En un marketplace de recambio usado, quien vende no es la plataforma sino decenas de desguaces que suben su propio stock, y cada uno lo describe a su manera. El mismo faro aparece como «faro izq golf 5», como «óptica delantera izquierda VW Golf V 2004» o simplemente como «faro», con una foto hecha en el patio. El comprador, sea un taller o un particular, solo quiere una cosa: que la pieza encaje en su coche. Entre una descripción caótica y una compra segura hay un trabajo enorme de ordenar, verificar y resolver dudas, y ese trabajo recae en el equipo del marketplace cada vez que el catálogo crece. Es el tipo de tarea repetitiva, basada en datos y en reglas, donde un equipo de agentes de IA aporta más.
Convertir descripciones caóticas en fichas comparables
Imaginemos un marketplace en el que tres desguaces publican el mismo modelo de faro con tres títulos distintos, dos fotos borrosas y ninguna referencia de fabricante. Para el comprador son tres productos sin relación; para la plataforma, tres anuncios que hay que revisar a mano.
Un agente puede leer el título, la descripción y las fotos de cada anuncio, extraer marca, modelo, año, lado, versión y referencia OEM cuando aparece en la etiqueta de la pieza, y proponer una ficha con campos homogéneos. Si falta un dato clave, como la referencia grabada, pide al desguace una foto concreta de la zona donde suele estar. También detecta anuncios duplicados de una misma pieza y los agrupa para que el comprador compare precio y estado en un solo vistazo. Cuando la ficha propuesta deja dudas, la revisa una persona del equipo antes de publicarse.
Esto también sirve cuando un desguace nuevo se da de alta en la plataforma. En lugar de recibir un manual de veinte páginas, el vendedor recibe indicaciones concretas mientras sube su primera pieza: cómo fotografiarla, qué zona enseñar, qué datos exige la ficha y por qué. Los primeros anuncios salen mejor hechos, y el equipo corrige menos después.
Compatibilidad: que la pieza encaje antes de comprarla
La mayoría de las devoluciones en recambio usado nacen de una pregunta que nadie respondió a tiempo: «¿me sirve el faro de un Golf de 2006 para mi Golf de 2004?». Un agente puede atender esa pregunta en el momento, pidiendo al comprador marca, modelo, año, motorización o el dato de identificación del vehículo que la plataforma admita, y contrastándolo con las referencias de la ficha y con la información del vehículo del que salió la pieza.
Lo importante es lo que no hace: no afirma compatibilidad cuando los datos no alcanzan. Si la referencia coincide, lo explica y lo deja anotado en el pedido; si hay una duda razonable, deriva la consulta al desguace, que es quien tiene el vehículo de origen delante, y avisa al comprador de que la respuesta llegará confirmada. Esa diferencia entre responder con seguridad y responder por quedar bien es la que reduce el número de piezas que vuelven.
Moderar anuncios sin convertirse en cuello de botella
Un marketplace abierto necesita revisar lo que se publica: fotos que no corresponden a la pieza real, imágenes tomadas de otros anuncios, precios muy alejados de los de piezas equivalentes, descripciones que prometen más de lo que se ve, o piezas de seguridad cuya venta exige condiciones que la plataforma y la normativa establecen. Revisarlo todo a mano no escala cuando entran cientos de anuncios a la semana.
Un agente puede hacer una primera pasada: compara el precio con anuncios similares, detecta fotos repetidas entre vendedores distintos, comprueba que los campos obligatorios están completos y marca lo dudoso con el motivo concreto. El moderador humano decide sobre lo marcado y sobre cualquier vendedor con historial problemático. Así el equipo dedica su tiempo a los casos que exigen criterio y no a abrir anuncio por anuncio.
Postventa: transportes, consultas y devoluciones
Las piezas voluminosas —puertas, paragolpes, capós— se dañan o se retrasan en el transporte, y el comprador pregunta por el estado real de una pieza o por los kilómetros del coche de origen. Cuando algo sale mal, el marketplace se convierte en mediador entre dos partes que no se conocen.
Un agente puede responder las consultas previas con los datos de la ficha, seguir los envíos y avisar cuando uno se retrasa, y abrir el caso cuando el comprador reclama: reúne el pedido, las fotos del anuncio, las del desembalaje y la conversación previa, y deja un expediente ordenado para que la persona que media decida. Distinguir entre «llegó dañada», «no era compatible» y «no es lo que se describió» cambia quién asume el coste, y tenerlo claro desde el primer mensaje acorta la disputa. Con el tiempo, esos expedientes también dejan ver patrones: un vendedor con muchas reclamaciones del tipo «no es lo que se describió» o una categoría de pieza cuyas fichas generan siempre las mismas dudas. Ese análisis lo puede preparar el agente; qué hacer con un vendedor problemático lo decide el equipo.
Este trabajo se apoya en lo que ocurre dentro de cada desguace; lo vimos desde el lado del vendedor en IA en chatarrerías y desguaces autorizados, y la parte general de operar una plataforma con muchos vendedores está en gestión de marketplace multivendedor con IA.
Conclusión
Un marketplace de recambio usado gana o pierde por la confianza: que la ficha sea fiable, que la compatibilidad se confirme antes de pagar y que, si algo falla, alguien lo resuelva rápido y con pruebas. La IA no sustituye el criterio del moderador ni el conocimiento del desguacero que sabe de qué coche salió cada pieza, pero sí ordena la información y se encarga del vaivén de preguntas repetitivas para que ese criterio se aplique donde importa.
En MG Solutions no ofrecemos una plantilla genérica de marketplace: construimos agentes de IA específicos para cada empresa, adaptados a vuestro catálogo, a vuestras reglas de moderación y a la forma en que trabajan vuestros vendedores. Si quieres comentar cómo aplicarlo a tu plataforma, contáctanos.