Hay un cuello de botella que se repite en casi todo distribuidor, mayorista o fabricante que vende online: el catálogo. No la logística, no el precio, no la web. El catálogo. Miles de referencias que llegan del proveedor en un Excel con una descripción de doce palabras, sin atributos, sin fotos decentes y sin nada que ayude a un cliente a decidir.
La respuesta tradicional ha sido contratar a alguien para escribir fichas. Con quinientas referencias es viable. Con quince mil, y con proveedores que actualizan su catálogo cuatro veces al año, es una carrera imposible de ganar: cuando terminas la última ficha, las primeras ya están obsoletas.
La automatización de catálogo con inteligencia artificial resuelve ese problema de raíz, pero no como muchos imaginan. No consiste en pedirle a un modelo "escríbeme mil descripciones". Consiste en montar un proceso repetible que convierte datos crudos del proveedor en fichas completas, consistentes y verificables.
Qué significa automatizar un catálogo de verdad
Una ficha de producto completa no es un párrafo bonito. Son ocho cosas a la vez:
- Un título normalizado con marca, modelo y atributo diferenciador.
- Una descripción corta para listados y una descripción larga para la ficha.
- Una tabla de atributos técnicos estructurada: medidas, material, potencia, compatibilidades, certificaciones.
- Una categorización correcta dentro del árbol de la tienda.
- Etiquetas y filtros que permitan al cliente encontrarlo.
- Metadatos SEO: título de página, meta descripción, datos estructurados.
- Imágenes con nombre y texto alternativo coherentes.
- Relaciones con otros productos: accesorios, recambios, alternativas.
Automatizar el catálogo significa producir esos ocho bloques de forma sistemática para cada referencia nueva o modificada. La parte de redacción es, con diferencia, la más fácil. Lo difícil es la estructura y la fiabilidad de los datos.
¿Cómo se automatiza la creación de fichas para un catálogo grande?
Con un pipeline de seis pasos, no con una llamada suelta a un modelo. Uno, ingesta: se recogen automáticamente los ficheros del proveedor (Excel, CSV, XML, PDF o incluso su web) y se normalizan a un formato común, con unidades y nomenclatura homogéneas. Dos, extracción de atributos: un modelo lee la descripción libre y las fichas técnicas del fabricante y extrae los atributos estructurados que faltaban, dejando marcado como desconocido lo que no puede deducir. Tres, enriquecimiento: se completan datos desde fuentes fiables como la web oficial del fabricante, siempre citando el origen. Cuatro, generación de contenido: se redactan título, descripciones y metadatos siguiendo tu manual de estilo y a partir únicamente de los atributos ya validados, nunca de la imaginación del modelo. Cinco, control de calidad automático: reglas que verifican longitudes, coherencia de unidades, duplicados, precios anómalos y ausencia de afirmaciones no respaldadas. Seis, publicación: volcado al PIM o directamente a la tienda, con registro de qué cambió en cada referencia. Todo lo que no pasa el paso cinco va a una cola de revisión humana. Ese es el diseño que hace la diferencia entre un catálogo automatizado y un catálogo lleno de errores automatizados.
El paso que casi nadie hace y lo cambia todo
Separar extracción de datos de generación de texto. Si le pides al modelo que escriba la descripción y de paso deduzca la potencia del aparato, tarde o temprano inventará una cifra plausible. Si primero extraes atributos con validación y solo después generas texto a partir de esos atributos ya verificados, el texto no puede contradecir al dato. Es un cambio de arquitectura pequeño con un efecto enorme sobre la fiabilidad.
Inteligencia artificial para catálogo online: qué se puede resolver
Más allá de las fichas, hay cinco tareas de catálogo donde la IA ahorra un trabajo enorme:
- Deduplicación y emparejamiento. Detectar que la referencia del proveedor A y la del proveedor B son el mismo artículo pese a tener nombres distintos. Es la tarea que más horas consume en distribución y la que mejor resuelve un modelo con búsqueda semántica.
- Categorización masiva. Colocar miles de referencias en el árbol de categorías correcto, aplicando el criterio que le enseñes con un conjunto de ejemplos.
- Traducción y adaptación multiidioma. Fichas coherentes en varios idiomas manteniendo las unidades, la terminología técnica y el glosario de marca.
- Detección de anomalías. Precios fuera de rango, medidas imposibles, imágenes que no corresponden al producto, referencias duplicadas.
- Mantenimiento continuo. Detectar qué ha cambiado en el catálogo del proveedor y actualizar solo lo afectado, en lugar de reprocesarlo todo.
¿Las fichas generadas con IA posicionan bien en Google?
Posicionan si aportan información que no está en otros mil sitios, y no posicionan si son un refrito de la descripción del fabricante que usan todos tus competidores. La diferencia no la marca el modelo, la marca la materia prima. Una ficha automatizada que incluya atributos estructurados completos, compatibilidades reales, casos de uso concretos, contenido propio (tu experiencia con el producto, preguntas frecuentes de tus clientes, plazos y condiciones reales) y datos estructurados correctamente marcados tiene todas las de ganar frente a un catálogo genérico. Una que solo parafrasee el texto del proveedor, ninguna. En términos prácticos: usa la automatización para conseguir cobertura completa y consistencia técnica en todo el catálogo, y reserva el esfuerzo editorial humano para las referencias que concentran la mayoría de tus ventas. La cola larga se cubre con automatización; la cabeza, con automatización más revisión.
Un ejemplo de cómo cambian los números
Tomemos un caso ilustrativo: un distribuidor con 12.000 referencias activas y unas 1.500 altas o modificaciones al año. Con redacción manual, y suponiendo entre veinte y treinta minutos por ficha completa entre buscar datos, redactar, categorizar y subir, hablamos de varios cientos de horas anuales solo en mantener el catálogo al día. En la práctica esas horas no existen, así que lo que ocurre es que el 70% del catálogo se queda con la descripción del proveedor tal cual.
Con un pipeline automatizado, el tiempo humano se concentra en dos actividades: definir las reglas y el estilo una vez, y revisar la cola de excepciones. Un objetivo realista en un proyecto bien planteado es que la mayoría de las referencias pasen sin intervención y que la revisión humana baje a unos pocos minutos por ficha solo en las que fallan alguna validación. Mide tu punto de partida antes de empezar: cuántas referencias tienes, cuántas cambian al año y cuántos minutos cuesta hoy una ficha. Sin esa línea base no podrás demostrar el resultado.
Qué debe revisar siempre una persona
La automatización de catálogo no elimina el criterio humano, lo reubica. Hay cinco cosas que no conviene dejar en automático:
- Datos con consecuencias legales o de seguridad. Certificaciones, normativa aplicable, advertencias, composición de productos alimentarios o cosméticos, compatibilidades eléctricas.
- Precios y disponibilidad. Deben venir siempre del sistema de gestión, nunca generarse.
- Afirmaciones comparativas. "El más resistente del mercado" es una afirmación publicitaria con implicaciones legales. Prohíbela en el manual de estilo del generador.
- Los productos que más venden. La cabeza del catálogo merece revisión editorial: es donde se juega el margen.
- La primera tanda de cada proveedor nuevo. Cada proveedor tiene sus manías de formato. Revisar las primeras cincuenta fichas evita propagar un error a dos mil.
Cómo arrancar sin jugarse el catálogo entero
Un plan sensato tiene cuatro etapas. Empieza por una familia de productos representativa, con 100 o 200 referencias, y define el formato de ficha objetivo con un ejemplo escrito a mano que sirva de patrón. Después monta el pipeline y compara lo generado con ese patrón hasta que la calidad sea consistente. Publica esa familia y mide durante unas semanas: visitas, tasa de conversión, devoluciones por descripción incorrecta. Y solo entonces extiende al resto del catálogo por familias, empezando por las de mayor volumen. Publicar quince mil fichas el primer día es la forma más rápida de acabar retirándolas todas.
Conclusión
Automatizar un catálogo grande es perfectamente factible, pero no con una herramienta que escriba textos: con un proceso que ingiere datos del proveedor, extrae atributos verificados, genera contenido a partir de ellos, valida automáticamente y escala a una persona solo lo dudoso. Esa arquitectura es la que permite pasar de un catálogo incompleto y desactualizado a uno consistente que se mantiene solo.
En MG Solutions construimos automatizaciones de catálogo a medida conectadas a tu PIM, tu ERP y tu tienda, con reglas de calidad definidas contigo y revisión humana donde hace falta. Si tienes miles de referencias esperando una ficha decente, cuéntanos tu caso.