Pregunta a cualquier vendedor en un congreso del sector: «¿Usas inteligencia artificial en tu negocio?». Nueve de cada diez te responderán: «¡Claro! Redacto descripciones en ChatGPT y a veces le pido que conteste reseñas». Según encuestas, alrededor del 61% de los emprendedores se ha quedado en ese nivel básico, usando los modelos de lenguaje como un corrector avanzado.
Pero mientras unos se entretienen generando imágenes, otros están montando flujos con agentes autónomos de IA conectados a bases de datos analíticas. Imagina no pasarte la madrugada exportando veinte hojas de Excel del panel de analítica, sino darle al modelo una sola orden: «Busca nichos libres en accesorios de coche con ticket desde 2 500 rublos, donde el top 3 de vendedores capture menos del 40% de los ingresos, y muéstrame su tasa media de entrega efectiva». En un par de minutos tienes delante el desglose listo con gráficos y cifras. Ya vimos el primer lanzamiento de esta tecnología cuando salió el protocolo MCP de MPSTATS para agentes de IA; hoy toca ver cómo ponerlo en marcha en la práctica.
Vamos a repasar la arquitectura: en qué se diferencia un agente autónomo de un chat normal, cómo se configura MCP y por qué las skills convierten al modelo en un analista de plantilla.
Chatbot frente a agente: dónde está la diferencia real
El gran límite de un chat convencional como ChatGPT básico es el aislamiento. Vive encerrado en su ventana de contexto, no ve el stock real de ayer en los almacenes de Wildberries y, si le pides calcular la facturación de un nicho, acaba alucinando e inventándose números.
Un agente autónomo de IA (por ejemplo, sobre Claude o Codex) funciona distinto. Tiene «manos»: herramientas de software (tools) y un protocolo estandarizado para hablar con sistemas externos llamado MCP (Model Context Protocol). Al recibir una tarea compleja, el agente:
- La divide en una cadena de subtareas.
- Consulta por su cuenta el servidor de analítica mediante API.
- Descarga tablas crudas de SKU y ventas.
- Verifica los cálculos matemáticos.
- Entrega un informe estructurado con conclusiones concretas.
Esto deja de ser un generador de texto para convertirse en un empleado digital completo. Ya analizamos esta tendencia al ver cómo los agentes de IA listos para usar sustituyen perfiles operativos en distintos sectores.
Arquitectura: la combinación de MCP y skills personalizadas
El montaje práctico se apoya en dos piezas:
- Protocolo MCP (Model Context Protocol). Es un estándar abierto creado por Anthropic para conectar bases de datos con modelos de lenguaje de forma segura. MPSTATS ha desplegado su propio servidor MCP remoto. En la app de Claude Desktop o Claude Code entras en la sección Connectors y pegas la URL protegida con tu token personal (
https://mcp.mpstats.io/mcp?token=...). El token opera estrictamente en modo lectura: el agente ve la analítica externa de WB y Ozon, informes de cuenta y datos del repricer, pero no tiene acceso físico para tocar datos bancarios ni cambiar precios. - Skills (habilidades). Son instrucciones especializadas en Markdown que fijan la metodología de análisis. Sin una skill, el agente no sabe con qué criterios evalúa un vendedor un nicho. La skill define la lógica de negocio exacta: fórmula del índice de monopolización, umbrales máximos de gasto publicitario sobre ventas (DRR), revisión de tasa de compra efectiva y detección de productos rivales que entraron en out-of-stock.
La suscripción a un modelo avanzado (Claude Pro) cuesta entre $20 y $26 al mes, y el agente consume los límites estándar de tu suscripción activa de MPSTATS. Este montaje cubre de sobra la rutina de un analista junior de entre 60 000 y 100 000 rublos de sueldo, auditando 10 nichos en profundidad en 15 minutos.
Flujo de trabajo: auditar un nicho en tres pasos
Para que el agente no se ahogue entre terabytes de datos, dale órdenes con un guion claro:
- Marca filtros estrictos. Indica categoría objetivo, techo de inversión para la primera compra, margen mínimo deseado (al menos 30%) y reglas de descarte (por ejemplo, que no venda directamente el propio Wildberries en el nicho).
- Lanza la recogida agéntica de datos. A través de MCP, el agente pide la evolución de ventas de los últimos 12 meses, variaciones estacionales de precio y porcentaje medio de devoluciones.
- Recibe el panel listo. El modelo genera el informe: ticket medio, listado de subcategorías con déficit de oferta y estimación del presupuesto publicitario inicial para entrar en el top 10.
Cuando analices categorías gigantes con decenas de miles de SKU, acota siempre la búsqueda por rangos de precio para no saturar el contexto del modelo. Usar agentes no es magia: es una herramienta de ingeniería aplicada que te devuelve horas libres para dirigir el negocio.

