Por qué esto se convirtió repentinamente en un problema real
Hace catorce meses, casi ninguno de los recibos falsos detectados por los sistemas de detección de fraude de gastos estaba generado por IA. Para mediados de mayo de 2026, representaban la mayoría.
Ese es el hallazgo de AppZen, una empresa de automatización financiera que analiza los gastos corporativos presentados en busca de fraude. En marzo de 2025, los recibos generados por IA representaban esencialmente el 0% de los recibos falsos detectados por sus sistemas. Para mayo de 2026, esa cifra había subido al 70.8%. En los últimos 12 meses, AppZen detectó 1,471 recibos generados por IA presentados por 745 empleados en 174 empresas, que representaban $148,143 en gastos reclamados.
Si diriges una pequeña empresa y reembolsas a los empleados gastos de viaje, comidas o suministros, esto no es un problema empresarial abstracto. Es un cambio en la forma en que la gente común hace trampa en los informes de gastos, y está ocurriendo en empresas de todos los tamaños, no solo en las Fortune 500.
Qué cambió: de una sola gran falsificación a un montón de pequeñas
Antes de que las herramientas de IA generativa se volvieran ampliamente accesibles, fabricar un recibo requería cierto esfuerzo, normalmente editando una plantilla en un programa de edición de imágenes o alterando físicamente uno real. Los defraudadores que se tomaban esa molestia solían apostar fuerte: AppZen descubrió que los recibos falsos antiguos basados en plantillas promediaban $182 cada uno.
La IA cambió la economía del fraude. Un modelo de lenguaje grande o un generador de imágenes puede producir un recibo de restaurante convincente, completo con un nombre de comercio verosímil, totales desglosados e incluso una marca de agua falsa de escáner, en segundos y de forma gratuita. Eso ha invertido por completo la estructura de incentivos.
El CTO de AppZen, Kunal Verma, lo explicó sin rodeos: "Los generadores de IA son gratuitos, instantáneos y lo bastante buenos como para engañar a una persona". Añadió que la IA "básicamente cambió el juego: de una falsificación lo bastante grande como para valer el riesgo, a un montón de pequeñas que nadie se molesta en revisar".
Las cifras lo confirman. Los recibos generados por IA en el conjunto de datos de AppZen promediaron solo $101, con una mediana de apenas $32, muy por debajo de los umbrales de aprobación automática que la mayoría de los sistemas de gastos utilizan para agilizar reclamos pequeños sin revisión manual. En lugar de una cena falsa de $500 que podría llamar la atención de un aprobador, el nuevo patrón es una docena de reclamos de $30-$40 que, individualmente, no llaman la atención.
No es solo un problema empresarial
La magnitud de los incidentes individuales documentados por AppZen es sorprendente. En una empresa Fortune 10, 142 empleados de 22 países presentaron 340 recibos generados por IA por un total de $34,953, más que todos los 25 clientes europeos de AppZen combinados. India encabezó el volumen de presentaciones, mientras que Australia mostró la mayor concentración por recibo, incluyendo a un empleado de telecomunicaciones que reclamó $12,900 en solo 11 recibos falsificados.
Pero las pequeñas y medianas empresas también están expuestas, a menudo de forma más aguda, porque normalmente carecen de un equipo dedicado a la detección de fraude y dependen de la revisión visual de un gerente o de una verificación puntual de un contable. En los datos de AppZen, una minorista europea de óptica tuvo un solo empleado que presentó 45 recibos fraudulentos repartidos en 15 informes de gastos distintos antes de que alguien notara el patrón.
Y esto no es un comportamiento marginal. Una encuesta independiente a 2,000 trabajadores realizada por la empresa de gestión de gastos Emburse encontró que el 40% de los encuestados en EE. UU. admitió haber usado IA para generar un recibo falso. De ellos, el 19% dijo haber fabricado una compra por completo, el 15% usó IA para inflar el valor de un gasto real, y el 6% la usó para recrear un recibo de una compra cuyo comprobante original habían perdido genuinamente.
Vale la pena señalar: no todos los que usan IA aquí intentan robar dinero. Algunos empleados la usan para reconstruir un recibo legítimo que perdieron, en lugar de cometer fraude desde cero, un matiz que conviene tener presente antes de asumir que cada reclamo señalado es malicioso. Pero desde el punto de vista de los controles, un documento fabricado por IA es un documento fabricado por IA sin importar el motivo detrás de él, y eso rompe el supuesto de que un recibo es prueba de que una transacción ocurrió.
Cómo se ven realmente los recibos generados por IA
Las falsificaciones se han vuelto lo bastante sofisticadas como para que la inspección visual por sí sola a menudo no baste para detectarlas. Algunos ejemplos del conjunto de datos de AppZen incluyen:
- Recibos de restaurante falsificados con marcas de agua de escáner fabricadas y firmas de estilo manuscrito convincentes
- Facturas falsas de AT&T y Xfinity, lo que sugiere que el fraude se está expandiendo de reclamos puntuales de comidas y viajes hacia "gastos" mensuales recurrentes
- Totales desglosados y cálculos de impuestos internamente consistentes, lo suficiente como para pasar una revisión rápida
Las falsificaciones basadas en plantillas, el método más antiguo, representaban entre el 95% y el 100% del fraude detectado un año antes. Para mayo de 2026, habían caído a solo el 29% del total, mientras los recibos generados por IA se hacían con la mayor parte. Las herramientas se volvieron mejores, más baratas y más accesibles, y las tácticas de fraude evolucionaron junto con ellas.
Por qué esto importa para todas las empresas, no solo para las grandes
El fraude corporativo de viajes y gastos ya es un problema de tamaño considerable: un estudio más amplio sobre exposición al fraude estimó $3.5 mil millones en exposición total a fraude de gastos y viajes, con aproximadamente $175 millones de esa cifra vinculados específicamente a documentos generados por IA. El fraude de gastos y viajes también destaca por ser inusualmente dependiente de documentos: se estima que el 85% de los esquemas de esa categoría involucran algún tipo de papeleo, lo que significa que los recibos y las facturas son la principal superficie de ataque.
Para una pequeña empresa, la exposición no es proporcional a la cantidad de empleados, es proporcional a cuánto dependes de comprobantes en papel (o PDF) no verificados. Si tu proceso de aprobación de gastos consiste en "un empleado presenta un recibo y un gerente hace clic en aprobar", tienes exactamente la brecha de control que este patrón de fraude está diseñado para explotar.
Cómo proteger tu empresa
No necesitas software empresarial de detección de fraude para reducir significativamente este riesgo. Algunos cambios prácticos marcan una gran diferencia:
Deja de tratar los recibos como prueba por sí solos. Un recibo es una afirmación, no una evidencia. Contrástalo con algo independiente: la transacción real de la tarjeta o el banco, los registros del comercio, una entrada de calendario o un itinerario de viaje. Si un recibo de almuerzo de $38 no corresponde a un cargo real de tarjeta ese día, esa es tu señal, no la apariencia del recibo.
Reevalúa tus umbrales de aprobación automática. Agilizar gastos pequeños por debajo de un umbral en dólares es razonable para mantener los reembolsos rápidos, pero también es precisamente la brecha que el fraude generado por IA está diseñado para explotar. Considera un muestreo aleatorio de los reclamos "por debajo del umbral" en lugar de aprobar el 100% automáticamente: incluso una tasa de auditoría del 10% cambia el cálculo de riesgo para cualquiera que esté pensando en inflar un informe.
No dependas de una sola señal de detección. Algunos equipos financieros se apoyan en los metadatos incrustados en los archivos (como los datos EXIF de una imagen) para identificar imágenes generadas por IA. Eso es frágil: los metadatos se eliminan fácilmente al tomar una captura de pantalla, convertir el formato del archivo o simplemente volver a guardar la imagen. En su lugar, combina varias verificaciones: si el proveedor existe, si el monto coincide con un patrón de transacción real, si el momento tiene sentido.
Vigila los patrones en los reclamos pequeños, no solo en los grandes. Un solo recibo cuestionable de $30 podría ser un error de redondeo. Diez de ellos del mismo empleado en tres meses es un patrón que amerita una conversación. Las vistas agregadas, ordenando por empleado, por proveedor, por montos en cifras redondas, revelan lo que la revisión individual pasa por alto.
Dónde una contabilidad limpia facilita esto
Las empresas mejor posicionadas para detectar este tipo de fraude no son necesariamente las que tienen el software de detección más sofisticado, sino las que cuentan con datos de gastos fáciles de consultar, contrastar y auditar desde el principio. Si tu contabilidad vive en un formato difícil de buscar o comparar con los registros bancarios, detectar un patrón de reclamos pequeños y sospechosos se convierte en una tarea manual tediosa.
Esta es una de las ventajas más discretas de la contabilidad en texto plano. Beancount.io mantiene tu libro contable en un formato controlado por versiones, legible tanto para humanos como para scripts, de modo que contrastar un reclamo de gasto con la transacción real, o escribir una consulta rápida para señalar cada reembolso justo por debajo de tu umbral de aprobación, es sencillo en lugar de convertirse en un proyecto de arqueología de hojas de cálculo. Comienza gratis y descubre por qué los desarrolladores y los propietarios de negocios con mentalidad financiera están cambiando a la contabilidad en texto plano.