Yandex lancia un sistema di sicurezza per le chiamate in uscita contro le truffe

Yandex presenta un sistema di analisi delle chiamate in uscita in tempo reale, ammettendo che l’errore umano è la principale vulnerabilità nell’ecosistema online.

Immaginate la scena: avete un problema con la carta di credito, siete nervosi e avete fretta. Aprite il browser sul telefono, digitate “assistenza clienti banca X”, toccate il primo numero che appare in alto—magari evidenziato da un riquadro “intelligente” del motore di ricerca—e chiamate.

Dall’altra parte una voce professionale vi chiede i codici di accesso per “bloccare l’anomalia”. Eseguite.

Cinque minuti dopo, il conto è vuoto.

Non è un incubo distopico, è il martedì mattina di migliaia di utenti nel 2026. Fino a ieri, la nostra difesa principale era il filtro antispam per le chiamate in entrata.

Ma cosa succede quando siamo noi a chiamare il lupo, convinti di bussare alla porta della nonna?

È qui che entra in gioco l’annuncio odierno di Yandex. Il gigante tecnologico russo ha appena rilasciato una funzionalità per i suoi assistenti Alice e il Browser mobile che ribalta completamente la prospettiva della sicurezza telefonica: un sistema che analizza le chiamate in uscita in tempo reale.

Non è solo un aggiornamento software, è l’ammissione tacita che l’ecosistema dell’informazione online è diventato un campo minato dove l’errore umano è ormai la vulnerabilità principale.

La mossa arriva in un momento in cui la fiducia nell’identità digitale è ai minimi storici. Le vecchie liste nere di numeri spam sono obsolete nel momento stesso in cui vengono compilate; serviva qualcosa di vivo, capace di ragionare.

L’inganno del “chiama tu”

Per capire la portata di questa innovazione, dobbiamo guardare ai dati nudi e crudi, che sono spaventosi.

Secondo le statistiche interne rilevate dall’azienda, il 67% delle chiamate verso i truffatori parte dagli utenti stessi, spesso convinti di contattare un servizio legittimo.

È il fenomeno del “Reverse Scam”.

I criminali non perdono più tempo a bombardare milioni di numeri a caso sperando che qualcuno risponda. Hanno affinato la mira. Creano siti web clone, falsificano le schede di Google Maps e, fatto ancora più inquietante, avvelenano i risultati delle intelligenze artificiali generative.

Se pensate che sia un problema limitato, vi sbagliate. Le tecniche di SEO poisoning (l’arte di far salire siti malevoli nei risultati di ricerca) si sono evolute.

Già all’inizio dell’anno, rapporti di sicurezza hanno evidenziato come i truffatori abbiano iniziato a manipolare gli strumenti di ricerca AI per promuovere numeri falsi, ingannando gli utenti che si fidano ciecamente delle risposte fornite dai chatbot.

La tecnologia di Yandex cerca di inserirsi proprio in questo gap cognitivo. Quando l’utente compone un numero o clicca su un link “chiama ora”, l’app non si limita a connettere la linea.

In una frazione di secondo, un algoritmo di machine learning interroga un database comportamentale, valutando se quel numero ha le “impronte digitali” di un servizio clienti reale o di un call center truffaldino in qualche scantinato remoto.

Ma come fa una macchina a distinguere la verità dalla menzogna in pochi millisecondi?

Oltre 300 segnali di allarme

La magia—o la sorveglianza, a seconda dei punti di vista—sta nella granularità dei dati. Il nuovo identificatore non si basa su semplici segnalazioni degli utenti (“questo numero mi ha disturbato”), che possono essere manipolate o arrivare troppo tardi.

Il sistema analizza oltre 300 fattori contestuali.

Valuta l’attività recente del numero: ha ricevuto improvvisamente migliaia di chiamate brevi? È presente nelle rubriche di altri utenti reali (un segnale di fiducia) o è un fantasma digitale apparso ieri? Quanto velocemente cadono le chiamate dirette a quel numero?

È un approccio che ricorda i sistemi antifrode delle carte di credito, ma applicato alla voce. Se un numero si comporta come un call center fraudolento, l’app mostra un avviso a tutto schermo prima che la chiamata venga inoltrata.

Questo livello di analisi è cruciale perché l’avversario non è più un umano con un telefono, ma un software.

Nel settore retail, la situazione è critica: si stima che tre tentativi di frode su dieci siano generati dall’AI, con grandi catene che ricevono quotidianamente migliaia di chiamate da bot sofisticati. L’IA di difesa deve essere necessariamente più veloce dell’IA di attacco.

Tuttavia, c’è un rovescio della medaglia che non possiamo ignorare. Per proteggerci, stiamo chiedendo a un’azienda privata di analizzare in tempo reale chi chiamiamo, quando e perché.

Privacy vs Sicurezza: il patto col diavolo?

L’entusiasmo per la soluzione tecnica non deve offuscare la valutazione critica sulle implicazioni di privacy.

Yandex afferma che l’elaborazione avviene nel rispetto dei dati, utilizzando informazioni aggregate e anonimizzate. Ma la natura stessa di un sistema “in-app” che monitora le chiamate in uscita richiede permessi profondi sul sistema operativo del nostro smartphone.

Siamo di fronte al classico dilemma del decennio: per essere sicuri in un mondo digitale infestato da deepfake e bot, dobbiamo cedere un altro pezzo della nostra autonomia a un algoritmo “guardiano”.

La mossa di Yandex segna un punto di non ritorno. Se prima il controllo antispam era una utility passiva, ora diventa un arbitro attivo delle nostre comunicazioni.

È probabile che vedremo presto funzionalità simili integrate nativamente in iOS e Android a livello globale, spinte non solo dalla concorrenza ma dalla necessità di arginare un’emorragia finanziaria causata dalle frodi che pesa per miliardi sull’economia globale.

La tecnologia ci ha portato in un mondo dove non possiamo più fidarci dei nostri occhi quando leggiamo un numero di telefono sullo schermo. La soluzione proposta è un “grillo parlante” digitale che ci trattiene il dito prima di premere il tasto verde.

Resta da chiedersi: tra qualche anno, saremo ancora capaci di riconoscere una truffa da soli, o la nostra intuizione si atrofizzerà completamente, lasciandoci in balia dell’errore (o della manipolazione) dell’algoritmo stesso?