Truffa degli incarichi: falsi lavori di recensione con l’IA

Questo caso di studio è stato pubblicato originariamente nel rapporto di OpenAI di febbraio 2025⁠(si apre in una nuova finestra).

Abbiamo bloccato un gruppo di account ChatGPT che traducevano brevi commenti tra urdu e inglese riconducibili a una truffa degli “incarichi⁠(si apre in una nuova finestra)”: alle vittime veniva offerto un lavoro molto ben retribuito, ma poi si chiedeva loro di versare denaro nel sistema prima di poter accedere ai presunti “guadagni”. L’attività sembrava avere origine in Cambogia. In queste truffe, le vittime perdono generalmente sia i “guadagni” sia il denaro versato. Abbiamo iniziato a indagare su questa attività in seguito a una segnalazione di Meta.

Questa rete usava i nostri modelli principalmente per tradurre tra urdu e inglese brevi commenti riconducibili a conversazioni tra un truffatore e le sue vittime. Abbiamo individuato riferimenti a conversazioni su Telegram, apparentemente la piattaforma principale, WhatsApp e SMS, nonché a diversi forum e gruppi dedicati all’impiego in cui era possibile pubblicare offerte di lavoro.

I truffatori sembravano assumere principalmente due tipi di identità. Una era quella del “selezionatore”: i suoi messaggi erano contatti a freddo che pubblicizzavano lavori da remoto ben retribuiti. L’altra, responsabile di un volume di attività maggiore, era quella del “mentore”, che dava seguito ai contatti del “selezionatore” e spiegava alla vittima come svolgere il lavoro. I mentori facevano molto spesso riferimento a sessioni di formazione su Telegram.

A volte i truffatori usavano i nostri modelli anche per correggere i testi dei siti web. Questi siti sembravano imitare i nomi e l’aspetto di marchi di lusso nei settori del design, della moda e dei viaggi. Le identità dei “mentori” sostenevano di reclutare personale per conto di tali marchi, il che indica che i siti web servivano probabilmente a rendere la truffa più credibile.

Per quanto abbiamo potuto osservare, i truffatori sembravano seguire un processo ricorrente per condurre le vittime dal primo contatto alla truffa:

1. Pubblicazione dell’offerta: in base ai prompt e agli output generati, i truffatori sembravano iniziare pubblicando offerte di lavoro su vari forum online. Le iniziative di reclutamento menzionavano solitamente il lavoro da remoto e sembravano offrire compensi relativamente elevati per un impegno minimo, per esempio 300 dollari al giorno più bonus per poche ore di lavoro. Le offerte venivano generalmente pubblicate dall’identità del “selezionatore”.

2. Reclutamento: i truffatori generavano quindi commenti usando l’identità del “mentore” per contattare potenziali dipendenti tramite varie app di messaggistica e affermavano di collaborare con il “selezionatore”. Il “mentore” sosteneva di lavorare per uno dei marchi di lusso per i quali l’organizzazione aveva creato un sito web. Descrivevano l’incarico come la pubblicazione di recensioni a cinque stelle sui siti di quei marchi di lusso, apparentemente per migliorarne le valutazioni dei clienti.

3. Rassicurazione: negli output generati, i truffatori spesso rassicuravano le vittime sulla legittimità del lavoro, sostenendo che fosse svolto per conto di un’azienda attiva da molti anni. Se la vittima mostrava perplessità, il truffatore affermava di essere stato a sua volta truffato in passato, ma che questa opportunità era sicura.

4. Formazione: se la vittima continuava a mostrare interesse, gli output generati indicavano che il “mentore” le avrebbe offerto una formazione, solitamente su Telegram. Inizialmente, alla vittima veniva dato accesso a un “account di formazione”, dal quale avrebbe dovuto completare 25-35 attività di recensione al giorno. L’“account di formazione” mostrava alla vittima una rapida crescita dei suoi “guadagni”.

5. Entusiasmo: se la vittima proseguiva la formazione, gli output generati spesso indicavano che le sarebbe stata offerta un’attività di recensione “speciale” o “definitiva”, associata a un bonus più elevato. Il “mentore” sottolineava quanto fosse rara e quanto fosse fortunata la vittima.

6. “Quota di attivazione”: quando i “guadagni” della vittima raggiungevano un certo livello, negli output generati il “mentore” le comunicava che doveva pagare una “quota di attivazione” per poterli prelevare. Se necessario, il truffatore la esortava a chiedere denaro in prestito ad amici o familiari.

7. Pressione: gli output generati mostravano che, se la vittima esitava a versare denaro, il truffatore diventava sempre più aggressivo. La metteva sotto pressione confrontandola con altri lavoratori più efficienti e affermando che avrebbe perso i guadagni se non avesse pagato.

8. Scuse: negli output generati, se emergeva che la vittima aveva versato denaro, il truffatore adduceva una serie di scuse per impedirle di prelevare i guadagni, spesso sostenendo che dovesse versarne ancora.

Alcune conversazioni mostravano vittime molto scettiche, mentre alcuni commenti generati dai truffatori erano formulati come messaggi di un mentore che chiedeva perché la vittima avesse smesso di rispondere. Ciò suggerisce che, nel complesso, questa truffa avesse probabilmente un basso tasso di conversione. Tuttavia, alcune conversazioni e segnalazioni online suggeriscono che almeno una parte delle vittime abbia effettivamente versato denaro in queste truffe. Non possiamo verificare in modo indipendente le attività che avvengono al di fuori dei nostri strumenti.

Le norme di OpenAI vietano rigorosamente di usare i risultati generati dai nostri strumenti per frodi o truffe. Ci impegniamo a collaborare con altre aziende del settore e con le autorità per comprendere in che modo l’IA influenzi i comportamenti ostili e per contrastare attivamente le truffe che sfruttano i nostri servizi. In linea con questo impegno, abbiamo condiviso con altre aziende del settore e con le autorità competenti informazioni sulle reti di truffatori che abbiamo smantellato, per rafforzare la sicurezza collettiva.