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

El fraude en devoluciones con ticket falso consiste en presentar un ticket de compra o nota de venta alterado, duplicado o generado íntegramente con inteligencia artificial para obtener un reembolso, un cambio o una 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 del fraude documental que ha crecido desde que los generadores de imágenes producen tickets indistinguibles de uno real.

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

Por qué el ticket 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 que dejaban rastros visibles. Un modelo de generación de imágenes actual produce, a partir de una instrucción de texto, un ticket completo con logotipo, desglose de artículos, IVA, folio y hasta el desgaste típico del papel térmico, sin que exista ninguna transacción real. El resultado es indistinguible a simple vista, 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 recogida por Infobae. Aunque ese dato procede de notas de gastos internas, la técnica de generación es la misma que se aplica a un ticket presentado en mostrador o subido a un formulario de devolución en línea. A diferencia de la factura fiscal (CFDI, con RFC y bajo reglas del SAT), el documento habitual en una devolución es el simple ticket de caja, sin folio verificable de forma independiente por el comprador.

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 de la mercancía devuelta cada año, tanto en Estados Unidos como en México.

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: sobrestimar artículos devueltos (71 % de los minoristas lo reportó en alza), devolver una "caja vacía" en lugar del producto (65 %) y presentar artículos de sustitución como si fueran el original (64 %). El 85 % de los minoristas encuestados ya emplea IA para detectar o prevenir este fraude.

Para México, la Asociación Mexicana de Venta Online (AMVO) sitúa la tasa de devolución en el comercio electrónico nacional alrededor del 20 % —una de cada cinco compras en línea termina devuelta— y ocho de cada diez compradores digitales temen ser víctimas de fraude al comprar en línea, según el Estudio sobre Venta Online en México de AMVO. La firma antifraude Signifyd reporta para el mercado mexicano una presión de fraude 220 % superior a la previa a la pandemia, con las devoluciones entre las categorías en crecimiento.

El marco de protección al consumidor mexicano, vigilado por PROFECO, es precisamente el que un ticket falso intenta explotar, apoyándose en la agilidad con la que las tiendas procesan estas solicitudes para no penalizar al cliente legítimo.

Cómo se fabrica hoy un ticket falso con IA

Un ticket 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 ticket entero —encabezado, líneas de producto, IVA desglosado, hora y folio— sin que exista ninguna venta real. Basta pedir al modelo que el papel aparezca arrugado o con la tinta térmica desvanecida para que el resultado gane credibilidad y dificulte la revisión manual.

Edición de un ticket real para inflar importe o cambiar artículo

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

Reutilización del mismo ticket en varias devoluciones

No hace falta generar nada: el mismo ticket, o una copia con retoques mínimos, se presenta en dos tiendas de la cadena, en el canal físico y en línea, 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 folio contra el sistema de punto de venta y el historial 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 un ticket reutilizado 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 ticket 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 comunidades de retail giran en torno a tres ejes. El primero es de detección: si un ticket generado con IA es casi idéntico a uno real, ¿cómo distinguirlo sin herramientas específicas? La respuesta que aportan los propios especialistas, como el proveedor Okticket México 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. El segundo eje es de responsabilidad legal: qué ocurre si un cliente presenta, de buena fe o no, un ticket que no corresponde al artículo devuelto. El tercero, más recurrente entre empleados de devoluciones, es operativo: cómo justificar el rechazo ante un cliente insistente cuando la sospecha se basa en una señal técnica que el empleado no sabe explicar sin apoyo de un sistema.

Marco legal mexicano aplicable al ticket falso en una devolución

Presentar un ticket falsificado o generado sin que exista una transacción real para obtener un reembolso indebido puede encuadrar en dos figuras del Código Penal Federal, según el resultado y la intención probada.

El delito de fraude, regulado en los artículos 386 a 389 Bis del Código Penal Federal, se comete cuando alguien "engaña a otro o se aprovecha del error en que éste se halla para hacerse ilícitamente de alguna cosa o alcanzar un lucro indebido" —encaja cuando la tienda entrega dinero o un producto inducido por el documento falso, con penas que van de tres días de prisión hasta varios años según el monto defraudado. El Capítulo IV del Título Decimotercero del Código Penal Federal regula la falsificación de documentos: para documentos privados —categoría en la que entra un ticket— la pena es de seis meses a cinco años de prisión y de 180 a 360 días multa.

Del lado del consumidor legítimo, la Ley Federal de Protección al Consumidor (LFPC) reconoce en su artículo 56 el derecho de revocación de cinco días hábiles sin responsabilidad en compras a domicilio o a distancia, con reembolso íntegro en ese plazo, y en sus artículos 92 y 92 Bis obliga a una bonificación mínima del 20 % del precio pagado cuando procede la reposición o devolución por garantía. PROFECO (Procuraduría Federal del Consumidor) vigila su cumplimiento y concilia entre tienda y consumidor cuando hay disputa; el trámite ante PROFECO es gratuito, lo que reduce el costo de fricción para quien presenta una reclamación de mala fe. El texto vigente de la LFPC puede consultarse en el sitio oficial de PROFECO.

Controles que reducen el fraude de tickets 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 folio del ticket al sistema POS en el momento de la devolución, no solo al final del día, para detectar duplicados entre tienda física y en línea 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 anómalos que un empleado aislado no puede ver.
• Aplicar análisis de metadatos a los tickets subidos en línea, donde la manipulación de capas PDF o la generación por IA deja rastros que la inspección visual no capta, y reforzar el control en picos como El Buen Fin.

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 ticket o comprobante.

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 —no como sustituto de las reglas de negocio ya implantadas— es el enfoque más realista para equipos de retail con volumen alto de devoluciones y personal rotativo. Ninguna herramienta detecta el cien por ciento de las falsificaciones: el objetivo razonable es reducir el error humano y documentar el motivo del rechazo. CheckFile ofrece detección de deepfake y de documentos generados por IA como capa adicional de análisis sobre tickets y comprobantes, integrable en el flujo de aprobación de devoluciones existente. Pueden revisar el catálogo de funciones de seguridad documental o consultar las condiciones de tarifas según volumen procesado. Para integraciones con un sistema POS o de gestión de devoluciones, el equipo de CheckFile atiende consultas por el formulario de contacto.

Preguntas frecuentes

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

Sí, puede constituir fraude (artículos 386 a 389 Bis del Código Penal Federal) si se obtiene el reembolso mediante engaño, y falsificación de documentos (Capítulo IV del Título Decimotercero) si el documento fue alterado o fabricado. La calificación exacta depende de la intención y el resultado, por lo que cada caso requiere valoración jurídica individual.

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

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

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

El wardrobing consiste en usar un producto y devolverlo como si fuera nuevo, con un ticket generalmente auténtico. El fraude de ticket falso implica un documento alterado, duplicado o generado sin transacción real, lo que añade falsificación 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 sin verificación centralizada, no al tamaño de la empresa. Una pyme con un POS no integrado entre canal físico y en línea puede ser más vulnerable a la reutilización de un mismo ticket.

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

El Código Penal Federal no fija un plazo específico para este supuesto, pero la prescripción de los delitos de fraude y falsificación de documentos 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.