Apate.AI کو 11.4 ملین آسٹریلوی ڈالر—scammers اب AI سے بات کریں گے

Apate.AI نے 31 اگست 2026 کو 11.4 ملین آسٹریلوی ڈالر، یعنی 8.15 ملین امریکی ڈالر، کا seed round ظاہر کیا۔ Startup Daily کی رپورٹ کے مطابق round کی قیادت Lobby Capital نے کی، جبکہ OIF Ventures، Investible، Concept Ventures اور Baobab Ventures بھی شریک ہوئے۔

اسی تاریخ کی آزاد funding رپورٹ نے رقم، seed حیثیت اور سرمایہ کاروں کی فہرست کی الگ تصدیق کی۔ سرمایہ ایسے AI agents کو وسعت دینے کے لیے ہے جو voice اور text پر اسکیمرز کو ممکنہ شکار بن کر گفتگو میں مصروف رکھتے اور ان سے قابلِ استعمال fraud intelligence حاصل کرتے ہیں۔

سرمایہ platform اور بین الاقوامی توسیع پر خرچ ہوگا

Apate.AI کے سرکاری اعلان میں کہا گیا ہے کہ نئی رقم platform کو بہتر بنانے اور بین الاقوامی توسیع پر لگے گی۔ کمپنی 25 اگست 2026 سے امریکی ریاست Delaware میں incorporated ہے، اگلی سہ ماہی میں لندن کا دفتر کھولنے کا ارادہ رکھتی ہے اور co-founder و chief product officer Peter Eckermann شمالی امریکا کی توسیع کی قیادت کے لیے امریکا منتقل ہوں گے؛ technology اور research ٹیم سڈنی میں رہے گی۔

یہ round صرف دلچسپ scam-baiting مظاہرے کو سرمایہ دینے کا معاملہ نہیں۔ Apate.AI کو banks، telcos اور سرکاری اداروں کے operational fraud systems میں استعمال ہونے والی intelligence کمپنی بننا ہے۔ valuation، ہر سرمایہ کار کے حصے اور round کی دوسری مالی شرائط ظاہر نہیں کی گئیں، اس لیے 11.4 ملین آسٹریلوی ڈالر funding amount ہے، کمپنی کی قدر نہیں۔

اسکیمر block ہونے کے بجائے AI agent تک پہنچتا ہے

Apate.AI کا طریقہ روایتی blocking سے مختلف مقام پر کام کرتا ہے۔ telco شراکت داروں کے ساتھ قائم مخصوص honeypot نمبروں پر آنے والی مشتبہ call یا message کسی حقیقی صارف کے بجائے conversational AI agent تک پہنچتی ہے۔ agent ممکنہ شکار جیسا رویہ اختیار کرکے گفتگو جاری رکھتا ہے، جس سے اسکیمر کا وقت بھی صرف ہوتا ہے اور اس کے استعمال کردہ طریقوں کی معلومات بھی ملتی ہیں۔

گفتگو سے phone numbers، email addresses، phishing URLs، bank-account details، crypto-wallet addresses، ادائیگی کی ہدایات اور scam scripts جیسے indicators نکل سکتے ہیں۔ اصل ادارہ جاتی قدر گفتگو کی طوالت نہیں بلکہ یہ ہے کہ حاصل شدہ indicator کو bank یا telco اپنے detection، investigation یا disruption workflow میں قابلِ اعتماد انداز سے استعمال کر سکے۔

اس ماڈل کی ایک حد بھی واضح ہے: bot سے حاصل ہونے والی تفصیل بذاتِ خود حتمی ثبوت نہیں۔ اسکیمر spoofed number استعمال کر سکتا ہے، کسی تیسرے شخص کا account دے سکتا ہے یا جان بوجھ کر غلط معلومات شامل کر سکتا ہے۔ اسی لیے raw extraction اور عملی کارروائی کے درمیان انسانی یا دوسرے قابلِ آڈٹ verification controls ضروری رہتے ہیں۔

کاروباری دفاع proprietary fraud corpus سے بن سکتا ہے

ہر engagement ایک نیا مشاہدہ فراہم کر سکتی ہے: اسکیمر نے کون سا بہانہ اپنایا، رقم کس ذریعے سے مانگی، کون سا رابطہ یا domain استعمال ہوا اور مالی مطالبہ گفتگو کے کس مرحلے پر آیا۔ کمپنی کے مطابق ہر conversation ایک live intelligence corpus میں شامل ہوتی ہے، جو نئے scam campaigns کو پہلے دیکھے گئے scripts، payment infrastructure اور social-engineering patterns سے ملانے میں مدد دے سکتا ہے۔

Apate.AI کا کہنا ہے کہ اس کا platform Commonwealth Bank سمیت بڑے اداروں کے لیے production میں استعمال ہو رہا ہے، 25 لاکھ سے زیادہ autonomous conversations چلا چکا ہے اور ڈھائی لاکھ سے زیادہ intelligence artefacts نکال چکا ہے۔ یہ اعداد operational scale دکھاتے ہیں، مگر عوامی مواد prevented losses، false-positive rate، duplicate artefacts یا ہر indicator کے نتیجے میں ہونے والی کارروائی کی مکمل پیمائش فراہم نہیں کرتا۔

یہی فرق corpus کے کاروباری فائدے کی حد بھی متعین کرتا ہے۔ زیادہ conversations تازہ signals دے سکتی ہیں، لیکن زیادہ data لازماً زیادہ درست intelligence نہیں ہوتا۔ مضبوط دفاعی اثاثہ وہ corpus ہوگا جس میں ہر artefact کے ساتھ provenance، verification status، duplication checks اور downstream outcome محفوظ ہوں۔

پاکستانی bank یا telco کے pilot میں چار مرحلے

پاکستان میں ممکنہ pilot کو مکمل خودکار enforcement کے بجائے محدود operational flow رکھنا زیادہ محفوظ ہوگا۔ یہ ایک مجوزہ design ہے، Apate.AI کی پاکستان میں کسی موجودہ deployment کا دعویٰ نہیں۔ مقصد یہ جانچنا ہوگا کہ مشتبہ رابطے سے حاصل ہونے والی intelligence مقامی bank اور telco کے controls میں درست، بروقت اور قانونی طور پر قابلِ استعمال بنتی ہے یا نہیں۔

1. Detect: bank یا telco صرف واضح، پہلے سے طے شدہ signals پر رابطہ نشان زد کرے۔ threshold، exclusion rules اور غلط diversion واپس لینے کا طریقہ pilot سے پہلے درج ہو۔
2. Engage: منتخب call یا message کو controlled routing کے ذریعے AI agent تک پہنچایا جائے۔ logs میں diversion کی وجہ، گفتگو کا آغاز اور انسانی escalation کی دستیابی محفوظ ہو۔
3. Analyse: account، wallet، number، URL یا script کو internal records اور دوسری معتبر intelligence سے ملایا جائے۔ غیر تصدیق شدہ extraction کو watchlist یا enforcement decision نہ بنایا جائے۔
4. Protect: توثیق کے بعد alert، enhanced monitoring، number blocking یا متعلقہ ادارے کو escalation ہو۔ ہر فیصلے، منظوری اور correction کو audit trail میں رکھا جائے۔

کامیابی کا پیمانہ صرف یہ نہیں ہونا چاہیے کہ اسکیمر کتنی دیر bot سے بات کرتا رہا۔ زیادہ اہم KPIs میں detection precision، غلط diversion کی شرح، verified indicators فی engagement، analyst تک پہنچنے کا وقت، duplicate artefacts، escalation کے بعد کی کارروائی اور قابلِ نسبت نقصان میں کمی شامل ہوں گے۔

Data sharing، privacy اور نتائج ابھی کھلے سوال ہیں

پاکستانی deployment میں حساس ترین فیصلہ bank، telco اور vendor کے درمیان data sharing ہوگا۔ معاہدے کو واضح کرنا ہوگا کہ raw audio یا message content کہاں محفوظ ہوگا، extracted indicators کا controller کون ہوگا، retention کتنی ہوگی، customer data کس طرح الگ کیا جائے گا اور غلط indicator سے متاثرہ account یا number کے لیے correction کا راستہ کیا ہوگا۔

false positive صرف تکنیکی غلطی نہیں؛ اس سے جائز call divert، درست ادائیگی مشکوک یا بے قصور account محدود ہو سکتا ہے۔ اس لیے confidence levels، انسانی منظوری، access controls اور evidence retention کو ایک ہی governance design میں رکھنا ہوگا۔ مقامی privacy، telecom اور financial-sector ذمہ داریوں کی جانچ بھی pilot سے پہلے درکار ہوگی۔

اب تک تصدیق شدہ صورتِ حال یہ ہے کہ Apate.AI نے 31 اگست 2026 کو Lobby Capital کی قیادت میں 11.4 ملین آسٹریلوی ڈالر کا seed round ظاہر کیا اور رقم platform development و عالمی توسیع کے لیے مختص کی۔ اگلا اہم ثبوت نئی منڈیوں میں named deployments، آزادانہ طور پر ناپے گئے false-positive rates، verified intelligence پر ہونے والی کارروائی اور scam losses میں قابلِ نسبت کمی ہوگا؛ یہ نتائج ابھی مکمل طور پر عوامی نہیں۔

یہ بھی پڑھیں:

• Gatik نے 200 ملین ڈالر اٹھائے، خودکار ٹرک آزمائش سے کاروبار تک پہنچے
• Socure کی قدر 5.2 ارب ڈالر، Fravity سودا فراڈ تفتیش کو AI کے حوالے کرے گا
• Amazon Mechanical Turk بند ہو رہا ہے؛ data-labeling ٹیمیں اب کیا کریں