La auditoría de fraude de Connect Manager IA ordena a los usuarios por indicios de manipulación de tickets: líneas canceladas ya impresas, precios cambiados a mano, descuentos puestos o quitados, reimpresiones y cambios hechos después de imprimir la cuenta. Mide cada usuario por cada 100 tickets y frente a su propio local. Señala dónde mirar; no acusa a nadie.
Fraude y operaciones sospechosas fue el plato del menú que más votó la sala en la encuesta del taller del Madrid Innovation Lab (minuto 90:05). Esta guía explica qué mira el análisis, qué no mira, cómo leerlo y qué hacer con él.
Qué necesitas#
- Un asistente conectado a Ágora con Connect Manager IA (Claude, ChatGPT u otro).
- Que Ágora registre su auditoría de operaciones, que es lo habitual: el análisis lee ese registro, no lo que alguien le cuente.
- Una licencia que permita ejecutar informes (la prueba de 30 días lo incluye).
- Quién lo usa: la dirección o quien lleva el control de los locales. Es un análisis delicado: da el acceso solo a quien deba verlo (cómo dar y quitar accesos).
Qué mira la auditoría de fraude#
El informe de auditoría de fraude por usuario recorre el registro de auditoría de Ágora y cuenta estas maniobras de cada usuario. No todas pesan igual: pesa más lo que exige intención que lo que puede ser un error al teclear.
| Maniobra | Qué es | Peso en el riesgo |
|---|---|---|
| Tras proforma | Cambios hechos en un ticket después de imprimirle la cuenta al cliente. Es el indicio que más cuenta: el cliente ve un importe y el ticket cambia luego. | Alto |
| Cancela línea impresa | Anular una línea que ya salió a cocina o en la cuenta. | Alto |
| Cambia precio | Teclear un precio a mano. | Alto |
| Quita descuento | Retirar un descuento ya aplicado. | Medio |
| Borra fichaje | Eliminar un fichaje de entrada o salida. | Medio |
| Cancela línea | Anular una línea. | Medio |
| Pone descuento, reimprime, cambia cantidad | Aplicar un descuento, volver a imprimir un documento, cambiar unidades. | Bajo |
| Elimina línea | Quitar una línea antes de imprimir, muchas veces un error al marcar. | Muy bajo |
Con todo eso calcula un riesgo por cada 100 tickets de cada usuario. Sin normalizar, encabezaría la lista siempre quien más trabaja.
Qué mira el análisis de descuentos e invitaciones#
El otro lado del control es lo que se regala. El informe de descuentos por usuario y tipo, que usa el análisis Descuentos e invitaciones, separa tres cosas que se calculan distinto:
- Descuento de línea: sobre un producto concreto del ticket.
- Descuento parcial de ticket: un porcentaje o un importe sobre el total.
- Ticket regalado al 100 %: la invitación completa. Suele ser el importe grande y es el que se escapa de las cuentas improvisadas.
Cada fila lleva el porcentaje sobre la venta del mismo local en el periodo, que es lo que importa: el mismo importe es irrelevante en un local grande y mucho en uno pequeño. Se marcan en tres niveles a partir del 1 %, el 2 % y el 5 % de la venta del local. Y la columna Aviso señala los descuentos sin nombre o sin usuario: no son fraude por sí mismos, pero no se pueden auditar.
Lo que no mira#
- Las aperturas de cajón sin venta no forman parte de ninguno de los dos informes. Puedes preguntarlo, pero la respuesta saldrá de una consulta escrita por el asistente, no de un informe validado: pídele que te diga de dónde sale el dato.
- Los tickets a cero y las reaperturas de mesa por franja tampoco tienen informe propio. En el taller se preguntaron en directo con una consulta libre (minuto 17:38, con datos ficticios).
- Lo que no pasa por Ágora: una venta que no se marca, una caja que no se registra. Si algo no se registra en Ágora, la IA no lo sabe (minuto 14:42).
Cómo leer el resultado#
- Mira el riesgo por cada 100 tickets, no el número de maniobras. Las filas se marcan en tres niveles: a partir de 50 (por encima de lo normal), de 100 (apreciable) y de 200 (mirar hoy).
- Compara a cada usuario con los compañeros de su mismo local, no con el grupo: una barra de tapas y un restaurante a la carta no se parecen en nada.
- Fíjate en «Tras proforma» antes que en el resto de columnas.
- Ten en cuenta quién es «el usuario»: es quien abrió el ticket, no quien lo cobró. Si lo comparas con las ventas por camarero, pide esas ventas por quien abre la mesa.
- Descarta lo poco representativo: el informe deja fuera a quien tiene menos de 20 tickets en el periodo, porque con pocos tickets cualquier ratio se dispara.
- Cuidado con periodos muy cortos: el registro de auditoría guarda la hora del reloj y no el día de negocio, así que en un análisis de uno o dos días la madrugada de la última noche puede caer fuera. Sobre un mes, no se nota.
Explicaciones legítimas antes de pensar mal#
Cancelar una línea o aplicar un descuento son operaciones de cada día. Antes de sacar conclusiones, descarta:
- comidas de personal registradas y luego anuladas o invitadas;
- un cliente que cambia de opinión o una comanda mal tecleada;
- un plato que salió mal y se invitó;
- un encargado que hace las anulaciones de todo el turno con su usuario;
- un local de pruebas mezclado con los reales (el conector pregunta antes de sumarlo).
Lo que llama la atención no es el hecho aislado, sino una tasa muy por encima de la de los compañeros del mismo local.
Cómo actuar#
- Pide al asistente el detalle de los tickets del usuario que destaque: cuándo, en qué mesa, qué cambió y por cuánto.
- Habla con el encargado del local para entender el contexto antes de hablar con nadie más.
- Corrige lo que sea de configuración: descuentos con nombre, anulaciones que exijan autorización y usuarios personales en lugar de compartidos.
- Repite el análisis el mes siguiente y compara.
- Y la regla del propio análisis: nadie debería tener una conversación con un empleado basándose solo en esta tabla.
Cómo funciona#
flowchart TD
A["Pides la auditoría de fraude de un periodo"] --> B["El asistente saca los grupos de TPV de cada local"]
B --> C["Ejecuta el informe sobre el registro de auditoría de Ágora"]
C --> D["Cuenta las maniobras de cada usuario"]
D --> E["Riesgo por cada 100 tickets, con más peso a lo que exige intención"]
E --> F["Compara con la media de su mismo local"]
F --> G["Indicios con nivel: mirar hoy, apreciable o por encima de lo normal"]
G --> H["Tú revisas el detalle y el contexto antes de decidir"]
El análisis no lo improvisa el modelo: lleva dentro patrones que el equipo de FOS ha ido recogiendo con sus clientes durante años, como cambiar un ticket tras la proforma, borrar un artículo, pasarlo a cero o cancelar (minuto 16:37).
Preguntas para lanzarlo#
- En Claude, escribe
/y elige Auditoría de fraude o Descuentos e invitaciones. - En otros asistentes: «Revisa los indicios de manipulación de tickets del mes pasado con el informe de auditoría de fraude de Ágora: riesgo por cada 100 tickets, la columna "Tras proforma" y cada usuario comparado con la media de su local. Preséntalo como indicios, no como acusaciones.»
- Para seguir: «Del usuario que más destaca en el local Centro, enséñame los tickets con cambios tras la proforma: fecha, mesa, qué cambió y el importe antes y después.»
El texto completo de los dos análisis está en Los 7 análisis listos de Connect Manager IA.
Preguntas frecuentes#
¿La IA me dice quién está robando?#
No. Señala usuarios con una tasa de maniobras muy por encima de la de sus compañeros del mismo local. Es un indicio para revisar el detalle y el contexto, nunca una prueba ni una acusación.
¿Por qué se mide por cada 100 tickets?#
Porque quien más trabaja hace más anulaciones y descuentos en números absolutos. Dividir por los tickets de cada uno permite comparar a un camarero de diario con otro de fin de semana.
¿Mira las aperturas de cajón?#
No: ninguno de los dos informes las cuenta. Se puede preguntar, pero la respuesta saldrá de una consulta escrita por el asistente, que debe decírtelo, y conviene comprobarla en Ágora.
¿Puede la IA bloquear a un usuario o anular un ticket?#
No. El conector consulta los datos de Ágora, no los cambia. Cualquier medida la toma una persona en Ágora.
¿Cada cuánto conviene pasarlo?#
Una vez al mes, sobre el mes cerrado, es lo que usa el análisis por defecto. Los periodos de uno o dos días dan ratios inestables y desplazan la madrugada en los bordes.
Fuentes#
- Connect Manager IA, análisis listos «Auditoría de fraude» y «Descuentos e invitaciones», informes «Auditoría de fraude por usuario» y «Descuentos por usuario y tipo» e instrucciones del conector (el fraude como indicio, nunca como acusación). Versión del 08-10-2026.
- Manual técnico de Connect Manager IA, versión del 08-10-2026.
- Taller «IA para restaurantes: del dato a la decisión», Madrid Innovation Lab, 06-10-2026, impartido por el equipo de FOS, socios del Madrid Innovation Lab: patrón de fraude (14:42), el fraude no lo improvisa la IA (16:37), tickets a cero, anulaciones y reaperturas (17:38) y encuesta (90:05). Datos de las demos ficticios.