Som entreprenör och investerare sitter jag ofta på andra sidan av många pitchar. Jag får ofta se presentationer med vägar framåt och team som säger att deras framgång är äkta.
Mitt jobb är att ta reda på vilka delar av dessa pitchar som klarar sig i mötet med blockkedjan. Därför, när jag säger att detektion i branschen har blivit bättre, så upprepar jag inte bara vad någon leverantör sagt.
Plattformar för blockkedjeforensik, som Chainalysis, TRM Labs och Elliptic, har fryst eller återtagit uppskattningsvis 34 miljarder USD i olagliga tillgångar. Mer än 45 myndigheter världen över använder nu dessa verktyg som standard. De hjälper till att spåra stulet kapital med metoder som plånbokskluster och attributering till aktörer, och detta fungerar tillräckligt bra för att klara sig i domstol.
Tack vare AI kan nya generationer av dessa verktyg mer än att bara spåra pengar efter att de flyttats. Idag finns det förutsägande plattformar som påstår sig flagga en plånbok innan den gör något alls.
De bedömer beteenden över 50+ egenskaper och tränas om dagligen. En leverantör påstår sig ha 98 % noggrannhet på 14 miljoner plånböcker. Det finns även “rug-pull”-scanners direkt i AI-baserade tradingagenter som kontrollerar likviditetslås, frysbefogenheter och utvecklarehistorik på cirka fem sekunder.
En sådan tjänst rapporterade att den har skannat över 881 000 token-adresser och varnat för 271 000 som högrisk. Det finns även klusterverktyg som identifierar “vilande” adresser som legat stilla i flera år, men plötsligt blivit aktiva precis före en likvidation – ungefär som att någon smyger på gatan utanför ditt hem.
Om du bara läser leverantörernas sidor kan du lätt tro att kryptobedrägerier nästan är lösta nu, eftersom vi har en armé av AI-modeller som övervakar varje kedja, plånbok och transaktion dygnet runt.
Men om du ser vad denna AI-era har gjort på andra sidan får du en annan bild.
Siffrorna bakom AI-baserade kryptobedrägerier
Enligt Chainalysis ligger totala förluster för kryptobedrägerier under 2025 på cirka 17 miljarder USD, upp från 9,9 miljarder USD året före. FBI rapporterar 11,36 miljarder USD i kryptoförluster i USA enbart, vilket är en ökning på 22 % mot året innan.
De siffrorna ser du ofta på panelslides. Men det finns en siffra som verkligen ändrade hur jag jobbar med due diligence: Chainalysis visade att AI-baserade bedrägerier var 4,5 gånger mer lönsamma än traditionella bedrägerier.
Samma bluff, samma målgrupp, men med AI kan bedragare skapa falska kundtjänstmedarbetare, investerare eller pålitliga kontakter för fler offer samtidigt.
Lior Aizik, medgrundare och COO på kryptobörsen XBO, har tydligt varnat för att imitationsbedrägerier ökar och blir allt mer avancerade. Hans enkla tumregel är: överför aldrig din krypto till någon du inte kan verifiera, särskilt om det handlar om brådska och hemlighetsmakeri.
Imitationbedrägerier – där bedragare låtsas vara bank, investerare eller kändis inom krypto – växte med 1 400 % år-till-år. Nu använder bedragare AI för att skapa dyr, riktad bluff mot personer de först har samlat in information om, istället för att bara massutskicka till många på en gång som förr.
Det gjorde att medelbeloppet per betalning ökade kraftigt, från 782 USD under 2024 till 2 764 USD år 2025, en ökning med 253 %. Jag tar detta personligt, för det är ofta investerare och företagare med offentliga profiler som blir kopierade.
Här kommer det obekväma: även om försvarssystemen blivit mycket bättre, har resultaten för bedragarna också blivit kraftfullare.
Det känns som ett generativt nätverk där skaparen och granskaren hela tiden utmanar varandra och tillsammans gör systemet smartare.
Både anfallande och försvarande verktyg bygger på samma AI-teknik. Just nu gynnas den som agerar först, inte nödvändigtvis den som bygger den bästa modellen på egen hand.
Varför bättre detektion ändå ligger steget efter
Det ärligt svarade är att forensiska verktyg skapats för utredningar, inte för att förhindra brott i förväg. För att en utredning ska starta måste ett brott redan ha hänt.
Du behöver en drabbad som redan har förlorat pengar innan du kan hitta ett tillräckligt tydligt mönster att varna för. Även de förutsägande modellerna som påstår att de kan avslöja en bluff innan den händer har tränats på gårdagens bedrägerier – och morgondagens bedrägerier skapas av personer som läst samma träningsdata.
Jag insåg detta på riktigt under FBI:s NexFundAI-operation: den falska “honungskrukan” som agenterna utvecklade för att fånga fuskhandlare.
Dagen efter att DOJ berättade om gripanden kopplade till operationen, kopierade någon exakt samma smarta kontrakt och startade en kopia av tokenen. På en dag tjänade personen 127 000 USD genom att använda samma taktiker som FBI just visade i domstolsdokumenten.
Alla LP som frågade mig om “det värsta beteendet på den här marknaden äntligen höll på att tas bort” fick sitt svar inom ett dygn.
FBI-operationen blev en mall för angriparen. Varje offentliggörande som hjälper försvararen ger angriparen en färdig mall — och angripare agerar snabbare än myndigheter hinner reagera.
Attacken har nu blivit billigare och snabbare
Du kan se samma obalans i hur lite ansträngning en attack numera kräver. Mjukvaruutvecklaren Peter Steinberger byggde ett populärt öppen källkodsprojekt som låter dig använda en AI-assistent på din dator med full systemåtkomst via appar som Telegram, WhatsApp och Discord.
Produkten fick byta namn efter en varumärkestvist.
Bara några minuter efter namnbytet kapade någon hans gamla GitHub- och X-konton och använde dem för att lansera och pumpa upp en token som nådde ett börsvärde på 16 miljoner USD innan den föll med över 90%.
Ingen skadlig kod, inga stulna nycklar. Bara någon som var snabb nog att utnyttja en lucka i uppmärksamheten som inga analysverktyg letade efter. Verktygen letade inte eftersom inget olagligt hade hänt än.
När det är AI-agenten som blir lurad
Det oroar mig inte bara att människor går på detta, eftersom så många av förslagen jag får handlar om “låta vår AI-agent handla åt dig.” De agenterna kan också förlora pengar åt dig.
En utvecklare berättade att en AI-agent på Solana köpte en token som föll med 94% efter tjugo minuter, vilket kostade agentens plånbok 12 000 USD.
Vid kontroll hade tokenen aktiverad frysmyndighet, de 10 största innehavarna kontrollerade 91% av utbudet. Den som skapade tokenen hade redan lanserat tre tidigare blufftoken.
Alla de varningssignalerna skulle gå att kontrollera på sekunder med verktygen jag har beskrivit här. Men agenten kollade inte. Den såg bara en token och ett pris och köpte — för ingen hade kopplat säkerhetslagret till beslutslagret.
Det är precis det felet jag nu alltid stresstestar i varje presentation om fond som använder agenter.
Delen som inga verktyg kan lösa
Det som oroar mig mest är att vissa skador aldrig hamnar i ett smart kontrakt. Jag har en offentlig profil och följare, vilket gör att jag lätt kan bli den typ av person som någon klonar.
I maj rapporterade man att en kvinna i Guelph, Ontario, förlorade 14 000 USD till bedragare efter att ha trott att hon pratade med YouTubern Mr Beast om en kryptoinvestering. Det gjorde hon inte. Mr Beast har i flera år kämpat mot AI-genererade videor som använder hans ansikte för att lura folk med falska tävlingar.
Analysverktyg markerar inte dessa kontakter, eftersom inget av det sker på kedjan förrän pengarna redan flyttas. Bedrägeriet sker i ett videosamtal, i ett ögonblick av förtroende. När det finns en transaktion att analysera har offret redan tagit sitt beslut.
AI har blivit bättre på att skapa falskt förtroende snabbare än på att avslöja det. Och det är där största delen av de 17 miljarder USD faktiskt försvann.
AI-kryptobluffar: vem vinner egentligen?
Ingen sida.
Det är det ärligaste svaret jag kan ge. Båda sidor har riktiga verktyg, både för analys och prognos. Återvinningarna är verkliga. Att ignorera dem bara för att bedrägerierna också har ökat vore också oärligt.
Men “riktiga och blir bättre” betyder inte “ledande”. Data för 2025 visar tydligt: i USD har angreppen utvecklats snabbare än försvaret.
Om det finns en anledning är det denna. Upptäcktsverktyg svarar mest på frågan “är den här plånboken misstänkt?”—och den frågan ställs först när någon väljer att kontrollera.
Sen finns fall som Guelph, där det inte ens finns någon plånbok att kontrollera. AI har gjort sådana fall vanligare. Det är därför jag slutat se AI som en styrka i någon presentation och istället har börjat stresstesta det först.
Blockkedjan kan bekräfta en plånboks historik. Den kan inte bekräfta ett telefonsamtal,
