کلاهبرداری و تقلب در تلکام سالانه به طور میانگین ۲۹ میلیارد دلار خسارت را برای اپراتورهای موبایل به بار می‌آورد، در نتیجه برای حل این مشکل یک تیم Catalyst شامل مجموعه‌ای از اپراتورهای بزرگ دنیا و کمپانی‌های نرم افزاری دوره هم گرد آمدند تا برای رفع این مشکل از تکنولوژی‌های جدیدی چون هوش مصنوعی و از ابزارهای کارآمد چون API کمک بگیرند و تا حد زیادی این میزان از هزینه‌ها را کاهش دهند. از جمله این شرکت‌های بزرگ نرم افزاری که به عنوان وندورهای قدرتمند نرم افزاری در دنیا شناخته شده‌اند و در این تیم فعالیت می‌کنند، می‌توان Fico، IBM، Bulb، Amdoc را و اپراتورهای Orange، BT را نام برد که حدود ۳ تا ۶ ماه روی این پروژه کار کردند.
لازم به ذکر است هدف این تیم، پیش‌بینی تقلب یا شروع فعالیت‌های کلاهبرداری، کاهش ریسک و پیش‌بینی ریزش مشتری و در نهایت بهبود تجربه مشتری است که این کار را با ابزارهای هوش مصنوعی و یادگیری بدون نظارت برای تشخیص “ناشناخته‌ها” انجام میدهد.
این تیم چند سناریو برای پروژه خود در نظر گرفتند و نشان می‌دهند، چگونه دانش یادگیری ماشین بدون دخالت انسان می‌تواند کلیه معاملات و تراکنش‌ها را تجزیه و تحلیل کند و به سرعت ناهنجاری‌ها و رفتارهای مشکوک کاربر را تشخیص دهد و سپس این بینش‌ها را به یک متخصص انسانی منتقل کنند. در واقع رویکرد وندورهای مختلف در این موضوع کاملا متفاوت است و کار مهمی که هریک از این وندورهای نرم افزاری انجام می‌دهند ارائه APIهایی است که از داده‌های موجود در اپراتور و یا داده‌های بیشتری که از مشتریان در دسترس است ساخته می‌شود.
به عنوان مثال شرکت Fico و Amdoc، APIهای یکسانی را با کیفیت و هزینه‌های متفاوت ارائه می‌دهند، در نتیجه یک بازار رقابتی بین این وندورهای نرم افزاری هم به وجود آمده است.
همچنین این تیم نشان دادند که استفاده از OpenAPIهای مجموعه TMforum این امکان را فراهم می‌کند تا تحلیلی روی داده‌های مشتریان و تجربه کاربر صورت گیرد و در نتیجه با این روش گام جلوتو قابل پیش‌بینی باشد. در واقع از این طریق با کمک رابط‌های نرم افزاری(APIها) و تکنولوژی هوش مصنوعی می‌توان هرگونه فعالیت مشکوک و ارتکاب به کلاهبرداری در فضای تلکام را جلوگیری کرد. به طور کل هدف از انجام این پروژه، تشکیل یک بازار بیزینسی ایمن به دور از هرگونه هزینه‌های ناشی از تقلب و کلاهبرداری در حوزه تلکام و سرویسهای مخابراتی است.