«¿Y quién va a responder si la inteligencia artificial comete un error y la tienda pierde dinero?» Esa pregunta la lanzó Denis Vetrennikov, director de la agencia SellerDen y creador del servicio SellerDen AI, justo al inicio del quinto episodio de su pódcast.
Su postura es doble y directa: la agencia ve cada día por qué decisiones pagan los vendedores a las personas, mientras su propio desarrollo traslada parte de la rutina a algoritmos. El debate sobre la IA en el comercio electrónico suele caer en dos extremos: miedo a despidos inmediatos o escepticismo tras las primeras pruebas fallidas. Para separar la economía real de una tienda de las especulaciones, repasemos todo el trabajo de un gestor: fichas de producto, reseñas, analítica, precios y panel publicitario.
Por qué el miedo al reemplazo y los viejos fallos frenan al equipo
El puesto de gestor de marketplaces tiene límites difusos. En una tienda alguien se encarga solo de las fichas, en otra lleva los anuncios y en una tercera sostiene casi todo el negocio. La lista semanal típica resulta familiar a cualquiera del sector: diseño de fichas, precios y promociones, publicidad, control de inventario y envíos, análisis de ventas frente a competidores y respuestas a reseñas y preguntas.
De ahí viene la gran diferencia salarial, que según Vetrennikov va desde 10,000 o 15,000 hasta cientos de miles de rublos al mes. El sueldo depende del nivel de responsabilidad y del impacto en el beneficio neto, aunque gran parte de la jornada se va en tareas pequeñas y repetitivas.
Dos barreras impiden delegar esa rutina monótona al software. La primera es el miedo a quedarse sin trabajo. En SellerDen había un gestor que temía ser sustituido por la IA y se empeñaba en hacerlo todo a mano. La dirección le mostraba dónde usar ChatGPT o un servicio especializado para ir más rápido, pero él se negaba. Al final prescindieron de él: Vetrennikov aclara que se acumularon otros motivos, pero rechazar esas herramientas hundió su velocidad individual.
La segunda barrera es el recuerdo de los primeros tropiezos. Hace un par de años, vendedores y gestores probaron versiones tempranas de ChatGPT 4.0 o YandexGPT y obtuvieron fotos «de plástico», manos con seis dedos e infografías ilegibles que había que rehacer diez veces. Tras esa experiencia, muchos cerraron la pestaña y volvieron al trabajo manual. En los últimos seis a doce meses la calidad de generación dio un salto enorme, así que juzgar las herramientas actuales por errores pasados ya no sale a cuenta.
Fichas, reseñas e informes: qué pasa a automático en minutos
La brecha entre los gastos de antes y la práctica actual se nota sobre todo en cuatro tareas diarias. En algunas cae de golpe el costo, en otras se ahorra tiempo, pero la revisión humana sigue siendo necesaria.
Fotos, infografías y vídeo. Antes, lanzar una línea de productos exigía una cadena larga: buscar fotógrafo, diseñador y redactor, firmar contratos, enviar muestras al estudio, esperar el retoque, aprobar cambios y cerrar facturas. Con un catálogo amplio, volver a fotografiar todo para cada temporada o fecha especial salía carísimo. Hoy una red neuronal arma el material visual a partir de fotos base en cuestión de minutos. Según el cálculo aproximado de Vetrennikov, generar una variante cuesta menos de 10 rublos; es una referencia personal del autor, no una tarifa oficial, pero el contraste con una sesión con modelos salta a la vista. Aun así, el algoritmo todavía puede deformar el producto, añadir detalles inventados o arruinar la composición, por lo que el visto bueno final de una persona sigue siendo obligatorio.
Descripciones SEO. Los modelos de texto dominaron el idioma antes que la imagen, así que esta tarea maduró primero. Subes las especificaciones y la ficha cruda del fabricante, y obtienes un texto con palabras clave adaptado a distintos públicos, temporadas o campañas de rebajas. Aquí el gestor define el objetivo y verifica los datos reales del producto.
Respuestas a reseñas. Es un ahorro evidente, sobre todo cuando suben los pedidos y el dueño evalúa contratar a alguien a media jornada o tiempo completo. Incluso con pocos comentarios, el sistema quita carga de encima. Vetrennikov recuerda una regla básica: el vendedor responde en el hilo sobre todo para los futuros compradores que revisan la ficha y miden la seriedad de la tienda. En valoraciones de 4 y 5 estrellas los algoritmos responden al instante. Con las críticas de 1 a 3 estrellas es más delicado: hay que entrenar al modelo en el tono de la marca y vigilar que una plantilla torpe no espante a los próximos clientes.
Auditoría de fichas y analítica básica. Ya existen servicios que revisan portadas y textos, detectan puntos débiles y desglosan ventas, gastos y stock. Sin embargo, los informes dependen de tener datos completos: sin el costo real de compra, las comisiones de la plataforma, la logística y estadísticas precisas, la IA entregará un análisis bonito pero sin un beneficio neto fiable.
Consejero o piloto: dónde pasa la línea roja
En las discusiones sobre automatización se suelen mezclar dos conceptos: el asistente de IA y el agente autónomo de IA. El asistente lee cifras, detecta caídas y sugiere pasos, pero no pulsa botones en el panel. El agente autónomo formula tareas por su cuenta y modifica los ajustes de la tienda.
Un ejemplo real en el mercado es el «Asistente Inteligente», que Ozon empezó a activar por fases en modo de prueba a finales de abril de 2026 para los roles de «Administrador» y «Gerente». Funciona con el modelo de lenguaje Qwen 3.5, capaz de mantener el contexto del diálogo y preguntas de seguimiento. La herramienta resume las métricas del día anterior, explica el cálculo de indicadores como «Importe pedido», sugiere acciones sobre envíos o fichas y busca respuestas en la Base de Conocimientos de Ozon. Según la plataforma, puede resolver hasta el 20% de las consultas típicas a soporte. Eso sí, no cambia precios ni pujas por sí solo: es un consejero digital sin acceso al volante.
El escenario del gestor autónomo va más allá: el software accede a ventas, inventario, costos y publicidad. Detecta una baja de pedidos, identifica la causa, ajusta el precio o la puja y mide el resultado. Aun así, los vendedores todavía no están listos para entregar el botón directo de la lista de precios y del presupuesto publicitario, porque el riesgo financiero es demasiado alto.
Quién paga los fallos y cómo armar un corredor de límites
La razón de tanta cautela es simple: el software no responde con su propio bolsillo. Si un algoritmo baja el precio por debajo del costo o quema todo el presupuesto en búsquedas basura durante una noche, la pérdida la cubre el dueño o el gestor responsable. No hay estadísticas consolidadas sobre el volumen de estas pérdidas, pero cualquier vendedor que haya lidiado con un descuento mal configurado entiende el peligro.
Una red neuronal que redacta buenas descripciones y responde reseñas de cinco estrellas puede fallar por completo en economía unitaria. Si ignora comisiones, logística de devoluciones y margen, propondrá acelerar pedidos con precios a pérdida. La factura de ese experimento saldrá de la cuenta bancaria de la tienda.
Dejar que la automatización se acerque al dinero solo tiene sentido mediante un corredor de límites y aprobación manual, es decir, reglas estrictas que el sistema no puede cruzar sin tu confirmación. Vetrennikov señala cuatro condiciones:
- Fijar topes claros: un precio mínimo que cubra todas las retenciones de la plataforma y un techo diario de gasto publicitario.
- Activar la aprobación manual para cualquier cambio fuera del corredor y, durante la puesta en marcha, para cada acción crítica.
- Elegir el modelo adecuado para cada tarea: para números, finanzas y analítica hacen falta modelos avanzados o especializados, no versiones básicas baratas.
- Al inicio, revisar tanto la recomendación final como el razonamiento del modelo mientras aprende las reglas de tu tienda.
Cuatro áreas siguen siendo 100% humanas. Un programa no define el modelo de negocio ni la estrategia: reúne datos del nicho, pero la decisión es del emprendedor. Tampoco negocia con proveedores, aunque redacte correos y compare tarifas. No gestiona riesgos financieros sin red de seguridad, porque puede equivocarse en una fórmula u omitir un gasto. Y, por último, la IA se pierde ante imprevistos: un envío extraviado, una disputa con la plataforma, un conflicto serio con un cliente o un cambio repentino en las condiciones requieren criterio humano.
| Área de trabajo | Qué cubre la IA | Qué queda en manos humanas |
|---|---|---|
| Fotos, infografías y vídeo | Variantes de ficha a partir de originales | Revisión del producto y la composición |
| Descripciones SEO y auditoría | Palabras clave, adaptación estacional y fallos | Definición del objetivo y verificación de datos |
| Reseñas y preguntas | Respuestas a 4–5 estrellas y borradores | Tono de marca y críticas de 1–3 estrellas |
| Analítica de la tienda | Desglose de ventas, stock y gastos | Costo real completo y validación de conclusiones |
| Precios y publicidad | Detección de caídas y ajustes dentro de topes | Corredor de límites, aprobación y elección del modelo |
| Estrategia, proveedores y crisis | Recopilación de datos y borradores | Negociaciones, riesgos, disputas e imprevistos |
Operador de agentes de IA: cómo cambia el puesto y a quién contratar
Redactar fichas en serie, armar portadas y contestar preguntas repetitivas pasa a manos de herramientas digitales, mientras crece el peso de la economía unitaria, el control de presupuestos, la gestión de surtido, la logística y la respuesta ante fallos atípicos. Vetrennikov anticipa el surgimiento de un perfil equivalente al de «operador de agentes de IA para marketplaces»: un solo especialista con un buen conjunto de servicios cubrirá el volumen que antes exigía varios empleados. Por eso, esconderse de la automatización no sirve; gana el gestor que domina estas herramientas, sigue sus actualizaciones y mejora el beneficio neto de la tienda.
Si recién empiezas en marketplaces, te conviene resolver parte de la operación tú mismo con apoyo de la IA: las fichas y las reseñas consumen mucho menos tiempo y no te obligan a contratar equipo desde el primer día. Si ya manejas una empresa mediana o grande, busca en tus procesos de selección a gestores con experiencia real usando redes neuronales y el hábito de actualizar su caja de herramientas, porque las capacidades de estos sistemas cambian en cuestión de meses.

