Fotos de producto con IA: qué cambió de verdad

mi negocio vende ropa en un marketplace. hemos hecho las fotos de producto con ia de tres maneras distintas en unos dos años, y hoy pueden aparecer cien fichas terminadas de la noche a la mañana, a alrededor de un dólar cada una, ya separadas en «publica esto» y «mira esta».

entra una foto del producto. sale una ficha completa: encuadres desde varios ángulos, las infografías, un vídeo corto y el texto. nadie está delante del escritorio mientras ocurre.

llegar ahí no fue cuestión de encontrar un generador de imágenes mejor. el cuello de botella nunca desapareció: se mudó dos veces, y las dos tardamos en darnos cuenta.

etapa uno: el día de estudio

conseguir las muestras. reservar el estudio. reservar al fotógrafo, a la modelo, a la estilista. disparar. y después unas dos semanas de retoque antes de que algo estuviera listo para publicar.

para setenta a cien referencias me costó unos diez mil euros, y con un buen descuento. pero el coste de verdad era el calendario. un artículo nuevo no podía salir hasta que hubiera sesión, y solo había sesión cuando se acumulaban suficientes artículos para justificarla. así que todo el catálogo avanzaba al ritmo de la sesión más lenta.

etapa dos: ia, foto a foto

luego las herramientas mejoraron e hicimos lo que hace todo el mundo: generar fichas de una en una. una persona sube la foto, elige el estilo, espera, mira, aprueba o vuelve a pedir.

por imagen, aquello fue una transformación. dos años antes ese mismo encuadre necesitaba estudio y quince días. ahora tardaba minutos.

bien para un producto. inútil para un catálogo: te pasas la tarde escribiendo prompts para un puñado de fotos.

y entonces lanzamos un lote de verdad, y el equipo lo rechazó.

¿qué hace mal la ia en una foto de producto?

esta es la parte que suele faltar en estos artículos, así que va con números. treinta y una fichas revisadas por las dos personas que realmente las publican. las quejas no eran cuestión de gusto: los mismos defectos se repetían.

• faltaba el plano corto. unas dieciséis fichas. el briefing lo pedía siempre; el motor lo trataba como opcional.
• la cara de la modelo copiaba la referencia. cinco fichas, y fue el veredicto que tumbó el lote. si lo dejas solo, el generador toma la identidad de tu imagen de referencia, y el lote vuelve pareciendo una misma persona con distinta ropa.
• localización equivocada. unas ocho. el briefing decía calle, el resultado decía estudio.
• prenda equivocada. cuatro. falda en vez de pantalón, el largo que no era, versión cruzada en vez de entera.
• además: poses duplicadas, color apagado, la modelo demasiado lejos, y un encuadre que volvió convertido en collage.

once tipos de defecto distintos en un solo lote.

y aquí está la lectura útil de esa lista: todos son problemas de motor o de entrada, no de gusto. es decir, tienen arreglo, pero solo si alguien los recoge en ese formato en lugar de decir «las fotos están mal».

la lección de fondo: habíamos sacado el cuello de botella del estudio y lo habíamos metido en quien revisa. generar cincuenta fichas ya era fácil. mirar cincuenta fichas no. la persona que comprueba se convirtió en la cola.

etapa tres: la fábrica

lo que construimos después no es un modelo de imagen mejor. no entrenamos nada. los modelos son los mismos que puede alquilar cualquiera.

la diferencia la hicieron tres cosas nada vistosas.

un juez antes del dinero. el prompt se comprueba contra el producto real antes de lanzar una sola generación de pago. si no hay estilo definido, si el briefing decía calle y aparece un estudio, si no hay un anclaje a la prenda concreta, se devuelve para corregir. rechazar un prompt malo no cuesta nada. rechazar una foto mala cuesta una generación.

un segundo juez sobre el resultado, que marca cada ficha como lista, lista-sin-verificar, o necesita-persona. ese tercer estado es el honesto, y es la razón por la que el sistema se usa: nunca dice que algo está comprobado cuando la comprobación no llegó a correr.

las quejas vuelven a la máquina. el equipo escribe qué está mal en una columna de la misma hoja de cálculo en la que ya trabaja. la fábrica la lee, responde qué ha entendido, y regenera. sin reuniones, sin tickets, sin capa de traducción entre quien vio el problema y lo que lo causó.

alrededor de eso: los lotes salen directamente de la hoja, hasta cincuenta de una vez, unos seis o siete minutos por ficha, y los resultados aterrizan en carpetas con fecha, listas para publicar. si quieres ver la máquina por dentro, aquí tienes cómo está construida.

antes — la foto de entrada

después — ficha de la fábrica

después — ficha de la fábrica

después — ficha de la fábrica

¿qué te ahorran de verdad las fotos con ia?

es la parte que yo mismo infravaloré durante meses, así que la digo clara.

cien fichas de la noche a la mañana. no cien imágenes: cien fichas terminadas, cada una con sus encuadres y su texto, esperando en una carpeta con fecha por la mañana. nadie estuvo delante de una pantalla mientras pasaba. compáralo con un día de estudio, que produce lo de una sesión y luego dos semanas de retoque antes de que algo se pueda publicar.

el juez es honesto sobre cuáles están bien. no te entrega cien fichas y se encoge de hombros: marca cada una como aceptada, hecha-sin-verificar o necesita-persona. así que por la mañana no revisas cien fichas, revisas las que te ha señalado. esa es la diferencia entre una herramienta que produce trabajo y una que produce trabajo ordenado.

y cuesta alrededor de un dólar por ficha. frente a una sesión de estudio eso no es un descuento, es otra categoría de gasto. y frente a generar con ia foto a foto, el ahorro no es el dinero: es que ya no hay una persona metida dentro de cada ficha, subiendo, esperando, eligiendo, volviendo a pedir. el día de esa persona es lo que de verdad estás recomprando.

junta las tres cosas y el cambio no es «generamos imágenes más rápido». es que la fotografía de catálogo dejó de ser un evento que se agenda y pasó a ser algo que ocurre mientras duermes, con una cola de excepciones esperándote por la mañana.

ese es el argumento honesto de todo el enfoque, y cada parte depende del juicio de la máquina. volumen sin juez no te da ninguna idea de qué es publicable, que es peor que ir lento, porque ahora el cuello de botella son tus propios ojos y no hay ninguna lista que les diga dónde mirar.

el número que casi nos cuesta un lote

antes de arrancar un lote, el sistema comprueba si hay saldo suficiente para terminarlo. esa comprobación estaba puesta en cincuenta céntimos por ficha.

el coste medido, en lotes reales, resultó ser de un dólar con cinco por ficha de cuatro fotos, incluyendo las dos rondas de revisión y alguna regeneración. nuestra estimación se quedaba a la mitad, justo en la dirección que deja arrancar un lote y morir a mitad, con el dinero gastado y nada publicable.

subimos el listón a un dólar veinte y seguimos. es una tontería, pero es la diferencia entre una automatización en la que confías y una que te deja un lote a medias un viernes.

si te llevas un solo hábito operativo de aquí: mide lo que te cuesta tu ia en ejecuciones reales, no en la página de precios.

¿en qué productos se equivoca la ia sin avisar?

los fallos de aquí están documentados y son aburridos, no mala suerte, y conviene conocerlos antes de prometerle tu catálogo a una máquina.

los productos reflectantes y transparentes vuelven con reflejos físicamente imposibles: botellas, cristal, electrónica brillante. la joyería pierde el detalle fino, que es justo la razón por la que alguien la compra. los logos y el texto pequeño salen deformados. las telas de rayas o cuadros no mantienen la alineación al envolver el cuerpo, así que el patrón se descuadra en la costura.

para esos artículos, conserva un fotógrafo o cuenta con mucho trabajo de corrección. y entiende lo que cuesta de verdad una foto equivocada: si la imagen muestra un color o una textura que el producto real no tiene, el cliente pide, recibe otra cosa y lo devuelve. las fotos inexactas suben las devoluciones, no las bajan. por eso el paso de descarte es lo que estás pagando, no un extra encima.

¿qué sigue sin poder hacer la ia con las fotos?

no elimina a la persona. alguien acepta el lote, y alguien escribe el estilo de marca: cómo es la modelo, cuáles son las localizaciones, a qué se niega a parecerse la marca. ese criterio no está en ninguna herramienta.

necesita una referencia limpia del producto real. una foto de entrada mala produce una salida segura de sí misma y equivocada, y ningún prompt arregla una referencia que enseña la prenda que no es.

necesita identidad nueva forzada en cada ficha, y comprobada. merece repetirse, porque es el defecto que tumbó nuestro primer lote.

y no inventa palabras clave. nuestro agente de texto escribe el título y la descripción, y donde van las claves escribe una nota diciendo que las añade un editor con datos reales de búsqueda. inventar claves verosímiles es fácil y no vale nada.

¿hay que etiquetar una foto de producto hecha con ia?

si vendes en la unión europea, importa una fecha: el dos de agosto de 2026, cuando empiezan a aplicarse las normas de transparencia del reglamento europeo de ia. en cristiano: una imagen de ia tiene que estar marcada de forma legible por máquina y ser detectable como artificial, y cuando una foto podría pasar por real, el comprador necesita un aviso que pueda ver. la edición ligera habitual, la que no cambia de verdad la imagen original, queda exenta. (fuente)

dos avisos honestos. la respuesta habitual es «usa las credenciales de contenido»: ayudan, pero una captura de pantalla o una resubida borran el manifiesto, así que la propia guía europea apunta a un enfoque por capas, metadatos más marca de agua más registro. (fuente) y los propios reguladores admiten que hoy ningún método de marca de agua es del todo robusto contra el borrado, así que esto es un blanco en movimiento y no un problema resuelto. (fuente)

los marketplaces tienen su propia línea, y es más estricta que «la ia vale». se espera que la imagen principal muestre el producto real. cambiar el fondo, corregir el color y la iluminación suele permitirse; una representación totalmente sintética que tergiversa el objeto físico puede marcarse o rechazarse pese al aviso. (fuente) el ángulo de protección al consumidor dice lo mismo desde lo legal: una imagen que tergiversa de forma sustancial el color, la talla, las características o lo que viene en la caja es engañosa la haya hecho la ia o no, y «lo hizo la ia» no es defensa. (fuente)

nada de eso va en contra de las fotos de ia. va a favor de que sean exactas y estén bien divulgadas, que es la misma razón por la que la persona se queda en el circuito.

¿para quién son de verdad las fotos de producto con ia?

no a todos. si tienes cinco productos, fotografíalos bien una vez y a otra cosa.

esto se gana el sueldo cuando tienes un catálogo amplio, de decenas a cientos de referencias, productos nuevos cada mes y ninguna gana de pagar dinero de estudio cada vez. la máquina se queda con la rutina y el turno de noche. la persona se queda con la única decisión que importa: ¿es esto lo bastante bueno para ponerle mi nombre?

¿cómo copiar el enfoque sin nuestras herramientas?

nada de esto depende de nuestro stack ni de nuestro marketplace. funciona igual para una tienda propia, un listado en amazon o cualquier catálogo donde la foto es el producto.

1. escribe el estándar primero. cuántos encuadres, qué debe mostrar cada uno, cómo son la modelo y las localizaciones. si no está escrito, no puedes juzgar el resultado contra nada: solo tener opiniones.
2. pon una comprobación antes del gasto, no solo después. es la mejora de calidad más barata que existe.
3. dale a los rechazos un sitio estructurado. una columna en la hoja que ya usan gana a un hilo de chat. quieres los defectos como una lista que se pueda contar: eso es lo que convierte quejas en arreglos de motor.
4. permite un estado «sin verificar». los sistemas que solo dicen bien o mal acaban mintiéndote.
5. mide el coste por unidad terminada en ejecuciones reales y pon el límite sobre ese número, con margen.
6. deja a una persona en la aceptación. el objetivo es eliminar el día de estudio, no el criterio.

ese es todo el método. el modelo que uses cambiará dentro de un año; esas seis cosas no.

relacionado: cuando el robot se niega, cuánto cuesta un agente de ia y cuando tus datos de stock te mienten.

faq

¿son suficientemente buenas las fotos de producto con inteligencia artificial? suficientes para vender, no para publicar sin mirar. en nuestro primer lote serio el equipo rechazó la mayoría, y los motivos se repetían en lugar de ser cuestión de gusto: faltaba el plano corto, la cara de la modelo copiaba la referencia, la localización no era la del briefing, la prenda no era la correcta. todo eso se arregla en el motor. lo que no se arregla es publicar sin que nadie mire.

¿cuánto cuesta una sesión de fotos de producto con ia? la nuestra midió alrededor de un dólar por ficha de cuatro fotos, incluyendo las dos revisiones automáticas y alguna regeneración. para comparar: la ruta de estudio para setenta a cien referencias me costó unos diez mil euros y semanas de calendario, y eso con un buen descuento. mide tu propio número en lotes reales antes de presupuestar, porque nuestra primera estimación se quedaba a la mitad.

¿cuál es el verdadero cuello de botella? revisar. generar una imagen dejó de ser lo difícil. en cuanto puedes producir cincuenta, alguien tiene que mirar cincuenta, y esa persona se convierte en la cola. la solución no es un modelo de imagen mejor: es una comprobación antes de gastar dinero y otra sobre el resultado.

¿en qué productos se equivoca la ia? los productos reflectantes y transparentes vuelven con reflejos imposibles, así que las botellas, el cristal y la electrónica brillante son los peores casos. la joyería pierde el detalle fino. los logos y el texto pequeño salen deformados. las telas de rayas o cuadros no mantienen la alineación al envolver el cuerpo. para esos artículos, conserva un fotógrafo o cuenta con mucho trabajo de corrección.

¿tengo que avisar de que una foto la hizo una ia? en la unión europea sí, desde el dos de agosto de 2026. una imagen de ia tiene que ser legible por máquina como artificial, y una foto que podría pasar por real necesita un aviso que el comprador pueda ver. la edición ligera que no cambia de verdad la imagen original queda exenta. aparte de eso, los marketplaces esperan que la imagen principal muestre el producto real, así que una foto sintética que lo tergiversa puede rechazarse aunque lleve aviso.

¿cómo evito que todas las fotos salgan iguales? obliga a una identidad nueva en cada ficha y compruébalo. si lo dejas a su aire, el modelo copia la cara de tu imagen de referencia y el lote vuelve pareciendo una sola persona con ropa distinta. ese fue exactamente el defecto que tumbó nuestro primer lote.

si ahora mismo estás produciendo fotos de catálogo, con estudio o con ia de una en una, mándame cómo funciona hoy y de qué se queja quien revisa. te digo dónde está de verdad el cuello de botella, qué parte de tu catálogo es realmente automatizable hoy y cuál se queda con un fotógrafo, y cómo sería una comprobación antes del gasto en tu caso. la primera conversación es de una hora y es gratuita. reserva una hora.

Creado con asistencia de IA.