Catálogo de miles de productos: la IA bajo control

En un catálogo de cien productos, el enriquecimiento con IA es una cuestión de revisión: una persona lee cada ficha, la compara con el texto del proveedor y corrige. Con diez mil, ya no es posible. Y el riesgo cambia de naturaleza: una instrucción mal escrita no produce un error, produce el mismo en todas partes, en una noche, con un panel de control en verde.

Esta guía está dirigida a los equipos que gestionan un gran catálogo y quieren enriquecerlo con IA sin perder el control de lo que afirma. El método básico, ficha por ficha, está en nuestro artículo sobre las fichas de producto y la IA: reducir el catálogo, definir los atributos, extraer sin adivinar, revisar. Este muestra lo que cambia a gran escala, cuando la revisión exhaustiva deja paso a un control integrado en el circuito.

En resumen

• A gran escala, un error de instrucción se repite en todo el lote: primero se prueba en una muestra revisada.
• El procesamiento se hace por lotes, con reanudación en caso de interrupción, para que un fallo no arrastre todo el catálogo.
• Controles automáticos verifican lo que una máquina verifica mejor que un revisor; la persona revisa los casos señalados y una muestra por lote.
• Cada publicación masiva sigue siendo reversible: copia de seguridad, simulación, vuelta atrás.

Lo que cambia entre cien y diez mil fichas

Cambian tres cosas, y ninguna depende de la elección del modelo de IA.

• La revisión se convierte en un muestreo. Ya no se revisa todo: se revisa lo que señalan los controles, más una muestra de cada lote.
• Un error se convierte en una serie. Una instrucción que empuja a «embellecer» un poco no falsea una ficha, las falsea todas de la misma manera.
• El coste se convierte en un tema. Con unas pocas fichas, el precio de las llamadas a la IA es insignificante; en un catálogo entero, reescrito varias veces, hay que gestionarlo.

El marco, en cambio, no cambia. Una característica inventada sigue siendo información falsa sobre un producto, y las políticas de Google contra el spam siguen apuntando a las páginas producidas en masa sin valor para el visitante, «no matter how it’s created», como recuerda nuestro artículo sobre las fichas de producto y la IA.

El circuito, de la instrucción a la publicación

Seleccionar primero, porque cada ficha enriquecida cuesta y debe revisarse: las ventas y la Search Console de Google dicen qué referencias merecen el trabajo. Probar después en unas decenas de fichas elegidas por su diversidad (familias distintas, textos de proveedor largos y cortos, casos difíciles): es ahí donde se corrige la instrucción, no en el catálogo entero.

El procesamiento por lotes tiene dos ventajas. Un error se ve en el primer lote en lugar de en diez mil fichas. Y un procesamiento interrumpido, por una avería o un límite del proveedor, se reanuda donde se había detenido en lugar de volver a empezar desde cero.

Los controles que una máquina hace mejor que un revisor

Un revisor se cansa en la ficha trescientos. Una regla, no. Estos son los controles que se programan una vez y se ejecutan en cada lote:

• Cada valor tiene su fuente. Una talla, un material o una composición extraídos deben figurar en el texto de origen; si no, la ficha pasa a revisión.
• Las palabras prohibidas. «Ecológico», «hipoalergénico», «hecho a mano», «certificado»: la lista de afirmaciones que requieren una prueba y que la IA no tiene derecho a añadir por su cuenta.
• Las formas de escritura. Una unidad, una sola forma: «30 cm» en todas partes, nunca «30cm» ni «treinta centímetros».
• Las diferencias con la versión anterior. Una ficha cuyo precio, talla o categoría cambia durante un enriquecimiento de texto señala un error, no una mejora.
• Las salvaguardas de volumen. Un lote que vuelve vacío, o que elimina más fichas de las que modifica, bloquea la publicación.

El último punto no es teórico. En Palmora Property, es el escenario que estas reglas bloquean: sin ellas, una respuesta vacía de la interfaz que alimenta el sitio publicaría un sitio con cero productos, con un procesamiento mostrado como correcto. Un control de volumen se escribe una vez; su ausencia puede costar un catálogo.

Lo que conserva el ser humano

La revisión no desaparece, se concentra donde sirve:

• La instrucción y la muestra, revisadas antes de cualquier procesamiento masivo.
• Las fichas señaladas por los controles, con el motivo por escrito.
• Una muestra de cada lote, para detectar lo que las reglas no previeron.
• Las menciones que comprometen: reglamentarias, de seguridad, de edad, de garantía, nunca dejadas solo a la IA.

Este reparto es lo que hace sostenible la revisión: el tiempo de los revisores va a lo que cuenta, en lugar de diluirse en todo el catálogo.

El coste, gestionado en lugar de sufrido

En un gran catálogo, tres palancas marcan la diferencia de coste, sea cual sea el proveedor elegido.

• El procesamiento por lotes asíncrono, que ofrecen los principales proveedores a mitad de precio a cambio de un plazo de procesamiento más largo: OpenAI, Anthropic, Google y Mistral lo anuncian todos al 50 % de la tarifa estándar. Un enriquecimiento de catálogo no necesita una respuesta en el segundo.
• No pagar nunca dos veces el mismo trabajo. Una ficha sin cambios no tiene que volver a pasar por la IA: solo las fichas nuevas y las que han cambiado vuelven a procesarse.
• El modelo adecuado para la tarea. Extraer una talla de un texto no requiere el modelo más caro; la elección se hace probando varios modelos en su propia muestra, como explica nuestra guía para evaluar un modelo de IA antes de la producción.

La segunda palanca la aplicamos a nuestra propia cadena de traducción: en Palmora Property, el coste de traducción se dividió por 60 al cambiar de modelo, y el 95 % de los segmentos sale ahora de una memoria de traducción sin volver a llamar a la IA. El razonamiento completo, de la factura a los tokens, está en nuestro artículo sobre el enrutamiento de modelos.

Publicar de forma reversible

Una operación masiva se prepara como una operación a la inversa. En una tienda online de peluches que estamos poniendo en orden, cada modificación agrupada sigue la misma regla: simulación por defecto, copia de seguridad antes de escribir, vuelta atrás con un solo comando, archivado en lugar de eliminación. Así se llevaron a cabo 172 despublicaciones de productos, además de operaciones en 8 páginas y 62 traducciones. Se añadió una regla: poner la redirección antes de retirar una ficha, para que ninguna dirección que recibía visitas responda en el vacío.

Lo que hace posible el catálogo enriquecido

Un catálogo con campos completos y verificados sirve a todo el resto de la tienda. La búsqueda interna encuentra por fin «conejo 30 cm», los filtros se apoyan en atributos rellenados y la ficha de producto que convierte responde a las preguntas del comprador. El feed enviado a Google gana en calidad, como detallan nuestra guía de Google Shopping y marketplaces y nuestro artículo sobre lo que hace despegar una campaña de Google Shopping; los mismos datos alimentan los marketplaces (véase vender en Amazon además de en su tienda) y unas existencias sincronizadas entre canales.

Unas características exactas reducen también las devoluciones evitables (véase el coste oculto de las devoluciones) y alimentan los correos de recompra (véase los correos de bienvenida, poscompra y recompra) así como los recordatorios de carrito abandonado. Para la exportación, se traducen a cada idioma, un proyecto que describe nuestro artículo sobre la tienda multilingüe y multidivisa. Las opiniones de clientes señalan lo que las fichas dicen mal, y unas fichas más ricas no deben hacer más pesadas las páginas (véase la velocidad de una tienda). Antes de añadir una aplicación de enriquecimiento, haga el cálculo de nuestro artículo sobre el coste de las aplicaciones de Shopify; la plataforma decide también dónde viven estos atributos, como muestra nuestra comparativa Shopify o Medusa. El seguimiento de los efectos pasa por las cinco cifras que conviene seguir cada semana, y un medio de pago que cuesta menos de lo que se cree, o más, se comprueba con nuestro artículo sobre las comisiones reales de pago. Las demás decisiones de una tienda se reúnen en nuestra sección de comercio electrónico.

Si su catálogo es demasiado grande para revisarlo a mano, nuestro acompañamiento de comercio electrónico empieza con una selección y una muestra: qué fichas merecen el trabajo, qué campos faltan y cuánto costaría un enriquecimiento por lotes, controles incluidos.

Preguntas frecuentes

Fuentes

1. OpenAI, procesamiento por lotes (nueva pestaña)developers.openai.com
2. Anthropic, procesamiento por lotes (nueva pestaña)platform.claude.com
3. Google, modo por lotes de la Gemini API (nueva pestaña)ai.google.dev
4. Mistral AI, procesamiento por lotes (nueva pestaña)docs.mistral.ai