隐秘守护者：AI反欺诈独角兽的幕后战争
This Startup Catches Fraud at Scale
本报告由 AI 深度分析生成，基于视频完整字幕。
导读
在互联网世界里，有一批公司存在于你的日常生活中，却从不出现在你的视野里。它们处理你不知道自己在经历的风险，阻止你从未意识到的欺诈，让你在平台上的每一次交易、每一次众筹、每一次身份验证都悄悄地经过一道隐形的安全审查。
Variance 就是这样一家公司。
这是一家为风险与合规领域专门构建 AI Agent 的初创企业，运营了整整三年，从未主动曝光。直到这次 Y Combinator 的 Founder Fireside 访谈，Variance 才在宣布 2100 万美元 A 轮融资的同时，第一次走到台前。
联合创始人 Karine Mellata 的背景是苹果公司反欺诈工程团队的数据工程师。她与同是苹果出身的机器学习工程师 Michael 共同创立了这家公司。在 YC 批次期间，GPT-4 横空出世；而他们，早在 ChatGPT 问世之前就已经开始用大语言模型解决过去被认为"不可自动化"的合规审查问题。
这次访谈揭开了那道隐形屏障背后的真实世界——欺诈的猫鼠游戏、AI Agent 如何取代整个人工审核团队、一场差点终结公司的自行车事故，以及一种罕见的使命感驱动型创业模式。
阅读提示：原视频约 31 分钟，为 Y Combinator Founder Fireside 系列对话节目。
一、在暗中运作：为什么最重要的安全基础设施从不现身
Variance 在其正式名称 Decoy Technologies 之下，悄悄为众多你每天使用的产品提供安全底层服务。GoFundMe 的每一个募资项目在上线之前，都会经过 Variance AI Agent 的审查。某些你从未听说过的 Fortune 500 企业在进行卖家身份验证时，背后运行的是同一套系统。
Karine 用一句话解释了为什么他们选择隐身运营："We're building the systems that are often used by the bad guys, but we're building them for the good guys."（我们正在构建那些通常被坏人使用的系统，但我们是在为好人构建它们。）
这句话道出了反欺诈行业一个根本性的悖论：你越是把防欺诈手段公开化，欺诈者就越能针对性地绕过它。公开市场推广 = 给对手写攻击指南。这是一种行业级别的信息不对称——防守方必须保持沉默，才能有效防御。
即使完成了 A 轮融资，Karine 也坦言，Variance 在未来很长时间里仍然会是一家活在阴影里的公司。这不是战略选择，而是业务性质决定的必然。
二、AI Agent 如何取代整个人工审核团队
GoFundMe 的众筹欺诈：一个具体的案例
当重大公众事件发生时（自然灾害、名人逝世、枪击案），GoFundMe 平台上会立刻出现大量声称与事件相关的募资项目。以某位名人的逝世为例——几百个账户会同时创建"为其家人筹款"的项目，其中大多数是欺诈者趁机敛财。
Variance 的 AI Agent 需要在这些募资项目中，通过行为信号、账户历史、身份信息、募资内容（图片、文字）等多维度数据，结合 GoFundMe 的服务条款，自动决策每一个项目是否合法。
这件事曾经完全由人工分析师完成。现在已实现全自动化，且比人工审核更加一致——没有疲劳，没有情绪波动，没有班次交替导致的审核标准漂移。
三大技术积木
Karine 总结了 Variance AI Agent 的架构本质，只需三块积木：
- 合规文件：客户的标准操作程序（SOP），定义了什么需要在入职环节验证，在整个实体生命周期的哪些节点需要触发审查。
- AI Agent + 工具：能够调用 Variance 自建工具以及内外部数据的 Agent。
- 数据层：内部客户数据 + 外部数据（覆盖全球数百个企业登记系统）+ 开放网络（非结构化数据）。
这三块积木组合在一起，可以自动化复杂的 KYC（了解你的客户）、KYB（了解你的业务合作方）、内容审核全流程。
三、最难的技术挑战：散落在十个系统里的数据
Karine 被问到"最核心的技术挑战是什么"时，她的回答直接而清醒：数据。
不是模型，不是 Agent 架构，而是数据本身。
一个典型的大型企业客户，其风控相关数据往往分散在 5 到 10 个不同系统里：用户身份数据、登录行为记录、设备历史、PII 入职信息、交易记录……这些数据格式各异，无统一 Schema，甚至很多时候只存在于为人类设计的 UI 界面背后。
这意味着 Variance 的 AI Agent 有时需要像人类操作员一样，直接启动一个浏览器，打开客户内部的老旧审核工具，从界面中抓取数据，然后对其进行推理分析。
Karine 把这个过程描述为"scoop up data from a UI built for a human"（从为人类构建的 UI 中收集数据）。这不是一个优雅的技术方案，但它是真实的企业环境里最有效的接入路径。整个数据摄入问题，本质上是一个客户成功（onboarding）挑战，而不只是一个工程挑战。
此外，Variance 还接入了开放网络作为外部数据源。Karine 特别点出，这是整个欺诈自动化中最后被补上的一块拼图。人类分析师的一大核心工作就是"Google 名字，看看有没有可疑之处"——这种非结构化的网络信息，现在也能被 Agent 自动抓取和推理了。
四、告别规则引擎时代：自愈系统的诞生
过去，企业反欺诈系统通常由三个层次叠加：
| 层次 | 特点 | 局限性 |
|---|---|---|
| 规则引擎 | 确定性规则（交易 > $1000 就触发审查） | 只能处理预设场景，无法应对新型欺诈 |
| 分类器（ML 模型） | 擅长识别某一类特定欺诈模式 | 只能看一维信号，覆盖范围窄 |
| 人工审核 | 能理解上下文、跨信号判断 | 慢、不一致，无法规模化 |
这套系统的最大缺陷不是某一层次的问题，而是整体的反馈回路太慢。欺诈是高度动态的领域，对手（坏人）在持续进化，而基于上述系统的防御很难快速跟上。
Variance 用 AI Agent 系统打通了这三层：Agent 能动态生成规则引擎本来要硬编码的特征；能直接推理图片和非结构化数据，无需专用分类器；能理解上下文做出与人工审核同等质量的决策。最终形成一个"自愈系统"——能在动态的欺诈环境中持续自我优化。
真实案例：检测国家级欺诈团伙
在某次选举期间，一家 Fortune 500 级别的内容平台使用 Variance 时，AI Agent 通过分析实体之间的关系图谱（"this user in relation to all other users we're looking at"），成功检测出了一批涉及国家支持行为者的复杂欺诈环。
这些欺诈团伙正在协调性地推送同一叙事口径。Karine 直接说：如果只有一个独立的分类器逐条看内容，这件事根本不可能被发现。 只有 AI Agent 能跨越多个实体、动态提取特征、多步推理，才能识别出如此复杂的关联欺诈模式。
更进一步——Variance 的系统还实际上阻止了可能发生的现实暴力事件。通过检测网络上有组织的人身威胁行为，数据被移交执法机构。这是一家规模不大的 B2B 企业 SaaS 公司在现实世界中产生的、远超预期的正向影响。
五、极致精简：5名工程师 = 25人团队的输出
Variance 目前只有 12 人，其中仅 5 名软件工程师，却在为全球最大的一批企业处理每天数以亿计的决策。
这怎么可能？
每个工程师都是一个 AI Agent 团队的管理者。
每个人面前有三块显示器，上面跑着各自的编程 Agent。Karine 的表达是："我们说我们有 5 个人，但从软件输出来说，我们大概相当于一支 25 人的团队。"
更令人惊叹的细节：Variance 的客户成功经理（完全没有技术背景） ，现在直接把客户提出的简单功能需求丢给 Cursor Agent，几个小时后自己把功能上线，不需要跟工程团队说一句话。
这不是未来的场景，这是 2025 年 Variance 日常运营的现实。
六、创业原点：从苹果防欺诈团队到独立创业
Karine 和 Michael 相遇于苹果公司的反欺诈工程团队。这个团队是苹果内部的中台，同时服务于 iMessage 团队、iCloud 团队等多个业务线。Karine 是数据工程师，负责把 Michael 的机器学习决策通过流式任务分发给整个组织——两个人天生互补。
在苹果内部，他们亲眼目睹了这个问题的规模，也清楚地看到了现有方案的局限。
"Oh, what if the right vehicle for this product was a company?"（"如果做这个产品的最佳载体是一家公司呢？"）
Karine 向 Michael 提议，一起申请 Y Combinator。他们就这样开始了。
关键时间点：Variance 成立于 ChatGPT 问世之前。进入 YC 批次后，GPT-4 在他们做第一个客户 pilot 期间发布，直接把成本压缩了 10 倍，同时也把产品性能拉升了一个量级。他们在最动荡的 AI 浪潮起点，押上了正确的方向。
七、生死考验：CEO 被卡车撞倒的那个夏天
2024 年 7 月，在刚刚结束业界最大信任与安全会议 Trustcon 之后，Variance 的营收正在月环比翻倍增长。团队所有人都处于极度疲惫又极度亢奋的状态。
那个周日下午，Karine 骑车回公司。一辆卡车撞上了她。
她摔断了脊椎，骨折了腿，在医院躺了 10 天无法行走。
整家公司的销售和客户关系，全部由 Karine 一人主导。那一刻，公司真实地面临"创始人单点故障"的生死危机。
Michael 来医院探望。他带了一本 Norman Foster 的建筑书（Foster 是苹果公园的设计师）。两个人在病床边沉默了好几分钟，不知道说什么。然后 Michael 笑了，说：
"This is going to make a really good scene in our IPO movie."（这将是我们 IPO 电影里一个很好的镜头。）
Karine 说，她被从床上敲醒了。不是被疼痛，而是被那句话里的笃定。他们笑了，然后继续往前走。
Karine 从医院出来后，这件事带来了一个具体的改变："我们明确了需要'规模化'我这个人本身"——不能让公司的销售和客户线全部押在一个人的身体健康上。
八、使命驱动，而非机会驱动
访谈的最后，YC 合伙人提出了一个尖锐的观察：大多数 YC 创始人进入 YC 时有想法，然后随着市场变化、新模型发布，不断 pivot；而 Karine 和 Michael 从第一天起就清楚自己要做什么，整个公司的发展就是"那个初始假设在不断被验证"的过程。
Karine 的回答直接触及了她做这件事的本质：
"It was almost like a sense of duty."（这几乎是一种使命感。）
她和 Michael 不是"想创业，然后找了个好问题"的那类创始人。他们是"必须解决这个问题，而创业是实现它的最佳载体"的那类人。
正是这种使命感，让他们在 Karine 躺在病床上无法动弹的那一周里，没有选择放弃。也正是这种使命感，让他们的客户能够感受到他们与众不同的地方——这两个创始人不是在卖一款产品，而是在解决他们每天真实看见的问题。
金句收录
-
"We're building the systems that are often used by the bad guys, but we're building them for the good guys." （我们正在构建那些通常被坏人使用的系统，但我们是在为好人构建它们。）
-
"We're in the shadows." （我们活在阴影里。）
-
"Every person who signs up to do a GoFundMe fundraiser, they don't realize it, but actually their request is being validated by Variance's software before it's allowed to go live." （每一个在 GoFundMe 发起募资的人，都不知道他们的请求在上线前，已经被 Variance 的软件验证过了。）
-
"The most important feature of a fraud system is that it needs to evolve really rapidly and you need to have a really tight feedback loop." （欺诈系统最重要的特性是必须快速进化，并且需要非常紧密的反馈回路。）
-
"I would say we're five, but I think in terms of software output, we're probably closer to a 25 people team." （从人数上说我们只有 5 个人，但从软件产出来看，我们大概相当于一支 25 人的团队。）
-
"Everyone is a manager of a small team of AI agents." （每个人都是一个小型 AI Agent 团队的管理者。）
-
"This is going to make a really good scene in our IPO movie." （这将是我们 IPO 电影里一个很好的镜头。）
-
"It was almost like a sense of duty... we didn't want to just start a company for any problem. We wanted to solve that problem." （这几乎是一种使命感……我们不只是想找一个问题去创业，我们只想解决那个问题。）
-
"Access to the web was one of the final nodes that made this whole problem really hard to automate." （对开放网络的访问能力，是让整个欺诈检测问题难以自动化的最后一块难题。）
-
"You might have actually prevented physical violence from happening in the world by detecting it early." （你们实际上可能通过早期检测，阻止了现实世界中的暴力事件发生。）
时间线索引
| 时间 | 内容 |
|---|---|
| 00:05 | Variance 宣布从隐身状态出来，公布 2100 万美元 A 轮 |
| 00:30 | Karine 介绍 Variance：为风险与合规构建的 AI Agent |
| 01:19 | 为什么保持低调？敏感数据 + 公开化会加剧欺诈 |
| 02:57 | GoFundMe 案例：名人逝世后的大规模众筹欺诈 |
| 04:23 | 行为信号 + AI Agent 自动判定 GoFundMe 项目合规性 |
| 05:49 | 其他用例：身份验证（KYC）、企业背景调查（KYB） |
| 07:29 | 数据层技术：全球数百个企业登记系统 + 开放网络 |
| 09:41 | 最核心技术挑战：数据散落在 5-10 个不同系统 |
| 11:00 | 数据隐藏在 UI 背后，Agent 像人一样直接操作界面 |
| 11:58 | Karine 的苹果背景与技术演进历程 |
| 12:20 | 旧系统：规则引擎 + 分类器 + 人工 的三层叠加 |
| 13:29 | AI Agent 实现自愈系统，彻底替代三层旧架构 |
| 14:30 | 真实案例：检测选举期间国家级欺诈团伙 |
| 16:01 | AI 系统实际上预防了现实世界的暴力事件 |
| 16:28 | 团队规模：12 人，5 名工程师 |
| 16:57 | 错误判断：以为纯 API 够用，后来发现需要好的 UI |
| 17:18 | 修正方向：AI 做 99% 简单案例，1% 复杂案例还需人工 |
| 18:58 | 全员 AI 编程 maximalist：5 人产出 = 25 人团队 |
| 19:40 | 非技术 CSM 用 Cursor 自主上线功能，不需要问工程团队 |
| 20:12 | 创业起点：Michael 与 Karine 相遇于苹果反欺诈团队 |
| 21:27 | "如果这个产品的最佳载体是一家公司呢？" → 申请 YC |
| 22:19 | 第一个客户 IAC/Ask Media Group，花了 8 个月才拿下 |
| 24:00 | 恰逢 GPT-4 发布，成本降 10 倍，性能大幅提升 |
| 24:45 | 客户增长：IAC → Medium → GoFundMe → Redbubble |
| 25:19 | 2024 年 7 月，营收月环比翻倍，Trustcon 刚结束 |
| 25:43 | Karine 骑车回公司被卡车撞倒，骨折脊椎和腿 |
| 26:11 | 病床上 Michael 的话："这将是 IPO 电影的精彩一幕" |
| 28:50 | YC 合伙人观察：你们是罕见的"使命驱动"型创始人 |
| 29:36 | Karine 总结：是使命感，不是机会主义，驱动他们坚持下来 |
| 31:13 | 结语 |
评论
还没有评论，来第一个留言吧 ✨