IA en el catálogo e-commerce: qué generar, qué NO generar
La IA puede escribir tu catálogo. Pero sobre 100 productos, ¿dónde conviene realmente usarla — y dónde arriesgas dañar la marca?
En un catálogo de 50 productos, escribir descripciones a mano cuesta de media 20–30 horas de trabajo cualificado. Con la IA generativa las mismas 50 fichas llegan en 15 minutos. Tres órdenes de magnitud de diferencia.
Pero hay un riesgo: tratar la IA como una impresora mágica y generar todo, en todas partes, sin criterio. Es la forma más rápida de diluir una marca premium hasta que parezca un Aliexpress.
Aquí tienes un framework de decisión.
Qué hace la IA muy bien hoy
- Fichas de producto estructuradas — bullets con características, datos técnicos, dimensiones, materiales. Output estandarizado, calidad altísima.
- Traducciones multilingües de assets existentes — manteniendo el brand voice consistente a través de un style guide dado como input.
- Resúmenes para A+ Content e infografías — cuando se parte de un documento más largo que hay que condensar.
- Backend keywords y tagging SEO — extracción de sinónimos, variantes, palabras clave relacionadas.
- Alt text para imágenes accesibles — bulk generation con calidad superior a la escritura manual apresurada.
Qué hace mal la IA — o hace bien solo con cuidado
- Brand storytelling profundo — la historia del fundador, el porqué de una elección productiva, los matices emocionales. Sin un humano detrás suena plano, aunque sea gramaticalmente perfecto.
- Posicionamiento frente a competidores específicos — la IA genérica no sabe quiénes son tus competidores reales ni cómo diferenciarte quirúrgicamente.
- Tono irónico, humorístico, irreverente — es el talón de Aquiles de todos los modelos LLM. Pueden imitarlo superficialmente, pero falta el sense of timing.
- Afirmaciones médicas, científicas o reguladas — riesgo real de alucinación, exposición legal.
- Localización cultural fina — una imagen o una expresión que funciona en España puede ser totalmente off en Alemania o Japón. La IA todavía no lo capta bien.
El framework de decisión: dónde sí, dónde no
Tres preguntas para cada asset:
- ¿El output es fácilmente verificable? Si sí (datos técnicos, dimensiones, materiales), genera. Si no (claims de performance, afirmaciones históricas), no generes.
- ¿El asset requiere tono o emoción brand-specific? Si sí, la IA puede hacer un borrador, pero siempre hace falta revisión humana. Si no, la IA sola va perfectamente.
- ¿El error cuesta mucho? Una descripción técnica equivocada de un kit de auto-instalación puede provocar una devolución. Ahí la IA es amplificador de riesgo. Un bullet de decoración sobre un vaso no.
Multilingüe: donde la IA gana sin discusión
Traducir 100 fichas de producto a 5 idiomas cuesta unos 8.000–12.000 € con traductores humanos profesionales. Con un workflow IA bien calibrado — modelo base + brand glossary + post-edit humano sobre los 10 productos clave — el coste baja a 400–800 € y la calidad es comparable. Para las otras 90 fichas, la diferencia no se ve a simple vista.
Brand voice: cómo no perderlo
El secreto es el style guide. Un documento de 2–3 páginas que describe:
- tone (formal, informal, irónico, autoritario);
- vocabulario brand-owned (palabras siempre usadas) y vocabulario prohibido;
- reglas de puntuación y capitalization;
- ejemplos de "buen copy" y "mal copy".
Este archivo, pasado como input al modelo — al final del prompt — cambia drásticamente la coherencia entre fichas generadas en días distintos.
QA workflow: 4 pasos antes de publicar
- Fact check automático sobre datos técnicos (peso, dimensiones, materiales) contra el archivo fuente.
- Brand voice check — randomización del 10% de las fichas generadas para revisión humana puntual.
- Plagiarism + originality check — asegurarse de que el contenido no es idéntico al ya existente en la web o al de un competidor.
- Schema markup validation — en todas las páginas de producto, JSON-LD válido antes del release.
El último consejo
No te preguntes si usar la IA en el catálogo. Pregúntate cuánto y dónde. La respuesta que funciona casi siempre: IA al 80%, curaduría humana al 20%, pero ese 20% tiene que cubrir los puntos donde la marca gana o pierde.