Usar IA para descripciones de productos técnicos funciona cuando la IA solo reescribe lo que ya está en los campos del registro de productos y cada afirmación del texto la verifica, antes de publicarse, quien responde por ese tipo de dato. En la industria, quien verifica es ingeniería de aplicaciones para el valor técnico, la norma y la equivalencia; el área comercial, lo que se vuelve compromiso; marketing de producto aprueba la versión final.
La pregunta aparece cuando alguien propone pedirle a la inteligencia artificial (IA) que describa una familia entera antes de la feria. En este artículo explicamos el paso a paso y cuándo no conviene.
Lo que la IA hace bien en una descripción técnica, y lo que inventa
La IA generativa hace bien la redacción que nadie en la empresa tiene tiempo de hacer: reorganiza los mismos hechos para el especificador y para el representante comercial, y mantiene el mismo patrón de frase en cientos de códigos, algo que no logran ni el analista de marketing, entre otras tareas, ni el representante que reescribe por su cuenta.
El ejemplo de este texto es una línea hipotética de conexiones hidráulicas para aceite: 20 tipos, como adaptador recto, codo y te, en hasta ocho medidas y dos materiales de sello, cerca de 300 códigos, con números inventados.
La alucinación es el contenido falso o erróneo que un modelo de IA generativa presenta con seguridad, como si fuera un hecho. La definición sigue el NIST AI 600-1, de 2024, que usa el término confabulación.
El NIST AI 600-1 (2024), del instituto de estándares de Estados Unidos, observa que el riesgo de alucinación pesa más en solicitudes abiertas de texto largo y en temas que exigen conocimiento especializado. La descripción técnica es uno de esos temas.
En la línea hipotética de conexiones, la alucinación aparece así:
- el rango de temperatura, que depende del sello, falta en 40 códigos y aparece con el valor del código vecino
- la presión de trabajo, en bar en una parte de la línea y en psi en la otra, mal convertida
- «sustituye al código anterior», sobre un tipo descontinuado sin sustituto aprobado
- una norma común en conexiones parecidas, ausente de la ficha de esta
Las cuatro frases se leen bien, y ninguna tiene un campo de origen en el registro.
Antes del primer texto: los campos que la IA puede leer
En muchas empresas industriales, el dato técnico está en el CAD, en una carpeta de red o en la estructura del artículo en el ERP, sin PLM (gestión del ciclo de vida del producto).
El registro de productos es la base en la que cada producto tiene sus atributos en campos separados, con la unidad junto al valor. La IA que escribe una descripción técnica sin inventar necesita recibir esos campos, con los atributos organizados por familia.
Para una primera prueba, sirve una hoja de cálculo armada a partir del CAD, de la carpeta de red o del ERP, con una columna por atributo.
Un PIM, o sistema de gestión de información de productos (Product Information Management), es el software que mantiene en un solo registro la información técnica y comercial de cada producto, para que llegue igual y actualizada a todos los canales y materiales en los que la empresa presenta el producto.
El valor de cada campo debe venir de la especificación liberada. La especificación liberada es la versión de la especificación del producto que el área de ingeniería aprueba, con fecha, para fabricación y venta.
Cada campo, además, se edita en un solo lugar, el sistema responsable del campo. Si la presión de trabajo se corrigió en el ERP y la IA lee una hoja de cálculo de hace meses, la descripción nueva nace con el error viejo.
El campo vacío no va a la IA, y es la regla más difícil de sostener con el plazo encima: la descripción de ese código espera al área de ingeniería.
Cómo usar IA para descripciones de productos técnicos, del registro a la aprobación
Generar descripciones con IA y aprobarlas antes de publicarlas lleva seis pasos: elegir una familia piloto, escribir la instrucción de la IA, generar a partir de los campos del registro, verificar cada afirmación contra el campo de origen, aprobar por tipo de afirmación con un responsable designado y registrar quién aprobó. Solo el tercero lo hace la IA.
1 – Elegir una familia piloto
Un piloto en la familia más fácil esconde los errores del resto del portafolio. La familia piloto es un grupo de productos con decenas o cientos de códigos; las 300 conexiones hipotéticas varían lo suficiente para que la IA se equivoque de maneras distintas.
El piloto mide cuánto del texto vuelve de la verificación, y por qué tipo de afirmación. Si la mitad de las devoluciones son de valor técnico, el problema está en el registro, y ninguna instrucción nueva lo resuelve.
2 – Escribir la instrucción una vez, como estándar de la empresa
Sin instrucción escrita, cada lote sale con un tono y unas reglas diferentes. La instrucción, o prompt, es el texto que le dice a la IA lo que puede hacer y lo que nunca puede hacer, escrito una vez para todas las familias.
La IA puede reordenar, resumir y adaptar el texto al lector y a la extensión de cada salida, del archivo del distribuidor al PDF del representante comercial. Nunca puede agregar un número, una unidad, una norma, una certificación, una aplicación, una compatibilidad o una equivalencia que no esté en un campo.
El tono viene de la guía de redacción de la empresa. La instrucción tarda más de lo que parece, porque obliga a decidir por escrito lo que cada redactor decidía por su cuenta.
3 – Generar a partir de los campos, nunca del texto anterior
La IA que recibe un texto listo parafrasea el texto que recibe, y el valor erróneo de hace cinco años vuelve en una frase nueva. La generación parte de los campos, código por código.
4 – Verificar cada afirmación contra el campo del que salió
Verificar una descripción generada por IA es vincular cada afirmación del texto con el campo del que salió. Quien revisa trabaja con el registro abierto al lado: la medida citada remite al campo de medida, y la presión de trabajo, al suyo.
La afirmación sin campo de origen sale del texto, aunque sea correcta, porque nadie sabrá dónde corregirla en la próxima revisión del plano. En la práctica, la verificación queda con quien ya responde por el dato y sabe leer el registro, en general alguien de ingeniería de aplicaciones.
5 – Aprobar por tipo de afirmación, con responsable designado
El tipo de afirmación es la clase de información que lleva una frase del texto, como un valor técnico, una norma, una equivalencia o una promesa comercial.
| Tipo de afirmación en el texto | Ejemplo | Quién verifica y aprueba |
|---|---|---|
| Valor técnico y unidad | rango de temperatura, presión de trabajo, medida | ingeniería de aplicaciones |
| Norma, certificación, dato de conformidad | «conforme a la norma …», «certificado» | ingeniería de aplicaciones |
| Aplicación, compatibilidad, equivalencia con un código anterior | «indicado para …», «sustituye al código …» | ingeniería de aplicaciones |
| Promesa que se convierte en compromiso comercial | tiempo de entrega, garantía, desempeño comparado | área comercial |
| Tono y vocabulario de la marca | términos prohibidos, nombre de línea | gerencia de marketing |
| Aprobación final de la versión | el texto completo, después de las verificaciones anteriores | marketing de producto |
Donde haya un área de calidad o regulatoria, la verificación de norma y certificación puede quedar con ella, si es ella la que responde ante el cliente por el dato normativo.
En una tabla de responsables por tipo de afirmación, lo que importa es la función que responde por la especificación, con el nombre que tenga en la empresa, y una misma persona puede ocupar más de una fila.
6 – Registrar quién aprobó y qué obliga a aprobar de nuevo
Un texto aprobado vale para los datos del día de la aprobación, con la constancia de quién aprobó cada tipo de afirmación, y cuándo, junto al código. Si cambió un número o salió una nueva especificación liberada, el texto de ese código vuelve a la cola de verificación.
En el ejemplo hipotético, el área de ingeniería de la propia empresa revisa el plano del codo de una medida, y una dimensión cambia en 12 códigos. El texto aprobado en junio empieza a afirmar una dimensión que ya no existe.
Dos esquemas impiden que un texto sin aprobación llegue al cliente. Con un bloqueo en el sistema, la herramienta no deja publicar sin la aprobación registrada. Con una regla de proceso, la herramienta lo permite, y la empresa acuerda que nadie publica sin aprobación; cuesta disciplina diaria y falla primero, en la semana del lanzamiento.
La pregunta para hacerle a cualquier herramienta es «¿el borrador puede publicarse sin aprobación registrada?», y cabe entre los criterios para elegir un PIM.
Qué define el plazo de la revisión, y cuándo no conviene usar IA
La verificación define el plazo de un proyecto de descripción de productos con IA. La afirmación técnica, normativa o comercial exige verificación completa; la verificación por muestreo sirve solo para revisar el estilo.
La IA no conviene en familias de pocas decenas de códigos, con atributos solo en texto corrido o en un PDF antiguo, sin responsable designado para aprobar o en un documento regulatorio.
En una cuenta hipotética, con números inventados, verificar cada descripción toma 6 minutos, y las 300 conexiones del ejemplo piden 30 horas de ingeniería de aplicaciones. Escribir cada una a mano, a 20 minutos, pediría 100 horas. En una familia de 40 códigos, son 4 horas contra poco más de 13, y la diferencia, cerca de 9 horas, puede no pagar la instrucción y el piloto.
El sesgo de automatización es la deferencia excesiva hacia los sistemas automatizados, y el NIST AI 600-1 (2024) registra que puede agravar el riesgo de confabulación, nombre que el NIST le da a la alucinación. El sesgo aparece en el revisor que aprueba el texto número cien porque los 99 anteriores estaban bien.
La primera protección contra el sesgo de automatización es verificar campo por campo, en lugar de releer el texto. Con un solo revisor, también ayudan lotes más pequeños por sesión y el orden de los códigos mezclado, para que codos casi iguales no lleguen seguidos.
La IA para descripciones técnicas no conviene en estos casos:
- familia de pocas decenas de códigos
- atributo que solo existe en texto corrido o en un PDF antiguo
- nadie designado para aprobar. Sin responsable, la verificación se vuelve opcional y se cae cuando el lanzamiento aprieta
- un documento regulatorio, con formato y responsable definidos en una norma
La IA tampoco corrige el registro de productos. Un dato erróneo en un campo sale de la IA repetido en trescientos textos a la vez.
Catallog puede ayudarle en esta misión
Catallog es una plataforma de gestión de información de productos dirigida a la cadena de valor de la industria, con énfasis en organizar el portafolio, habilitar a la fuerza de ventas y generar leads. En la sigla que usa el mercado, Catallog es una plataforma PIM.
En Catallog, según el plan contratado, las descripciones y las versiones por canal se generan con apoyo de IA, a partir de los datos del producto, en un contenido que pasa por la revisión y la aprobación del equipo de la empresa cliente.
En Catallog, un mismo producto puede tener títulos y descripciones distintos para canales distintos, derivados de un registro único de atributos, ficha técnica y multimedia, sin duplicar el artículo. En Catallog, la disponibilidad de cada recurso depende del plan contratado.
El diagnóstico de madurez del catálogo de Catallog da un perfil por área, y el área Procesos y aprobación muestra si su empresa ya tiene quién apruebe la información de producto.
Preguntas frecuentes
Usar IA para descripciones de productos técnicos funciona cuando la IA solo reescribe lo que ya está en los campos del registro de productos y cada afirmación del texto la verifica, antes de publicarse, quien responde por ese tipo de dato. La IA no completa el dato que falta: un campo vacío hace que la descripción de ese código espere.
La IA inventa datos porque, cuando falta el valor en lo que recibió, el modelo completa la frase con lo que parece más probable. La alucinación es el contenido falso o erróneo que un modelo de IA generativa presenta con seguridad, como si fuera un hecho (NIST AI 600-1, 2024). Para reducir el riesgo, entréguele a la IA solo campos completos y que vengan de la especificación liberada (la versión aprobada por el área de ingeniería).
Las descripciones de productos generadas por IA las revisa quien responde por cada tipo de dato: ingeniería de aplicaciones verifica el valor técnico, la norma, la aplicación y la equivalencia; el área comercial, lo que se convierte en compromiso comercial, como tiempo de entrega, garantía y desempeño comparado; la gerencia de marketing, el tono. Marketing de producto aprueba la versión final.
Google no trata el uso de IA como infracción en sí: su guía sobre el contenido de IA generativa, actualizada el 5 de octubre de 2026, pide verificar manualmente los datos antes de publicar, y su política de spam (1 de septiembre de 2026) señala como abuso generar muchas páginas sin agregar valor para los usuarios. En Google Merchant Center hay que identificar, además, el título y la descripción generados con IA.
El campo vacío vuelve al área responsable del dato, y la descripción de ese código espera. Pedirle a la IA que «complete con lo más probable» es como nace un rango de temperatura copiado de otra conexión.
Conclusión
El primer costo de la IA en la descripción técnica aparece antes del primer texto, cuando alguien pregunta quién aprueba la presión de trabajo de las 300 conexiones del ejemplo y nadie responde. Responder quién aprueba en esa reunión cuesta una tarde. Responderlo después cuesta recoger el PDF que el representante comercial ya envió a los clientes, y un PDF enviado no vuelve entero.
La respuesta a quién aprueba se convierte en la tabla de responsables por tipo de afirmación, que sirve también para el texto escrito a mano. Sin respuesta, el registro de productos viene antes que la IA, y la madurez del catálogo de productos ayuda a ver en qué etapa está su empresa.
Para armar esa tabla con una familia de su portafolio, hable con nuestro equipo.
¿Su catálogo está listo para vender?
HAGA AHORA EL DIAGNÓSTICO GRATUITOResponda 8 preguntas sobre su catálogo, indique su nombre y correo electrónico y reciba el perfil de cada área, con recomendaciones para el próximo paso.
