ChatGPT puede escribir una ficha de producto en segundos. Eso es un hecho. La pregunta que nadie se hace antes de activarlo para todo el catálogo es: ¿esa ficha sirve para algo? ¿Posiciona en Google? ¿Suena a tu marca? ¿Está lista para publicar o necesita una hora de revisión antes de que no te dé vergüenza?

En Ontranslation llevamos tiempo trabajando con IA generativa aplicada a catálogos de ecommerce. Hemos visto lo que funciona, lo que parece que funciona y lo que directamente no funciona. Este artículo es ese análisis, sin filtros.

Lo que ChatGPT hace bien en fichas de producto

Genera estructura rápido

Si partes de cero y necesitas un esqueleto, ChatGPT es útil. Dado un nombre de producto y cuatro características, genera una descripción con título, beneficios y llamada a la acción en segundos. Para catálogos donde el contenido base es inexistente o viene del proveedor en un Excel plano, ese punto de partida tiene valor.

Escala sin esfuerzo humano directo

Puedes pedirle que genere 50 fichas seguidas con la misma estructura. No se cansa, no baja el ritmo, no mezcla el tono entre la ficha 3 y la 47. Si el prompt está bien definido, la consistencia formal es alta.

Maneja bien lo genérico

Productos de consumo estándar, categorías amplias, descripciones funcionales sin mucha carga de marca — ahí ChatGPT rinde bien. Una ficha de «mochila de 20 litros impermeable» no necesita mucho más que claridad y keywords bien colocadas.

Donde ChatGPT falla en fichas de producto

No conoce tu marca

Este es el problema central. ChatGPT no sabe si tu marca es irónica o seria, técnica o aspiracional, cercana o premium. Sin esa información en el prompt — y bien dada, no una línea genérica — genera texto que podría ser de cualquier tienda. Funcional, correcto, completamente intercambiable con el de tu competencia.

Hemos visto fichas generadas con ChatGPT que técnicamente están bien escritas pero que no tienen ningún rasgo de identidad. Eso no vende. Vende la diferencia, y ChatGPT sin entrenamiento específico no la produce.

El SEO es superficial sin investigación previa

ChatGPT puede incluir keywords si se las das. Lo que no hace es investigar qué busca realmente tu cliente en Google España vs Google México, cuál es la intención detrás de cada consulta, qué términos tienen volumen real o cuáles ya están saturados por tu competencia. Si no hay keyword research previo hecho por alguien que entiende de SEO, las fichas posicionarán por keywords genéricas o, directamente, no posicionarán.

Alucina con datos técnicos

Si el producto tiene especificaciones — materiales, composiciones, compatibilidades, dosis, medidas — ChatGPT tiende a rellenar lo que no sabe con datos plausibles pero inventados. En farmacia, alimentación o electrónica, eso no es un error menor: es un problema legal y de reputación. Sin una fuente de datos fiable conectada al modelo, no le pidas que gestione atributos técnicos.

No tiene memoria de marca entre sesiones

Cada conversación nueva empieza desde cero. El prompt que usaste para las fichas de enero hay que repetirlo en febrero, en marzo, con cada nuevo lote. Si el equipo que lo usa no es siempre el mismo o no hay un proceso documentado, la consistencia se pierde. Y la inconsistencia en un catálogo de miles de referencias se nota.

No publica sola

ChatGPT genera texto. Luego alguien tiene que copiarlo, revisarlo, formatearlo en HTML, subirlo a Shopify o PrestaShop producto por producto, escribir el metatítulo, la metadescripción, la URL. Para 20 fichas, asumible. Para 2.000, un cuello de botella enorme que anula buena parte del ahorro de tiempo.

El problema real: ChatGPT no es un sistema, es una herramienta

Usar ChatGPT para fichas de producto no está mal. Usarlo como si fuera un sistema completo de producción de contenido sí lo está.

Un sistema de producción de fichas necesita: datos de producto limpios como input, prompts entrenados con la voz de marca, glosario terminológico, control de calidad automatizado, revisión humana en los puntos críticos y publicación directa en el CMS. ChatGPT cubre una parte de ese flujo — la generación del borrador — pero no el resto.

La diferencia entre una ficha generada con ChatGPT y una ficha publicable no es el modelo de IA. Es todo lo que rodea al modelo.

Lo vemos constantemente: clientes que llegan con cientos de fichas generadas con ChatGPT que «solo necesitan un repaso». Ese repaso acaba siendo una reescritura parcial, corrección de datos técnicos, ajuste de tono, optimización SEO y subida manual. El ahorro de tiempo inicial se evapora.

Cuándo sí tiene sentido usar ChatGPT para fichas

Con las limitaciones claras sobre la mesa, hay escenarios donde ChatGPT aporta valor real:

  • Como primer borrador para revisión humana posterior. Si tienes un equipo editorial que va a revisar cada ficha antes de publicar, ChatGPT acelera esa fase inicial sin comprometer la calidad final.
  • Para catálogos pequeños y estables. Menos de 200 referencias sin mucha rotación, donde puedes dedicar tiempo a revisar cada output con calma.
  • Para generar variantes de prueba. A/B testing de títulos, diferentes enfoques de descripción, exploración de tono — ChatGPT es rápido para generar opciones que luego un humano evalúa.
  • Cuando tienes el prompt muy bien trabajado. No el prompt genérico de cinco líneas, sino un brief de marca detallado, ejemplos de fichas aprobadas, glosario de términos, restricciones claras. Con eso, el output mejora considerablemente.

La alternativa: IA supervisada con flujo completo

Lo que funciona para catálogos grandes no es ChatGPT usado de forma directa, sino un sistema de IA supervisada donde el modelo está entrenado específicamente para cada cliente y el flujo incluye todas las fases: datos, generación, QA y publicación.

La diferencia empieza antes de escribir la primera ficha. En OnCatalog el proceso arranca con un briefing de marca exhaustivo: tono, público, sectores, restricciones, ejemplos de fichas que funcionan y que no funcionan. Esa información no va a un prompt genérico — va a un proceso de análisis donde definimos la estructura óptima de ficha para ese catálogo concreto: qué campos incluir, en qué orden, con qué extensión, con qué nivel de detalle técnico.

Con esa estructura validada, desarrollamos y probamos múltiples versiones del prompt, comparamos los outputs, los evaluamos con métricas de calidad lingüística (COMET) y con criterio editorial humano, y solo entonces activamos el flujo de producción a escala. No hay un prompt estándar que aplicamos a todos los clientes. Hay un prompt construido, probado y validado para cada uno.

El resto del flujo:

  • El modelo trabaja con los datos reales del producto — EAN, imagen, ficha técnica del proveedor — no con lo que el usuario le describe en el chat.
  • Los prompts están documentados y versionados: el lote de marzo tiene exactamente el mismo criterio que el de enero.
  • El QA combina validación automática de campos y revisión editorial por un Project Manager antes de publicar.
  • La publicación es directa vía API en Shopify o PrestaShop, sin exportaciones manuales ni trabajo de subida.

El resultado no es «fichas generadas con IA». Son fichas publicables, consistentes con la voz de marca y listas en menos de 24 horas por lote. La diferencia con usar ChatGPT directamente no está en el modelo — está en todo lo que hay antes y después del modelo.

Preguntas frecuentes

¿Puede ChatGPT generar fichas de producto optimizadas para SEO?

Puede incluir keywords si se las proporcionas, pero no hace keyword research por sí solo ni adapta el contenido a la intención de búsqueda de cada mercado. Para SEO real, necesitas investigación previa y prompts que incorporen esa información de forma estructurada.

¿ChatGPT o Claude para fichas de producto?

El modelo concreto importa menos que el sistema en el que opera. Un buen prompt con datos limpios y QA posterior da mejores resultados en cualquier modelo que un prompt genérico en el mejor modelo del mercado. La elección del LLM es secundaria respecto al diseño del flujo.

¿Cuánto tiempo ahorra ChatGPT en la creación de fichas?

En la fase de generación, mucho. En el flujo completo (revisión, corrección, formateo, subida), el ahorro real depende de cuánto de ese trabajo posterior se ha automatizado también. Sin automatización de las fases siguientes, el cuello de botella se desplaza pero no desaparece.

¿Es legal usar contenido generado por IA en fichas de producto?

Sí, no hay restricción legal en el uso de IA para generar descripciones de producto. Lo que sí es responsabilidad del vendedor es que la información sea veraz — especialmente en sectores regulados como farmacia, alimentación o cosmética. El contenido generado por IA debe revisarse antes de publicar en estos sectores sin excepción.