En la era de la aceleración digital, el líder del comercio electrónico de América Latina, Mercado Libre, sigue marcando el ritmo. Con más de 492 millones de artículos vendidos solo en el primer trimestre de 2025, la plataforma se enfrenta a un desafío único: cómo mantener la consistencia, la calidad y la velocidad en millones de listados de productos sin dejar de crecer.

Esta es la historia de cómo la inteligencia artificial se convirtió en un multiplicador de fuerza, lo que facilitó flujos de trabajo más inteligentes para la generación de contenido, mejoró la coherencia del catálogo y empoderó a los vendedores de toda la región, independientemente de su tamaño o experiencia técnica.

El desafío

A medida que Mercado Libre continuó su rápido crecimiento, la plataforma experimentó un aumento en el número de nuevos vendedores y listados de productos. Esa escala venía acompañada de un desafío conocido: descripciones inconsistentes, atributos incompletos, categorización manual, imágenes poco profesionales y grupos de productos fragmentados que degradan la experiencia de compra. Estos problemas no solo afectan a la satisfacción de los usuarios, sino que también pueden afectar directamente a las tasas de conversión.

Para resolver esto, Mercado Libre se asoció con Marvik, una firma de consultoría práctica especializada en crear soluciones de inteligencia artificial personalizadas. La empresa se acercó a Marvik con un objetivo claro: automatizar y agilizar el proceso de publicación de productos mediante la IA para mantener los estándares de calidad y, al mismo tiempo, permitir a los vendedores crear contenido de forma más rápida y sencilla.

La solución: estructurar y mejorar el catálogo de productos con IA

Se desarrolló una solución integral basada en inteligencia artificial para automatizar la estructuración y la mejora de las listas de productos, ofreciendo resultados escalables y de alta calidad que cumplen con los estándares seleccionados por humanos.

En cuanto al texto, se utilizaron modelos de lenguaje natural para identificar valores de atributos duplicados, agrupando variaciones como «rojo» y «rojizo» en una sola etiqueta estandarizada. Estos modelos también agrupaban productos semánticamente similares, validaban la coherencia de cada grupo y garantizaban la alineación entre los títulos y los atributos listados. Al analizar los títulos y las descripciones, propusieron reestructurar la taxonomía de los productos, fusionando las categorías superpuestas, dividiendo las que son demasiado amplias y marcando los atributos faltantes o equivalentes, para que el catálogo evolucione con el inventario. Los valores de los atributos se normalizaban automáticamente a una unidad de medida común y, cuando los detalles eran escasos, el flujo de trabajo deducía los valores probables, generaba descripciones concisas y normalizaba los títulos siguiendo un patrón uniforme. Todo este procesamiento de catálogos se llevó a cabo en modelos de lenguajes de gran tamaño y transformadores dentro de un marco de inteligencia artificial generativa.

Paralelamente, los modelos de visión artificial procesaron millones de imágenes de productos para detectar duplicados mediante hashes e incrustaciones perceptuales, formar grupos visuales e identificar valores atípicos que alteraban la coherencia del grupo. Dentro de cada grupo, un proceso de selección automatizado seleccionó el conjunto definitivo de imágenes de productos, dando prioridad a las que se repetían con más frecuencia, las de mayor calidad y que cumplían plenamente con las políticas de contenido. Estos modelos también pueden extraer los atributos relevantes directamente de las imágenes y marcar las imágenes subidas por el vendedor que no cumplen con los requisitos, mientras que las herramientas de similitud visual mejoran la precisión de la agrupación y recomendación de productos.

Un componente clave de esta arquitectura es el uso de agentes de IA multimodales, herramientas que combinan información de datos de texto e imágenes para refinar los grupos de artículos con mayor precisión. Estos agentes también desempeñan un papel fundamental en el ciclo de moderación: revisan, aprueban o rechazan automáticamente las sugerencias de cambios en la información del producto enviadas por el vendedor. Al hacer cumplir los estándares del catálogo en tiempo real y a gran escala, estos agentes ayudan a mantener la integridad de los datos y, al mismo tiempo, reducen la necesidad de supervisión manual.

Combinadas, estas capacidades crearon un sistema de catálogos de alto rendimiento y mejora automática, capaz de interpretar y mejorar el contenido textual y visual. El resultado: un catálogo de productos más limpio, coherente y con mayor capacidad de búsqueda, que mejora la visibilidad, agiliza la incorporación de vendedores y refina la experiencia de usuario de principio a fin.

Todo esto es posible gracias al hardware de NVIDIA, que proporciona el ordenador de alto rendimiento necesario para entrenar y ejecutar modelos de visión artificial y PNL a gran escala en producción.

La solución: imágenes con calidad de estudio impulsadas por IA

Antes y después

En el comercio electrónico, las imágenes lo son todo. Las imágenes de los productos moldean la percepción, generan confianza y, a menudo, determinan si un comprador realiza una conversión o hace clic en él. Sin embargo, para la mayoría de los vendedores, especialmente para las pequeñas y medianas empresas, crear fotografías de alta calidad lleva mucho tiempo, es costoso y, a menudo, está fuera de su alcance. Ahí es donde entra en juego Photo Studio: una potente solución de inteligencia artificial que convierte las fotos cotidianas en imágenes pulidas con calidad de estudio sin esfuerzo manual.

Photo Studio utiliza una serie de modelos de IA avanzados, cada uno diseñado para mejorar las imágenes de los productos. Empieza por eliminar los fondos desordenados o que distraen la atención, dando al instante a los productos un aspecto más limpio y profesional. Luego, analiza la imagen de forma inteligente para saber qué contiene, ya sea un rostro, una mano o unas gafas de sol, lo que ayuda al sistema a aplicar las modificaciones de forma más precisa y natural.

Una de las características impresionantes es su capacidad para reconocer y aislar artículos específicos, como una chaqueta o un par de zapatos, y refinarlos individualmente. Este nivel de detalle permite realzar las prendas y los accesorios con una precisión extraordinaria, resaltando colores, contornos y texturas que a menudo se pierden en las fotos de aficionados.

Además de limpiar y refinar, Photo Studio también añade un toque creativo. Utiliza inteligencia artificial generativa para producir automáticamente fondos realistas y bien compuestos, personalizados según el producto y su categoría. Ya sea que se trate de un estudio minimalista en blanco o de una escena inspirada en un estilo de vida, el sistema crea imágenes que realzan el producto sin dejar de ser coherentes con la estética de la marca. Y lo mejor de todo es que lo hace de forma autónoma, filtrando los resultados de menor calidad y garantizando que cada imagen cumpla con un alto estándar visual.

El resultado es una poderosa combinación de automatización y creatividad: imágenes que no solo son hermosas sino que también están optimizadas para el rendimiento del comercio electrónico. Con Photo Studio, los vendedores pueden presentar sus productos con el brillo de una sesión fotográfica de alta gama, sin tener que entrar en un estudio.

Con esta innovación, Mercado Libre se convirtió en el primer mercado en ofrecer a los vendedores una herramienta autónoma basada en inteligencia artificial para mejorar la fotografía de los productos, estableciendo un nuevo estándar para la capacitación de los vendedores y la calidad visual a gran escala

La tecnología

Toda la carga de trabajo está acelerada por la GPU para mantener baja la latencia a escala de producción.

• Procesamiento offline. Los trabajos de preparación de datos y entrenamiento de modelos se ejecutan en los nodos de procesamiento g4dn.xlarge de AWS, cada uno equipado con una única GPU NVIDIA T4 Tensor Core (16 GB), donde CUDA y cuDNN aceleran pasos intensivos como el análisis de imágenes, la agrupación de textos y la validación de datos.
• Servicio en línea. La versión en vivo de Photo Studio se ejecuta en instancias de AWS g5.xlarge equipadas con una GPU NVIDIA A10G Tensor Core (24 GB), lo que permite segmentar, mejorar y generar imágenes en tiempo real para miles de usuarios simultáneos sin demoras en las colas.

Para lograr este nivel de calidad visual y capacidad de respuesta, el sistema se basa en una sólida base de tecnologías de NVIDIA. CUDA y cuDNN proporcionan la aceleración esencial para las tareas de aprendizaje profundo, lo que garantiza que cada paso de mejora de la imagen, desde la segmentación hasta la generación, se ejecute de manera eficiente. Estas herramientas no solo impulsan el motor, sino que mejoran la experiencia y permiten obtener resultados rápidos y aptos para la producción. En muchos sentidos, el equipo de NVIDIA es el socio silencioso entre bastidores, lo que convierte la ambición de la IA en un impacto real.

Impacto y beneficios

Durante el lanzamiento de Photo Studio, la plataforma experimentó un aumento significativo en las visitas a los productos, una prueba clara del impacto que pueden tener el contenido de alta calidad y la coherencia visual a gran escala.

Al mismo tiempo, la solución de estructuración de catálogos permitió una consolidación de contenido más inteligente y eficiente. En decenas de millones de listados, el sistema redujo la fragmentación visual en casi un tercio, no eliminando los productos, sino agrupando de forma inteligente los duplicados y las variantes en función de una representación unificada de los productos. Esta optimización de la experiencia de compra se tradujo en un aumento notable de la participación en las secciones del catálogo afectadas, lo que reforzó la forma en que la estructura, la claridad y la automatización inteligente pueden aumentar la capacidad de descubrimiento.

En conjunto, la implementación de estas soluciones impulsadas por la IA generó mejoras mensurables en múltiples dimensiones:

• Coherencia del catálogo a escala: la precisión de los atributos, la taxonomía estandarizada y los metadatos más limpios ayudaron a optimizar la búsqueda y el descubrimiento.
• Creación de listados más rápida y sencilla: las nuevas herramientas redujeron significativamente el tiempo y el esfuerzo necesarios para publicar productos, lo que agilizó la incorporación de vendedores y redujo las barreras de entrada para miles de vendedores.
• Capacitación de vendedores: decenas de miles de vendedores tuvieron la posibilidad de crear anuncios refinados, independientemente de su formación técnica o creativa.
• Experiencia de compra mejorada: las imágenes limpias y los datos bien estructurados ayudaron a los compradores a tomar decisiones de compra con más confianza y a encontrar exactamente la mejor oferta para lo que estaban buscando.

Por qué es importante

Esta transformación demuestra cómo la IA está redefiniendo la infraestructura de comercio digital. A escala, la coherencia y la velocidad suelen estar en tensión, pero con la automatización adecuada, los mercados ya no tienen que hacer concesiones.

Al introducir sistemas inteligentes que mejoran la creación de contenido visual y de texto, esta plataforma creó una experiencia más fluida para los compradores y redujo significativamente la barrera de entrada para los vendedores. Con datos estructurados e imágenes de alta calidad, el descubrimiento de productos mejora, al igual que la confianza.

Mirando hacia el futuro

A medida que el comercio en línea siga evolucionando, la capacidad de automatizar la complejidad y, al mismo tiempo, mantener los estándares de marca y contenido definirá la próxima generación de infraestructura de mercado. Con agentes de inteligencia artificial inteligentes integrados durante todo el ciclo de vida de las listas de productos, las plataformas pueden operar de manera más eficiente, atender su ecosistema de manera más efectiva e innovar más rápido que nunca.