Le pides a una IA que escriba la ficha de un producto del que solo sabes el nombre y poco más. Y la escribe: fluida, convincente, con su lista de beneficios. El problema es que la mitad de lo que afirma no te consta en ningún sitio. Se lo ha inventado. Bienvenido al "AI slop": contenido que suena bien y dice poco, o dice cosas falsas.
En un blog personal, una frase inventada es anecdótica. En un catálogo de producto, es una devolución, una reclamación o un problema legal. Por eso, el paso que de verdad separa una buena ficha generada de una mala no es el prompt: es investigar antes de escribir.
Una IA no sabe; predice
Un modelo de lenguaje no es una base de datos de hechos: es una máquina de predecir el texto más probable. Cuando le das información rica, predice sobre esa base y acierta. Cuando le das poco —un título de proveedor y un EAN— rellena los huecos con lo que "suele ir ahí": ingredientes típicos, materiales habituales, compatibilidades plausibles. Suena perfecto. Y puede ser completamente falso.
Por qué eso es peligroso en un catálogo
Una ficha no es decoración: es una promesa. Si afirma algo, el cliente lo compra creyéndolo. Un dato inventado se traduce en:
- Devoluciones y reclamaciones: el producto no es lo que la ficha prometía.
- Riesgo legal: alérgenos, normativa, propiedades de salud, compatibilidades.
- Pérdida de confianza: quien detecta un error deja de fiarse del resto del catálogo.
- Peor SEO, no mejor: las descripciones genéricas o duplicadas no posicionan; Google premia el contenido útil y específico.
La solución no es un prompt mejor. Es investigar primero
La tentación es pulir el prompt: "no inventes", "sé preciso", "cíñete a los hechos". No funciona del todo, porque el modelo no distingue lo que sabe de lo que supone. La solución real es cambiar el orden: primero reunir hechos verificados y solo después pedirle al modelo que escriba a partir de ellos. El modelo deja de imaginar y pasa a redactar.
Es la diferencia entre pedirle a alguien que escriba sobre un producto que no ha visto, y darle la ficha técnica antes de empezar. El segundo escribe mejor porque escribe sobre algo real.
Cómo lo hace Noobit
Noobit puede investigar cada producto antes de escribir una sola frase. La investigación la activas en Preferencias para todo el catálogo, o la lanzas tú en una ficha concreta. Reúne lo que se sabe del producto en fuentes reales: los datos que vienen del proveedor, bases de datos por código de barras (por ejemplo, Open Food Facts para alimentación) y la web. Cada dato se guarda con la página de la que sale, y con esos hechos sobre la mesa se escribe la ficha, apoyándose en ellos y en tu voz de marca. Y hay datos que no se escriben sin fuente: una lista de ingredientes que no consta en ningún dato del producto se retira de la ficha.
Primero, la ficha del fabricante
Un buscador no siempre trae la página buena: a veces cita el catálogo de la marca, pero no la ficha del producto. Por eso, cuando entre las fuentes aparece la web del fabricante, la investigación abre sus páginas y busca el enlace a la ficha exacta. Si está segura de cuál es, la pone la primera; ante la duda, no añade nada. Un hueco es mejor que la ficha del producto de al lado.
Esa ficha se lee aparte. A la IA le llega solo su texto, y cada dato que devuelve se comprueba contra la página antes de aceptarlo: la cita tiene que estar en la página, las cifras del dato tienen que estar en la cita y el dato tiene que salir de ella. Lo que no pasa la comprobación no entra.
Además, lo aprendido se suma: lo que una investigación nueva no vuelve a encontrar se conserva, en vez de perderse. Si conoces la página buena, puedes pegarla tú y se lee la primera. Y en cada producto ves qué se consultó, página a página, y puedes vetar fuentes, empezando por tu propia tienda si arrastra errores.
Cómo notar la diferencia
No hace falta ser experto para detectar el slop. Señales de que una IA se está inventando la ficha:
- Superlativos vacíos sin un dato detrás ("la máxima calidad", "tecnología revolucionaria").
- Especificaciones concretas que no aparecen en ninguna fuente del producto.
- La misma descripción, calcada, en productos distintos.
- Afirmaciones de compatibilidad o composición que nadie ha verificado.
Una ficha bien hecha es justo lo contrario: específica, coherente con la ficha técnica y verificable. Si un dato está, es porque salía de algún sitio.
La regla de oro
Si tu IA no puede decir de dónde sale un dato, no debería afirmarlo. Esa es toda la filosofía. La IA es una herramienta extraordinaria para redactar, estructurar y escalar, pero a partir de hechos, no en lugar de ellos. Investiga primero, escribe después, y tu catálogo dejará de ser una colección de textos bonitos para ser una colección de fichas en las que se puede confiar.