Buscadores con IA en marketplaces: ¿innovación o despilfarro?

Los buscadores con IA prometían cambiar por completo cómo descubrimos productos en marketplaces. Sin embargo, la mayoría de usuarios sigue ignorándolos. ¿Por qué ocurre esto? Quizá el problema no sea la adopción, sino que muchas de estas soluciones siguen funcionando como filtros tradicionales disfrazados de inteligencia artificial.

Durante más de cinco años trabajé en marketplaces de segunda mano y, gracias a mi rol, tuve contacto directo con profesionales de distintas marcas y verticales.

Impulsados por el vertiginoso avance de la inteligencia artificial, muchos marketplaces (no solo de segunda mano) se apresuraron a incorporar esa tecnología a sus buscadores. En muchos marketplaces, además de la búsqueda tradicional con keywords y filtros, encontramos buscadores basados en lenguaje natural.

Sin embargo, pasado el hype inicial, el uso parece ser muy reducido. En conversaciones con distintos equipos de producto y tecnología del sector, el patrón se repite: la mayoría de estos buscadores apenas consiguen adopción real y muchos usuarios siguen prefiriendo las búsquedas tradicionales basadas en keywords y filtros.

¿Por qué los usuarios no usan los nuevos buscadores?

El problema es de base: estos buscadores se limitan a traducir un texto a una búsqueda de toda la vida. Si pides un "BMW rojo de menos de 30.000km", la IA simplemente marca los filtros por ti.

Lo hace bien, pero no aporta ninguna mejora con respecto a que tú mismo marques los filtros que quieres. Ni siquiera te permite hacer lo mismo más rápido. Es el tipo de mejora tan impresionante en una demo como inútil en la vida real. Los usuarios lo prueban una vez, ven que su experiencia no ha mejorado y no vuelven a usarlo.

¿Entonces los usuarios no quieren búsquedas con IA?

El usuario no rechaza la IA, lo que rechaza es una funcionalidad que no le aporta valor. ¿Y qué puede aportar la Inteligencia Artificial? Puede aportar algo que hoy falta: el toque humano.

Los marketplaces digitales tienen muchísimas ventajas sobre las tiendas físicas: un catálogo enorme, precios competitivos, la comodidad de comprar desde casa, etc. Pero tienen una gran desventaja: la falta de asesoramiento personalizado. Volvamos al ejemplo del coche: tú podrías ir a un concesionario multimarca y preguntar lo siguiente:

“Quiero un coche de un color que no sea muy llamativo, preferiblemente mate. Me gustaría que tenga pocos años y pocos kilómetros, pero bueno… si es de una marca premium podría comprarme algo con más uso y más viejo si está bien conservado. Necesito que el maletero sea grande, pero no quiero un SUV ni un coche de ese estilo que no me gustan. Necesito que consuma poco. Me da igual el combustible, pero lo quiero con al menos etiqueta ECO. Y que no se me vaya mucho de precio… digamos unos 25.000€ máximo. ¿Qué tienes de ese estilo?”

Un buscador que únicamente parametriza devolverá resultados mediocres para esa búsqueda; pero el vendedor de un concesionario, aún teniendo menos catálogo, en seguida te estará enseñando coches que se ajustan a lo que buscas. Te enseñará un KIA que clava lo que quieres y a la vez te tentará con un Mercedes que se va a los 28.000€ y ya tiene unos añitos, pero que es tan bonito que te entra por los ojos. Al final estarás viendo unas cuantas opciones que te encajan.

Pero los marketplaces no son capaces de hacerlo. Da igual que el marketplace sea de coches, inmuebles, bienes de consumo, servicios, empleo, viajes o de contenido en streaming… Da igual que sea un marketplace de segunda mano o un marketplace de artículos nuevos. Es más, ese marketplace tan grande que todos conocemos y al que probablemente todos estamos suscritos, tampoco lo tiene (aún).

Tampoco lo tiene ese otro marketplace al que estás suscrito para ver películas y series, donde a veces pasas más tiempo buscando lo que quieres ver que viéndolo realmente.

¿Por qué todavía no vemos este tipo de soluciones?

Básicamente porque es un reto técnico enorme. Mapear texto a filtros es sencillo, pero construir un sistema que entienda matices, navegue en un catálogo vivo y responda sin latencia es otra liga.

El primer problema tiene que ver con la información: ¿dónde busca la IA los datos? ¿Existen campos suficientes en el objeto de búsqueda? ¿O debe intuirlo desde la descripción o las fotos? ¿Qué pasa si no hay información suficiente?...

Y los datos del objeto son el menor de los problemas. El mayor problema está en el catálogo en sí: ¿cómo hacemos que la IA interactúe con un catálogo inmenso y que puede cambiar casi en tiempo real?

Pensemos que muchos marketplaces cuentan con catálogos ingentes en los que entran y salen decenas de miles de artículos cada día. No es viable entrenar un modelo con ese conjunto de datos.

Esto no tiene una solución directa. De hecho seguramente se necesita un agente que haga varias búsquedas con algunos de los parámetros, reduzca el espacio de búsqueda y luego valide si realmente encajan con lo que el usuario ha pedido. Todo esto minimizando la latencia, porque una búsqueda perfecta que tarda diez segundos simplemente no funciona en un marketplace.

¿Y por qué muchos marketplaces han hecho buscadores que no funcionan?

Hay dos motivos principales:

1. Postureo en prensa: Decir que tienes IA genera titulares y visibilidad a bajo coste.
2. Presión de inversores: Muchos inversores presionan para incorporar IA rápidamente, incluso cuando todavía no está claro dónde existe realmente valor diferencial. El problema aparece cuando los equipos lanzan estos cambios para responder a esa presión, aunque no exista un retorno claro de la inversión.

Creedme, la presión para que las empresas “hagan cosas con IA” puede llegar a ser enorme y generar tensiones importantes dentro del leadership team. El motivo es que, muchas veces, los inversores exigirán resultados muy ambiciosos (“el qué”) y al mismo tiempo condicionarán la solución (“el cómo”), sin detenerse a analizar si realmente es el enfoque correcto.

Es una mezcla explosiva que a veces solo los líderes más experimentados pueden gestionar.

¿Hay alguna solución mejor que otra?

Sí las hay. Las mejores soluciones que he visto son aquellas que están integradas directamente con un LLM. Es decir, buscas en tu chat AI habitual, este lanza una búsqueda parametrizada en tu marketplace de confianza y luego analiza los resultados haciendo un segundo filtro.

El valor está precisamente en ese segundo filtro: el LLM analiza los resultados e intenta ver cuáles son los que mejor se ajustan.

Aún así esta solución presenta varios problemas. El primero de ellos es que está iniciada fuera de tu site sin generar tráfico directo. Pero es que además, este no es un comportamiento natural en el usuario: si uso ChatGPT o Gemini para una búsqueda no quiero limitarla a un único marketplace, quiero que busquen la mejor opción en todo Internet (incluida la competencia).

Un experimento interesante sería intentar llevar ese comportamiento (búsqueda parametrizada más posterior análisis de un conjunto limitado de resultados) al marketplace. Tal vez con una interfaz de voz para evitar la barrera de tener que escribir mucho texto.

¿Qué debo hacer como Product Manager?

Para empezar, conviene recordar algo que la llegada de la IA no ha cambiado: las buenas prácticas de producto siguen siendo las mismas. Prioriza aquello que aporte valor real al usuario. Valida rápido. Falla rápido.

Que algo sea técnicamente impresionante o esté de moda no significa que merezca ser construido. Si una solución basada en IA no mejora de forma tangible la experiencia del usuario, probablemente no sea más que una demo sofisticada.

De hecho, hay una señal de alerta bastante clara cuando aquello que construyes no simplifica la interacción ni mejora los resultados. Antes de priorizar cualquier solución basada en IA, merece la pena hacerse una pregunta incómoda: ¿estamos resolviendo una necesidad real del usuario o simplemente sustituyendo una interacción eficiente por otra más llamativa?

Y aquí es donde aparece una oportunidad mucho más interesante.

Durante décadas, el comercio físico ha tenido algo que los marketplaces digitales nunca lograron replicar del todo: personas capaces de entender al cliente. El clásico “Manolo el tendero” o “María la vendedora de coches” que escucha lo que necesitas, interpreta los matices y te enseña opciones que quizá nunca habrías buscado por ti mismo.

La IA, por primera vez, nos da la posibilidad de intentar construir ese tipo de asesoramiento a escala. Pero eso no se soluciona traduciendo lenguaje natural a filtros. Necesitamos añadir semántica a la búsqueda: sistemas capaces de entender intención, contexto y matices. Llegar a la solución correcta requiere un proceso iterativo, con mucha experimentación, prueba/error y validación con usuarios.

No es un reto sencillo ni rápido, pero quien sea el primero en resolverlo tendrá una ventaja competitiva enorme. Porque entonces no estaremos construyendo un buscador mejor. Estaremos construyendo, por fin, al mejor vendedor de la tienda.