Một nghiên cứu mới cho thấy khoảng 1/6 người trưởng thành tại Mỹ có thể phản ứng theo hướng dễ sập bẫy trước các cuộc gọi lừa đảo sử dụng giọng nói do AI tạo ra. Đáng chú ý, những kịch bản mạo danh người thân đang gặp nguy hiểm tỏ ra hiệu quả hơn rõ rệt, trong khi yếu tố quyết định không nằm ở độ chân thực của giọng nói mà ở mức độ thuyết phục của nội dung cuộc gọi.

Theo ITmedia ngày 28/10/2026, nhóm nghiên cứu thuộc Harvard và Meta đã tiến hành một thử nghiệm về voice phishing với giọng nói AI trên 4.100 người trưởng thành tại Mỹ. Nhóm này so sánh giọng người thật với sáu mô hình tạo giọng nói bằng AI, gồm Llama Full Duplex của Meta, OpenAI AVM, Google Gemini, Sesame, PlayAI và ElevenLabs.

Thử nghiệm được xây dựng trên 5 kịch bản lừa đảo, gồm mạo danh công ty thẻ tín dụng, mạo danh bộ phận hỗ trợ Gmail, kêu gọi quyên góp, giả danh cảnh sát để yêu cầu tiền bảo lãnh cho người thân và mạo danh chị hoặc em gái đang gặp nguy hiểm để đề nghị chuyển tiền khẩn cấp. Người tham gia nghe bản ghi âm cuộc gọi hoặc đọc nội dung hội thoại, sau đó đánh giá khả năng họ sẽ làm theo yêu cầu.

Kết quả cho thấy, tính trên toàn bộ các kịch bản, tỷ lệ người trả lời “sẽ làm theo” hoặc “khó đưa ra quyết định” đạt trung bình 16,5%. Riêng với kịch bản mạo danh chị hoặc em gái gặp nạn sử dụng công nghệ nhân bản giọng nói của ElevenLabs, tỷ lệ này lên tới 36,1%.

Nhóm nghiên cứu cho biết các thủ đoạn khai thác cảm xúc và mối quan hệ cá nhân có khả năng khiến người nghe làm theo cao hơn đáng kể so với kiểu mạo danh tổng đài thông thường. Theo phân tích của nhóm, yếu tố then chốt không phải là giọng AI tự nhiên đến đâu, mà là câu chuyện có đủ sức tạo cảm giác khẩn cấp và khơi gợi sự thương cảm hay không.

Về khả năng nhận diện, 70,3% người tham gia xác định đúng giọng AI. Tuy nhiên, tỷ lệ nhầm lẫn giọng người thật với giọng AI cũng lên tới 67,4%. Nghiên cứu cũng cho thấy việc thường xuyên sử dụng AI tạo sinh hoặc trợ lý giọng nói không tạo ra khác biệt rõ rệt trong năng lực phân biệt.

Ước tính về hiệu quả kinh tế cho thấy nếu các cuộc gọi lừa đảo được thực hiện bởi con người, với mặt bằng chi phí lao động tại Mỹ, mức tổn thất vào khoảng 27 USD mỗi giờ. Trong khi đó, nếu sử dụng một số mô hình AI, kẻ lừa đảo có thể kỳ vọng lợi nhuận từ 1 đến 3 USD mỗi giờ.

Dù vậy, nhóm nghiên cứu nhấn mạnh đây chỉ là kết quả đo lường phản ứng trong khảo sát, không phải thiệt hại thực tế. Vì thế, không nên xem tỷ lệ 16,5% là tỷ lệ “thành công” thực tế của voice phishing. Nhóm cũng cảnh báo rằng khi công nghệ giọng nói AI ngày càng phổ biến, lừa đảo qua điện thoại có thể được tự động hóa ở quy mô lớn, đồng thời chi phí thực hiện các cuộc gọi hàng loạt sẽ tiếp tục giảm.