Recomendaciones de IA y el aumento de devoluciones

Tu ficha de producto es la primera víctima

Imagina la escena. Un cliente abre ChatGPT o un asistente de compra de Amazon y pregunta: “¿Qué zapatillas corren mejor para mi pisada?” La IA escanea miles de descripciones. Si la tuya dice “cómodas, transpirables, ideales para el día a día”, el modelo lo cruza con las de la competencia. Si la descripción es vaga, la IA rellena los huecos con probabilidades. El cliente compra. Recibe el paquete. Y lo devuelve.

No es una teoría. Blue Yonder encuestó a más de 5.000 consumidores en septiembre de 2026 (incluyendo 2.000 en EE. UU.) y los datos son brutales: el 46% de quienes compraron algo gracias a una recomendación de IA han devuelto ese producto en los últimos 12 meses (Chain Store Age).

Aquí hay un mito que hay que desmontar ya mismo: la culpa no es de la IA. Duncan Angove, CEO de Blue Yonder, lo dice claro: los compradores están tomando el consejo de la IA mucho más rápido de lo que los retailers están preparados para manejarlo, y “esto no es realmente un problema de IA” (Retail Customer Experience). Es un problema de ingeniería inversa de tu propio catálogo.

El 36% dice: “No es lo que leí”

Miremos los números fríos y duros. Cuando un cliente en EE. UU. devuelve una compra hecha por recomendación de IA, el motivo número uno es que el producto era diferente a cómo estaba descrito (36%). El segundo es la talla o el ajuste incorrecto (23%) (DC Velocity).

Piénsalo desde la perspectiva del CTO o del Director de Marketing. Cuando escribes una ficha de producto para un humano, usas adjetivos. “Elegante”. “Ligero”. “Premium”. Para una IA, esas palabras son ruido. El modelo necesita datos estructurados, dimensiones exactas, materiales específicos y casos de uso explícitos. Si tu PDP no está optimizado para GEO (Generative Engine Optimization), estás a la merced de un algoritmo que interpreta tus vacíos.

36% de las devoluciones de compras por IA se deben a que el producto no coincide con la descripción. Fuente: DC Velocity

La brecha generacional amplifica esto. El 43% de la Gen Z y el 36% de los millennials han comprado algo tras una recomendación de IA. En cambio, solo el 19% de la Gen X y el 9% de los baby boomers lo han hecho (Retail Dive). Tu audiencia digital nativa no lee el párrafo largo; se fía de lo que su asistente le dice. Si tu data es pobre, tu tasa de devolución se dispara.

Además, hay un dato que duele: el 49% de los encuestados que devolvieron una compra por IA afirmaron que son más propensos a devolver esos artículos que los que compraron directamente en la web de la tienda (Business Wire vía 01net). Esto indica una desconfianza sistémica. El usuario sabe que la IA puede equivocarse, y cuando el producto llega y no encaja con la “promesa” generativa, la fricción se convierte en devolución.

Cómo blindar tu catálogo antes de que la IA lo use contra ti

La solución no es dejar de usar IA. Es alimentar a la IA con la verdad. Si vendes en Shopify, WooCommerce o Amazon, necesitas auditar cómo se perciben tus productos a ojos de un LLM.

Primero, elimina la ambigüedad. Si vendes una chaqueta, no digas “apto para otoño”. Di “resistente a vientos de 30 km/h, ideal para temperaturas entre 10 y 15 grados”. La IA procesa esto perfectamente.

Segundo, estructura los atributos. Los datos semánticos son clave. No es lo mismo tener un campo de texto plano con “rojo” que un atributo estructurado “Color: Rojo, Código: R-01”. Las herramientas de IA actuales lean metadatos y esquemas de datos para generar sus recomendaciones. Si tu esquema JSON-LD está mal configurado, la IA puede recomendar tu talla M para alguien que necesita una L, porque no encontró la correspondencia clara en tus datos.

Tercero, vigila la coherencia entre canales. Si en Amazon dices una cosa y en tu web Shopify otra, y ambas fuentes alimentan a un asistente de IA, la confusión está servida. La consistencia es la única defensa real contra la devolución impulsada por la desinformación algoríctica.

Recuerda: el 89% de los compradores no confía del todo en las recomendaciones de IA (Retail Dive). Es tu responsabilidad técnica y comercial ganarte esa confianza residual. Si la IA falla por tu culpa de data, la marca la paga.

FAQ: Recomendaciones de IA y devoluciones

¿Por qué la IA recomienda productos que luego se devuelven?

Sobre todo por defectos en los datos de descripción. Según Blue Yonder, el 36% de las devoluciones de compras por IA en EE. UU. se deben a que el producto es diferente a cómo estaba descrito. La IA interpreta los huecos en tu data y a veces genera expectativas que el producto físico no cumple.

¿Es la tecnología de IA lo que está causando el aumento de devoluciones?

No. Los expertos, como Duncan Angove de Blue Yonder, señalan que el problema no es la IA en sí, sino la velocidad a la que los consumidores adoptan estas herramientas frente a la lentitud de los retailers para preparar sus datos de producto. Es un problema de calidad de data, no de algoritmo.

¿Qué generación compra más por recomendación de IA?

La Gen Z lidera con un 43% de compras basadas en recomendaciones de IA, seguida de los millennials con un 36%. Los baby boomers son el grupo más reticente, con solo un 9% de adopción. Esto implica que tu estrategia digital debe priorizar la claridad de datos para audiencias jóvenes.

¿Qué porcentaje de compradores confía en las recomendaciones de IA?

Muy pocos. Una encuesta de SmartCustomer citada por Retail Dive indica que el 89% de los compradores no confía del todo en las recomendaciones de IA. Esta desconfianza hace que cualquier discrepancia entre lo esperado y lo recibido derive directamente en una devolución.

¿Qué debo hacer si vendo en Shopify o Amazon para evitar esto?

Audita tus fichas de producto. Asegúrate de que los atributos (talla, material, uso) estén estructurados y sean inequívocos. No uses lenguaje de marketing vago para datos técnicos. Optimiza tu web para GEO (Generative Engine Optimization) para que las IA lean información precisa y consistente en todos tus canales.