Мошенничество с заданиями: фальшивые вакансии по написанию отзывов с помощью ИИ

Это исследование изначально было опубликовано в отчёте OpenAI за февраль 2025 года⁠(открывается в новом окне).

Мы заблокировали группу аккаунтов ChatGPT, которые переводили короткие комментарии с урду на английский и обратно. Их содержание соответствовало мошеннической схеме с «заданиями⁠(открывается в новом окне)»: жертвам предлагают высокооплачиваемую работу, но для доступа к предполагаемому «заработку» требуют сначала внести в систему собственные деньги. Судя по всему, эта деятельность велась из Камбоджи. В таких схемах жертвы обычно теряют и свой «заработок», и внесённые деньги. Мы начали расследовать эту деятельность после сообщения от Meta.

Эта сеть в основном использовала наши модели для перевода с урду на английский и обратно коротких комментариев, похожих на переписку мошенников с жертвами. Мы обнаружили упоминания переписки в Telegram — по всей видимости, основной платформе злоумышленников, — а также в WhatsApp, SMS и на различных форумах и в группах по трудоустройству, где можно было размещать вакансии.

По всей видимости, мошенники выступали преимущественно в двух ролях. Первая — «рекрутер»: от его имени без предварительного контакта рассылали сообщения и размещали объявления о хорошо оплачиваемой удалённой работе. Вторая, на которую приходился больший объём активности, — «наставник». Он продолжал общение после первого контакта с «рекрутером» и объяснял потенциальной жертве, как выполнять работу. «Наставники» очень часто упоминали обучение в Telegram.

Иногда мошенники также использовали наши модели для вычитки текстов на сайтах. Судя по всему, эти сайты копировали названия и оформление люксовых брендов из сфер дизайна, моды и туризма. Выступавшие в роли «наставников» мошенники утверждали, что нанимают сотрудников от имени этих брендов. Вероятно, сайты использовались, чтобы придать схеме больше убедительности.

С учётом ограниченной доступной нам информации мошенники, по всей видимости, действовали по распространённой схеме, постепенно вовлекая потенциальных жертв в обман:

1. Публикация вакансии. Судя по запросам и сгенерированным ответам, мошенники начинали с размещения вакансий на различных интернет-форумах. Обычно в объявлениях предлагалась удалённая работа с относительно высокой оплатой за небольшой объём: например, 300 долларов в день плюс бонусы за несколько часов работы. Обычно их размещал персонаж-«рекрутер».

2. Привлечение. Затем мошенники генерировали от имени «наставника» сообщения для потенциальных сотрудников. Для связи, по их словам, могло использоваться несколько мессенджеров. «Наставник» заявлял, что работает вместе с «рекрутером» на один из люксовых брендов, для которого организаторы схемы создали сайт. Задание описывалось как публикация пятизвёздочных отзывов на сайтах этих люксовых брендов якобы для повышения их рейтинга среди клиентов.

3. Убеждение. В сгенерированных ответах мошенники часто заверяли потенциальных жертв в законности работы, поскольку она якобы выполнялась от имени давно существующей компании. Если потенциальная жертва выражала сомнения, мошенник заявлял, что его самого раньше тоже обманывали, но это предложение безопасно.

4. Обучение. Если потенциальная жертва сохраняла интерес, судя по сгенерированным ответам, «наставник» предлагал пройти обучение — обычно в Telegram. Сначала потенциальной жертве предоставляли доступ к «учебному аккаунту», где требовалось ежедневно выполнять 25–35 заданий по размещению отзывов. В «учебном аккаунте» потенциальная жертва видела, как её «заработок» быстро растёт.

5. Создание ажиотажа. Если потенциальная жертва продолжала обучение, в сгенерированных ответах ей часто предлагали «особое» или «эксклюзивное» задание по размещению отзыва с повышенным бонусом. «Наставник» подчёркивал, насколько редко выпадает такое задание и как повезло потенциальной жертве.

6. «Плата за активацию». Когда «заработок» потенциальной жертвы достигал определённой суммы, «наставник» в сгенерированных ответах сообщал, что для вывода «заработка» необходимо внести «плату за активацию». При необходимости мошенник убеждал занять деньги у друзей или родственников.

7. Давление. Сгенерированные ответы показывают, что, если потенциальная жертва отказывалась платить, мошенник становился всё агрессивнее. Он сравнивал её с другими, более эффективными работниками и утверждал, что без оплаты она потеряет заработок.

8. Отговорки. Если из сгенерированных ответов следовало, что потенциальная жертва внесла деньги, мошенник придумывал одну причину за другой, почему она не может вывести заработок, и часто требовал заплатить ещё.

Некоторые переписки показывали, что потенциальные жертвы относились к предложению крайне скептически. Часть созданных мошенниками сообщений была написана от лица «наставника», который спрашивал, почему собеседник перестал отвечать. Это позволяет предположить, что общая доля успешно обманутых жертв была невелика. Однако некоторые переписки и публикации в интернете указывают, что по крайней мере часть жертв действительно вкладывала деньги в эти мошеннические схемы. Мы не можем независимо проверять действия, совершаемые за пределами наших инструментов.

Политики OpenAI строго запрещают использовать результаты работы наших инструментов для мошенничества или обмана. Мы стремимся сотрудничать с другими участниками отрасли и государственными органами, чтобы понимать, как ИИ влияет на действия злоумышленников, и активно пресекать мошенническое использование наших сервисов. В рамках этой работы мы передали другим участникам отрасли и соответствующим государственным органам сведения о пресечённой нами деятельности мошеннических сетей, чтобы сообща повысить безопасность.