Fa catorze mesos, els rebuts falsos detectats pels sistemes de detecció de frau en despeses eren gairebé tots de baixa tecnologia: plantilles fotocopiades, rebuts comprats a llocs web sospitosos o un dígit editat maldestrament amb programari d'edició d'imatges. A mitjans de maig de 2026, això havia canviat per complet. Els rebuts generats per IA — imatges sintètiques creades en segons amb una indicació de text — van passar del 0% dels rebuts falsos detectats al març de 2025 al 70,8% només catorze mesos després, segons la plataforma de gestió de despeses AppZen. En un sol any, l'empresa va detectar 1.471 rebuts generats per IA presentats per 745 empleats de 174 empreses, que sumaven un total de 148.143 dòlars en reemborsaments reclamats.
Si gestiones una petita empresa i penses "som massa petits perquè ningú es molestí", les dades diuen el contrari. El frau de rebuts amb IA no es concentra en un grapat d'esquemes dramàtics de cinc xifres: s'estén de manera àmplia, deliberadament, a través de milers de reclamacions petites que individualment són fàcils d'aprovar i col·lectivament són cares d'ignorar.
Per què aquesta onada de frau és diferent
El frau de rebuts més antic tenia un obstacle incorporat: fer una falsificació creïble requeria esforç, així que la majoria dels que ho intentaven o anaven a lo gran (valia la pena el risc) o ni s'hi molestaven. La IA generativa va eliminar completament aquest obstacle.
"Els generadors d'IA són gratuïts, instantanis i prou bons per enganyar una persona", va dir Kunal Verma, CTO d'AppZen, en comentaris sobre la tendència. "La IA bàsicament va canviar el joc d'una falsificació prou gran per valer la pena el risc a un munt de falsificacions petites".
Aquest canvi es veu clarament en les xifres. Els rebuts falsos generats per IA tenen una mitjana d'uns 101 dòlars cadascun (mediana de 32 dòlars) — notablement inferior a la mitjana de 182 dòlars de les falsificacions tradicionals amb plantilles. Això no és casualitat. La majoria de les plataformes de despeses aproven automàticament qualsevol cosa per sota d'un llindar de dòlars establert, sovint entre 25 i 100 dòlars. Mantingues cada rebut fals just per sota d'aquesta línia, i passa sense que cap humà el miri mai.
Algunes altres conclusions que val la pena conèixer si gestiones reemborsaments:
- Les taxes d'admissió dels empleats són altes. En una enquesta de 2026, aproximadament el 40% dels empleats dels EUA van dir que havien utilitzat IA per generar o alterar un rebut per a una despesa laboral: un 19% va fabricar una compra completament, un 15% va inflar l'import d'una de real.
- Les eines de l'empresa són part del problema. El 40% dels empleats que van crear rebuts falsos van utilitzar eines d'IA que el seu propi empresari estava pagant, cosa que significa que el frau de vegades funciona amb la teva pròpia llicència de programari.
- El comportament repetitiu és habitual. Aproximadament un terç dels empleats enxampats presentant un rebut fals ho van tornar a fer més tard — en una gran empresa estudiada, la taxa de repetició va arribar al 41%.
- És un patró global, no un problema d'un sol país. En el mateix conjunt de dades, les presentacions abastaven 174 empreses i desenes de països, des d'un grapat de rebuts de dinar de 30 dòlars fins a una sola reclamació de 12.900 dòlars d'un empleat.
Res d'això significa que el teu equip sigui inusualment deshonest. Significa que les eines per fer dreceres han millorat i abaratit dràsticament alhora que el teu procés de revisió probablement no ha canviat gens.
Per què "Té aspecte real?" ja no funciona
Durant anys, l'estàndard per revisar un rebut era essencialment visual: la textura del paper té bona pinta?, les fonts coincideixen amb el venedor?, el total quadra?. Els generadors d'imatges moderns produeixen rebuts amb textura de paper realista, desglossaments d'articles plausibles i marques de temps que coincideixen amb la data reclamada — perquè exactament aquest és el tipus d'imatge que aquests models són bons de produir. Preguntar "això sembla un rebut real?" ja no és una comprovació de frau significativa, perquè una falsificació convincent ara és gratuïta i instantània de fer.
La implicació pràctica per a una petita empresa és senzilla: deixa de verificar el document i comença a verificar la transacció. Un rebut és només una reclamació. El registre de la transacció — el càrrec de la targeta, el deute bancari, el nom del comerciant que realment va processar el pagament — és el fet.
Un manual per a petites empreses per a les revisions de reemborsaments
No necessites programari de detecció de frau empresarial per tancar la major part d'aquesta bretxa. Un grapat de canvis de política i procés cobreixen la majoria del risc.
1. Fes coincidir els rebuts amb les dades de transaccions reals, no només amb l'aparença del document
Si un empleat paga amb una targeta de l'empresa, el banc o el processador de targetes ja té un registre del comerciant, l'import i la data. Comprova el rebut amb aquest registre en lloc de confiar en la imatge per si sola. Una discrepància en el nom del comerciant, l'import o el moment és un senyal molt més fort que qualsevol cosa visible al rebut mateix.
Per a les despeses pagades de butxaca i presentades per a reemborsament, demana la confirmació de pagament subjacent (una línia d'extracte de targeta, un rebut de cartera digital, una confirmació de transferència bancària) juntament amb el rebut del venedor: dos registres independents són molt més difícils de falsificar de manera coherent que un.
2. Revisa el teu llindar d'aprovació automàtica
Si la teva eina de despeses aprova automàticament qualsevol cosa per sota de, per exemple, 75 dòlars, sàpigues que els rebuts fraudulents d'IA tenen una mida específica per situar-se just per sota d'aquest tipus de línia. Això no vol dir que hagis de revisar personalment cada rebut de cafè de 12 dòlars — però sí que un llindar fix de dòlars per si sol és una regla coneguda i explotable. Combina un sostre d'aprovació automàtica més baix amb auditories de mostra aleatòries per sobre i per sota de la línia, de manera que els empleats no puguin predir de manera fiable quines reclamacions petites reben una segona mirada.
3. Vigila amb els presentadors repetitius i els patrons de clústers
Com que una gran part del frau és un comportament repetitiu, fer un seguiment de qui ha tingut prèviament un rebut marcat — fins i tot per alguna cosa menor — és una de les coses de major palanca que pots fer amb temps de revisió limitat. De manera similar, vigila els clústers: diversos empleats presenten formats de rebut sospitosament similars, imports que es situen just per sota del teu llindar o un augment en les presentacions de "rebut perdut, aquí teniu una reconstrucció".
4. Exigeix una presentació ràpida amb detall complet
Estableix una política clara: les despeses presentades dins d'un termini establert (comunament 30 dies) amb la data, l'import, el comerciant i el propòsit empresarial indicats explícitament. Les presentacions tardanes, els propòsits vagues ("reunió amb client", sense nom ni context) i els rebuts amb dígits que no coincideixen del tot amb un total desglossat plausible valen la pena una mirada més atenta.
5. Utilitza la preaprovació per a qualsevol cosa inusual o de gran valor
Les despeses recurrents ordinàries (quilometratge, viatges estàndard, subministraments de rutina) poden continuar amb un procés de toc lleuger. Qualsevol cosa fora del patró normal — una compra única gran, un venedor desconegut, una categoria que l'empleat no sol gastar — hauria de requerir preaprovació o signatura d'un gestor abans del reemborsament, no només una revisió posterior.
6. No confiïs en les eines d'IA que proporciones als empleats sense verificar també la seva sortida
Si la teva empresa dona accés als empleats a eines d'IA d'escriptura, imatge o documents, tingues en compte que la mateixa eina que ajuda algú a redactar un correu electrònic a un client també pot generar un rebut fals convincent en segons. El llenguatge de la política per si sol ("no feu un mal ús de les eines de l'empresa") no és un control tècnic — combina-ho amb l'hàbit de coincidència de transaccions anterior.
Què sembla això a la pràctica
El problema d'escala és més fàcil de veure en un exemple real. En una empresa Fortune 10 estudiada a les dades d'AppZen, 142 empleats de 22 països van presentar 340 rebuts fraudulents per valor d'un total de 34.953 dòlars — una mitjana d'aproximadament 103 dòlars per reclamació. Cap presentació individual hauria desencadenat una revisió manual per si sola. Va caldre mirar el patró a tota l'organització, no cap rebut individual, per veure el problema.
Una petita empresa evidentment no processa milers d'informes de despeses al mes. Però la mateixa matemàtica s'aplica a una escala més petita: cinc empleats que inflen un grapat de reclamacions de 40 a 80 dòlars cadascun a l'any és fàcil de passar per alt un informe alhora i suma una quantitat real de diners al desembre. La dispersió geogràfica a les dades també és un recordatori que no es tracta d'un comportament de nínxol lligat a un equip o funció; apareix allà on la gent presenta despeses i sap que la revisió és lleugera.
Una llista de comprovació ràpida per revisar rebuts
Quan alguna cosa arriba al teu despatx per a reemborsament, uns quants segons en cadascuna d'aquestes captures la majoria de reclamacions fabricades:
- L'import, la data i el comerciant del rebut coincideixen amb la transacció real de la targeta o del banc? Si no hi ha cap transacció coincident en absolut, això és desqualificador per si sol.
- El total està sospitosament a prop del teu llindar d'aprovació automàtica — per exemple, 3 dòlars per sota d'un límit de 75 dòlars?
- Aquest empleat ha tingut un rebut marcat o corregit abans? El comportament repetitiu és prou comú per ponderar-lo a la teva revisió.
- El camp de propòsit empresarial diu alguna cosa específica (nom del client, projecte, context de la reunió) o només una frase genèrica com "reunió amb client" o "material d'oficina"?
- Es va presentar puntualment, o apareix setmanes després com a part d'un lot de rebuts "reconstruïts"?
- Si diversos empleats presenten rebuts d'aspecte similar alhora, tracta-ho com un patró per investigar, no com una coincidència per deixar passar.
Cap d'aquestes comprovacions requereix un programari especial — només requereixen mirar realment el registre de la transacció en lloc de confiar en el document.
El punt principal: el frau de despeses és un problema de comptabilitat, no només de RRHH
El frau de reemborsament de despeses ja apareixia en aproximadament el 13% dels casos de frau ocupacional abans que la IA generativa fes la fabricació sense esforç, segons l'Associació d'Examinadors de Frau Certificats. El que ha canviat no és si la gent es veu temptada d'inflar un informe de despeses — és com de barata i convincent s'ha tornat la fabricació, i com de més petita pot ser cada reclamació fraudulenta individual tot sumant-se.
Per això mateix, els registres financers nets, ben documentats i fàcilment auditables són més importants que mai. Quan cada transacció es fa un seguiment en un sistema on l'entrada, el compte que toca i el registre de suport estan tots enllaçats i es poden revisar — en lloc d'estar dispersos entre adjunts de correu electrònic, files de fulls de càlcul i fotos de rebuts que ningú no comprova — les discrepàncies destaquen en lloc d'amagar-se en el volum. Una reclamació de reemborsament que no es remunta a una transacció real de targeta o línia bancària és una bandera vermella que pots detectar en minuts si els teus llibres estan estructurats per a això, i una que mai notaràs si no ho estan.
Mantingues les teves finances organitzades i auditables
Detectar rebuts fabricats és, en última instància, un problema de registres: necessites que cada despesa es pugui rastrejar fins a una transacció real, no només un document que tingui un aspecte plausible. Beancount.io et proporciona una comptabilitat en text pla amb historial complet de versions, de manera que cada entrada — i cada edició — sigui transparent, traçable i fàcil de conciliar amb els teus registres bancaris i de targeta reals. Explora la documentació per veure com un llibre major controlat per versions fa que les reclamacions de despeses desiguals o duplicades siguin fàcils de detectar, o consulta Fava per a un tauler visual sobre els teus llibres. Comença gratis i construeix revisions de reemborsament basades en registres en els quals puguis confiar realment.