Cinco pasos sencillos y al alcance de cualquier tienda para usar la inteligencia artificial como auditora de tu ecommerce antes de pedirle que venda.
Un plazo de entrega que dice tres días en la ficha y cinco en la página de envíos. Una camiseta de algodón cuyo atributo de material indica poliéster. Un producto dado de alta un viernes por la tarde con la mitad de los campos vacíos. Ninguno de estos fallos hunde una tienda por sí solo, pero juntos explican muchas ventas que nunca llegan. Por eso proponemos algo poco habitual en la conversación sobre IA: auditar el catálogo de tu ecommerce con IA antes de ponerla a atender clientes.
Casi todo lo que se publica sobre inteligencia artificial en comercio electrónico habla de chatbots, agentes y asistentes de venta. Nosotros preferimos empezar por un trabajo menos vistoso y mucho más rentable: que la IA lea las fichas de producto y la información operativa de la tienda y encuentre lo que nadie del equipo tiene tiempo de revisar.
El desgaste silencioso de los catálogos online
Cuando analizamos el catálogo de una tienda online, lo normal no es encontrar un desastre. Lo que aparece es desgaste: cientos de pequeñas incoherencias acumuladas a lo largo de los años, una descripción que contradice a su atributo, una política de envíos que cambió en una página y no en las demás. Nadie las detecta porque nadie lee el catálogo completo. Sencillamente, no hay tiempo.
Ahí está, a nuestro juicio, la primera tarea en la que la IA resulta útil de verdad para una tienda pequeña o mediana. Su ventaja no es la brillantez, es la paciencia: puede revisar dos mil fichas buscando contradicciones sin perder la atención en la número cuarenta.
También hay un motivo puramente comercial. Según el ONTSI, el 51 % de quienes compran por internet en España ya recurre a la inteligencia artificial en alguna fase de la compra. Esos asistentes consultan tu catálogo, tus datos estructurados y tus políticas para decidir si te recomiendan o no. Si tu información se contradice, la IA externa no va a corregirla por ti: elegirá otra tienda.
Nuestra propuesta es clara. Antes de que una IA hable con tus clientes, deja que lea tu tienda. Lo que descubra te dirá más sobre tus ventas perdidas que cualquier promesa de un vendedor de humo.
¿Cómo auditar tu ecommerce con IA en cinco pasos?
Ninguno de los pasos que proponemos exige comprar software. Todos mejoran la tienda aunque nunca llegues a instalar un asistente y, de paso, preparan el terreno para que la IA que usan tus clientes pueda entenderte y recomendarte. Van de lo más sencillo a lo más específico.
1. Busca contradicciones dentro de cada ficha de producto
El punto de partida es el más accesible. Exporta el catálogo en CSV desde WooCommerce, Shopify o la plataforma que utilices y pásaselo por lotes a un asistente como ChatGPT, Claude o Gemini. Si te manejas con la parte técnica, también puedes conectar un modelo de IA directamente al catálogo. La clave está en el encargo: no le pidas que reescriba nada, pídele que señale problemas.
Una instrucción eficaz puede ser tan concreta como esta: revisa estas fichas y enumera las que tengan atributos vacíos, medidas o materiales que no coincidan entre descripción y atributos, unidades mezcladas, descripciones duplicadas o textos del fabricante copiados sin adaptar. Lo que obtienes es una lista de incidencias, no un catálogo nuevo.
Esa diferencia importa más de lo que parece. Una IA que reescribe fichas a ciegas puede inventarse una compatibilidad o una medida con total aplomo. Una IA que indica dónde mirar deja la decisión en manos de quien conoce el producto. La primera ahorra tiempo hasta que provoca una devolución; la segunda lo ahorra sin ese riesgo.
2. Contrasta el catálogo con la información operativa
Una ficha bien redactada puede seguir siendo falsa. Por eso el segundo paso consiste en comparar lo que promete cada producto con lo que dicen las otras fuentes de la tienda. Estos son los cruces que más incoherencias destapan:
- Precio y disponibilidad: lo que muestra la web frente a lo que indica el sistema de gestión o lo que hay realmente en el almacén.
- Plazos y costes de envío: las cifras que aparecen en fichas, preguntas frecuentes, página de envíos y correos automáticos, que con el tiempo dejan de coincidir.
- Devoluciones y garantía: políticas redactadas en varios lugares y, con frecuencia, en versiones distintas.
Comparar textos es justo lo que un modelo de lenguaje hace bien. Basta con pegar las distintas versiones y preguntarle dónde se contradicen. Es habitual descubrir que una tienda promete tres plazos de entrega diferentes según la página por la que entre el cliente.
Para quien compra, cada contradicción es una duda, y basta una sola para que abandone. Para un asistente de IA que compara tiendas, es una señal de poca fiabilidad. Google lo deja claro en su documentación: los datos estructurados deben coincidir con el contenido visible de la página.
Agencia Experta en Escalar Negocios Digitales
3. Revisa la capa semántica que el cliente no ve
Existe una parte del catálogo que los compradores no leen pero que buscadores y asistentes sí procesan: los datos estructurados de producto, los textos alternativos de las imágenes, las categorías y los atributos que alimentan los filtros. El tercer paso es pedirle a la IA que la examine.
Puedes pasarle el marcado de producto de una muestra de páginas y preguntarle qué campos faltan (marca, GTIN, precio, disponibilidad, valoraciones) y si lo marcado coincide con lo visible. También puedes darle el listado de imágenes con sus textos alternativos para localizar los vacíos o los genéricos del tipo imagen1. Y puedes entregarle la taxonomía de atributos para detectar valores duplicados, como azul marino, marino y navy registrados como tres colores distintos que rompen los filtros y dispersan el catálogo.
Todo esto enlaza con el marco CPCE que venimos desarrollando en esta serie. La primera condición para que una marca sea visible en los asistentes de IA es ser catalogable, es decir, tener su información completa, ordenada y legible por máquinas. OpenAI, por ejemplo, publica una especificación para que las tiendas envíen su catálogo a ChatGPT en la que precio y disponibilidad son obligatorios. Un catálogo mal etiquetado llega a esa conversación en desventaja.
4. Escucha lo que preguntan y opinan tus clientes
Coherente no significa completa. El cuarto paso sirve para descubrir qué información falta en tus fichas, y la mejor fuente para averiguarlo son las personas que ya te compran.
Reúne una muestra de consultas recibidas por correo, chat o WhatsApp junto con las reseñas de tus productos más vendidos. Entrégaselas a la IA con las fichas correspondientes y pregúntale qué dudas o quejas se repiten sin que la ficha las resuelva. Si diez reseñas advierten de que una prenda talla pequeño y la ficha no lo menciona, el problema no está en el producto, está en la información.
Una precaución imprescindible: las consultas contienen datos personales. Antes de pegarlas en cualquier herramienta, elimina nombres, correos, teléfonos y direcciones. El RGPD sigue vigente aunque el uso sea interno.
5. Audita traducciones y versiones del catálogo
Vender en varios idiomas añade una dificultad: cada traducción es una copia del catálogo que envejece a su propio ritmo.
Lo comprobamos en un proyecto reciente con un vivero que traduce su catálogo de plantas al inglés, al francés y al alemán. Una de las reglas fundamentales fue que el nombre común de cada planta debía traducirse por el que realmente se usa en cada idioma, no por una versión literal del español. Otra, que ninguna ficha se daba por terminada hasta tener traducidos también su título SEO, su descripción SEO y su URL. Son justo los detalles que se pierden cuando se traduce con prisa y que una revisión automatizada puede detectar.
El quinto paso consiste en pedir a la IA que compare cada versión con la original: campos sin traducir, metadatos que siguen en español, unidades sin adaptar, nombres traducidos al pie de la letra o descripciones actualizadas en un idioma y olvidadas en los demás.
Tres reglas para que la auditoría con IA sea fiable
Todo lo anterior se viene abajo si la IA tiene la última palabra. Los modelos de lenguaje también fallan cuando revisan: señalan problemas que no existen, pasan por alto otros reales y pierden detalle cuando los lotes son demasiado grandes. Por eso, en nuestros proyectos aplicamos tres normas sencillas:
- La IA señala y una persona decide. Ninguna corrección se publica sin la revisión de alguien que conozca el producto.
- Lotes pequeños. Cincuenta fichas bien revisadas valen más que dos mil vistas por encima.
- Primero, lo que más vende. En el 20 % del catálogo que concentra las ventas es donde cada incoherencia sale más cara.
Conviene ser honestos con una limitación: no conocemos estudios independientes que cuantifiquen cuánto más vende una tienda tras corregir su catálogo con IA. Lo que sí sabemos es que una ficha incompleta o contradictoria genera dudas, consultas y devoluciones, y que la información desordenada es el principal freno para cualquier proyecto de IA posterior. En el Informe IA para Ecommerce 2026 que hemos publicado desde Digital Nature junto a Metriagent, ordenar el catálogo figura como requisito previo para casi todos los usos de la inteligencia artificial en una tienda online.
¿Qué vería hoy una IA si leyera tu tienda?
Hay algo casi irónico en todo esto. Las tiendas quieren que las IA hablen bien de ellas, cuando el primer favor que pueden hacerles es señalarles en qué se contradicen. Por eso la pregunta útil no es qué inteligencia artificial instalar en tu ecommerce, sino qué encontraría una si revisara hoy tu catálogo completo. Lo sepas o no, alguna ya lo está haciendo.
En Digital Nature ayudamos a tiendas online a responder a esa pregunta antes de que lo hagan los asistentes de sus clientes. Revisamos catálogos, datos estructurados e información operativa con IA y criterio humano, priorizamos las incidencias por impacto en ventas y dejamos la tienda preparada para ser visible en buscadores y en asistentes como ChatGPT o Gemini. Si quieres saber qué dice de ti tu propio catálogo, podemos empezar por ahí.
Preguntas frecuentes
¿Hace falta una herramienta especial para auditar el catálogo con IA?
Para empezar, no. Con una exportación en CSV y un asistente de uso general es suficiente en catálogos pequeños o medianos. Las herramientas específicas cobran sentido cuando la revisión se convierte en una tarea recurrente sobre miles de productos.
¿Qué errores de catálogo detecta mejor la IA?
Los que nacen de comparar textos: atributos que contradicen la descripción, campos vacíos, unidades mezcladas, plazos o políticas distintos según la página, valores duplicados en la taxonomía y traducciones incompletas. Es menos fiable con datos que solo existen fuera del texto, como el stock real del almacén.
¿Puedo dejar que la IA corrija directamente las fichas?
No lo recomendamos. La IA puede inventar medidas o compatibilidades con total seguridad. Lo sensato es que señale las incidencias y que una persona que conozca el producto decida cada corrección antes de publicarla.
¿Qué relación tiene esto con el GEO?
Mucha. Los asistentes de IA leen tu catálogo, tus datos estructurados y tus políticas para decidir si te recomiendan. Un catálogo completo, coherente y legible por máquinas es la base de la visibilidad en motores generativos.
¿Puedo pegar consultas de clientes en ChatGPT u otro asistente?
Sí, siempre que antes elimines cualquier dato personal (nombres, correos, teléfonos y direcciones). El RGPD se aplica igual aunque el uso sea interno.
