Een cfo bij een Nederlands bedrijf hoorde spraakberichten van zichzelf die opdracht gaven tot overboekingen van in totaal 2,5 miljoen euro. Ze had die berichten nooit ingesproken. Toen de Fraudehelpdesk de audio liet horen, kon ze zelf geen verschil ontdekken tussen haar eigen stem en die op de opname. Het geld was al weg.
Dit is geen incident uit een ver buitenland. Het gebeurde hier, en het aantal meldingen van dit soort fraude groeit hard. Waar de inbox van de Fraudehelpdesk vorig jaar nog rond de 5.000 klachten per half jaar bevatte, liep dat door AI-gedreven oplichting op tot ruim 17.000 meldingen in dezelfde periode. Voor mkb'ers die dachten dat een firewall en een sterk wachtwoord voldoende bescherming boden, is dit een ander soort dreiging.
Hoe een gekloonde stem 2,5 miljoen euro kostte
Bij de zaak die de Fraudehelpdesk registreerde, gaf de "cfo" via spraakmemo's opdracht tot een reeks overboekingen. Geen haastig telefoontje met een vreemd nummer, maar rustig ingesproken berichten die precies klonken zoals de echte financieel directeur altijd sprak: toon, tempo, zelfs de kleine pauzes. Pas achteraf werd duidelijk dat niemand die berichten had ingesproken.
Een vergelijkbaar geval speelde begin dit jaar in Zwitserland. Een ondernemer werd twee weken lang bewerkt met de gekloonde stem van een zakenpartner en maakte in die periode meerdere miljoenen frank over, stap voor stap, voordat iemand het patroon doorbrak. Dat is precies de tactiek: niet één grote klap, maar een reeks kleinere, geloofwaardige verzoeken die elk op zichzelf normaal lijken.
Drie seconden is genoeg om je stem na te bootsen
Wat deze fraude zo lastig maakt, is hoe weinig materiaal er nodig is. Drie seconden audio levert al een herkenbare kloon op. Met dertig seconden, bijvoorbeeld uit een LinkedIn-video, een podcast-optreden of een ingesproken voicemail, is het resultaat nauwelijks van de echte stem te onderscheiden. Iedere ondernemer die ooit een webinar gaf, een interview deed of een voicemail insprak, heeft dus al genoeg bronmateriaal online staan.
Het menselijk oor is hier slecht op voorbereid. Mensen herkennen een AI-gegenereerde stem in een fractie van de gevallen correct, juist omdat we vertrouwen op precies de signalen die een kloon feilloos nabootst: intonatie, dialect, typische woordkeuzes. Bij tekstfraude let je nog op rare zinsconstructies of een verkeerd e-mailadres. Bij een telefoontje met een vertrouwde stem valt die controle grotendeels weg.
De aanval verschuift van je systemen naar je vertrouwen
Jarenlang ging digitale criminaliteit vooral over binnendringen: een zwak wachtwoord, een onbeveiligde server, een phishinglink. Wie cyber beveiligingsbewustzijn binnen het team al op orde had, was relatief goed beschermd. Die verdediging werkt nog steeds tegen klassieke hackpogingen, maar stemfraude omzeilt hem volledig. Er wordt geen systeem gekraakt, er wordt een mens overtuigd.
Dat is ook waarom tweefactorauthenticatie, lange tijd een van de sterkste beveiligingsmaatregelen, hier weinig oplevert. De aanvaller hoeft geen wachtwoord te stelen als een collega gewoon zelf, in goed vertrouwen, een overboeking goedkeurt. De dreiging verschuift van "wie heeft toegang tot ons systeem" naar "wie kunnen we nog vertrouwen aan de telefoon", en dat vraagt om een andere aanpak dan alleen technische beveiliging.
Zo herken je een gekloonde stem aan de telefoon
Volledige zekerheid bestaat niet, maar een paar signalen verraden vaak dat er iets niet klopt:
- Urgentie die geen ruimte laat voor overleg: "dit moet nu, ik kan het zelf niet uitleggen"
- Een verzoek om een ongebruikelijke betaling of nieuw rekeningnummer, terwijl het onderwerp normaal via mail of een gedeeld systeem loopt
- Een vraag om vertrouwelijkheid: "zeg het nog niet tegen de rest van het team"
- Een net iets te vlakke of gelijkmatige toon, zonder de kleine haperingen van een echt spontaan gesprek
- Achtergrondgeluid dat ontbreekt of juist steeds identiek klinkt
Geen van deze signalen is op zichzelf bewijs, maar samen zijn ze reden genoeg om even te pauzeren voordat je handelt.
Het vier-ogenprincipe blijft je beste verdediging
De meest effectieve maatregel is ook de simpelste: verplicht het vier-ogenprincipe voor elke overboeking boven een vastgesteld bedrag. Twee mensen die onafhankelijk van elkaar akkoord geven, betekent dat één overtuigend telefoontje nooit genoeg is om geld te laten wegvloeien. Bouw daarnaast een korte vertraging in bij ongebruikelijke verzoeken, ook als de stem aan de telefoon voor honderd procent echt klinkt. Urgentie is het belangrijkste wapen van de oplichter, dus tijd is precies het tegenmiddel dat hij niet wil dat je neemt.
Bel bij twijfel altijd terug op een nummer dat je zelf al had, nooit op een nummer dat de beller je doorgeeft. Spreek binnen het team een codewoord af voor spoedverzoeken rond geld, iets wat een kloon onmogelijk kan raden. En check of je onder de Cyberbeveiligingswet valt, want die verplicht bedrijven in bepaalde sectoren om dit soort risico's expliciet in hun beveiligingsbeleid mee te nemen. Kom je er financieel niet helemaal uit om dit goed op te zetten, dan is het de moeite waard om te kijken of je in aanmerking komt voor een subsidie voor cyberbeveiliging.
Meer achtergrond over hoe deze fraude precies werkt en welke signalen professionals aanraden, staat in de uitleg van Radar over telefoonfraude met AI. De Fraudehelpdesk heeft daarnaast een specifieke campagnepagina over CEO-fraude met concrete voorbeelden uit de praktijk.
Dit regel je deze week in je bedrijf
Je hoeft niet meteen een beveiligingsafdeling op te tuigen om jezelf te beschermen. Zet het vier-ogenprincipe voor betalingen zwart op wit, spreek een terugbelprotocol af voor spoedverzoeken, en bespreek deze fraudevorm één keer expliciet met iedereen die toegang heeft tot de bankrekening van je bedrijf. Die ene vergadering van twintig minuten kost je vrijwel niets. De cfo uit het voorbeeld hierboven zou er alles voor over hebben gehad om die twintig minuten terug te krijgen.