Cuando un cliente fotografía un suéter y pregunta qué es, un sistema de IA debe decidir qué está viendo. Esa respuesta puede salir de los datos del producto o de un clasificador que nunca consultó al comerciante.
Google sitúa a Google Lens en más de 25 mil millones de consultas al mes, y una de cada cinco muestra intención comercial. En ese contexto, la búsqueda visual dejó de ser un accesorio: ya influye en qué inventario aparece y cuál queda fuera.
La mecánica importa. En un documento de 2020, ingenieros de Pinterest describieron su sistema de producción como uno que extrae un «embedding» visual, una huella numérica de cómo se ve un objeto, y luego busca sus vecinos más cercanos en un índice de imágenes de productos. Es decir, el catálogo no necesariamente identifica el primer match visual.
El propio documento explica por qué no alcanza con eso. Recuperar solo por similitud visual, escribieron, puede producir errores de desajuste semántico, como devolver candidatos de una categoría distinta a la del objeto consultado.
La solución fue imponer la categoría como restricción de recuperación, y con el tiempo sumaron otros atributos en consultas como «gender:Men AND (category:Shirt OR category:Tie) AND (NOT price < 50)».
La conclusión para las marcas es directa: los atributos no son lo que encuentra el producto; son lo que decide qué candidatos puede recuperar el sistema. Google, además, describe hoy la búsqueda por imagen como una arquitectura en la que Gemini decide qué herramientas usar, con el modelo como cerebro y la búsqueda visual como biblioteca. A medida que los modelos asumen más razonamiento, la calidad de los atributos gana peso.
Pinterest agrupa candidatos por categoría usando «either an in-house Google Product Taxonomy (GPT) classifier or merchant-provided GPT labels». Google también explica en sus páginas de ayuda que todos los productos reciben automáticamente una categoría de su taxonomía y que el valor del comerciante solo se acepta como sustitución en casos específicos.
Para los equipos de feeds, eso no es nuevo. Lo nuevo es que ahora opera detrás de una cámara. Si los datos faltan, están desactualizados o están mal clasificados, la marca no queda fuera de la clasificación: deja la clasificación en manos de la inferencia de un tercero sobre su inventario.
Google Merchant Center envía un reporte cuando un feed arroja un error, pero no cuando un valor de tipo de producto es reemplazado. Hay reportes de error. No hay reportes de sustitución.
Ese detalle cambia la prioridad operativa. En una categoría donde muchos vendedores comparten la misma foto, el diferenciador pasa a ser el atributo, el precio y la autoridad que el canal otorgue. Si la imagen es idéntica, el catálogo es el desempate.
Ahí aparece el ángulo económico: cuando el dato manda, la disciplina del catálogo se vuelve capitalización. Quien mantiene atributos limpios, consistentes y verificables reduce fricción, mejora la probabilidad de aparición y limita el riesgo de que un clasificador externo decida por él.
El mercado ya votó. La visibilidad comercial ahora depende tanto de la foto como del dato. Y en esa carrera, quien descuida el catálogo entrega margen, tráfico y control a una máquina ajena.