Fraude en devoluciones ecommerce: por qué una foto ya no basta

Qué está cambiando: la foto deja de ser prueba suficiente

El abuso de devoluciones existía mucho antes de la IA. Lo nuevo es la economía de la falsificación. Antes, alterar una imagen con detalle exigía buscar una foto compatible, manejar software y mantener una historia coherente. Ahora se puede producir una grieta, una fuga o una mancha distinta para cada pedido con poca habilidad y casi sin coste marginal.

Ese cambio golpea justo a los procesos diseñados para resolver rápido. Muchas tiendas aceptan una foto y conceden un reembolso sin retorno cuando recoger, transportar e inspeccionar el producto costaría más que el propio artículo. Es una decisión racional para un caso aislado, pero se convierte en vulnerabilidad cuando la prueba digital puede fabricarse y repetirse a escala.

La tesis de NewsEcom no es que debas desconfiar de las imágenes, sino que debes quitarles el poder de decidir solas. Una foto sigue aportando contexto; la evidencia aparece cuando coincide con el producto, el pedido, la logística, la secuencia temporal y el comportamiento del caso.

Qué señales confirman que no es solo ruido

La primera señal es de mercado. La National Retail Federation y Happy Returns estimaron que en Estados Unidos se devolvería el 19,3% de las ventas online de 2025 y que el 9% de todas las devoluciones sería fraudulento. Esas cifras no miden cuánto corresponde a IA, pero muestran un proceso de enorme volumen donde un cambio pequeño en el coste del engaño puede importar.

La segunda señal viene de operadores. Modern Retail documentó reclamaciones con imágenes aparentemente generadas o manipuladas en Boll & Branch y Bogg Bag. En un caso, el equipo pidió comprobar el daño por videollamada y el cliente dejó de responder; en otro, la misma foto reapareció con un desgarro añadido que no encajaba con el material. El propio medio matiza que para Bogg seguían siendo pocos casos al mes: es una alerta emergente, no una epidemia cuantificada.

La tercera señal es académica. Un estudio de junio de 2026 entrevistó a 17 comerciantes y 13 trabajadores de plataformas de ecommerce en China. Identificó falsificación de defectos, reutilización de pruebas y cadenas documentales sintéticas, y observó respuestas como pedir varios ángulos, revisar coherencia física y ligar la prueba a un objeto o pedido. Sus autores advierten que el trabajo es cualitativo, se limita a China y no permite estimar prevalencia global.

La cuarta señal es conversación. En comunidades de vendedores de eBay y otros foros aparecen casos con daños que cambian entre fotos, productos supuestamente rotos que no coinciden con el material y compradores que evitan enviar vídeo o devolver el artículo. Estas publicaciones sirven para escuchar el lenguaje del problema y diseñar preguntas; no sustituyen datos ni prueban por sí solas que una imagen sea falsa.

• Datos: alto volumen estructural de devoluciones y fraude ya existente.
• Mercado: marcas y proveedores de postventa describen pruebas manipuladas en tickets reales.
• Investigación: el coste de fabricar defectos plausibles cae y desplaza la carga de prueba al comercio.
• Conversación: vendedores repiten dudas sobre continuidad entre fotos, vídeo y producto devuelto.
• Búsqueda: Google Autocomplete ya reconoce variantes como fraude en devoluciones y devoluciones falsas, aunque el ángulo IA siga siendo long-tail.

Qué tiendas están más expuestas a las pruebas sintéticas

El riesgo no depende solo del tamaño de la tienda. Depende de cuánto valor puede liberar una foto sin tocar el producto. Los flujos de reembolso sin devolución, los artículos con ticket alto y los productos cuya destrucción se acepta por seguridad o coste logístico concentran más incentivo.

También importan la capacidad y el canal. Una tienda pequeña con soporte externalizado puede aprobar casos deprisa porque cada minuto cuesta. Un vendedor de marketplace puede quedar sujeto a decisiones automáticas que cierran el caso antes de recibir el retorno. Y un comercio multicanal puede no reconocer que una misma evidencia se reutiliza entre cuentas o tiendas.

No todos los catálogos necesitan el mismo control. Si vendes accesorios baratos y tienes pocas incidencias, revisar cada píxel será más caro que la pérdida. Si vendes electrónica, cosmética, alimentación, coleccionables, lujo, hogar frágil o productos con número de serie, sí merece la pena definir cuándo una reclamación deja el carril rápido.

• Reembolso sin devolución para productos baratos, perecederos o difíciles de transportar.
• Sustitución inmediata basada en una sola foto enviada al soporte.
• Productos de alto valor, frágiles, líquidos o con defectos difíciles de verificar a distancia.
• Marketplaces donde la plataforma decide antes de que el vendedor inspeccione el artículo.
• Equipos con muchos tickets, SLA agresivos y poca conexión entre soporte, almacén y fraude.

Qué probaría esta semana sin frenar todas las devoluciones

Empezaría con una auditoría de 20 a 30 reclamaciones recientes por producto dañado. Anotaría importe, motivo, tipo de evidencia, historial de pedido, resultado, si hubo retorno físico y coste total de resolver. El objetivo no es reabrir casos ni buscar culpables: es detectar en qué combinación estás concediendo dinero con menos contexto.

Después añadiría un segundo paso solo a esa combinación. Puede ser una fotografía adicional desde un ángulo indicado en el momento, un vídeo corto con el producto completo y un código de caso, la devolución para inspección o la revisión de serie, lote, peso de paquete y trazabilidad del transportista. Pedir un gesto dinámico y ligado al pedido eleva el coste de fabricar una historia coherente.

Finalmente mediría tres números durante una semana: euros evitados o recuperados, minutos adicionales de soporte y porcentaje de clientes legítimos que abandonan o escalan. Si la fricción cuesta más que el abuso, el control está mal colocado.

Qué riesgos tiene copiar una política antifraude agresiva

El primer riesgo es convertir una señal en una acusación. Un archivo sin metadatos, una compresión extraña o una grieta poco habitual no prueban fraude. Las apps de mensajería borran información, los móviles procesan imágenes y los detectores de IA pueden dar falsos positivos. La decisión debe combinar señales y, para casos de valor, incluir revisión humana.

El segundo es castigar a todos para frenar a unos pocos. La NRF también encontró que el 82% de los consumidores considera importantes las devoluciones gratuitas. Si añades vídeo, videollamada y espera a cada pedido, puedes perder más conversión y confianza de la que recuperas. La fricción debe activarse por importe, producto, patrón y consistencia, no por defecto.

El tercero es confundir prevención de abuso con recorte de derechos. En la UE, el derecho de desistimiento y la garantía legal siguen marcando obligaciones para la tienda. Un flujo de verificación ayuda a comprobar una reclamación; no elimina la responsabilidad ante un producto defectuoso ni autoriza a retener datos sin límite. Minimiza la información solicitada, limita accesos y conserva solo lo necesario.

La respuesta madura no es una política más dura, sino una política más específica. Una tienda que sabe cuándo resuelve rápido, cuándo pide continuidad y cuándo inspecciona protege margen sin tratar al cliente honesto como sospechoso.