夜雨聆风
昨天晚上，一个做家清小电器的商家朋友说了一句很刺耳的话：
“以后退货截图，是不是也要验真假了？”
这句话听着像段子，但已经不是段子。
过去商家处理售后，最常见的证据就是几张图：包装破了、外壳裂了、面料起球了、锅底有划痕，或者水果、海鲜、生鲜到了以后状态不好。客服看图，按规则判断，是补发、退货，还是给优惠券安抚。
这套流程跑了很多年。
现在，AI把最麻烦的一环打穿了。
一张坏货照片、一段破损描述、一张看起来像真实拍摄的截图，都可能不再是现场证据，而是几秒钟生成出来的“退款素材”。
别急着说这是危言耸听。
海外已经有研究开始讨论生成式AI能不能帮助用户伪造退款证据，零售行业也在警惕AI欺诈团伙批量攻击退货系统。更早之前，中国商家就遇到过用户拿AI生成的商品损坏图片来申请退款的报道。
这件事真正可怕的地方，不是AI会P图。
而是电商售后一直默认：图片比文字可信。
当“坏货照片”也可能被生成，售后第一步不再只是看图。
电商售后的很多判断，都是从一张图开始的。
买家说衣服有色差，发图；说杯子裂了，发图；说防晒衣有污渍，发图；说小家电噪音大，发视频；说水果坏了，发一组照片。
对顾客来说，这是最方便的举证方式。
对商家来说，风险最终会落回一笔订单、一个包裹和一次客服判断。
对平台来说，图片和视频能降低仲裁成本。
对商家来说，这也是最快的处理入口。客服不可能每一单都寄回检测，也不可能为几十块钱的小商品拉长沟通链路。能看图判断，就先看图判断。
问题在于，AI生成图片的门槛正在降得太快。
以前要伪造一张像样的商品破损图，至少要懂修图，或者真的找一件类似商品拍。现在只要描述清楚：某品牌电水壶，外壳裂开，纸箱潮湿，背景像快递拆包现场，AI就能给出一张很像售后凭证的图片。
这不是说每个顾客都会这么做。
但只要有人把它做成教程，或者把它包装成“退款技巧”，商家的售后成本就会被重新定价。
很多商家对这个问题的第一反应，是让客服更严格。
但真正要改的，不只是客服态度。
因为AI造假图冲击的是整套售后证据链：谁提交证据，谁判断证据，平台怎么仲裁，商家怎么留痕，客服怎么在效率和风控之间做选择。
图片仍然有价值，但不能再单独承担售后判断。
低客单价商品最先难受。
一件几十元的夏季小商品，商家如果要求寄回再检测，物流成本和沟通成本可能已经吃掉利润；如果直接退款，又可能被一批“聪明人”薅走。过去商家赌的是概率，现在AI把这个概率放大了。
生鲜、个护、家清、服饰、数码配件，也都会碰到类似问题。
生鲜看腐坏程度，服饰看污渍和起球，家清看漏液和破损，数码配件看划痕和接口。越依赖图片判断的类目，越容易被AI图片影响。
最麻烦的是，商家还不能把所有顾客都当坏人。
售后做得太硬，真实顾客会流失；售后做得太松，羊毛党会进来。AI出现以后，这条线更难画了。
这里面有一个很典型的三方错位：平台希望仲裁足够快，用户希望退款足够顺，商家希望损失足够可控。AI伪造证据一旦进入链路，最先被挤压的不是平台规则，而是客服那几十秒的判断时间。
这件事不是让商家拒绝所有图片。
图片依然有用，只是不能再被当成唯一证据。
我建议商家先做一个简单分级。
把退款争议拉回证据链，才是商家能执行的升级。
第一层，是低风险问题。
比如尺码咨询、安装步骤、轻微使用疑问，这类问题可以继续让客服快速处理，也可以让AI辅助生成话术。
第二层，是需要复核的问题。
涉及破损、污渍、漏液、腐坏、明显瑕疵、缺件少件的售后，不要只看一张图。可以要求补充订单号、拆包连续视频、外包装面单、商品局部细节、时间信息，必要时让用户按指定角度补拍。
第三层，是高风险退款。
同一账号多次申请、同一地址多次出现、同一商品短时间集中投诉、图片背景和商品信息不匹配、证据过于完美，这些都应该进入人工复核，而不是让客服凭感觉处理。
这套规则不复杂。
但它能把售后从“看图说话”，推进到“多证据判断”。
对小商家来说，这比上来就买一套复杂风控系统更现实。
这几年，很多商家听到AI，第一反应是省钱。
AI客服省人力，AI商品图省拍摄，AI短视频省剪辑，AI投流省试错，AI复盘省时间。
这些都是真的。
规则越清楚，客服越不容易在效率和风控之间失手。
但商业世界里，一个工具只要足够便宜，就不会只站在商家这一边。
商家能用AI写客服话术，消费者也能用AI写投诉理由；商家能用AI做商品图，羊毛党也能用AI做破损图；平台能用AI审核售后，黑灰产也会用AI测试审核边界。
这就是电商行业最现实的一面：工具红利从来不是单向流动。谁能把新工具嵌进流程，谁就能先改变成本结构；商家用它降本，黑灰产也会用它降门槛。
所以今天的AI电商，不能只讨论怎么提高转化。
还要讨论怎么识别伪证、怎么保护规则、怎么把售后流程重新拆一遍。
这不是大公司才需要关心的事。
越是小店，越怕一个规则漏洞被反复利用。因为大店还能靠风控、法务和规模摊薄成本，小店每一笔退款都是真金白银。
第一，把容易被AI伪造的售后场景列出来。
破损、污渍、腐坏、缺件、少发、严重色差、使用痕迹，这些都属于高风险证据场景。不要等客服遇到纠纷时再临时判断。
第二，给高风险售后加一条补充证据规则。
不是刁难顾客，而是把判断从单张图片，改成图片、视频、订单、物流、时间、商品细节的组合判断。规则越清楚，客服越不容易被情绪带着走。
第三，保留AI参与，但别让AI拍板。
AI可以帮客服整理材料、识别异常点、生成沟通话术，但退款、补发、拒赔这类动作，至少要有一个人工确认人。
售后不是写文案。
它一头连着顾客体验，一头连着店铺利润，中间还夹着平台规则。这里一旦被AI造假钻空子，商家付出的不是一条回复的成本，而是一整套信任机制的成本。
以前商家怕差评。
后来商家怕仅退款。
现在，商家还要开始怕一张看起来太真实的图。
AI开始进入售后以后，电商最需要升级的，可能不是话术，而是证据。
资料线索：观点来源：WIRED 曾报道中国商家遭遇 AI 生成商品损坏图片申请退款的案例。；观点来源：TechRadar 近期讨论 AI 欺诈团伙攻击零售系统、退货和风控链路的风险。；正文包裹素材来源：Openverse/Flickr，作者 Fresh Materials、The Bag N Box Man LTD，CC BY 2.0。
