intelligenza artificiale

Frodi nei resi online: come verificare le foto manipolate senza violare i diritti


Indirizzo copiato

Le foto manipolate con l’intelligenza artificiale complicano la gestione dei reclami e-commerce, ma un’immagine sospetta non basta a negare recesso o garanzia. I venditori devono distinguere i rimedi, verificare i riscontri disponibili, garantire un controllo umano e motivare ogni decisione senza penalizzare i consumatori

Pubblicato il 17 nov 2026

Marco Bellocco

Polimeni.Legal



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 8 nov 2026, 11_59_56




Un prodotto arriva integro, ma la fotografia inviata al servizio clienti lo mostra rotto. Il danno è stato aggiunto con l’intelligenza artificiale per ottenere un rimborso. Uno scenario di questo tipo mette alla prova gli e-commerce che gestiscono i reclami soprattutto attraverso le immagini degli acquirenti. Accettarle senza verifiche può favorire richieste infondate; reagire imponendo condizioni più rigide a tutti rischia invece di ostacolare chi ha realmente ricevuto un bene danneggiato.

Per affrontare il problema occorre partire da ciò che la fotografia può effettivamente dimostrare. Anche uno scatto autentico potrebbe raffigurare un altro esemplare dello stesso prodotto oppure un danno provocato dopo la consegna. Allo stesso modo, un’anomalia rilevata da un software non dimostra che il cliente abbia inventato il difetto. L’immagine deve quindi essere confrontata con la descrizione del problema, i dati dell’ordine e della consegna e le comunicazioni intercorse, per capire se il danno esista, riguardi il bene acquistato e giustifichi il rimedio richiesto.

Foto manipolate nei reclami e-commerce: recesso e garanzia

L’individuazione del rimedio richiesto orienta l’intera gestione della pratica. Negli acquisti online tra professionista e consumatore, il recesso consente ordinariamente di sciogliere il contratto entro quattordici giorni dalla ricezione del bene, senza motivazione, salvo le eccezioni di legge. Il cliente non deve dunque dimostrare un difetto: se intende esercitare questo diritto, il dubbio sulla fotografia non giustifica la richiesta di provare un danno che il recesso non presuppone.

Recesso e restituzione del prodotto

In questo caso, la verifica va ricondotta alle regole sulla restituzione. Ai sensi dell’art. 56 del Codice del consumo, salvo che abbia offerto di ritirare egli stesso il bene, il venditore può trattenere il rimborso fino alla ricezione del prodotto restituito o della prova della sua spedizione, a seconda di quale evento si verifichi per primo. Non può invece prolungare questa attesa fino al completamento di qualsiasi controllo interno. Restano ferme le regole sull’eventuale diminuzione di valore imputabile al consumatore.

Difetto di conformità e rimedi della garanzia

Se la richiesta riguarda un difetto di conformità, entra invece in gioco la garanzia legale. In linea generale, per i beni nuovi il venditore risponde dei difetti esistenti alla consegna che si manifestano entro due anni e il consumatore può scegliere anzitutto tra riparazione e sostituzione, nei limiti previsti dalla legge, senza spese e senza notevoli inconvenienti.

La riduzione del prezzo e la risoluzione del contratto sono ammesse nelle ipotesi dell’art. 135-bis Codice del consumo, anche immediatamente se la gravità del difetto lo giustifica. Accertare un danno, pertanto, non significa riconoscere automaticamente il diritto al rimborso immediato. Occorre individuare il rimedio applicabile, considerando anche le eventuali condizioni commerciali più favorevoli.

Onere della prova sul difetto

La verifica del difetto deve inoltre rispettare le regole sull’onere della prova. L’art. 135 Codice del consumo presume, salvo prova contraria e le eccezioni previste, che il difetto manifestatosi entro un anno dalla consegna esistesse già a quella data; restano ferme le disposizioni specifiche per i beni con elementi digitali. La presunzione riguarda la preesistenza del difetto, non l’autenticità della foto o l’effettiva esistenza del problema dichiarato. Il venditore può quindi verificare che il danno sussista e riguardi il prodotto acquistato, ma, quando opera la presunzione, non può chiedere al consumatore di dimostrare che fosse già presente alla consegna.

Rilevatori AI e verifica delle immagini manipolate

Entro questi limiti, i rilevatori di immagini artificiali possono aiutare a individuare i casi da approfondire. Il loro impiego richiede però cautela: la ricerca evidenzia difficoltà nel riconoscere immagini prodotte da generatori diversi da quelli utilizzati nell’addestramento e nel mantenere l’affidabilità dopo compressioni, ridimensionamenti o altre trasformazioni dei file. Tra i lavori che affrontano questi aspetti figura lo studio di Guillaro e altri, presentato a CVPR 2025, A Bias-Free Training Paradigm for More General AI-generated Image Detection.

Questi risultati non costituiscono una validazione dei controlli sui reclami e-commerce. Riconoscere un’immagine interamente generata e individuare una crepa aggiunta a una fotografia reale sono inoltre compiti differenti: prima di adottare un rilevatore, l’impresa dovrebbe valutarne l’idoneità rispetto ai file e alle manipolazioni da esaminare. La segnalazione del software può così orientare un approfondimento, senza diventare da sola una prova di frode o una ragione sufficiente per negare la garanzia.

Foto sospette e controlli proporzionati sui reclami

L’approfondimento dovrebbe partire dalle informazioni già disponibili e proseguire con richieste mirate, quando emerge un dubbio concreto. Si pensi a un cliente che segnala una crepa su un elettrodomestico e chiede il rimborso, allegando una fotografia classificata dal rilevatore come potenzialmente alterata. Il servizio clienti verifica l’ordine e le comunicazioni già ricevute; se l’immagine non permette di collegare chiaramente il dettaglio danneggiato al prodotto, può chiedere una nuova inquadratura che li mostri insieme, spiegando il motivo della richiesta. L’integrazione serve a chiarire il problema e non a costringere il cliente a dimostrare genericamente di essere onesto.

Nuove immagini ed esame materiale del bene

Se le nuove immagini non risolvono il dubbio, un operatore può riesaminare i riscontri e valutare la necessità di un esame materiale del bene. Anche questa fase deve rispettare il rimedio applicabile: per la riparazione o la sostituzione, l’art. 135-ter Codice del consumo prevede che il consumatore metta il prodotto a disposizione del venditore, senza che ciò autorizzi a trasferirgli i costi del ripristino o a imporgli notevoli inconvenienti. Il controllo può confermare il difetto oppure far emergere incongruenze da chiarire, ma non può trasformarsi in un’attesa indefinita che impedisca l’esercizio dei diritti.

Perché il video dell’apertura non può essere obbligatorio

La stessa esigenza di proporzionalità esclude che si possa subordinare in via generale la garanzia alla disponibilità di un video dell’apertura del pacco. La mancanza del filmato non basta a respingere il reclamo: una simile condizione può limitare i diritti del consumatore, in contrasto con il carattere imperativo della disciplina sancito dall’art. 135-sexies Codice del consumo. Nel caso descritto, quindi, l’esito deve dipendere dai riscontri raccolti e dalle regole sull’onere della prova, non dall’assenza di una documentazione che il cliente non era tenuto a predisporre.

Controllo umano e GDPR nei reclami e-commerce

Perché questa procedura funzioni, l’operatore deve poter valutare l’intera documentazione e modificare l’esito iniziale. Una conferma meramente formale del risultato del software non offre un controllo effettivo. Il riesame consente invece di considerare anche le spiegazioni del cliente e di correggere eventuali errori prima di comunicare la decisione.

Decisioni automatizzate e garanzie dell’articolo 22

Questa buona prassi organizzativa va distinta dalle garanzie dell’art. 22 GDPR, che riguarda le decisioni basate esclusivamente sul trattamento automatizzato di dati personali e capaci di produrre effetti giuridici o di incidere in modo analogamente significativo sull’interessato. La sua applicazione dipende dal funzionamento concreto della procedura e dalle conseguenze della decisione. Quando ne ricorrono i presupposti, occorre verificare l’ammissibilità del processo automatizzato e assicurare le garanzie richieste: la finalità antifrode non costituisce, da sola, un’esenzione.

Come motivare la decisione al cliente

Il controllo umano deve poi tradursi in una risposta comprensibile. Dire soltanto che una foto è «sospetta» non permette al cliente di capire che cosa non torni né di chiarire un equivoco. È preferibile indicare le incongruenze rilevanti e consentire spiegazioni o integrazioni, per poi motivare l’esito sulla base degli elementi raccolti, senza formulare accuse non dimostrate.

Conservazione dei file e protezione dei dati

Per rendere possibile questo confronto, e l’eventuale successivo riesame, è opportuno conservare i file ricevuti, le comunicazioni e le ragioni della decisione. Quando tali materiali contengono dati personali, occorre individuare un’idonea base giuridica, informare gli interessati e rispettare minimizzazione, sicurezza e limitazione della conservazione. Queste cautele riguardano anche l’eventuale invio delle immagini a un fornitore esterno per l’analisi: raccogliere e conservare documentazione utile alla pratica non autorizza trattamenti ulteriori indiscriminati.

Foto manipolate e valore della prova in giudizio

La ricostruzione della pratica acquista rilievo anche se il cliente contesta il rigetto davanti al giudice. In questa sede, l’art. 2712 del Codice civile prevede che le riproduzioni fotografiche formino piena prova dei fatti e delle cose rappresentate se la parte contro cui sono prodotte non ne disconosce la conformità alla realtà. Si tratta di una regola sulla prova nel processo, che non impone al venditore di concedere un rimborso sulla sola base della foto allegata al reclamo.

Il disconoscimento, a sua volta, non rende automaticamente inutilizzabile l’immagine, la cui attendibilità può essere valutata insieme agli altri elementi acquisiti. Per questo, conservare i file e documentare le incongruenze emerse durante l’assistenza è più utile di una generica contestazione di manipolazione: permette di spiegare quali verifiche siano state effettuate e su quali riscontri si fondi la posizione del venditore.

Prevenire le frodi nei reclami e-commerce senza penalizzare i clienti

Il rischio di fotografie manipolate impone agli e-commerce di rivedere il peso attribuito alle immagini nelle procedure di assistenza. Una foto convincente non può esaurire l’accertamento del danno, così come il sospetto di un’alterazione non può bastare a negare un rimedio. La decisione deve quindi fondarsi su riscontri coerenti ed essere accompagnata da una motivazione che ne chiarisca le ragioni e permetta di riesaminare la decisione in caso di contestazione. È su questa capacità di verifica che deve concentrarsi la prevenzione delle frodi, evitando che l’incertezza introdotta dall’AI si traduca in una sistematica sfiducia verso gli acquirenti.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x