¿Qué puede hacer de verdad la IA en mi tienda online (y qué es humo)?

La IA sirve hoy en un ecommerce para tres cosas concretas: leer datos que nadie tiene tiempo de leer (campañas, márgenes, stock, cohortes), generar variaciones de trabajo repetitivo (creatividades, copys, fichas, segmentos de email) y proponer decisiones priorizadas con su razonamiento. Lo que no hace es sustituir el criterio de negocio, inventar demanda que no existe ni arreglar una oferta que no convierte. La diferencia entre «IA útil» y «IA de escaparate» no está en el modelo, está en si lo que propone llega a ejecutarse, con alguien que lo aprueba y con una comprobación posterior del resultado.

Dónde está el mercado ahora mismo (y por qué importa)

La adopción ya no es el problema: en la encuesta global de McKinsey de 2025, el 88 % de las organizaciones dice usar IA en al menos una función de negocio. El problema es que la mayoría se queda en pilotos que no mueven la cuenta de resultados.

En España el punto de partida es más bajo: según el INE, el 21,1 % de las empresas de 10 o más empleados usó tecnologías de IA en el primer trimestre de 2025. Para una tienda online esto significa dos cosas: todavía hay ventaja competitiva en hacerlo bien, y hay mucho ruido comercial alrededor.

Y hay una señal nueva del lado del tráfico: Adobe Analytics midió que los referidos desde plataformas de IA generativa hacia sitios de retail crecieron un 693 % interanual en la campaña de noviembre y diciembre de 2025. Sigue siendo una porción pequeña del total, pero crece rápido: los asistentes de IA empiezan a ser una fuente de visitas, no solo una herramienta interna.

Qué hace bien la IA en un ecommerce, área por área

Anuncios: menos informes, más decisiones

El caso de uso más rentable no es «crear campañas con IA», es revisar a diario lo que ya está vivo. Un sistema que cada mañana te dice «este conjunto de anuncios lleva tres días gastando con frecuencia alta y CPA al alza, propongo pausarlo y mover ese presupuesto a X» vale más que cualquier informe bonito. Si trabajas Meta, el detalle operativo está en la guía de Meta Ads para ecommerce.

Creatividades: volumen con criterio

La IA baja el coste de producir variantes, pero no inventa un buen ángulo. Lo que funciona es alimentarla con lo que ya ganó: qué hook retuvo, qué objeción resolvía, qué formato. Después, producir 10 variantes y dejar que el dato decida. Ojo con el atajo de generar imágenes de producto que no se corresponden con el artículo real: devoluciones y reclamaciones.

Finanzas: el ROAS no basta

Muchas tiendas optimizan un número que no paga las facturas. Si no cruzas el gasto con margen real y devoluciones, puedes escalar productos que venden mucho y aportan poco. Aquí la IA ayuda a montar el cálculo y mantenerlo vivo; la lógica está explicada en qué es el ROAS y por qué necesitas mirar el MER.

Qué es humo (y cómo detectarlo en una demo)

• Dashboards que «usan IA» para describir lo que ya ves. Si la herramienta te dice que el ROAS bajó, pero no qué hacer ni cuánto dinero está en juego, es un gráfico con otro nombre.
• Automatización total sin aprobación. Gartner estima que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027, entre otras razones por costes disparados y falta de controles de riesgo. En una tienda, eso se traduce en presupuestos tocados de madrugada sin que nadie lo valide.
• Números inventados con mucha seguridad. Los modelos rellenan huecos cuando no tienen el dato. Si la IA no está conectada a tus fuentes reales y no cita de dónde sale cada cifra, acabarás decidiendo sobre ficción: lo explicamos en alucinaciones de la IA en marketing.
• Promesas de resultado garantizado. Nadie puede garantizar un retorno sin conocer tu margen, tu catálogo y tu competencia.
• «Personalización» que es solo poner el nombre en el asunto. Personalizar es cambiar oferta y momento, no el saludo.

Tres preguntas para cualquier proveedor de IA

1. ¿De qué fuente saca cada dato y puedo ver el detalle?
2. ¿Quién aprueba antes de que se ejecute algo que toca presupuesto, precio o stock?
3. ¿Cómo se comprueba, pasadas unas semanas, si la decisión funcionó?

Si las tres respuestas no son claras, no es IA aplicada: es una suscripción.

Por dónde empezar: plan realista de 30 días

1. Semana 1 — Conectar y ordenar. Fuentes mínimas: plataforma de ecommerce, plataformas de anuncios, email y costes de producto. Sin coste real por producto, cualquier recomendación es decorativa.
2. Semana 1 — Elegir una métrica de cabecera. Margen de contribución o MER. Una sola, acordada por todos.
3. Semana 2 — Un solo caso de uso. El que más dinero mueva hoy, normalmente la revisión diaria de campañas o la recuperación de clientes dormidos.
4. Semana 3 — Flujo de aprobación. Propuesta → revisión humana → ejecución. Diez minutos al día, no una reunión semanal.
5. Semana 4 — Medir y cortar. Lo que no mejore la métrica de cabecera se para. Sin excepciones ni apegos.
6. Día 45 — Revisión a 15 días vista. Cada decisión ejecutada se vuelve a mirar para saber si funcionó. Este paso es el que convierte la IA en aprendizaje acumulado.

El modelo que sí encaja: especialistas con un coordinador

Una sola IA generalista intentando llevar anuncios, email, stock y finanzas acaba dando consejos genéricos. Lo que funciona en ecommerce es el modelo contrario: agentes de IA especialistas —Meta Ads, Google Ads, TikTok Ads, Email y CRM, Producto y Stock, Creativos y Finanzas— cada uno con su contexto y sus límites, coordinados por un CMO de IA que ordena las propuestas por impacto en euros y descarta el ruido.

Así es como trabaja Growth AI: los agentes proponen, el CMO de IA prioriza, una persona aprueba antes de que se ejecute nada que toque presupuesto o stock, y a los 15 días se comprueba si la decisión dio el resultado esperado. En una tienda de ejemplo con 50 referencias y tres canales activos, esto significa pasar de «revisar paneles los lunes» a tener cada mañana tres o cuatro acciones concretas con su impacto estimado y su responsable.

La IA para ecommerce no es un producto que compras y enciendes: es una forma de trabajar en la que las decisiones pequeñas dejan de depender de que alguien tenga tiempo. Esa es toda la ventaja, y es suficiente.

¿Quieres ver cómo quedaría en tu tienda? Entra en la oficina de Growth AI y conoce a los agentes que trabajarían en tu cuenta.