Con un catálogo de 3.000 referencias en cuatro idiomas, la IA no es un capricho: es la única forma de mantener las fichas vivas sin un equipo de diez personas. El problema es que casi todo el mundo empieza por donde no debe y acaba con 3.000 fichas mal traducidas y una cuenta con avisos de calidad.
Esto va de separar tres cosas: lo que puedes automatizar del todo, lo que necesita un humano delante antes de publicar, y lo que no deberías tocar ni con guantes.
Dónde funciona de verdad
Estos son los casos donde el retorno aparece rápido y el riesgo es bajo.
Primeras versiones de fichas. La IA no escribe tu ficha final, escribe el borrador que tu equipo corrige. Pasar de folio en blanco a un borrador decente ahorra el 70% del tiempo. La clave es alimentarla con datos reales del producto, no dejar que rellene huecos: si no le das el material, se lo inventa.
Traducción y adaptación a otros mercados. Aquí la IA es claramente mejor que un traductor automático clásico, porque puede adaptar el registro, las unidades y las expresiones de búsqueda locales. Traducir literalmente el título español al alemán es la mejor forma de no aparecer en ninguna búsqueda alemana. La IA, bien instruida, adapta en vez de traducir.
Normalización de atributos. Tienes "50ml", "50 ML", "0,05 l" y "50 mililitros" en el mismo campo. Este es el trabajo perfecto para automatizar: reglas claras, resultado verificable, volumen alto. Lo mismo con colores, materiales, tallas y unidades de medida.
Enriquecimiento de datos de producto. Rellenar campos que el proveedor dejó vacíos partiendo de la ficha técnica, del manual o del PDF del fabricante. Extraer datos de un documento que tienes es seguro. Deducirlos del aire no lo es.
Clasificación de reseñas y tickets. Aquí el valor es enorme y el riesgo casi nulo, porque no publicas nada. Clasificas 4.000 reseñas por motivo de queja y descubres que el 30% de las devoluciones vienen de una foto que engaña sobre el tamaño. Eso es dinero encontrado en media hora.
Detección de anomalías de precio y stock. Un proceso que revisa a diario si un precio se ha ido al doble, si un producto activo lleva tres semanas a cero o si el margen de una referencia ha caído por debajo del umbral. No decide, avisa. Perfecto para automatizar.
Dónde la IA sola es peligrosa
Hay una regla simple: si un error puede acabar en una reclamación, una multa o un producto devuelto, no se publica sin revisión humana.
Claims regulados. Cualquier cosa que suene a propiedad saludable, cosmética o alimentaria está regulada. "Refuerza el sistema inmunitario", "reduce las arrugas", "apto para celíacos". La IA escribe estas frases con una seguridad absoluta porque las ha visto mil veces en internet. Que las haya visto no significa que tú puedas usarlas.
Datos técnicos. Potencia, voltaje, capacidad, composición, dimensiones. Si la IA no tiene el dato, hay una probabilidad real de que rellene con algo plausible. Un dato técnico plausible y falso en una ficha es un producto devuelto.
Compatibilidades. "Compatible con modelos X, Y y Z" es el caso más peligroso de todos. La lista de compatibilidades es exactamente el tipo de contenido que una IA completa por patrón. Cada compatibilidad inventada es una devolución garantizada y una reseña de una estrella.
Seguridad, advertencias y normativa. Edad mínima, pictogramas, advertencias de uso, certificaciones, marcado CE. Esto se copia del documento oficial. No se genera, no se reescribe "para que suene mejor" y no se traduce libremente.
Nombres de marca y terceros. Mencionar marcas ajenas en tu ficha puede activar una denuncia de propiedad intelectual. La IA no tiene criterio legal.
Tabla de decisión
| Tarea | Nivel | Por qué |
|---|---|---|
| Normalizar unidades y atributos | Automatizar del todo | Reglas claras, resultado verificable, sin riesgo de contenido |
| Clasificar reseñas y tickets | Automatizar del todo | No se publica nada de cara al cliente |
| Detectar anomalías de precio y stock | Automatizar del todo | Solo genera avisos, la decisión sigue siendo humana |
| Borrador de título y bullets | Con revisión | Afecta al posicionamiento y a la conversión |
| Traducción a otros mercados | Con revisión | Errores de registro y de términos de búsqueda locales |
| Extraer atributos de una ficha técnica | Con revisión | Fiable si el documento existe, se valida por muestreo |
| Descripción larga y contenido de marca | Con revisión | Tono de marca y riesgo de afirmaciones no verificadas |
| Claims de salud, cosmética o alimentación | No automatizar | Regulado, con exposición legal real |
| Compatibilidades y referencias cruzadas | No automatizar | Alta probabilidad de invención y devolución directa |
| Advertencias de seguridad y normativa | No automatizar | Debe copiarse literal del documento oficial |
| Datos técnicos sin fuente documental | No automatizar | Si no hay dato, no hay dato: se deja vacío |
La revisión humana es parte del proceso, no un extra
El error de montaje más común es tratar la revisión como algo que se hará "si da tiempo". Nunca da tiempo.
Métela en el flujo como un estado obligatorio. Una ficha generada no está en estado "lista", está en estado "pendiente de validar". Y nadie puede publicar desde ese estado sin pasar por la validación.
Eso no significa revisar todo al 100%. Significa decidir el nivel según el riesgo:
- Revisión total: categorías reguladas, producto nuevo, producto de alta rotación o alto precio.
- Revisión por muestreo: contenido de bajo riesgo en volumen alto. Revisa un 10-20% y, si la tasa de error del lote supera tu umbral, devuelves el lote entero.
- Solo validación automática: normalizaciones y formatos, con reglas que fallan de forma visible.
Un dato práctico: revisar es mucho más rápido que escribir, pero solo si la persona sabe qué buscar. Dale a tu equipo una lista corta de cinco comprobaciones, no un manual de veinte páginas.
Cómo montar la cadena de trabajo
La arquitectura que funciona tiene siempre las mismas piezas:
- Fuente de verdad. Un sitio donde vive el dato bueno del producto: PIM, hoja de cálculo maestra, lo que sea. Si no existe, esto es lo primero que hay que construir. La IA no arregla un catálogo sin fuente.
- Generación con contexto limitado. La IA solo puede usar los datos que le pasas de esa fuente, más las reglas de tu marca. Instrucción explícita: si falta un dato, lo deja vacío y lo marca. Un campo vacío es un problema pequeño; un campo inventado es un problema grande.
- Validación automática antes que la humana. Aquí se cazan gratis muchísimos errores: longitud de título según el canal, campos obligatorios, palabras prohibidas, unidades fuera de rango, precio fuera de banda, atributos no permitidos en la categoría. Lo que no pasa el validador ni llega al humano.
- Cola de revisión. Con el diff visible: qué había antes, qué propone la IA. Revisar comparando es cinco veces más rápido que leer del cero.
- Publicación por lotes pequeños. Nunca 3.000 fichas de golpe. Lotes de 50 a 200, con control después de cada lote.
- Registro de cambios. Qué se cambió, cuándo, con qué versión del prompt y quién lo aprobó. Sin esto no puedes revertir ni aprender.
Si no puedes volver atrás en diez minutos, no publiques el lote.
Publicar en masa sin revisar: lo que pasa después
Los marketplaces tienen sistemas de calidad de catálogo. No detectan "esto lo ha escrito una IA", detectan las consecuencias: fichas con datos incoherentes, atributos que no encajan con la categoría, contenido duplicado entre variantes, texto que no corresponde al producto.
Lo que suele ocurrir, por orden de gravedad: avisos de calidad de listado, supresión de la ficha en búsquedas, bloqueo de la publicación hasta corregir, y en los casos feos, revisión de la cuenta. Añade a eso el daño comercial directo: devoluciones por descripción inexacta, reseñas de una estrella y métricas de rendimiento del vendedor tocadas.
Y hay un coste que nadie calcula: revertir 3.000 fichas malas cuesta más que haberlas hecho bien. Si además no guardaste la versión anterior, no revierte nadie.
Recuperar el posicionamiento de una ficha que se hundió por un cambio masivo mal hecho lleva semanas. Las políticas concretas sobre contenido generado y calidad de catálogo se actualizan a menudo, así que confirma la redacción vigente en Seller Central antes de lanzar un proyecto grande.
Medir si ha servido de algo
Automatizar sin medir es cambiar trabajo por ruido. Define los indicadores antes de empezar y quédate con pocos:
- Cobertura de catálogo: porcentaje de fichas con todos los campos obligatorios completos. Es el más fácil de mover y el que más suele valer.
- Tasa de error del lote: porcentaje de fichas rechazadas en revisión. Si baja con el tiempo, tus instrucciones están mejorando. Si no baja, el problema está en la fuente de datos.
- Horas por ficha: antes y después, con la revisión incluida. Si no cuentas la revisión, te estás engañando.
- Conversión y tráfico de las fichas tocadas, comparadas con un grupo de control que no tocas. Sin grupo de control no sabes si la mejora es tuya o de la temporada.
- Devoluciones por descripción inexacta: el indicador que avisa de que algo se está publicando mal.
Deja siempre un grupo de control. Es la única forma de defender el proyecto con datos en vez de con sensaciones.
Qué hacer esta semana
- Haz una lista de las tareas de catálogo que te comen más horas y clasifícalas con la tabla de arriba: automatizar, revisar o no tocar.
- Localiza tu fuente de verdad de datos de producto. Si no la tienes, empieza por ahí antes que por la IA.
- Escribe el validador automático antes que el generador: longitudes, campos obligatorios, palabras prohibidas y rangos.
- Elige un lote pequeño de 50 fichas de bajo riesgo y pásalo entero por el flujo, revisión incluida, midiendo el tiempo real.
- Define el grupo de control y los dos o tres indicadores que vas a mirar dentro de un mes.