导语：生成式人工智能正在重塑欺诈经济学，但被打破的不是“了解你的客户”（KYC）规则，而是许多KYC流程对“固定考试”的依赖。当假证件、合成身份和深度伪造媒体可以快速、廉价且高度连贯地生成，静态、统一的验证路径正变得容易被研究、排练和击败。
伪造经济学的翻转
一份被广泛分享的AI驱动欺诈分析指出，过去需要专业伪造者、专门材料和犯罪网络才能完成的伪造任务，如今只需一个提示词即可部分实现。数字护照、合成身份、公用事业账单、深度伪造自拍和活体视频，正以令人不安的连贯性被批量生产。
项目管理中的经典“铁三角”认为，项目可以快而便宜但质量差，可以好而快但不便宜，也可以便宜而好但不快。但在欺诈领域，AI已打破这一取舍：虚假文件和身份可以同时做到快、便宜且具有说服力。
监管数据拉响警报
这种变化已产生现实后果。美国金融犯罪执法网络（FinCEN）报告称，涉及疑似深度伪造媒体的可疑活动报告增加，尤其是用于绕过验证和认证的欺诈性身份文件。德勤金融服务中心在2024年预测，生成式AI可能推动美国欺诈损失从2023年的123亿美元升至2027年的400亿美元。
攻防成本严重不对称
问题不仅在于伪造质量更高，更在于攻击者每次尝试的成本已经崩塌，而防御者每次检查的成本几乎未变。若每出现一种新威胁就增加一道人工审核，等同于用防御成本上升回应欺诈成本下降。长期来看，传统KYC团队难以在这种消耗战中取胜。
这并非主张削弱控制。法证级文件分析、真正的活体检测而非追求高通过率的噱头，以及对照独立来源进行验证，应成为最低要求。但部署在静态流程中的控制措施，终究会被欺诈者研究、排练并击败。
固定考卷等于公开考题
许多开户流程仍要求所有申请人按同样顺序回答同样问题、提交同样文件，无论客户类型、司法管辖区、产品或风险水平如何。这如同公开发布考卷。欺诈者一旦知道问题，问得再多也意义有限。
自适应旅程胜过更长表格
更好的方法不是向所有人提出更多问题，而是根据申请人已提供的信息，问对的问题、索取对的材料，更像交叉盘问而非填写表格。当开户旅程能随客户类型、司法管辖区、申请产品和新兴风险自适应调整时，一致性本身就会成为测试。
文件必须匹配个人或实体的类型，答案必须符合监管画像，画像必须在司法管辖区、所有权结构、预期活动和申请产品方面说得通。深度伪造或许能击败单一脸部检查，但合成身份要在相互连接的规则集中持续保持可信，难度会大幅上升。欺诈者不再只是击败一个检测器，而须在每一项相关事实、文件、规则和决策中维持同一个谎言。正如相关分析所言，迹象很多，必须作为整体来看。
诚实客户也应获得更顺畅体验
自适应KYC也能减少合法申请人的摩擦。诚实客户应只被询问相关问题，只提供无法在后台可靠获取的信息。对所有人采用单一僵化通道，结果适得其反：真实客户承受不必要摩擦，欺诈者却获得可排练的脚本。
KYC不止于开户
开户会结束，KYC不会。初始收集的信息只是快照。身份验证、分类、风险评估和监控必须在整个客户生命周期中保持连接；一旦活动不再符合声明的画像，就应触发审查。开户数据应成为动态层，而非密封孤岛。
自动化也不能成为黑箱。机构需要能够查看和修改规则，识别每次触发背后的证据，并解释为何提出某个问题或作出某项决定。自动化支持判断，但不转移责任。
结论：关键问题是整个旅程是否具备监管意义
在近乎完美伪造的时代，关键问题可能不再是文件或人脸看起来是否真实，而是整个旅程是否具有监管意义。对加密货币公司和金融机构而言，这意味着从固定考试转向自适应、相互连接且可解释的验证体系。