Claude, het AI-model van Anthropic, blijkt in een experiment beter in het oplichten van mensen dan menselijke oplichters. Het doel was niet om criminelen te ontmaskeren, maar om hen te verslaan in hun eigen vakgebied: het winnen van vertrouwen. Voor ondernemers is dit geen abstracte toekomstmuziek, maar een directe aanwijzing dat de dreiging van social engineering fundamenteel is veranderd.

Wat er aan de hand is

Volgens Bright heeft een experiment aangetoond dat het AI-model Claude menselijke oplichters overtuigend verslaat in het opbouwen van een vertrouwensrelatie met potentiële slachtoffers. Waar eerdere discussies over AI-veiligheid vooral gingen over het herkennen van nepberichten, laat dit experiment zien dat AI nu ook de menselijke kant van oplichting beheerst: het opbouwen van een geloofwaardige, persoonlijke band. Dit betekent dat de klassieke signalen van oplichting — slechte grammatica, vreemde formuleringen, te mooi om waar te zijn — niet langer als betrouwbare indicatoren kunnen dienen. De verschuiving is dat AI niet alleen schaalbaar is, maar ook persoonlijk en geduldig kan overtuigen.

Wat dit betekent

Voor het MKB betekent dit dat de zwakste schakel niet langer de techniek is, maar de menselijke interactie. Een AI-gedreven oplichter kan nu op elk moment van de dag een gesprek voeren dat niet te onderscheiden is van een legitieme relatie. Dit raakt direct aan processen waarin vertrouwen centraal staat: factuurcontrole, leverancierscontact, sollicitatiegesprekken en klantondersteuning. De impact is het grootst voor bedrijven waar persoonlijk contact een kernwaarde is, omdat daar de drempel om te twijfelen aan een bekende stem of schrijfstijl het hoogst is. Het betekent niet dat je nu alles moet wantrouwen, maar wel dat je bestaande procedures moet toetsen op dit nieuwe dreigingsniveau.

Hoe je dit kunt toepassen

Als je een team aanstuurt dat regelmatig betalingen verwerkt, is het verstandig om het protocol voor betalingswijzigingen te herzien. Een AI kan nu overtuigend een e-mail schrijven van een bekende leverancier met een nieuw rekeningnummer. Overweeg om een tweede controle in te bouwen die niet via e-mail of telefoon verloopt, maar via een eerder afgesproken kanaal, zoals een beveiligde portal of een fysiek contactpersoon.

Als je verantwoordelijk bent voor de beveiliging van klantdata, zou je kunnen overwegen om je medewerkers te trainen op dit nieuwe type dreiging. De klassieke training over phishing-e-mails is niet meer voldoende. Een mogelijkheid is om een simulatie te laten ontwikkelen waarin een AI een langdurig, persoonlijk gesprek voert met een medewerker, om te testen waar de grenzen van vertrouwen liggen.

Als je een webshop runt en klantondersteuning biedt via chat of e-mail, is het zaak om alert te zijn op klanten die plotseling een wijziging van hun accountgegevens aanvragen na een lang gesprek. AI kan nu een volledig overtuigende klant spelen die een wachtwoordreset nodig heeft. Overweeg om voor gevoelige wijzigingen altijd een extra verificatiestap in te bouwen die niet via hetzelfde kanaal verloopt.

Als je in een sector werkt met veel telefonisch contact, zoals de zorg of de advocatuur, is het belangrijk om te beseffen dat AI ook spraak kan nabootsen. Een mogelijkheid is om voor interne bevestigingen van gevoelige informatie een code af te spreken die alleen jij en je vaste contactpersoon kennen. Dit is een eenvoudige, maar effectieve barrière tegen een AI die je stem of die van je collega nabootst.

De praktische toepassing hangt af van jouw situatie, maar de kern is dat je niet langer kunt vertrouwen op je intuïtie alleen. De nieuwe dreiging is niet dat een bericht er nep uitziet, maar dat het er juist volledig echt uitziet. Het is zaak om processen zo in te richten dat vertrouwen niet de enige controle is.

Bron: Bright