Cuando lanzas un producto nuevo en un marketplace, lo habitual es invertir primero en sesión de fotos e infografías y dejar los campos de especificaciones para la última noche antes del envío. Parece que el comprador elige solo con los ojos, así que ¿para qué perder tiempo en líneas aburridas? En la práctica, esa costumbre empieza a salir cara. Tres señales recientes de Estados Unidos y Rusia muestran cómo la inteligencia artificial ya trabaja con los catálogos: para analizar ventas y recomendar productos, la máquina necesita atributos limpios, precios y existencias, y pasará de largo ante una portada bonita.
Shopify Sidekick: desglose de ingresos por campos personalizados
En las fichas de tiendas online y marketplaces conviven junto al precio y al título los campos personalizados (metafields) y objetos compuestos (metaobjects). Ahí el vendedor guarda detalles propios de su nicho, como el tipo de tela, el material de la suela, la colección o el proveedor.
Antes, para saber qué material generaba más caja había que exportar una tabla a Excel y cruzar columnas a mano. Desde el 17 de noviembre de 2026, el asistente integrado Shopify Sidekick elimina esa tarea manual. Basta con preguntar en lenguaje natural: «Muéstrame las ventas totales por tipo de tela del último trimestre». Como respuesta, el sistema entrega el desglose de ingresos por cada valor del campo «tela» junto a las métricas de venta.
Esto funciona con una condición: en el panel de Shopify, ese campo debe tener activada previamente la opción «Filter or group data in Analytics» (filtrar o agrupar datos en analítica). Si el atributo se llenó a medias, el asistente no tiene qué sumar. Se admiten los tipos de datos más comunes para productos, variantes, clientes y pedidos: texto, números, referencias a productos, URL, fechas, colores, indicadores lógicos y listas de texto o números. Algunos tipos complejos e informes aún no son compatibles. Shopify no publicó mediciones de precisión de Sidekick ni cifras sobre su impacto en ventas, pero la lógica es clara: tener orden en los atributos ahorra horas de análisis manual.
BigCommerce Storefront MCP: acceso directo de asistentes de IA al catálogo y carrito
Si Shopify dejó entrar a la IA en los reportes del vendedor, BigCommerce le abrió la puerta directa al escaparate. Antes, los asistentes de IA extraían datos de las tiendas a ciegas, leyendo código HTML y tropezando con banners y ventanas emergentes. Ahora, en Early Access apareció Storefront MCP. MCP (Model Context Protocol) es un estándar abierto con el que asistentes como ChatGPT o Claude se conectan directo al catálogo. En lugar de recorrer un almacén a oscuras con una linterna leyendo etiquetas, el asistente se acerca a la ventanilla de despacho y consulta la base con comandos precisos.
El dueño de la tienda activa la función en el panel de control (Settings → API and MCP). El despliegue toma hasta 10 minutos, tras lo cual la plataforma habilita una dirección gestionada https://<store-url>/api/mcp sobre Streamable HTTP (separada del Management MCP administrativo). El asistente dispone de cuatro herramientas: buscar productos y variantes (Search products), leer atributos y precios (Get product details), gestionar el carrito (Manage cart) y generar el enlace de pago (Create checkout).
En la práctica es sencillo. Un comprador le escribe al asistente que busca botas de trekking para salir a la montaña el fin de semana. La IA consulta vía MCP, selecciona modelos (por ejemplo, un par de $129.00), confirma detalles, añade la opción al carrito y devuelve un enlace seguro Proceed to checkout; el pago final lo completa la persona en el sitio de la tienda. Por ahora, en el escenario básico B2C solo opera el modo invitado: el asistente no ve historial de pedidos ni descuentos personales (los permisos separados y sincronización de sesión solo existen para clientes autenticados en B2B Edition).
Encuesta de Ozon: el 60% de los rusos ve realistas las compras con agentes de IA en 2036
Podría parecer que las tiendas occidentales en Shopify y BigCommerce quedan lejos y que en WB y Ozon seguirán mandando las etiquetas llamativas sobre las fotos. Una encuesta reciente de Ozon por el Día de la Economía de Plataformas (resultados de la encuesta) desmonta rápido esa idea. La empresa no reveló el tamaño exacto de la muestra, pero los porcentajes son elocuentes: el 60% de los rusos considera realista que hacia 2036 los agentes de IA elijan y pidan productos cotidianos por su cuenta, dejando al usuario solo el botón de «confirmar».
No todos quieren esperar diez años. Hoy mismo, el 61% de los encuestados estaría dispuesto a delegar compras en una IA sin confirmar cada operación. Eso sí, el 56% de ellos pondría un tope estricto, por ejemplo hasta 3,000 ₽ por pedido, y el 71% del total señaló como condición principal la protección antifraude. Por edades la brecha se nota enseguida: los jóvenes de 18 a 29 años aceptan con más facilidad límites superiores a 10,000 ₽ o sin tope, mientras que entre personas de 46 a 61 años el 45% rechaza cargos sin confirmación, aunque un 60% tampoco descarta delegar compras rutinarias a la IA en el futuro.
La conclusión para tu próxima revisión de catálogo es muy concreta. Cuando busca un algoritmo en lugar de una persona, compara datos duros: especificaciones, precio, calificación, reseñas y plazos de entrega. El agente ni siquiera mirará un degradado llamativo ni el sello «100% algodón» en la tercera imagen de tu infografía: irá directo al campo «Composición». Si ese campo está vacío o dice apenas «textil», tu ficha quedará fuera de la selección antes de que el comprador vea el enlace de pago.




