IA para ecommerce: los usos que ya dan dinero y los que todavía no

En ecommerce, la IA ya es rentable hoy en tareas repetitivas y con datos propios: generación y mejora de fichas de producto, respuestas de soporte, clasificación de tickets y lectura de facturas y albaranes. Funciona con condiciones en agentes de venta y recomendaciones, que solo rinden si están anclados al catálogo real y hay suficiente tráfico. Y sigue verde la compra autónoma por agentes en España, que aún no mueve volumen de pedidos. La regla práctica: automatiza primero lo que te quita más de 20 horas al mes.

Soy Oscar Álvarez, fundador de SEOscar, agencia de ecommerce en Barcelona. Llevo meses montando proyectos de IA para ecommerce sobre tiendas que ya facturan, y la conclusión es bastante menos épica de lo que verás en LinkedIn: hay tres o cuatro usos que devuelven el dinero en semanas, otros que solo funcionan si se cumplen condiciones concretas, y una lista larga de cosas que todavía son demo bonita.

Este artículo es el mapa que uso cuando un cliente me pregunta por dónde empezar. Sin porcentajes inventados, sin casos de Estados Unidos que aquí no aplican. Lo que veo construyendo, contado sin humo.

Ya rentable: descripciones de producto, soporte, clasificación de tickets y facturas

Los usos de inteligencia artificial en ecommerce que ya salen rentables hoy comparten tres rasgos: la tarea es repetitiva, el resultado lo revisa una persona antes de publicarse o enviarse, y existe un dato propio de la tienda que alimenta al modelo. Fichas de producto, respuestas de soporte, clasificación de tickets y lectura de facturas cumplen los tres. Son aburridos y por eso funcionan.

Fichas y descripciones de producto a escala

Si tienes 3.000 referencias con la descripción del proveedor copiada tal cual, tienes un problema de contenido duplicado y de conversión a la vez. Aquí la IA sirve para generar borradores a partir de los atributos reales del catálogo (material, medidas, compatibilidades, usos) y de las preguntas que la gente ya hace en atención al cliente, no para inventar prosa. El flujo que monto suele ser: exportar catálogo, generar borrador con atributos reales, revisión humana por lotes de categoría, subida vía API.

Dos avisos desde la trinchera. Primero: si el modelo no tiene los atributos, se los inventa, y una medida errónea en una ficha es una devolución. Segundo: publicar 3.000 fichas de golpe sin revisar es la forma más rápida de meter ruido en tu indexación. Yo las subo por tandas y miro Search Console semana a semana.

Soporte y clasificación de tickets

El soporte de una tienda online repite las mismas cinco preguntas: dónde está mi pedido, cómo devuelvo, cuánto tarda el envío, qué talla elijo, me ha llegado mal. Clasificar automáticamente los tickets entrantes por tipo y urgencia, y proponer un borrador de respuesta que el humano aprueba, es un trabajo que un flujo en n8n (herramienta de automatización de procesos con flujos visuales) resuelve en días y que ahorra horas todas las semanas.

Lo bueno de empezar por clasificación y no por respuesta automática es el riesgo: si el modelo se equivoca etiquetando, pierdes un minuto; si se equivoca respondiendo a un cliente enfadado, pierdes al cliente. Empieza por donde el error es barato. En un proyecto de automatización de soporte que llevé con este mismo enfoque, lo primero que medimos no fueron las respuestas automáticas, sino cuántos tickets se clasificaban bien antes de tocar nada más.

Facturas, albaranes y conciliación

La lectura automática de facturas y albaranes de proveedor es el uso más infravalorado de la IA en una tienda online. Extraer proveedor, fecha, líneas, importes e IVA de un PDF o una foto, volcarlo a una hoja o al ERP y marcar las que no cuadran es una tarea mecánica que alguien de tu equipo hace a mano cada mes. Lo he montado como automatización de procesos en tiendas con varios proveedores activos, y es de las cosas que el cliente nota en la primera semana porque libera horas de administración sin tocar nada de cara al público.

La IA que da dinero hoy en ecommerce casi nunca es la que sale en el escaparate. Es la que quita horas repetitivas del backoffice y libera a tu equipo para hablar con clientes.

Rentable con condiciones: agente de ventas IA y recomendaciones de producto

El agente de ventas IA y los motores de recomendación sí generan ingresos, pero solo cuando se cumplen condiciones medibles: catálogo estructurado y actualizado, volumen de tráfico suficiente para que el aprendizaje tenga señal, y una integración con los datos reales de stock, precios y plazos. Sin esas tres cosas, lo que instalas es decoración cara que además miente a tus clientes.

El agente de ventas: asistente que vende, no ventana que molesta

Un agente de ventas IA bien montado responde con tu catálogo y tus datos reales, no con lo que el modelo cree recordar de internet. La arquitectura que uso es RAG (Retrieval Augmented Generation, generación aumentada por recuperación): el agente busca primero en tus fichas, tus políticas de envío y devolución y tu stock, y solo después redacta la respuesta. Lo explico a fondo en qué es RAG.

Las condiciones para que salga rentable, por orden: que tus fichas tengan atributos de verdad, que exista un punto del embudo donde la gente se atasca (tallas, compatibilidad, plazos, productos técnicos), y que midas el antes y el después con GA4 y con las conversaciones guardadas. Si tu tienda vende tres referencias sencillas y la gente no pregunta nada, no necesitas un agente, necesitas mejorar la ficha.

Recomendaciones: la condición es el volumen

Los sistemas de recomendación aprenden de comportamiento agregado. Con 200 sesiones al día y 80 referencias, el algoritmo no tiene de dónde aprender y acaba recomendando los más vendidos, que es exactamente lo que puedes hacer tú a mano en una tarde. Antes de pagar un módulo de recomendaciones, mira en GA4 cuántas sesiones y cuántas transacciones mensuales tienes, y compáralo con lo que te cuesta la licencia al año.

Todavía verde: la compra por agentes en España

La compra autónoma por agentes, es decir, que una IA complete el pedido en tu tienda en nombre del usuario, todavía no mueve volumen relevante de pedidos en España. Los principales actores están lanzando protocolos y funciones de pago agéntico, pero la adopción real por parte del comprador español es incipiente y los datos de venta atribuida no existen todavía de forma pública y fiable. Prepararse sí; presupuestar ingresos por ahí, no.

Lo que sí está pasando ya, y es distinto, es que la gente pregunta a ChatGPT, Perplexity o a los resúmenes de IA de Google antes de comprar, y llega a tu tienda con la decisión medio tomada. A eso se le llama GEO (Generative Engine Optimization, optimización para motores generativos) y es trabajo que puedes hacer hoy: datos estructurados correctos, fichas con especificaciones completas, páginas que respondan preguntas de forma autocontenida. Lo desarrollo en qué es GEO.

Mi recomendación práctica: no inviertas en vender a los agentes como canal independiente. Invierte en tener el catálogo limpio, el feed correcto y la información completa, que es justo lo que necesitarás si ese canal despega y lo que ya te beneficia hoy en buscadores.

Cómo priorizar: la regla de las 20 horas

La regla que aplico para priorizar proyectos de IA para ecommerce es sencilla: automatiza primero cualquier tarea que consuma más de 20 horas al mes en tu equipo, sea repetitiva y tenga un criterio claro de acierto. Veinte horas mensuales equivalen a algo más de media jornada semanal, suficiente para que el ahorro pague el desarrollo en pocos meses y para que el error sea detectable.

Cómo hacer el inventario en una hora

• Pide a cada persona del equipo que liste sus tareas recurrentes de la semana y las horas que le lleva cada una.

• Multiplica por cuatro para tener el coste mensual en horas de cada tarea.

• Marca las que superan 20 horas al mes y tienen reglas claras (si pasa X, haz Y).

• Descarta las que exigen criterio humano ambiguo o tienen consecuencias graves si fallan sin supervisión.

• Ordena las supervivientes por horas ahorradas dividido entre dificultad técnica estimada.

• Empieza por la primera. Solo por la primera.

En las tiendas que audito, las tareas que casi siempre superan el umbral son: contestar las mismas preguntas de soporte, actualizar y traducir fichas, procesar facturas de proveedor, preparar informes manuales y cruzar stock entre canales. Ninguna es glamurosa y todas se pagan solas. Este orden de trabajo es el mismo que sigo en el método de 4 etapas con cada cliente.

Qué medir desde el día uno

Antes de activar nada, apunta la línea base: horas dedicadas a la tarea, número de tickets por categoría, tasa de conversión de las páginas implicadas en GA4, y coste mensual de la herramienta. Sin línea base no puedes saber si la IA te está ayudando o solo te está cobrando. Es el error más común y el más fácil de evitar.

Errores caros con la IA en una tienda online

Los errores que más dinero cuestan en proyectos de inteligencia artificial para ecommerce no son técnicos, son de criterio: automatizar sin medir, dejar al modelo inventar datos de producto, encadenarse a una herramienta cerrada y confundir una demo con un proceso. Todos se evitan con decisiones tomadas antes de firmar nada.

• Publicar contenido generado sin revisión humana. Una medida o una compatibilidad inventada acaba en devolución y en reseña negativa.

• Montar el agente sin conexión al stock y al precio reales. Prometer disponibilidad que no tienes es peor que no tener agente.

• Comprar la herramienta antes de definir el proceso. Primero el flujo en papel, después el software.

• No guardar la propiedad del código y los flujos. Si mañana cambias de proveedor y no te llevas nada, has alquilado, no has construido.

• Medir con sensaciones. Parece que responde bien no es un indicador; tickets por categoría y conversión sí lo son.

• Querer crear una tienda online entera con inteligencia artificial de cero. La IA acelera piezas del proceso, pero el catálogo, la logística y los márgenes siguen siendo decisiones tuyas.

Sobre el último punto insisto porque me lo preguntan mucho: crear una tienda online con inteligencia artificial hoy significa generar plantillas, textos y configuraciones iniciales más rápido, no delegar el negocio. He visto tiendas montadas en un fin de semana con herramientas generativas que luego no venden nada, porque el problema nunca fue el tiempo de montaje.

Qué haría yo desde SEOscar en tu caso

Lo primero sería mirar tus datos, no tu web: GA4, Search Console, Clarity y el volumen de tickets por categoría durante la última semana. Con eso se ve enseguida si tu cuello de botella está en el tráfico, en la ficha de producto, en el soporte o en el backoffice, y cuál de los usos de IA te devuelve antes la inversión.

Después construyo sobre tu plataforma actual, sea Shopify, WooCommerce o Magento, sin obligarte a migrar, y el código y los flujos quedan en tu propiedad. Puedes ver proyectos reales en los casos de éxito.

Por dónde seguir leyendo

Si quieres profundizar en las piezas que he mencionado, estos son los artículos y páginas que te recomiendo en este orden:

• Qué es GEO: cómo te encuentran ChatGPT, Perplexity y los resúmenes de IA de Google.

• Qué es RAG: la arquitectura que hace que un agente responda con tus datos y no con invenciones.

• Auditoría SEO y GEO: el punto de partida cuando el problema está en el tráfico.

• Agente de ventas IA: cuándo tiene sentido y cómo se integra con tu catálogo.

• Automatizaciones: facturas, tickets, informes y cruces de stock con n8n.

• Crecimiento ecommerce: el acompañamiento mes a mes con informe automático.

• El método: las cuatro etapas, del diagnóstico al seguimiento.

El siguiente paso

Si tienes una tienda que ya factura y no sabes cuál de estos usos de IA te toca a ti, el camino corto es mirar los datos juntos. En la primera semana trabajo un diagnóstico con datos reales y te entrego el plan por escrito, con las tareas priorizadas por horas ahorradas y por impacto en ventas. El plan es tuyo, sigamos trabajando juntos o no.

Preguntas frecuentes

¿Qué usos de IA para ecommerce son rentables hoy?

Hoy son rentables los usos repetitivos y supervisados: generación y mejora de fichas de producto a partir de atributos reales del catálogo, borradores de respuesta en atención al cliente, clasificación automática de tickets por tipo y urgencia, y lectura de facturas y albaranes de proveedor. Comparten que la tarea se repite cada semana, que una persona revisa el resultado y que el modelo trabaja con datos propios de la tienda. Son los primeros que implemento en los proyectos de SEOscar porque el ahorro se nota en semanas.

¿Merece la pena un agente de ventas IA en mi tienda online?

Merece la pena si tu catálogo es amplio o técnico, si los clientes preguntan de forma recurrente por tallas, compatibilidades o plazos, y si tienes tráfico suficiente para que las conversaciones sean significativas. El agente debe estar anclado a tu catálogo, tu stock y tus políticas reales mediante una arquitectura RAG; si responde de memoria genérica, hace más daño que bien. Si vendes pocas referencias sencillas y nadie pregunta nada, invierte antes en mejorar la ficha de producto.

¿Se puede crear una tienda online con inteligencia artificial desde cero?

Puedes acelerar partes del montaje con IA: plantillas, textos iniciales, estructura de categorías, traducciones y configuraciones básicas. Lo que la IA no resuelve es la selección de catálogo, los márgenes, la logística, la atención al cliente ni la demanda real de tu producto. En la práctica, una tienda montada en un fin de semana con herramientas generativas sigue necesitando el mismo trabajo de posicionamiento y conversión que cualquier otra.

¿Qué es la regla de las 20 horas para priorizar proyectos de IA?

Es el criterio que uso para decidir qué automatizar primero: cualquier tarea que consuma más de 20 horas al mes en tu equipo, que sea repetitiva y que tenga reglas claras de acierto es candidata inmediata. Veinte horas mensuales equivalen a algo más de media jornada semanal, suficiente para que el ahorro pague el desarrollo en pocos meses. Las tareas con criterio humano ambiguo o con consecuencias graves si fallan quedan fuera de la primera tanda.

¿La compra por agentes de IA ya vende en España?

Todavía no de forma relevante. Los grandes actores están lanzando protocolos y funciones de pago agéntico, pero la adopción por parte del comprador español es incipiente y no existen datos públicos fiables de venta atribuida a ese canal. Lo que sí ocurre ya es que mucha gente consulta a ChatGPT, Perplexity o los resúmenes de IA de Google antes de comprar, y ahí sí conviene trabajar hoy el GEO, los datos estructurados y fichas completas.

¿Cuáles son los errores más caros al implantar IA en un ecommerce?

Los más caros son publicar contenido generado sin revisión humana, conectar un agente que no lee el stock ni los precios reales, comprar la herramienta antes de definir el proceso y no medir una línea base antes de activar nada. A esos añado uno de fondo: no quedarte con la propiedad del código y de los flujos, porque entonces estás alquilando una dependencia en lugar de construir un activo.

¿Hay que cambiar de plataforma para usar IA en la tienda?

No. En SEOscar construimos sobre la plataforma que ya tienes, sea Shopify, WooCommerce o Magento, usando sus APIs y flujos en n8n, sin obligar a migrar. Migrar una tienda es un proyecto en sí mismo, con riesgo de SEO y de pedidos, y rara vez es un requisito para automatizar soporte, facturas o fichas de producto.