Oszustwo na wnuczka 2.0: jak klonuje się głos z mediów społecznościowych

Telefon dzwoni wieczorem. W słuchawce głos córki — płacze, mówi, że miała wypadek, że pilnie potrzebuje pieniędzy. Rodzic działa pod presją emocji i przekazuje gotówkę kurierowi. Dopiero po czasie okazuje się, że córka cały czas była na treningu, a „głos” należał do sztucznej inteligencji. Klasyczne oszustwo „na wnuczka” istnieje od dekad, ale sztuczna inteligencja naprawiła dokładnie tam, gdzie było najsłabsze: w brzmieniu mowy.

Skąd oszust bierze głos

Do sklonowania głosu wystarczy dziś krótkie nagranie — kilkanaście sekund, częściej jeszcze mniej. Badacze z McAfee ustalili, że darmowe narzędzie internetowe potrzebowało zaledwie trzech do czterech sekund nagrania, by uzyskać 85-procentowe dopasowanie barwy i sposobu mówienia; model VALL-E firmy Microsoft zademonstrował klonowanie z trzesecondowej próbki. Narzędzia komercyjne wymagają niewiele więcej — około minuty czystego nagrania, w abonamencie kosztującym kilka dolarów miesięcznie.

Problem w tym, że głos przeciętnego nastolatka jest już publicznie dostępny w dziesiątkach miejsc. Według danych Pew Research Center z 2025 roku około dziewięciu na dziesięciu amerykańskich nastolatków korzysta z serwisu YouTube, a około sześciu na dziesięciu z TikToka i Instagrama. Każdy film, w którym ktoś mówi, każda relacja, transmisja na żywo, występ w podcaście, wiadomość głosowa na czacie grupowym, wycięty fragment rozmowy podczas gry online — to potencjalna próbka. Do tego dochodzi coś, o czym dorośli często zapominają: powitanie na poczcie głosowej, nagrane własnym głosem nastolatka i odtwarzane automatycznie każdemu, kto zadzwoni.

Skala zjawiska

Raport FBI o przestępczości internetowej za 2025 rok po raz pierwszy w historii wyodrębnił oszustwa wspomagane przez sztuczną inteligencję jako osobną kategorię: 22 364 zgłoszenia i około 893 miliony dolarów zgłoszonych strat. Telefony „alarmowe” z klonowaniem głosu, naśladujące bliskich członków rodziny, przyniosły sprawcom ponad 5 milionów dolarów — liczbę, którą samo FBI uznaje za zaniżoną, ponieważ ofiary często nie potrafią ocenić, czy w grę wchodziła w ogóle sztuczna inteligencja.

To nie jest zjawisko marginalne. Centrum Zasobów Kradzieży Tożsamości (Identity Theft Resource Center) odnotowało 148-procentowy wzrost przypadków oszustw z podszywaniem się w okresie od kwietnia 2024 do marca 2025 roku. W Polsce CERT Polska odnotował w 2024 roku wzrost zgłoszeń związanych z automatycznymi oszustwami telefonicznymi o 78 procent w porównaniu z rokiem poprzednim.

Ucho zawodzi — nawet u ekspertów

Wieloletnia rada „nasłuchuj czegoś robotycznego” przestała działać. Badanie University College London opublikowane w 2023 roku na łamach PLOS ONE wykazało, że słuchacze wychwytywali mowę wygenerowaną przez sztuczną inteligencję tylko w 73 procentach przypadków, a szkolenie ledwie pomagało. Dwa lata później margines błędu się pogłębił: badacze z UC Berkeley ustalili, że ludzie poprawnie oznaczali głosy AI jedynie w około 60 procentach przypadków, a porównując prawdziwy głos z jego klonem obok siebie, uznawali je za różnych mówców tylko w 20 procentach przypadków. Badanie Queen Mary University of London opisane pod koniec 2025 roku wykazało, że słuchacze nie potrafią już statystycznie odróżnić komercyjnych klonów głosu od prawdziwych ludzkich nagrań.

Co gorsza, narzędzia do klonowania pozostają słabo chronione. Gdy Consumer Reports ocenił w marcu 2025 roku sześć konsumenckich produktów do klonowania głosu, okazało się, że cztery z sześciu nie wymagały niczego poza zaznaczeniem pola — oświadczenia, że ma się prawo do sklonowania danego głosu. Żadnej technicznej weryfikacji, czy osoba mówiąca w nagraniu kiedykolwiek wyraziła zgodę. W praktyce oznacza to, że ktokolwiek dysponuje nagraniem głosu Pana lub Pani dziecka, może je sklonować.

Jak to wygląda w polskim prawie

Polskie prawo nie ma osobnego przepisu o klonowaniu głosu. Nie znaczy to jednak, że sprawca jest bezkarny: wyłudzenie pieniędzy sklonowanym głosem to zwykłe oszustwo z Kodeksu karnego, niezależnie od użytej techniki. Głos jest ponadto dobrem osobistym — w listopadzie 2025 roku do Sądu Okręgowego w Warszawie wpłynął pierwszy w Polsce pozew dotyczący komercyjnego wykorzystania głosu wygenerowanego przez AI: znany lektor Jarosław Łukomski pozwał firmę, która bez jego zgody użyła kopii jego głosu w płatnej kampanii reklamowej. Precedensu sądowego jeszcze nie ma, ale sygnał jest czytelny: kradzież głosu przestaje uchodzić płazem.

Czym się bronić

Ponieważ ucho zawodzi, weryfikować trzeba osobę, a nie dźwięk. Wiarygodne sygnały ostrzegawcze są behawioralne, nie akustyczne: ekstremalny pośpiech, żądanie zachowania sprawy w tajemnicy, obca osoba „przejmująca rozmowę”, nieodwracalna metoda płatności (gotówka u kuriera, kryptowaluta, kody z aplikacji).

• Ustalcie rodzinne hasło awaryjne — takie, którego nie znajdzie się w żadnym publicznym nagraniu. Jeśli ktoś zadzwoni i będzie brzmiał jak ktoś z rodziny w tarapatach, poproście o to hasło.
• Rozłączcie się i oddzwońcie na numer zapisany w telefonie, cokolwiek dzwoniący mówi. Nie oddzwaniajcie na numer podany w rozmowie.
• Ograniczcie publiczne nagrania głosu dzieci — FBI zaleca prywatne konta i rezerwowanie nagrań z głosem dla najbliższych.
• Przypominajcie dziadkom zasadę weryfikacji — to oni są najczęstszym celem telefonów o „wypadku” czy „aresztowaniu”.

Głos przestał być pewnym dowodem tożsamości. Zdrowa podejrzliwość i prosty protokół weryfikacji pozostają najtańszą i najskuteczniejszą obroną.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.