Hace unas semanas, estaba tomando un café con el dueño de una tienda de ropa deportiva. Me contaba, con esa cara de frustración que te dice que ya lo ha intentado todo, que sus clientes online se quejaban constantemente: las tallas no coincidían, los colores en la foto no eran los reales, y el inventario en la web nunca cuadraba con lo que tenía en el almacén. "He metido la IA para organizar el catálogo", me dijo, "y parece que ahora tengo más lío que antes". Y ahí me di cuenta de que no es un problema aislado. Es el pan nuestro de cada día.
El error no es usar IA. El error es cómo la acercas a tu negocio. La mayoría piensa que es una varita mágica que ordena el caos por arte de magia. Spoiler: no lo es. Y si no, que se lo pregunten a mi amigo de la ropa deportiva.
El primer gran error: pensar que la IA es un "proyecto", no un "proceso"
Este es el rey de los errores, el que abre la puerta a todos los demás. Las empresas, especialmente las pymes, asignan un presupuesto, un plazo (siempre demasiado corto) y una persona (siempre con otras mil cosas que hacer) para "implementar la IA en el catálogo". Se configura, se lanza, y se da por terminado. Se marca como "hecho" en el tablero de proyectos.
¿Por qué es un error garrafal? Porque un catálogo es un ser vivo. Cambia cada día: nuevos productos, precios que se actualizan, ofertas que entran y salen, stock que fluctúa. La IA que configuraste en enero con tus 500 referencias, en junio, con 750 referencias y una campaña de rebajas, está obsoleta. Deja de aprender, o peor, empieza a sacar conclusiones erróneas basadas en datos antiguos.
Un cliente nuestro, un distribuidor de material eléctrico, tuvo una queja masiva porque la IA seguía mostrando como disponible un cable que llevaba meses sin stock. ¿La razón? La habían "entrenado" una sola vez, al inicio, y nadie la había vuelto a tocar. La IA no sabía que el mundo había cambiado.
La alternativa es mentalizarte de que estás incorporando un sistema de aprendizaje continuo. No es un gasto puntual, es una partida de mantenimiento, como el hosting de tu web. Planifica revisiones trimestrales, asigna un pequeño tiempo semanal para validar sus sugerencias, y prepara un flujo para alimentarla con los cambios importantes. La IA para catálogos no se implementa, se cultiva.
Error número dos: la obsesión por la automatización total (y barata)
"Quiero que la IA lo haga todo sola: que suba productos, que escriba descripciones, que asigne categorías, que ponga las fotos... y que no me cueste un riñón". Lo he oído mil veces. Es un sueño comprensible, pero perseguirlo a ciegas es un camino directo al desastre.
El problema aquí es la calidad. Una IA genérica, mal configurada o con herramientas limitadas, puede automatizar el 100% del proceso y ensuciar tu catálogo a una velocidad imposible para un humano. Te llena de descripciones genéricas que no venden, clasifica los zapatos de tacón en "ferretería", y asocia fotos que no corresponden.
En nuestra experiencia, un 67% de las empresas que priorizan la automatización total sobre la precisión ven un descenso en la tasa de conversión de su catálogo online durante los primeros 3 meses. Los clientes huyen de la información poco fiable.
La solución pasa por la automatización inteligente, no la total. Define qué puede hacer la IA de forma fiable desde el principio:
- ¿Puede extraer datos de una ficha técnica? Probablemente sí.
- ¿Puede generar un título atractivo? Quizás, pero un humano debe revisarlo.
- ¿Puede decidir si un vestido es "para fiesta" o "para diario"? Mejor que no, al menos al principio.
Empieza con un proceso híbrido: que la IA haga el trabajo pesado (recopilar datos, sugerir etiquetas) y que un humano tome las decisiones finales (validar, ajustar, dar el toque comercial). Con el tiempo, a medida que la IA aprenda de las correcciones humanas, podrás darle más autonomía. Pero eso lleva meses, no días.
El tercer fallo: ignorar el "lenguaje" de tu propio negocio
Este es más sutil, pero te mata por dentro. Le das a la IA un catálogo de 2000 productos de fontanería y esperas que clasifique todo perfectamente. Pero tú y tus clientes llamáis "llave de paso" a un producto que en el fabricante se llama "válvula de cierre angular". La IA, que se alimenta de tus datos brutos, usará la segunda nomenclatura. El cliente buscará la primera y no encontrará nada.
El error está en suponer que la IA entiende el contexto, los sinónimos, los localismos y los nombres coloquiales de tu sector desde el minuto uno. No los entiende. Trabaja con los datos que tú le das, crudos.
La alternativa es crear un diccionario de negocio. Un documento simple (puede ser una hoja de cálculo) donde relaciones los términos técnicos con las palabras que usa tu cliente. Es una labor de un par de tardes, pero multiplica la precisión de la búsqueda y la categorización por diez.
La IA es excelente encontrando patrones, pero necesita que le enseñes el mapa. Tu diccionario de negocio es ese mapa. Sin él, está perdida en una selva de datos sin sentido.
Invierte tiempo en este paso. Revisa las búsquedas fallidas en tu web, pregúntale a tu equipo de ventas qué palabras oyen a los clientes, y alimenta a la IA con esos pares de palabras. Verás cómo de repente la "válvula de cierre angular" aparece mágicamente cuando alguien busca "llave de paso".
Cuarto: no limpiar la basura antes de empezar
Garbage in, garbage out. Entrada basura, salida basura. Es el mantra de la informática desde los años 60, y con la IA cobra una fuerza brutal. ¿Tu catálogo actual tiene productos duplicados? ¿Atributos incompletos? ¿Fotos de mala calidad? ¿Descripciones copiadas y pegadas de 2015? Si le das eso a la IA, no lo va a arreglar. Lo va a potenciar y a escalar.
He visto empresas que esperan que la IA milagrosamente deduzca el color de un producto de una foto pixelada de 2008, o que una descripción vacía de repente se convierta en un texto persuasivo. No va a pasar. La IA parte de lo que hay, y si lo que hay es malo, los resultados serán malos (pero más rápido).
La solución es tan aburrida como necesaria: una limpieza a fondo antes del entrenamiento. Dedica un sprint a:
- Eliminar duplicados.
- Completar campos obligatorios (precio, SKU, categoría principal).
- Establecer un estándar mínimo para las fotos.
- Unificar formatos (¿el peso se pone en kg o en gramos?).
Sí, es un
