Nel periodo delle festività natalizie, quando l’attività di reso dei prodotti acquistati online raggiunge livelli molto elevati, emerge un fenomeno che pesa in modo significativo sui bilanci dei rivenditori: le restituzioni fraudolente. Negli Stati Uniti, infatti, circa uno su dieci articoli restituiti per ottenere un rimborso risulta essere fasullo o differente da quello originariamente acquistato, generando perdite stimate nell’ordine di decine di miliardi di dollari all’anno. Per affrontare questa criticità, UPS, il colosso della logistica, ha deciso di impiegare l’intelligenza artificiale come strumento di contrasto alle frodi legate ai resi, integrando soluzioni tecnologiche capaci di analizzare e segnalare automaticamente i casi sospetti prima che il rimborso venga approvato.
Il progetto negli Stati Uniti è portato avanti da Happy Returns, una società controllata da UPS specializzata nella gestione dei resi “boxless”, ovvero senza scatola né etichetta tradizionale, un servizio che consente ai consumatori di consegnare personalmente gli articoli da restituire in punti di raccolta dedicati. In questo contesto, per combattere le frodi che si verificano quando un cliente richiede il rimborso ma restituisce un articolo diverso o di minor valore — ad esempio un prodotto contraffatto o usurato — la tecnologia è stata applicata per analizzare in tempo reale informazioni, immagini e pattern comportamentali associati al singolo reso.
Il cuore dell’innovazione è uno strumento di intelligenza artificiale chiamato Return Vision, un sistema che utilizza tecniche di machine learning per confrontare ciò che viene inviato con ciò che era stato acquistato. Questo processo non sostituisce completamente l’intervento umano, ma funge da filtro intelligente: quando l’IA individua discrepanze o segnali di possibile frode — ad esempio la presenza di articoli inconsistenti con l’oggetto originario o attività anomale legate all’account del cliente — Return Vision segnala il caso ai revisori umani che poi valutano la situazione e decidono se autorizzare o meno il rimborso.
Questa tecnologia si rivela particolarmente utile proprio nei periodi di picco dei resi, come quello natalizio, quando la quantità di articoli che tornano indietro aumenta drasticamente e la capacità di controllo fisico di ogni pacco diventa logisticamente onerosa e poco efficiente. Grazie all’IA, i sistemi di Happy Returns possono analizzare immagini e dati molto più rapidamente e con una precisione superiore rispetto a quelli basati esclusivamente su ispezioni manuali, rilevando discrepanze sottili che spesso sfuggono all’occhio umano e riducendo così il carico di lavoro per il personale.
In termini numerici, i resi fraudolenti rappresentano solo una piccola percentuale del totale delle restituzioni elaborate dalla rete di Happy Returns — meno dell’1% dei pacchi gestiti viene effettivamente contrassegnato dall’intelligenza artificiale come ad alta probabilità di frode — ma tra questi casi segnalati circa il 10% viene poi confermato come frode vera e propria dopo l’analisi umana, con un valore medio di circa 261 dollari per articolo. Questo dato mostra come l’IA non sia perfetta, ma offra una capacità predittiva significativa in un settore dove ogni frode, anche se isolata, può rappresentare un costo operativo rilevante.
La strategia tecnologica di UPS e Happy Returns non si limita alla semplice identificazione dei pacchi sospetti. Il sistema è pensato per monitorare l’intero flusso del reso sin dall’avvio online della richiesta, tenendo conto di pattern storici, indirizzi e-mail collegati, cronologia delle restituzioni e altri indicatori, e non solo delle immagini del prodotto fisico. Questo approccio consente di ottenere un quadro più completo delle dinamiche di ogni singolo caso, aumentando l’efficacia delle valutazioni e limitando l’accesso ai rimborsi per coloro che cercano di sfruttare il sistema.
L’adozione dell’intelligenza artificiale in questo contesto riflette una tendenza più ampia nel settore retail e logistico, dove tecnologie avanzate vengono sempre più utilizzate per contrastare le frodi e ottimizzare le operazioni, con molte aziende che integrano soluzioni di machine learning per migliorare efficienza e accuratezza nei processi critici. Se da un lato la tecnologia AI supporta l’individuazione automatica di anomalie complesse, dall’altro rimane cruciale la supervisione umana che ne verifica le segnalazioni finali, mantenendo un equilibrio tra automazione e controllo diretto.