Conversei com Jonathan, chef e proprietário da
Wolf's Burgers, uma das hamburguerias mais reconhecidas de Curitiba. Perguntei
sobre cancelamentos no delivery. A resposta veio sem rodeios: algo em torno de
R$ 10 mil por ano em cancelamentos totais de pedido. E, segundo ele, 99% desses
casos são de clientes agindo de má fé.
Unsplash
É um número que parece abstrato até você fazer a
conta. R$ 10 mil é folha de pagamento de funcionário. É equipamento. É insumo
para semanas. É dinheiro que o restaurante produziu literalmente, transformou
em comida, embalou e entregou, mas não vai receber. Esse é o lado do delivery
que não aparece nos vídeos de hambúrguer com queijo derretendo.
Como o sistema funciona (e
onde ele falha)
O modelo de delivery por aplicativo tem uma
arquitetura de confiança que foi desenhada para o consumidor. Faz sentido do
ponto de vista comercial: o app precisa que o usuário se sinta seguro para
pedir. Se o cliente reclamar e não for atendido, ele vai embora. Se o
restaurante reclamar e não for atendido, ele continua pagando a comissão e
produzindo.
Essa assimetria tem consequências diretas.
O sistema prioriza o relato do cliente
independentemente se o problema aconteceu durante a entrega ou se houve
realmente um erro da loja. Na maioria das vezes o problema acontece durante a
entrega: o entregador não entrega parte do pedido ou entrega o pedido todo
danificado. Mas o sistema não distingue esse caso de uma reclamação falsa. O
mecanismo de cancelamento é o mesmo.
Jonathan descreveu para mim os padrões mais
frequentes que encontra na Wolf's. O cliente que recebe o hambúrguer fechado,
tira foto do lado de fora, alega que faltou bacon ou maionese, e o app cancela
o pedido inteiro. O cliente que abre chamado enquanto o pedido ainda está a
caminho, dentro do prazo estimado de entrega, e o motoboy chega ao endereço sem
saber que a corrida foi cancelada alguns minutos antes. O cliente que informou
o endereço errado no cadastro, leva o entregador para outro lugar via chat,
abre chamado e cancela.
Em todos esses casos, o restaurante perde duas
coisas ao mesmo tempo: o produto que saiu da cozinha e o dinheiro que deveria
ter entrado no caixa.
O novo nível: inteligência
artificial como ferramenta de golpe
Os casos acima existem há anos. Mas em 2025 e 2026,
um elemento novo entrou nessa equação e mudou a escala do problema. Golpistas
manipularam a imagem de um pedido impecável para torná-lo visualmente incomível
e enviaram a foto à plataforma de entregas para exigir o reembolso imediato. O
golpista comeu de graça, pois a plataforma acatou a decisão sem uma perícia
rigorosa. O restaurante amargou o prejuízo duplo: perdeu o insumo e o valor da
venda.
Um caso no Paraná, em julho de 2025, viralizou
quando um cliente usou IA para inserir uma barata na foto de um hambúrguer e
solicitou reembolso à plataforma. No início de 2026, um caso documentado no
Reddit mostrou uma foto de frango cru com marcas de deterioração gerada
integralmente por inteligência artificial: o post teve 40 mil interações e o
reembolso foi processado automaticamente antes que qualquer verificação humana
acontecesse.
As ferramentas de inteligência artificial
generativa disponíveis hoje, gratuitas, acessíveis por smartphone, operáveis
sem nenhum conhecimento técnico, permitem a qualquer pessoa produzir ou
modificar imagens com fidelidade visual que a maioria das pessoas não consegue
detectar. No domínio dos produtos alimentícios, os vetores de falsificação mais
comuns incluem moscas inseridas sobre pratos, hambúrgueres com interior
sugerindo carne malpassada e embalagens com coloração alterada, tudo isso
produzido em questão de minutos.
O problema estrutural: quem
deveria ser o árbitro?
Essa negociação deveria ser entre o usuário e a
plataforma, porque não somos nós que temos que analisar o pedido e reembolsar o
usuário, já que ele faz toda a transação via aplicativo.
Essa frase, dita pelo coordenador de delivery da
Esfiha Imigrantes ao portal Bares & Restaurantes, resume um debate que o
setor inteiro tem mas que raramente chega ao público. O restaurante é um
terceiro nessa relação. A transação financeira é entre o cliente e o app. Mas
quando algo dá errado, ou quando alguém age de má fé, o ônus cai sobre quem
produziu a comida.
A contestação existe. Jonathan confirma que tenta
contestar sempre que consegue documentação suficiente: número do pedido,
horário de saída, histórico de rastreamento do motoboy, prints de conversa. Em
alguns casos o app reverte o cancelamento. Em outros, não.
O problema é que o volume impossibilita a
documentação completa de todos os pedidos. Estabelecimentos com alta demanda
chegam a dois mil pedidos por dia. Fotografar cada um antes de embalar é inviável
operacionalmente. E sem essa prova de saída, a contestação raramente tem base
documental suficiente.
O que diz a lei (e o que ainda
falta)
Do ponto de vista jurídico, o cliente que fabrica
uma reclamação falsa para obter reembolso pode responder por estelionato,
conforme o artigo 171 do Código Penal. Se a imagem adulterada for apresentada
em processo judicial, configura uso de documento falso e fraude processual. O
problema prático é que o alimento já foi consumido quando qualquer denúncia
seria feita. Não há produto para perícia. A prova que restou é digital.
Imagens geradas por IA ainda deixam rastros. A má notícia é que esses rastros exigem um olhar treinado. Fotografias reais de comida deteriorada têm imperfeições caóticas: manchas irregulares, texturas inconsistentes, padrões de deterioração que obedecem à lógica orgânica. Imagens geradas por IA tendem a uma podridão esteticamente coerente que não existe na realidade. Mas detectar isso exige ferramentas de análise de metadados e peritos em forense digital, profissionais raros e caros no Brasil.
Há também um problema sistêmico nos processos
judiciais: ao exigir que toda prova seja convertida em PDF para juntada nos
autos, os sistemas dos tribunais eliminam os metadados da imagem original, os
mesmos dados que poderiam revelar se a foto foi gerada artificialmente.
O que os restaurantes estão
fazendo
Diante de um sistema que não foi desenhado para
protegê-los, os empresários do setor têm encontrado saídas parciais. Documentar
tudo que sai da cozinha, mesmo que não seja possível fotografar cada pedido.
Monitorar o perfil de clientes que pedem cancelamento: Jonathan identificou que
a esmagadora maioria dos golpes acontece no primeiro pedido do cliente no
estabelecimento. Entrar com contestação sempre, mesmo quando a chance de
reversão é pequena, porque o volume de contestações bem documentadas pressiona
as plataformas a reverem seus critérios.
Em casos de golpe com imagem de IA, a recomendação
jurídica é registrar boletim de ocorrência. Isso cria rastro legal, documenta o
padrão e pode ser usado para pressionar a plataforma a bloquear o usuário e,
eventualmente, para subsidiar uma ação de ressarcimento.
As plataformas, de seu lado, afirmam que usuários
identificados em fraudes são bloqueados e que sistemas de machine learning
buscam detectar padrões suspeitos de cancelamento. A velocidade com que os
casos recentes se tornaram virais sugere que esses sistemas ainda têm muito
espaço para evoluir.
O delivery é um canal que transformou o negócio de
muitos restaurantes. É também um canal em que quem produz carrega um risco
financeiro desproporcionalmente alto quando alguém age de má fé. Enquanto as
plataformas não dividirem esse risco de forma mais equilibrada, o setor vai
continuar pagando a conta de golpes que não cometeu.
Nenhum comentário:
Postar um comentário