Recibo falso y fraude en devoluciones: cómo lo genera la IA

El fraude en devoluciones con recibo falso consiste en presentar un tique o factura simplificada alterado, duplicado o generado íntegramente con inteligencia artificial para obtener un reembolso, un cambio o una prestación de garantía a la que el comprador no tiene derecho. El documento puede corresponder a un producto nunca adquirido, a un importe inflado respecto al pagado realmente o a una compra distinta a la que se pretende devolver. Es una variante específica del fraude documental que ha crecido en volumen desde que los generadores de imágenes por IA producen tiques visualmente indistinguibles de uno real.

Este artículo se proporciona con fines informativos y no constituye asesoramiento legal. Consulte a su departamento jurídico para la aplicación a su caso.

Por qué el recibo falso generado por IA es distinto del fraude de devoluciones clásico

El fraude de devoluciones existe desde mucho antes de la IA generativa —"wardrobing" (usar y devolver), cajas vacías, artículos de sustitución— pero dependía de manipular un objeto físico o falsificar un papel con herramientas de edición de imagen que dejaban rastros visibles. Un modelo de generación de imágenes actual produce, a partir de una instrucción de texto, un tique completo con logotipo del comercio, desglose de artículos, IVA, número de operación y hasta el desgaste típico del papel térmico, sin que exista ninguna transacción real detrás. El resultado es indistinguible a simple vista del original, lo que traslada el problema de "reconocer una falsificación tosca" a "verificar contra un sistema de origen".

El fraude en recibos corporativos vinculado a IA generativa ha crecido un 14 % desde la llegada de ChatGPT y Gemini con generación de imágenes, con una pérdida económica media de 133.000 dólares por caso registrado en Estados Unidos, según una encuesta de Medius citada por Xataka. Aunque ese dato procede del ámbito de notas de gastos internas, la técnica de generación —y la dificultad de detección— es la misma que se aplica a un tique de venta al público presentado en mostrador o subido a un formulario de devolución online.

Qué volumen de negocio mueve el fraude de devoluciones en el comercio minorista

El fraude de devoluciones ya no es un problema marginal para las cadenas de retail: representa una parte medible y creciente del total de mercancía devuelta cada año.

Los minoristas estadounidenses esperaban recibir devoluciones por valor de casi 890.000 millones de dólares en 2025, de los cuales unos 103.000 millones correspondían a devoluciones fraudulentas o abusivas, según el informe 2025 Retail Returns Landscape de NRF y Appriss Retail. El mismo estudio señala tácticas en aumento entre los defraudadores: sobrestimar la cantidad de artículos devueltos (71 % de los minoristas encuestados lo reportó en aumento), devolver una "caja vacía" o con relleno en lugar del producto (65 %) y presentar artículos de sustitución o falsificados como si fueran el original (64 %). El 85 % de los minoristas encuestados ya emplea IA para detectar o prevenir este tipo de fraude, lo que confirma que el problema y la respuesta se están librando en el mismo terreno tecnológico.

No existe todavía una cifra pública equivalente y desglosada para España, pero el marco de protección al consumidor —14 días de derecho de desistimiento sin justificación y reembolso obligatorio en igual plazo, según OCU— es precisamente el que un recibo falso o una compra inventada intentan explotar, apoyándose en la agilidad con la que los comercios online procesan estas solicitudes para no penalizar al cliente legítimo.

Cómo se fabrica hoy un recibo o tique falso con IA

Un tique falso se genera hoy por una de estas tres vías, cada una con un nivel de sofisticación distinto y consecuencias distintas para la detección.

Generación completa desde una instrucción de texto

Un generador de imágenes produce un tique entero —cabecera del comercio, líneas de producto, IVA desglosado, forma de pago, hora y número de operación— sin que exista ninguna venta real. El propio banco de pruebas de Genbeta documentó que basta pedir al modelo que el papel aparezca arrugado o apoyado sobre una mesa para que el resultado gane credibilidad visual y dificulte aún más la revisión manual.

Edición de un recibo real para inflar importe o cambiar artículo

Se parte de una fotografía o PDF de un tique auténtico y se modifican campos concretos: importe, referencia del producto, fecha de compra o tienda emisora. En un PDF, la edición suele producirse sobre las capas internas del documento, de modo que el texto que puede extraerse mediante OCR no coincide exactamente con lo que se ve al abrirlo, una discrepancia que el ojo humano no detecta pero un análisis de metadatos sí.

Reutilización del mismo tique en varias devoluciones

No hace falta generar nada: el mismo recibo, o una copia con retoques mínimos, se presenta en dos tiendas de la misma cadena, en el canal físico y en el online, o en dos solicitudes de garantía separadas por semanas. Esta variante sigue siendo, en volumen, tan relevante como la generación por IA, y solo se detecta cruzando el número de tique contra el sistema de punto de venta y el histórico de devoluciones del cliente.

Revisión manual frente a detección automatizada en el mostrador de devoluciones

Un empleado de tienda dispone en promedio de menos de un minuto para aprobar o rechazar una devolución, tiempo insuficiente para detectar una edición de metadatos o una reutilización de tique entre canales.

Una plataforma de análisis documental multi-capa aporta una cobertura de detección elevada gracias al análisis multi-capa —estructural, de metadatos y de coherencia entre documentos— permite cruzar el recibo presentado con los registros del punto de venta y del sistema de devoluciones para identificar duplicados y anomalías de formato, en lugar de depender de que un empleado reconozca a simple vista un tique generado con un modelo de imagen entrenado para imitar el desgaste del papel térmico.

Qué preguntan clientes y empleados de tienda sobre este tipo de fraude

Las preguntas recurrentes en foros de consumidores y en comunidades de comercio minorista giran, de forma consistente, en torno a tres ejes. El primero es de detección: si un tique generado con IA es prácticamente idéntico a uno real, ¿cómo puede un dependiente distinguirlo sin herramientas específicas? La respuesta que aportan los propios especialistas en detección, como el proveedor español Okticket en su análisis sobre tickets falsos generados con IA, es que ya no se trata de "mirar mejor" sino de cruzar datos contra un sistema, no de confiar en la inspección visual.

El segundo eje es de responsabilidad legal: qué ocurre si un cliente presenta, de buena fe o no, un recibo que resulta no corresponder al artículo devuelto —una confusión frecuente cuando dos productos similares se compraron el mismo día. El tercero, más recurrente entre empleados que gestionan devoluciones, es operativo: cómo justificar el rechazo de una devolución ante un cliente insistente cuando la sospecha se basa en una señal técnica (metadatos, duplicado de número de operación) que el propio empleado no sabe explicar sin apoyo de un sistema que documente el motivo.

Marco legal español aplicable al recibo falso en una devolución

Presentar un recibo o factura simplificada falsificado o generado sin transacción real para obtener un reembolso indebido puede encajar en dos figuras del Código Penal, según el resultado obtenido y la intención probada.

El artículo 248 del Código Penal, que regula la estafa, castiga a quien "con ánimo de lucro, utilizare engaño bastante para producir error en otro, induciéndolo a realizar un acto de disposición en perjuicio propio o ajeno" —encaja cuando el comercio entrega dinero o un producto de sustitución inducido por el documento falso. Los artículos 390 a 395 regulan la falsedad documental: el 395 castiga específicamente la falsificación de un documento privado "para perjudicar a otro", con penas de seis meses a dos años de prisión; cuando la falsificación es el medio para cometer la estafa, la jurisprudencia tiende a absorber el delito de falsedad en el de estafa en lugar de sancionar ambos por separado. El texto consolidado puede consultarse en el Código Penal en el BOE.

Del lado del consumidor legítimo, la Ley General para la Defensa de los Consumidores y Usuarios (Real Decreto Legislativo 1/2007) establece el derecho de desistimiento de 14 días naturales en compras a distancia y el plazo de reembolso equivalente, un marco que el fraude con recibo falso no modifica pero cuya agilidad —diseñada para proteger al comprador honesto— es la que los defraudadores buscan aprovechar mediante la velocidad de aprobación.

Controles que reducen el fraude de recibos falsos en devoluciones sin penalizar al cliente honesto

Un protocolo eficaz combina reglas de negocio simples con verificación documental, sin convertir cada devolución en una investigación.

• Vincular el número de tique al sistema POS en el momento de la devolución, no solo al final del día, para detectar duplicados entre tienda física y canal online antes de aprobar el reembolso.
• Establecer un umbral de importe o antigüedad a partir del cual la devolución pasa por verificación documental adicional en lugar de aprobación automática en mostrador.
• Registrar el historial de devoluciones por cliente, no solo por transacción, para identificar patrones de frecuencia anómala que un empleado aislado no puede ver.
• Aplicar análisis de metadatos a los recibos subidos en formularios online, donde la manipulación de capas PDF o la generación por IA deja rastros que la inspección visual no capta.

Para entender cómo se generan estos documentos con más detalle técnico, conviene revisar cómo la IA genera documentos falsos y contrastar el proceso con el que ya afecta a las notas de gastos corporativos falsificadas con IA, un fraude con mecánica casi idéntica pero circuito interno en lugar de cara al público. La checklist de señales de un documento generado por IA resume los indicadores técnicos aplicables a cualquier tipo de recibo o justificante.

Este caso se enmarca en un problema más amplio de verificación documental por sector, tratado en la guía de verificación sectorial.

Cómo incorporar detección de documentos generados por IA en el proceso de devoluciones

Añadir señales de generación por IA como complemento a los controles existentes —y no como sustituto de las reglas de negocio ya implantadas— es el enfoque más realista para equipos de retail y e-commerce que gestionan volumen alto de devoluciones con personal rotativo. Ninguna herramienta detecta el cien por cien de las falsificaciones: el objetivo razonable es reducir el margen de error humano en los casos límite y documentar el motivo del rechazo cuando la sospecha se confirma. CheckFile ofrece detección de deepfake y de documentos generados por IA como capa adicional de análisis sobre recibos, tiques y justificantes, integrable en el flujo de aprobación de devoluciones existente. Puede revisar el catálogo de funciones de seguridad documental o consultar las condiciones de tarifas según volumen de documentos procesados. Para casos concretos de integración con un sistema POS o de gestión de devoluciones, el equipo de CheckFile atiende consultas a través del formulario de contacto.

Preguntas frecuentes

¿Es delito devolver un producto con un recibo falso o de otro artículo?

Sí, puede constituir estafa (artículo 248 del Código Penal) si se obtiene el reembolso mediante engaño, y falsedad documental (artículos 390-395) si el documento fue alterado o fabricado. La calificación exacta depende de si hubo intención de perjuicio y del resultado obtenido, por lo que cada caso requiere valoración jurídica individual.

¿Cómo puede una tienda detectar un tique generado con inteligencia artificial?

La inspección visual ya no es fiable porque los generadores actuales reproducen el desgaste del papel térmico y la tipografía original. La detección eficaz combina análisis de metadatos del archivo, cruce con el sistema de punto de venta y verificación de que el número de operación no se haya usado antes.

¿Qué diferencia hay entre wardrobing y fraude de recibo falso?

El wardrobing consiste en usar un producto y devolverlo como si fuera nuevo, con un recibo generalmente auténtico. El fraude de recibo falso implica un documento alterado, duplicado o generado sin transacción real, lo que añade una dimensión de falsedad documental al fraude de devolución.

¿Las pymes también deben preocuparse por este tipo de fraude o es solo un problema de grandes cadenas?

El riesgo es proporcional al volumen de devoluciones procesadas sin verificación centralizada, no al tamaño de la empresa. Una pyme con un sistema POS no integrado entre canal físico y online puede ser incluso más vulnerable a la reutilización de un mismo tique en distintas solicitudes.

¿Qué plazo tiene un comercio para detectar y reclamar una devolución fraudulenta ya aprobada?

El Código Penal no fija un plazo específico para este supuesto, pero la prescripción de los delitos de estafa y falsedad documental depende de la pena máxima aplicable, generalmente varios años. En la práctica, cuanto antes se detecte el patrón mediante cruce de datos, mayor es la probabilidad de recuperar el producto o el importe.