Fraude en devoluciones de e-commerce. Tendencias globales 2026.
La foto del producto dañado se volvió la llave que libera un reembolso. Hoy se fabrica con IA en segundos. En este informe vamos a repasar las cifras globales del fraude en devoluciones y vamos a señalar qué funciona para detectarlo.
Equipo de Vouch21 de octubre de 2026Lectura de 10 minutos
Las cifras
de los comercios online sufrió abuso de reembolsos y de políticas en el último año: es el tipo de fraude más extendido.1
Encuesta a 1.278 profesionales de comercio electrónico de 37 países, nov–dic 2025.de los comercios recibió devoluciones de productos usados o dañados, la forma de abuso más común después del “no llegó”.1
Encuesta a 1.278 profesionales de comercio electrónico de 37 países, nov–dic 2025.en mercadería devolverán los consumidores de Estados Unidos en 2025: el 15,8% de las ventas. Online, el 19,3%.2
Estimación de la National Retail Federation.de los ataques de fraude a comercios ya usa IA, y los reclamos con daños fabricados son el abuso de devoluciones que más crece.3
Informe de Forter sobre comercios del Reino Unido, jun 2026.Para dimensionar: en el retail en general, el fraude y el abuso de devoluciones generaron unos USD 100.000 millones de pérdidas prevenibles en 2025, el 14,2% de todas las devoluciones.4
1. Qué cambió: la prueba del daño ahora se fabrica
Las devoluciones gratis y los reembolsos instantáneos se volvieron una promesa comercial. Para no frenar la experiencia, muchos comercios aprueban el reembolso con una foto del producto dañado, antes de que el producto vuelva.
Hoy esa foto se fabrica con IA en segundos. Y el abuso dejó de ser individual: hay grupos que venden reembolsos fraudulentos como un servicio.
- Dic 2023Estados UnidosAmazon demanda a REKK, una red que vendía reembolsos fraudulentos por Telegram: su canal principal tenía más de 35.000 suscriptores y cobraba una comisión del 30%.5
- Mar 2024Estados UnidosGrupos que ofrecen reembolsos fraudulentos a cambio de una comisión se promocionan abiertamente en TikTok, Telegram y Reddit.6
- Abr 2025ChinaTaobao y Tmall eliminan la opción de “solo reembolso”, que devolvía el dinero sin pedir que el comprador devolviera el producto.7
- Nov 2025ChinaEn la temporada del Double 11, vendedores denuncian fotos alteradas con IA para reclamar productos dañados. En Suzhou, un comprador presentó un video falso de cangrejos muertos y recibió ocho días de detención administrativa.87
- Dic 2025América LatinaUsuarios crean imágenes falsas de productos “defectuosos” con IA para obtener devoluciones, y el fenómeno llega a la región.9
- Ene 2026ChinaTaobao y Tmall lanzan un modelo propio para detectar imágenes falsas en los reclamos de posventa. Las plataformas más grandes ya tratan la foto del reclamo como un riesgo.10
- Mar 2026Estados UnidosUn cliente de Boll & Branch reclama por sábanas “rotas” con una foto que tenía marca de agua de IA. La marca pidió una videollamada para ver el daño y el cliente no respondió.11
- May 2026MéxicoLas dueñas de un emprendimiento detectan que las fotos de productos “dañados” que les envió una clienta para pedir un reembolso fueron generadas con IA.12
- Jun 2026Reino UnidoForter informa que los reclamos con daños fabricados con IA son la forma de abuso de devoluciones que más crece y que algunos grupos ofrecen “devoluciones como servicio”.3
- Ago 2026Unión EuropeaEntran en vigor las obligaciones de transparencia del AI Act. La marca de agua en el contenido generado con IA será exigible desde diciembre de 2026 para las herramientas que ya estaban en el mercado.1314
2. Cómo funciona el fraude
La foto falsa aparece en casi todas las tácticas, desde el producto que “llegó roto” hasta la caja que “llegó vacía”.
Daño fabricado con IA
El producto llega bien y la foto lo muestra roto, manchado o defectuoso. El caso de Boll & Branch se detectó porque la rotura no se parecía a cómo se rompe el algodón.11
Foto reciclada
La imagen se toma de otra publicación, de reseñas de otros clientes o de internet, o se usa en varios reclamos y cuentas.
“No llegó” o “llegó vacío”
Sigue siendo la forma más común de abuso de reembolsos, y uno de cada tres comercios ya sufre la manipulación del seguimiento de envíos.1
Producto usado y devuelto
El cliente usa el producto y lo devuelve como nuevo. Más de la mitad de los comercios del Reino Unido reporta este problema, conocido como wardrobing.3
Producto cambiado
Vuelve otro producto, uno falsificado o uno de menor valor. El 29% de los comercios recibió devoluciones de productos falsificados.1
Reembolsos como servicio
Grupos organizados piden el reembolso por el cliente a cambio de un porcentaje, con guiones, cuentas y pruebas armadas.5
3. Quién paga
En un marketplace, el costo suele recaer en el vendedor: la plataforma devuelve el dinero al comprador y el vendedor recibe un producto dañado, incompleto o ninguno.15 En una tienda propia, lo absorbe directamente el comercio, que además paga el envío de vuelta.
La ley protege al comprador, y eso está bien: en Argentina hay 10 días para arrepentirse de una compra a distancia16 y en Brasil, 7.17 El problema es que el abuso se esconde detrás de ese derecho. Sin una forma rápida de verificar la foto, rechazar un reclamo falso cuesta más que pagarlo.
Una cuenta rápida
Pérdida por fraude = devoluciones con foto × porcentaje fraudulento × ticket promedio. Cambia los valores por los de tu tienda.
Pérdida estimadaUSD por mes · USD por año
Valores de ejemplo, no son datos de mercado. No incluye el envío de vuelta, la logística inversa ni el tiempo de atención.
4. Por qué los controles actuales no alcanzan
El reembolso instantáneo
Para dar una buena experiencia, el dinero se devuelve antes de recibir el producto. Forter frenó una red de USD 800.000 que abusaba justamente de esas políticas.3
La foto como prueba suficiente
Muchas políticas de devolución se diseñaron cuando una foto era difícil de falsificar. Hoy aceptarla sin analizarla es aceptar el reclamo.
El ojo del equipo de atención
Los casos que se descubren dependen de alguien que conoce muy bien el producto, como la forma en que se rompe una tela.11 Con cientos de tickets por día, eso no escala.
Controles que miran el pago, no la foto
Las herramientas antifraude tradicionales analizan la tarjeta, el dispositivo y la cuenta. Ninguna analiza si la imagen del producto dañado fue editada.
El producto vuelve tarde o nunca
Cuando el producto finalmente llega al depósito, el reembolso ya se pagó. Y en el “no llegó” o el “llegó vacío”, no vuelve nada para revisar.
5. Qué funciona: un enfoque por capas
Ninguna señal sola alcanza. Lo que da resultado es analizar cada foto con varias capas a la vez, antes de liberar el reembolso, y reservar a las personas para los casos dudosos.
Análisis de la imagen
Buscar señales de generación o edición en el daño: bordes, texturas, reflejos e iluminación que no corresponden a una foto real. La metadata del archivo suma, pero no puede ser el único control.
Historia de la imagen
Saber si esa foto ya apareció antes: en la publicación del producto, en reseñas, en internet o en otro reclamo, aunque esté recortada o rotada.
Contexto del reclamo
Cruzar la foto con el historial del cliente, la frecuencia de devoluciones, el valor del pedido y lo que se está reclamando.
Revisión humana
Un especialista revisa solo los casos grises, con la evidencia ya ordenada, y deja registrado el criterio para disputas y contracargos.
6. América Latina: la devolución como derecho y como puerta
El comercio electrónico de la región crece con devoluciones cada vez más simples, y el fraude con fotos llega al mismo tiempo que en el resto del mundo.
Argentina: el vendedor paga
Vendedores de marketplaces relatan reembolsos aprobados al comprador y productos devueltos dañados o incompletos, sin a quién reclamar.15
Brasil: 7 días para arrepentirse
El Código de Defensa del Consumidor permite desistir de una compra online dentro de los 7 días de recibida.17 Es un derecho legítimo, y por eso el abuso es difícil de distinguir.
México: fotos generadas con IA
Pequeños comercios ya reciben fotos de productos “dañados” generadas con IA para pedir reembolsos.12
La foto llega por WhatsApp
Muchos reclamos se resuelven por chat, que comprime las imágenes y les borra buena parte de la metadata. El análisis tiene que mirar la imagen en sí.
7. Qué viene
La falsificación se abarata
Cada nueva generación de herramientas de imagen hace la edición más rápida y más realista. Un análisis de la AI Incident Database concluyó que el fraude con deepfakes ya opera a escala industrial.18
El abuso se organiza
Los reembolsos como servicio convierten el fraude en un negocio: guiones, cuentas y fotos listas para cada tienda.6
Más inversión en detección
El mercado de detección de imágenes falsas se estima en USD 1.870 millones en 2026 y podría llegar a USD 7.430 millones en 2031.19
8. Qué preguntarle a un proveedor
Si vas a evaluar una herramienta para revisar fotos de devoluciones, estas preguntas separan una solución completa de una parcial.
¿Analiza la imagen, su historia y el contexto del reclamo?
Cada señal por separado deja huecos: una foto nueva y editada no aparece en ninguna búsqueda, y una foto reciclada puede no tener rastros de edición.
¿Responde antes de liberar el reembolso?
Si el análisis tarda horas, el reembolso instantáneo se paga igual. Tiene que responder en segundos.
¿Explica el motivo de cada resultado?
Para rechazar una devolución o defender un contracargo necesitas saber por qué es sospechosa.
¿Se puede usar sin integrar nada?
Si la única opción es una integración técnica, la prueba tarda meses. Con una herramienta web se empieza en días.
¿Detecta la foto de tu propia publicación?
Una de las trampas más comunes es reclamar con una foto tomada de la publicación del producto o de una reseña.
¿Puedo probarlo con mis propios casos?
Un piloto con tus devoluciones reales muestra el resultado antes de contratar.
9. Checklist para equipos de operaciones y atención
- Mide qué porcentaje de tus reembolsos se aprueba solo con una foto.
- Analiza la foto antes de liberar un reembolso instantáneo.
- Pide la foto con la cámara de la app o del navegador, en el momento, no desde la galería.
- Compara cada foto con las de tu publicación y tus reseñas.
- Revisa el historial de devoluciones del cliente antes de aprobar.
- Fotografía y registra el producto al despacharlo, sobre todo si es de alto valor.
- Define qué evidencia necesitas para rechazar una devolución y déjala registrada.
- Separa los casos claros de los dudosos, y que solo los dudosos lleguen a una persona.
Cómo lo resuelve Vouch
Vouch analiza cada foto de devolución en menos de 30 segundos con tres capas: detección de imágenes generadas o editadas con IA, búsqueda de la imagen en internet y en reclamos anteriores, y el contexto del cliente. Devuelve un score de riesgo de 0 a 100 con el motivo, y los casos grises pasan a un especialista. Funciona desde Vouch Web, sin integrar nada, o por API.
Preguntas frecuentes
¿Qué es el fraude en devoluciones de e-commerce?
Es pedir el reembolso de una compra online con un reclamo falso: que el producto llegó dañado, que no llegó, que llegó vacío o que era otro. Cada vez más, ese reclamo se acompaña con una foto editada con IA o reciclada.
¿Cómo se detecta una foto de producto dañado hecha con IA?
A simple vista es cada vez más difícil. Lo que funciona es combinar el análisis técnico de la imagen, la búsqueda de esa misma foto en internet, en tu publicación y en reclamos anteriores, y el contexto del cliente, con revisión humana para los casos dudosos.
¿Qué herramientas detectan fotos de devoluciones editadas con IA?
Hay detectores generales de imágenes hechas con IA, pero para devoluciones conviene una herramienta que combine el análisis de la imagen, la búsqueda de fotos repetidas y el contexto del cliente, y que responda antes de liberar el reembolso. Vouch, por ejemplo, analiza cada foto en menos de 30 segundos, devuelve un score de riesgo de 0 a 100 con el motivo y deriva los casos dudosos a un especialista.
¿Qué son los reembolsos como servicio?
Son grupos que piden reembolsos fraudulentos en nombre de otros a cambio de un porcentaje del valor. Se promocionan en redes y canales de mensajería, y usan guiones, cuentas y pruebas armadas.
Fuentes
Este informe se basa solo en fuentes públicas, todos los datos son verificables.
- Merchant Risk Council. 2026 Global eCommerce Payments & Fraud Report (mar 2026)
- National Retail Federation. Consumers Expected to Return Nearly $850 Billion in Merchandise in 2025 (oct 2025)
- Retail Rewired. Forter: Retailers report rising returns fraud, with 80% of fake claims fuelled by AI evidence (jun 2026)
- Appriss Retail. 2026 Total Retail Loss Benchmark Report (feb 2026)
- Sourcing Journal (WWD). Amazon Lawsuit Names 27 Defendants Running Global Refund Fraud Scheme (dic 2023)
- CNBC. Refund fraud schemes promoted on TikTok, Telegram are costing Amazon and other retailers billions of dollars (mar 2024)
- China Daily. AI-driven refund scams spur calls for stronger e-platform protection (dic 2025)
- South China Morning Post. China consumers use AI to alter product photos, claim refunds for goods that appear damaged (2025)
- Infobae. Alerta por nuevo fraude con IA: usuarios crean imágenes falsas de productos “defectuosos” para obtener devoluciones (dic 2025)
- OECD.AI (AI Incidents Monitor). Taobao and Tmall Deploy AI to Combat Fraudulent Refunds with Fake Images (ene 2026)
- Modern Retail. From Boll & Branch to Bogg, brands are battling a surge of AI-driven return fraud (mar 2026)
- Infobae México. Emprendedora se viraliza al detectar imágenes falsas creadas con IA y evita presunta estafa (may 2026)
- William Fry. EU AI Act Omnibus Deal Reached: Postponed Deadlines, Watermarking Compromise, and the Nudification Prohibition (may 2026)
- Jones Walker LLP. The EU approved a high-risk AI delay, but most transparency obligations remain (2026)
- iProUP. Fraude en primera persona: así te estafan en Mercado Libre cuando vendés un producto y te lo devuelven
- Infoleg (Argentina). Ley 24.240 de Defensa del Consumidor, texto actualizado
- Planalto (Brasil). Lei nº 8.078/1990, Código de Defesa do Consumidor
- The Guardian. Deepfake fraud taking place on an industrial scale, study finds (feb 2026)
- Mordor Intelligence. Fake Image Detection Market Size and Share Research Report, 2031 (2026)
- Google Security Blog. Pixel and Android: trusted images with C2PA Content Credentials (sep 2025)