 998 popełniło przynajmniej jeden błąd. Wysoka pewność połączona z wysokim wskaźnikiem błędów to niebezpieczna mieszanka dla konsumentów. A oszuści są więcej niż gotowi to wykorzystać.Zgodnie z Raport o oszustwach tożsamości Entrust 2026, deepfake’i stanowią teraz jedną z pięciu prób oszustw biometrycznych. Selfie z deepfake’ami wzrosły o 58 procent w 2025 roku, a ataki wstrzyknięciowe zwiększyły się o 40 procent rok do roku. Oczekiwanie, że przeciętny użytkownik pokona wysoce zaawansowany model generatywnej AI w percepcji wizualnej, jest zrzeczeniem się odpowiedzialności; przenosi ryzyko bezpośrednio z platformy na klienta.

Oszustwo już nie polega na znajdowaniu fałszywych zdjęć

Rzeczywistość jest taka, że obecne narzędzia wykrywania zawodzą, ponieważ przeprowadzają testy na poziomie obiektu pojedynczo. Jeden test pyta, czy konkretne zdjęcie zostało wygenerowane przez AI. Inny sprawdza, czy dokument jest sfałszowany, a trzeci pyta, czy tekst w wiadomości został napisany przez maszynę. Problem polega na tym, że każdy z tych testów szybko traci skuteczność. W miarę jak postęp modeli generatywnych nieustannie podnosi jakość wyników, wcześniejsze odpowiedzi i metody wykrywania stają się przestarzałe niemal z dnia na dzień.

Znacznie lepsze podejście zastępuje analizę pojedynczego sygnału analizą wspólnego dopasowania wielu sygnałów. Nasza metoda ocenia relacje pomiędzy różnymi wymiarami obecności użytkownika. Jednym wymiarem sygnału jest wygląd urządzenia w naszym systemie. Inny to pochodzenie sesji użytkownika. Trzeci to rzeczywiste zachowanie konta. Wszystko to prowadzi do ręcznej weryfikacji, gdy system oznaczy wskaźniki możliwego oszustwa.

Biuro Narodów Zjednoczonych ds. Narkotyków i Przestępczości, w swoim Ocena zagrożeń przestępczości zorganizowanej transnarodowej dla Azji Południowo‑Wschodniej 2026, oszacowano straty z oszustw internetowych w 2025 roku na od 88,3 mld USD i 114,1 mld USD jedynie w zgłoszonych obszarach. Oszustwa przemysłowe w tej skali opierają się na szybkości i wolumenie. Każda pojedyncza informacja może być łatwo sfałszowana, ale fałszowanie wszystkie z nich konsekwentnie — w wielu kontach, które są nieustannie usuwane przez platformę — staje się zbyt obciążające do utrzymania. Każda warstwa tarcia, którą wprowadzamy, podnosi koszt oszustwa na jedno konto, aż ich marża zysku spada do zera.

To właśnie tutaj AI naprawdę się przydaje. Choć wykrywanie fałszerstw poprawiło się dzięki nowym technologiom, zwiększona zdolność identyfikacji współistniejących czynników wskazujących na oszustwo — i prowadząca do szybszej interwencji — jest znacznie lepsza dla naszych użytkowników. Gdy wskaźniki użytkownika nie zgadzają się, ich prawdziwe intencje zostają ujawnione. Uczciwy członek, oszust i gość o innym celu mogą mieć identyczne zdjęcia i prawie identyczne linie otwierające. Ich połączone wskaźniki jednak będą się różnić i opowiedzą zupełnie inną historię. Sposób, w jaki ludzie odpowiadają, jak szybko reagują, jak eskalują rozmowę, o co pytają i które konwersacje są porzucane, tworzy obraz. Tożsamość może być doskonale wygenerowanym kłamstwem, ale zachowanie zawsze ujawnia złe intencje.

Asymetria informacyjna: platformy wiedzą, czego użytkownicy nie znają

Federal Trade Commission poinformowała w 2026 roku, że straty z oszustw romantycznych w 2025 roku wzrosły o 22 procenty w porównaniu z 2024 rokiem, osiągając około $1.5 billion. Wśród osób, które określiły, w jaki sposób zostały skontaktowane, około 60 procentów stwierdziło ich pierwszy kontakt nastąpił na platformie mediów społecznościowych.

W naszej branży istnieje ogromna luka informacyjna. Platformy widzą te same kategorie sygnałów, ale niemal na pewno mogą również zobaczyć, na przykład, kraj logowania i wiek konta. Wszystko, co widzą członkowie, to uśmiech i starannie sformułowany akapit, który sprytnie wplata coś z ich profilu. Platformy mają możliwość działania na podstawie tych ukrytych danych, wykorzystując je do stworzenia bezpieczniejszego środowiska, lub ujawnienia ich, aby członkowie mogli odpowiednio zareagować. Niestety, większość branży nie robi żadnego z tych działań.

Brak działania w branży często wynika z złożonych kompromisów związanych z prywatnością użytkowników. Kosztowną połową tego równania jest podjęcie działań. Istnieją dwie drogi do budowania zaufania: wolna droga to reputacja, a szybka to weryfikacja. Weryfikacja wprowadza tarcie. Branża przytłaczająco dąży do szybkości, wolumenu i niskiego tarcia, co tłumaczy jej chroniczny niedobór weryfikacji.

Jednak pojawiają się rozwiązania. Preprint z sierpnia 2024 roku na arXiv zaproponował „poświadczenia osobowości”. 32 autorów z instytucji takich jak OpenAI, Microsoft, MIT, Oxford i Harvard zaproponowało prywatnościowo‑zachowujące poświadczenie, które pozwala komuś udowodnić usługodawcy, że jest prawdziwą osobą, nie ujawniając swojej tożsamości. Ich argumentem jest, że CAPTCHA są niewystarczające, a wykrywanie anomalii szybko traci skuteczność wobec zdolnej AI. Mają rację. Randkowanie jest jednym z obszarów, w których konsekwencje tego erozji są najtrudniejsze, ponieważ podstawowym produktem, który jest sprzedawany, jest sama wiarygodność.

Tworzenie lepszego standardu społeczności

Te same sygnały, które pomagają identyfikować ewentualne przestępstwa, mogą również pomóc w wykrywaniu innych rodzajów złych zachowań. Czytanie intencji wykracza daleko poza samo powstrzymywanie oszustw. Nie każdy zły aktor na stronie jest przestępcą. Użytkownik, który jest nieprzyjemny, nie musi łamać prawa, a związek traktowany jako transakcja nie musi być oszustwem. Traktowanie ludzi z pogardą nie prowadzi do federalnego oskarżenia. Jednak takie zachowania poważnie degradują społeczność. Co gorsza, są zbyt często niewidoczne dla systemów, które w pełni polegają na zgłoszeniach członków w swoich programach egzekwowania.

Branża tradycyjnie wyznaczała granicę na nielegalności: wykrywała oszustwa i nieletnich, usuwała to, co prawo ściśle wymaga, a resztę traktowała jako sprawę między konsensualnymi dorosłymi. Nie znam żadnej innej strony randkowej, która używa AI do identyfikacji zachowań transakcyjnych i aktywnego ich powstrzymywania. Nasza funkcja Stop@Send ocenia wychodzącą wiadomość nadawcy w momencie jej wysyłania. Szuka głębszego znaczenia, zamiast po prostu porównywać treść ze statyczną listą słów kluczowych. Najczęściej odpowiedzią jest wyjaśnienie przekazywane nadawcy, precyzyjnie informujące, dlaczego wiadomość jest nieodpowiednia dla społeczności.

To oczywiście nie jest darmowe. Przerywanie rozmów członków wprowadza tarcia, co jest kosztem, który świadomie decydujemy się ponieść. Jednak nasze standardy są najlepiej definiowane przez to, jakie zachowania są faktycznie dozwolone na naszej platformie, a nie przez to, co jest opublikowane na nieegzekwowanym dokumencie wytycznych społeczności. Platforma, która nie utrudnia działania złemu aktorowi, nie ma prawa nazywać się społecznością.

Wyzwanie dla branży

Obecny rynek pędzi, by AI zastępowała ludzi: obserwujemy wzrost AI‑towarzyszy, profili generowanych przez AI i agentów flirtujących. Zdecydowanie uważam, że ten kierunek jest ślepą uliczką. Optymalizuje wyłącznie zaangażowanie, nie dostarczając niczego poza tym. Nasze podejście jest zasadniczo inne. Wykorzystujemy AI, aby usuwać złych aktorów, pociągać członków do wzajemnej odpowiedzialności i pomagać im traktować się w sposób, który zwiększa szanse na znaczące, rzeczywiste relacje.

Listy czerwonych flag, których należy unikać, straciły swoją wartość. Sygnały, które kiedyś ujawniały oszustów, są dokładnie tymi cechami, które modele generatywne nauczyły się eliminować, tworząc wyścig zbrojeń, w którym jesteśmy nieustannie uwięzieni. Poza pierwszą zasadą — nigdy nie wysyłaj pieniędzy nikomu, kogo nie znasz i nie spotkałeś osobiście, co każdy powinien przestrzegać — kluczowe pytanie nie dotyczy już fotografii. Chodzi o platformę i to, co robią z wiedzą, której ich użytkownicy nie mają.

Platforma, która skutecznie odpowiada na to wyzwanie, aktywnie buduje zaufanie. Platforma, która tego nie robi, zmusza swoich członków do większego wysiłku przy 0,1 % skuteczności, tylko po to, by się sami chronić.

Stawiam to wyzwanie każdej platformie, w tym własnej. Oczekuję, że odpowiedzi będą szczere i pełne. Technologia, która zamyka tę lukę, istnieje już teraz. Oszustwa trwają, ponieważ ich powstrzymanie oznacza rezygnację z masowego wzrostu, jaki przynosi gigantyczna brama łatwej rejestracji. To decyzja biznesowa, a nie ograniczenie techniczne. A platformy, które podejmą właściwą decyzję, posiadają jedyny istotny zasób w tej dyskusji: zaufanie swoich członków.