Som gründer og investor sitter jeg ofte på motsatt side av mange pitches. Jeg får presentasjoner på pulten min som bygger på veikart og team som sverger på sin reelle fremgang.
Jobben min er å finne ut hvilke deler av disse pitchene som faktisk tåler møtet med blokkjede-teknologien. Så når jeg sier at oppdagelsessiden av denne bransjen faktisk har blitt bedre, gjentar jeg ikke bare en instruktørs pitch deck.
Blokkjede-forensiske plattformer som Chainalysis, TRM Labs og Elliptic har frosset eller hentet tilbake anslagsvis $ 34 milliarder i ulovlige midler. Mer enn 45 regulatorer verden over bruker nå disse verktøyene som standard. De hjelper til med å hente tilbake stjålne penger, sporet gjennom wallet-clustering og entitetsattribusjon som er gode nok til å holde i retten.
Takket være AI gjør nyere generasjoner av disse verktøyene mer enn å spore penger etter at de allerede har blitt flyttet. I dag finnes det prediktive plattformer som hevder å flagge en wallet før den i det hele tatt handler.
De skårer atferd mot over 50 funksjoner og trenes opp på nytt daglig. Én leverandør hevder en treffsikkerhet på 98 % basert på 14 millioner wallets. Vi har fått rug-pull scannere rett inne i AI trading-agenter, som sjekker likviditetslåsing, frysemyndighet og utviklerhistorikk på rundt fem sekunder.
En slik tjeneste rapporterte å ha skannet over 881 000 token-adresser og flagget 271 000 som høyrisiko. Det finnes også wallet-clustering verktøy som oppdager en «sover»-adresse som lå brakk i årevis og kun våknet til liv rett før en likvidering — den digitale versjonen av å se at noen speider på gaten din.
Hvis du kun leser leverandørsidene, ville du tro at kryptobedrageri i praksis er løst, fordi vi nå har et lite hærskare av maskinlæringsmodeller som overvåker hver kjede, wallet og transaksjon døgnet rundt.
Så sjekker du hva akkurat den samme maskinlæringsepoken har gjort med den andre siden av regnskapet.
Tallene bak AI kryptosvindel
I følge Chainalysis utgjør totale tap fra krypto-svindel og bedrageri i 2025 rundt $ 17 milliarder, opp fra $ 9,9 milliarder året før. FBIs eget tall for kryptobedrageri i samme periode er $ 11,36 milliarder bare i USA, en økning på 22 % år-over-år.
Dette er tallene som havner på konferansesliden. Men det som faktisk endret min måte å gjennomføre due diligence på, er dette: Chainalysis fant at AI-drevne svindler var 4,5 ganger mer lønnsomme enn tradisjonelle.
Samme bløff, samme mål, men med AI kan svindlere masseprodusere falske supportagenter, falske investorer eller tilsynelatende pålitelige innsidere.
Lior Aizik, medgründer og Chief Operating Officer ved kryptobørsen XBO, har offentlig advart om at imitasjonssvindel øker og blir mer sofistikert over hele bransjen. Hans leveregel er enkel: overfør aldri kryptoen din til noen du ikke kan verifisere, særlig hvis forespørselen fremstår som både hastende og hemmelighetsfull.
Imitasjonsbedrageri — kriminelle som utgir seg for å være en bank, investor eller krypto-influenser — viste en økning på 1400 % år-over-år. Nå bruker svindlere AI for å kjøre dyre, målrettede svindel mot folk de har profilert først, heller enn tidligere tiders billige, bredt utsendte svindelforsøk.
Dette førte til at gjennomsnittlig betalingsstørrelse steg kraftig, fra $ 782 i 2024 til $ 2 764 i 2025, en økning på 253 %. Jeg tar det personlig, fordi investorer og aktører med en viss offentlig profil er nettopp dem som blir klonet.
Her er det ubehagelige: selv om de defensive verktøyene har blitt mye bedre, har de offensive resultatene også blitt bedre.
Det er som et generativt adversarialt nettverk, hvor generator og diskriminator har et rivaliserende forhold som kontinuerlig forbedrer hele modellen.
Både offensive og defensive verktøy bruker samme AI-egenskaper. Akkurat nå er det fortsatt den som beveger seg først som får fordelen, ikke den som lager den beste modellen i isolasjon.
Hvorfor bedre oppdagelse fortsatt taper kappløpet
Det ærlige svaret er at forensiske verktøy er laget for detektivarbeid, ikke prognose. For at en etterforskning skal starte, må en forbrytelse allerede ha skjedd.
Du trenger et offer som allerede har tapt penger før du kan spore et mønster tydelig nok til å flagge. Selv de prediktive modellene som hevder å kunne stoppe en rug pull før den skjer, er trent på gårsdagens svindler — og morgendagens svindel designes av noen som har lest det samme treningsgrunnlaget.
Dette ble tydelig for meg i sanntid med FBI sitt NexFundAI-raid: den falske honningkrukke-tokenen føderale agenter laget for å ta vasketradere.
Dagen etter at DOJ kunngjorde arrestasjoner knyttet til operasjonen, klonet noen den nøyaktige smartkontrakten og lanserte en etterligning-token, og tjente $ 127 000 på én dag ved å bruke de samme taktikkene FBI nettopp hadde avslørt i rettsdokumentene.
Hver likviditetsleverandør som spurte meg om “det verste i dette markedet endelig var i ferd med å ryddes opp”, ville fått svaret sitt innen tjuefire timer.
FBI-operasjonen ble malen for angriperen. Hver offentliggjøring som hjelper forsvareren gir også angriperen en fungerende oppskrift — og angripere leser raskere enn regulatorer kan lappe.
Angrepssiden har blitt billigere og raskere
Du ser den samme asymmetrien i hvor lite innsats et angrep nå krever. Programvareutvikleren Peter Steinberger bygde et populært open-source-prosjekt som lar deg kjøre en AI-assistent på din datamaskin med full systemtilgang via apper som Telegram, WhatsApp og Discord.
Produktet måtte bytte navn etter en varemerketvist.
Innen få minutter etter kunngjøringen om navnebyttet hadde noen kapret hans gamle GitHub- og X-kontoer og brukte dem til å lansere og pumpe en token som nådde en markedsverdi på $ 16 millioner før den falt med over 90 %.
Ingen skadelig programvare, ingen stjålne nøkler. Bare noen som var raske nok til å utnytte en oppmerksomhetssvikt som ingen etterforskningsverktøy lette etter. Verktøyene lette ikke fordi ingenting ulovlig hadde skjedd ennå.
Når det er AI-agenten som blir rugged
Det er ikke bare mennesker som lar seg lure dette som bekymrer meg, fordi så mange av pitchene jeg får er en variant av “la vår AI-agent handle for deg.” Disse agentene kan også tape penger på dine vegne.
En utvikler beskrev hvordan en AI-agent på Solana kjøpte en token som rugged 94 % etter tjue minutter, og kostet agentens wallet $ 12 000.
Ved nærmere undersøkelse hadde tokenen aktivert fryse-rettigheter, de ti største eierne kontrollerte 91 % av totalen. Utstederen hadde allerede lansert tre tidligere svindeltokens.
Hver av disse varsellampene skulle vært lett å sjekke på sekunder med de deteksjonsverktøyene jeg har beskrevet her. Men agenten sjekket ikke. Den så bare en token og en pris og kjøpte — fordi ingen koblet sammen sikkerhetslaget og beslutningslaget.
Dette er akkurat den typen feil jeg nå stresstester i alle fonds-pitcher som bruker agenter og som havner på mitt bord.
Delen ingen verktøy kan fikse
Det som bekymrer meg mest, er at noe av denne skaden aldri berører en smartkontrakt i det hele tatt. Jeg har en offentlig profil og følgere, noe som gjør meg til akkurat den typen ansikt som blir klonet.
I mai ble det rapportert at en kvinne i Guelph, Ontario, tapte $ 14 000 til svindlere etter at hun trodde hun snakket med YouTuberen Mr Beast om en kryptoinvestering. Det gjorde hun ikke. Mr Beast har i årevis kjempet mot AI-genererte videoer som bruker hans utseende til å promotere falske giveways.
Etterforskningsverktøy varsler ikke slike hendelser, fordi ingenting av det skjer på blokkjeden før pengene allerede er på vei. Svindelen skjer på en videosamtale, i et øyeblikk av tillit. Når det finnes en transaksjon for en analyseplattform å score, er beslutningen som kostet offeret allerede tatt.
AI har blitt bedre til å produsere falsk tillit raskere enn den har blitt til å varsle om det. Og det var dit mesteparten av de $ 17 milliarder faktisk forsvant.
AI kryptosvindel: Så hvem vinner egentlig
Ingen av sidene.
Det er det mest ærlige svaret jeg kan gi. Begge typene verktøy, etterforsknings- og prediksjonsbaserte, finnes. Oppgangene er reelle. Å avfeie dem bare fordi svindelen også har økt, ville vært sin egen form for uærlighet.
Men “reelt og i utvikling” er ikke det samme som “fristart.” Dataene for 2025 er tydelige: målt i dollar har angrepssiden utviklet seg raskere enn forsvaret.
Om det finnes én forklaring på det, så er det dette. Deteksjonsverktøy svarer hovedsakelig på spørsmålet “er denne wallet-en mistenkelig?” — og det spørsmålet stilles først etter at noen bestemmer seg for å sjekke.
Så er det tilfeller som Guelph, der det ikke finnes noen wallet å analysere i det hele tatt. AI har gjort slike hendelser vanligere, og derfor har jeg sluttet å se på AI som et salgsargument i noen pitch, og begynt å gjøre det til det første jeg vil stressteste.
Blokkjeden kan bekrefte en wallets historie. Den kan ikke bekrefte en telefonsamtale,
