IA para descripciones de producto en catálogos de miles de fichas, sin contenido basura

Una tienda con trescientos productos puede permitirse que alguien escriba cada ficha a mano. Una con ocho mil, no. Lo habitual en catálogos grandes es una mezcla de descripciones del proveedor, fichas vacías y unas pocas trabajadas a conciencia. La inteligencia artificial cambia esa cuenta: lo que antes eran meses de redacción ahora son días. El problema es que también puede producir ocho mil textos que dicen lo mismo con otras palabras, y eso no vende ni posiciona.

Este artículo no va de si la IA escribe bien, sino de cómo organizar el trabajo para que el resultado sirva cuando el catálogo es grande.

El problema no es la IA, es lo que le das

Un modelo de lenguaje redacta a partir de lo que recibe. Si solo le pasas el nombre del producto, rellenará con generalidades: «diseño moderno», «alta calidad», «ideal para el día a día». Son frases que podrían ir en cualquier ficha, y por eso no aportan nada al cliente ni a un buscador.

La calidad del texto depende casi por completo de los datos de partida:

• Características reales: medidas, materiales, compatibilidades, composición, potencia, capacidad.
• Contexto de uso: para quién es, en qué situación se usa, con qué se combina.
• Diferencias dentro de la familia: qué distingue este modelo del de al lado.
• Preguntas que ya te hacen los clientes por teléfono, correo o chat.
• Restricciones: lo que no se puede decir (alegaciones de salud, promesas de resultados, comparativas con marcas).

Antes de generar nada, mira qué tienes. Si las características están vacías, la primera tarea es rellenarlas, no redactar. Un EAN bien puesto permite consultar bases de datos públicas de producto; una tabla de especificaciones del proveedor se puede convertir en características de PrestaShop. Con eso, la IA tiene algo concreto que contar.

Prioriza: no todas las fichas merecen lo mismo

Con miles de productos, tratar todo igual es la forma más rápida de gastar tiempo y dinero en API sin resultado. Ordena el catálogo en tres grupos:

1. Los que venden o reciben visitas. Suelen ser una parte pequeña del catálogo. Aquí merece la pena una descripción completa, revisada por alguien que conozca el producto, con preguntas frecuentes y beneficios claros.
2. Los que tienen búsquedas pero no convierten. Salen en Google con impresiones y pocos clics, o reciben visitas que se van. Son los que más ganan con una ficha mejor.
3. La cola larga. Recambios, tallas, referencias muy técnicas. Una descripción correcta generada con buenas características y una revisión por muestreo suele bastar.

Los datos para hacer esta división ya los tienes: ventas en PrestaShop, visitas en tu analítica e impresiones y clics en Search Console.

Plantillas por familia, no una instrucción para todo

Una sola instrucción («escribe una descripción de 200 palabras») aplicada a todo el catálogo produce fichas con la misma estructura y el mismo tono, cambie lo que cambie el producto. Funciona mejor una plantilla por familia o categoría:

• En recambios, lo que importa es la compatibilidad, la referencia original y cómo comprobar que es la pieza correcta.
• En moda, el tejido, el patrón, cómo talla y cómo se lava.
• En alimentación, origen, formato, conservación y alérgenos, que además tienen obligaciones legales propias.
• En equipamiento técnico, especificaciones, uso recomendado y lo que incluye la caja.

Cada plantilla debe indicar la estructura, el tono de tu marca, la longitud aproximada y, sobre todo, qué datos usar y qué no inventar. Una frase como «si un dato no está en la información facilitada, no lo menciones» evita buena parte de los errores.

Trabajar por lotes, con borradores

Generar miles de textos y publicarlos directamente es la receta del desastre. El flujo que funciona es este:

1. Lote de prueba de veinte o treinta productos de una misma familia.
2. Revisión completa de ese lote: datos correctos, tono, repeticiones, frases vacías. Ajusta la plantilla con lo que veas.
3. Lote grande en borrador: los textos se guardan sin sustituir aún los actuales.
4. Revisión por muestreo, comparando el antes y el después. Si en una muestra aparecen errores, se corrige la plantilla y se regenera el lote, no ficha a ficha.
5. Publicación y anotación de la fecha, para poder medir.

Trabajar en segundo plano, con una cola y una tarea programada, evita bloquear el back-office y los cortes por tiempo de ejecución que aparecen al procesar cientos de productos en una sola petición. Y guardar un historial de cada cambio permite volver atrás si un lote sale mal.

Qué revisar en cada muestra

• Datos: ¿coinciden medidas, materiales y compatibilidades con la realidad?
• Diferenciación: si lees tres fichas de la misma familia seguidas, ¿se distinguen?
• Frases de relleno: «calidad excepcional», «no te dejará indiferente». Fuera.
• Alegaciones prohibidas o arriesgadas: salud, seguridad, resultados garantizados.
• Coherencia con la ficha: que el texto no contradiga las características ni el precio.
• Idiomas: si traduces, que las unidades, tallas y expresiones estén adaptadas al país.

Lo que Google penaliza no es la IA

Google ha dicho públicamente que no le importa cómo se ha producido un contenido, sino si es útil. Lo que sí persigue es generar páginas en masa con el objetivo principal de manipular resultados, sin valor para quien las lee. Para una tienda, la diferencia es práctica: una ficha generada con IA a partir de datos reales y revisada ayuda al comprador; mil fichas con el mismo texto cambiado de orden no ayudan a nadie, las haya escrito una máquina o una persona.

No esperes tampoco que reescribir descripciones mueva el tráfico de un día para otro. Mide por grupos de productos y en periodos de varias semanas: impresiones, clics, tasa de conversión de la ficha y devoluciones por «no es lo que esperaba».

Un detalle técnico: tienda al día

Procesar el catálogo en masa toca muchas tablas a la vez y depende de tareas programadas, conexiones a la API del proveedor de IA y versiones de PHP recientes. En tiendas con PrestaShop o PHP muy antiguos, las herramientas actuales a menudo no se pueden instalar, y lo que se ahorra en redacción se pierde en parches. Tener la tienda actualizada es parte del proyecto.

Cómo resolverlo en PrestaShop

Easy AI Magic Catalog Suite trabaja dentro del back-office con tu propia clave de OpenAI, Gemini, Claude, DeepSeek, Mistral o Cohere. Su AI Mass Processor mete productos, categorías o páginas CMS en una cola que se procesa en segundo plano con una tarea programada, y genera los textos como borradores: comparas el antes y el después y solo entonces los aplicas, con historial para restaurar. AI Product Enrichment busca datos por EAN, UPC o ISBN en bases públicas, AI Features extrae especificaciones de las descripciones y las convierte en características, y AI Premium Bullets y AI FAQs completan la ficha. Si el problema es que los productos nuevos tardan en entrar, AI Catalog Flow crea el producto desde el móvil a partir de una foto, con sus categorías, imágenes y combinaciones, y aplica los valores por defecto que tú fijas.