Comprar moda con IA: tus fotos de producto son ahora materia prima

Durante veinte años, la foto de producto de una tienda de moda tenía un único destinatario: una persona decidiendo si esa prenda le quedaría bien. Desde este octubre hay un segundo lector, y no mira igual. El 1 de octubre, OpenAI activó en ChatGPT un botón para probarse la ropa sobre una foto propia; Google está desplegando un carrito que reúne productos de varias tiendas mientras uno busca, conversa o ve vídeos. En los dos casos, el sistema no contempla tu imagen: la usa. Y eso convierte una decisión estética en una decisión técnica.

La consecuencia práctica es incómoda para quien produce catálogo: la foto más bonita y la foto más útil han dejado de ser la misma. Una campaña con la modelo de tres cuartos, el pelo al viento y las manos en los bolsillos puede ser excelente para Instagram y un desastre como punto de partida para un probador automático, que necesita ver la prenda entera, de frente y sin obstáculos. Este artículo explica qué ha cambiado exactamente, qué piden los sistemas que ya están en marcha, qué no sabemos todavía y cómo ajustar la producción sin renunciar a tener buenas imágenes.

Contexto actual: el escaparate ya no lo mira solo una persona

Dos movimientos de las últimas semanas explican el momento. El primero es de OpenAI y afecta directamente a la imagen; el segundo es de Google y afecta al dato que la acompaña.

El probador de ChatGPT

El 1 de octubre de 2026, OpenAI añadió un botón Try on a las fichas de ropa y complementos que ChatGPT muestra dentro de una conversación. El funcionamiento es sencillo: el usuario pulsa la prenda, sube un selfie y una foto de cuerpo entero, y recibe una imagen de sí mismo con esa prenda puesta, generada con Images 2.5, el modelo de imagen que la compañía estrenó en septiembre. También puede subir una captura de pantalla de cualquier tienda, no solo de los productos que ChatGPT propone, y guardar artículos en una biblioteca para volver a ellos.

OpenAI es prudente en su propia documentación de ayuda: advierte de que las imágenes pueden no representar con exactitud el producto ni a la persona, y de que no permiten confirmar la talla, por lo que remite a las medidas y la política de devoluciones del comercio. Es un aviso sensato y, al mismo tiempo, una confesión: la calidad del resultado depende casi por completo de la foto de partida. Si el sistema no distingue dónde acaba la camisa y dónde empieza la chaqueta, el probador improvisa.

Conviene añadir un matiz que a menudo se pasa por alto. ChatGPT ya no cierra la compra: según varias fuentes del sector, OpenAI retiró o dejó en pausa su Instant Checkout durante la primera mitad de 2026 y se ha centrado en el descubrimiento, de modo que la transacción vuelve a la web del comercio. El protocolo abierto que lo sostenía, el Agentic Commerce Protocol, sigue vivo como estándar con licencia Apache 2.0 desarrollado junto a Stripe. Es decir: el asistente recomienda, visualiza y deriva; tu ficha de producto sigue siendo el lugar donde se vende.

El carrito universal de Google

Google presentó el 19 de mayo de 2026, en su conferencia I/O, el Universal Cart: un carrito único que permite ir acumulando productos de distintas tiendas mientras se navega por el buscador, se conversa con Gemini, se ve YouTube o se lee el correo. Arranca en Estados Unidos, en Search y la app de Gemini, y se apoya en el Shopping Graph, el catálogo que la compañía cifra en más de 60.000 millones de fichas de producto. El pago integrado, construido sobre el Universal Commerce Protocol, se amplía por fases a Canadá, Australia y después Reino Unido.

Para una tienda que vende en España, esto todavía no es un canal, pero sí es un aviso. Google ha acompañado el anuncio con nuevos atributos en Merchant Center orientados a la conversación, y su mensaje a los anunciantes es explícito: lo que envías en el feed determina si entras o no en estas superficies. Varios análisis del sector coinciden en que los productos con atributos incompletos o inconsistentes quedan fuera del razonamiento del agente antes incluso de llegar al comprador.

Si el agente no entiende la prenda, no la descarta: simplemente no la propone.

Principales tendencias

La primera imagen cambia de función

Hasta ahora, la foto principal de una ficha tenía una misión comercial: llamar la atención en una parrilla de resultados. Ahora tiene además una misión instrumental, porque es la que los sistemas automáticos toman como referencia para recortar la prenda, estimar su forma y colocarla sobre otro cuerpo. Las dos misiones no siempre coinciden, y esa es la tensión nueva del oficio.

Los atributos pesan tanto como la luz

La segunda tendencia es menos vistosa y más decisiva: el texto estructurado. Composición del tejido, caída, tipo de cuello, largo de manga, instrucciones de cuidado, equivalencias de talla. Un agente conversacional no "ve" la caída de un crepé; la lee. Las fichas que describen bien la prenda ganan presencia en respuestas que antes dependían solo de la posición en el buscador. En un estudio esto se traduce en algo muy concreto: la sesión ya no termina con la entrega de los archivos, sino con la información que acompaña a cada toma.

El descubrimiento se mueve, pero despacio

Aquí hay que ser honesto con los datos, porque circulan cifras muy llamativas y muy contradictorias. Un análisis de diez tiendas Shopify situaba el conjunto de ChatGPT, Perplexity, Gemini, Copilot y Claude en torno al 0,10 % de las sesiones en el primer semestre de 2026. BigCommerce, en cambio, habla de un crecimiento interanual del 393 % en el tráfico de IA hacia el retail estadounidense en el primer trimestre. Sobre conversión, los estudios se pelean: un panel de 147 tiendas daba 4,2 % para Perplexity, 2,8 % para ChatGPT y 1,9 % para Gemini, mientras otro proveedor publicaba lo contrario, con el tráfico orgánico por delante de Perplexity.

Mi lectura es que ninguna de esas cifras sirve para decidir un presupuesto, y que todas juntas dicen lo mismo: la base es pequeña y la pendiente es fuerte. Lo razonable no es reaccionar al titular, sino medir en casa. Google Analytics 4 añadió en mayo de 2026 un canal específico para asistentes de IA, aunque no incluye todas las fuentes por defecto, así que merece la pena revisar la configuración antes de sacar conclusiones.

Herramientas y aplicaciones destacadas

Las especificaciones de Google, a falta de las de OpenAI

OpenAI no ha publicado requisitos de imagen para su probador. Google sí los tiene para el suyo, el probador de prendas de Merchant Center, y son la referencia más útil que existe hoy porque el problema técnico es el mismo. La página de ayuda pide imágenes de al menos 512 x 512 píxeles, idealmente 1024 o más, y una composición muy concreta: una sola prenda sobre un modelo o maniquí de frente y en pose simple, o bien en plano cenital sobre una superficie. Entre sus buenas prácticas está que la imagen contenga solo el artículo que se vende y que muestre la prenda completa. Google indica además que las marcas con un feed de compras e imágenes de calidad entran automáticamente en el programa.

Qué significa eso en el set

Traducido a decisiones de rodaje, el checklist es corto y poco glamuroso:

• Prenda entera en cuadro. Nada de recortes al bajo ni planos de detalle como imagen principal. Si el pantalón se corta en el tobillo, el sistema tendrá que inventarse el resto.
• Frontalidad y brazos a los lados. Los brazos cruzados, las manos en los bolsillos o un bolso delante tapan exactamente lo que hay que vender.
• Una prenda por imagen. La chaqueta abierta sobre la camiseta que es el producto confunde al sistema y al comprador.
• Mangas estiradas y capuchas bajadas, y en plano cenital, prenda bien planchada: una arruga marcada se interpreta como volumen.
• Una foto propia por color. Si la variante verde oliva comparte la imagen de la negra, el probador mostrará la negra.
• Resolución alta en el original. Subir el archivo grande no penaliza, porque las plataformas sirven versiones redimensionadas.

Nada de esto obliga a renunciar a la fotografía de campaña. Obliga a ordenarla. La posición uno es técnica: limpia, frontal, completa. De la dos en adelante vive la marca, con el estilo de vida, los detalles de tejido, el movimiento y el relato que ningún agente va a producir por ti.

Lo que ya se usa aguas arriba

En paralelo, las herramientas de IA que trabajan antes de la foto se han consolidado. Plataformas de análisis de tendencias como Heuritech rastrean millones de imágenes en redes para anticipar qué prendas se están poniendo de verdad, y los estudios de generación de catálogo permiten multiplicar formatos a partir de una sesión real, un terreno que ya repasé en este análisis de las plataformas de IA para catálogo. El ciclo completo empieza a tener una forma reconocible: la IA sugiere qué producir, el estudio lo produce y otra IA lo interpreta para el comprador.

Casos de uso reales

• Catálogo de básicos. Es el caso donde el cambio rinde de inmediato: prendas sencillas, muchas variantes de color, fichas repetitivas. Una serie frontal bien resuelta por color mejora a la vez la ficha, el feed y el probador.
• Marca de autor con pocas referencias. Aquí el riesgo es el contrario: catálogos construidos solo con fotos de campaña, preciosas y opacas para un sistema automático. La solución no es cambiar de estilo, sino añadir una toma técnica por referencia.
• Accesorios y complementos. El probador de ChatGPT los incluye, y en bolsos o gafas la escala es el problema habitual: sin una referencia clara de tamaño, el resultado se desproporciona.
• Marketplaces y distribuidores. Cuando la misma prenda la venden varias tiendas, gana la ficha mejor documentada. La imagen deja de ser un adorno y pasa a ser un factor de posicionamiento.
• Moda de segunda mano y piezas únicas. El plano cenital cuidado, que parecía el recurso humilde del catálogo, resulta ser uno de los formatos que los probadores manejan mejor.

Desde mi estudio en Poble-Nou, en Barcelona, lo que estoy viendo en los encargos de ecommerce es un cambio de conversación: hace un año el cliente pedía más imágenes por prenda, y ahora pregunta cuál de ellas debe ir primera y por qué.

Ventajas y desafíos

Las ventajas

• Menos devoluciones. Cualquier herramienta que ayude a entender cómo cae una prenda antes de comprarla ataca el mayor coste oculto de la moda online.
• Visibilidad para los pequeños. En una respuesta conversacional no hay veinte posiciones de pago por delante; hay una ficha bien resuelta o ninguna.
• Disciplina que ya era buena. Casi todo lo que piden los agentes —prenda completa, fondo neutro, variante por color, descripción precisa— es lo que un catálogo serio debería tener desde el principio.
• Reutilización. Una toma técnica bien hecha alimenta la ficha, el feed de Merchant Center, el probador y los recortes para publicidad sin volver a rodar.

Los desafíos

• Especificaciones que no existen. Trabajamos con las reglas de Google aplicadas a un sistema de OpenAI que no las ha publicado. Es una extrapolación razonable, no una garantía.
• Resultados que no controlas. La imagen que ve el comprador la genera un modelo ajeno a partir de tu foto. Si deforma la prenda, el perjuicio reputacional es tuyo y la decisión no fue tuya.
• Privacidad del comprador. Las fotos de referencia se guardan para reutilizarlas y pueden borrarse desde los ajustes, pero en cuentas personales las imágenes subidas pueden emplearse para entrenamiento salvo que el usuario lo desactive. Una marca que anime a usar el probador debería saberlo y decirlo.
• Transparencia y norma. Una imagen generada que muestra a una persona con una prenda que no se ha probado es contenido sintético. En la Unión Europea el artículo 50 del AI Act exige identificar el contenido creado o modificado con IA desde el 2 de agosto de 2026, algo que analicé en este artículo sobre etiquetado. Cuando la generación la hace la plataforma, la obligación recae sobre ella; cuando la marca publica salidas de un probador en sus propios canales, la pelota cambia de tejado. Consulta tu caso con un asesor legal.
• Tentación de optimizar solo para la máquina. Un catálogo compuesto únicamente de tomas frontales sobre fondo blanco es perfectamente legible y absolutamente olvidable.

Qué esperar en los próximos años

Lo más probable es que estos requisitos se formalicen. Si el probador se convierte en un gesto habitual, las plataformas publicarán especificaciones explícitas de imagen, igual que Google lo hizo con su feed, y aparecerán verificadores que avisen de que la tercera referencia de tu catálogo no es apta porque la modelo tiene los brazos cruzados. También parece razonable que el probador deje de partir de una foto plana y empiece a apoyarse en datos de patronaje o escaneos de la prenda, lo que acercaría la promesa de la talla a algo verificable.

En paralelo, el descubrimiento seguirá desplazándose hacia la conversación, con pasos desiguales: Google extendiendo su carrito país por país, OpenAI moviéndose entre el descubrimiento y la transacción, y protocolos abiertos disputándose el estándar. Para un estudio de fotografía, la consecuencia es que la entrega se parecerá cada vez menos a una carpeta de JPEG y cada vez más a un paquete de imágenes y datos preparado para varios destinos a la vez.

Lo que no veo venir es la desaparición del trabajo fotográfico. Todos estos sistemas son, en el fondo, parásitos benignos de una buena foto: necesitan una prenda real, bien iluminada y bien descrita para funcionar. Cuanto mejor sea ese origen, mejor será lo que el agente construya encima.

Conclusión

El cambio de este octubre no es que la IA haga fotos de moda —eso ya pasó— sino que la IA ha empezado a leerlas para vender. Son dos competencias distintas y la segunda exige algo que el sector no tenía costumbre de dar: imágenes pensadas para ser interpretadas, acompañadas de datos que digan lo que la foto no puede decir.

Mi recomendación, después de un mes mirando estos lanzamientos con ojo de productor y no de entusiasta, es poco espectacular y bastante eficaz: revisa cuál es la primera imagen de tus veinte referencias más vendidas y pregúntate si un sistema automático podría separar la prenda del resto sin inventarse nada. Si la respuesta es no en más de la mitad, tienes una tarde de trabajo por delante y probablemente el mejor retorno disponible ahora mismo en tu catálogo. La foto bonita sigue siendo necesaria; lo que ya no basta es que sea solo bonita.