Estafan restaurantes usando imágenes alteradas con IA durante un domicilio: qué dijo Uber Eats

Una fotografía de una pizza con el queso aparentemente crudo, una bandeja de sushi con trozos mal cortados o una carne mal cocinada. Imágenes como estas llegan cada día al sistema de atención de plataformas como Uber Eats, acompañadas de reclamaciones por productos supuestamente defectuosos.

Sin embargo, en muchos casos no se trata de errores reales, sino de fotografías manipuladas con inteligencia artificial para simular un problema inexistente y así obtener un reembolso.

La práctica afecta directamente a los restaurantes que preparan los pedidos. Cuando Uber Eats aprueba una devolución, el importe no lo asume la plataforma, sino el local que gestionó el envío. En los casos en que el fraude no es detectado, el restaurante pierde el valor total del pedido, a menudo sin posibilidad de defensa.

Uber Eats ha reconocido que el número de reclamaciones fraudulentas ha aumentado ligeramente desde principios de 2024. “Esto no significa necesariamente que haya más casos, sino que nuestras herramientas de detección y prevención están funcionando cada vez mejor”, señaló un portavoz consultado por El Confidencial.

La empresa ha comenzado a implementar sistemas basados en inteligencia artificial para identificar patrones sospechosos en las reclamaciones. “Si detectamos reclamaciones repetitivas o inconsistentes, el sistema puede etiquetar al usuario como potencialmente fraudulento y bloquear el reembolso”, agregó el vocero.

Uno de los mecanismos utilizados para prevenir fraudes consiste en exigir que las fotos sean tomadas en tiempo real, sin permitir subir imágenes desde la galería del teléfono. Sin embargo, esta medida puede ser eludida: algunos usuarios fotografían la pantalla de otro dispositivo que muestra la imagen ya manipulada, lo que permite sortear el control sin dejar huellas evidentes.

Este tipo de engaño se inscribe dentro de un fenómeno más amplio denominado shallowfake, una forma de manipulación digital que requiere mínimos cambios en imágenes o videos, pero logra alterar por completo su interpretación.

A diferencia de los deepfakes, que implican reconstrucción avanzada de rostros o voces, los shallowfakes se apoyan en ediciones superficiales que simulan defectos o daños difíciles de detectar a simple vista. El objetivo suele ser económico: obtener reembolsos, devoluciones o compensaciones sin que haya existido un problema real.

La facilidad de uso de herramientas de IA como Photoshop con funciones generativas ha contribuido a la expansión de este tipo de prácticas. Basta con seleccionar una parte de la imagen y escribir una instrucción —como “simular carne poco cocinada” o “añadir rotura en el paquete”— para obtener una versión modificada y realista en segundos, sin conocimientos técnicos previos.

El uso de imágenes falsas con fines fraudulentos no se limita al sector gastronómico. En el sector asegurador, compañías como Allianz y Zúrich han alertado sobre un aumento significativo de casos de fraude vinculados a la manipulación digital. Allianz reportó un incremento del 300% en el uso de aplicaciones de IA para alterar pruebas visuales desde 2021, mientras que Zúrich confirmó un aumento sustancial en las reclamaciones sospechosas.

Detectar este tipo de manipulaciones es técnicamente posible, pero implica un alto costo. Las imágenes contienen metadatos que pueden delatar su edición, y existen herramientas que rastrean irregularidades mediante análisis de patrones visuales.

Sin embargo, este software suele estar limitado a grandes empresas, mientras que las pequeñas y medianas compañías, incluidas muchas que trabajan con plataformas de reparto, no cuentan con recursos suficientes para implementarlo.

En ese contexto, la sostenibilidad del sistema de atención al cliente y devoluciones se enfrenta a una presión creciente por parte de prácticas que, aunque de bajo impacto individual, se multiplican a escala y afectan la economía de múltiples actores.