El problema
Un catálogo de eCommerce grande no se escribe: se acumula. Cada referencia necesita su título, su descripción, sus atributos, sus categorías y su fotografía, y todo eso lo teclea una persona mirando la ficha del fabricante. Con unos cientos de productos es trabajo; con decenas de miles es un cuello de botella que decide cuánto tarda un artículo en estar a la venta.
Y hay un segundo problema, más nuevo: esas fichas ya no sólo las lee un comprador. Las leen los buscadores y, desde hace poco, los modelos que responden preguntas de compra. Una ficha escasa no es sólo una ficha fea —es una referencia que no aparece.
Qué hace Scriba
Scriba genera la ficha de producto completa a partir de un identificador: un EAN, otro código de referencia o incluso una imagen. La salida no es texto suelto, sino contenido ya estructurado en el modelo de datos del cliente, que es la diferencia entre algo que hay que revisar y algo que se puede cargar.
El proceso que describe Hiberus tiene cuatro fases:
- Procesado del identificador — se normaliza el código de entrada.
- Búsqueda de información online — se reúne lo que hay publicado sobre esa referencia, además de las fuentes internas del cliente.
- Categorización — el producto se sitúa en el árbol de categorías y subcategorías de ese catálogo concreto, no en uno genérico.
- Generación de contenido — descripciones y atributos con la voz y los campos que ese negocio usa.
Y genera también la fotografía de producto, a partir del mismo identificador y de las fuentes de referencia que se le indiquen.
Cómo se integra
Es una plataforma cloud que se conecta por API al flujo de alta de producto que ya existe, y deja el resultado directamente en el CMS, el PIM o el eCommerce. Admite fuentes de datos internas y de terceros, el árbol de categorías propio y las distintas codificaciones de referencia —EAN, SKU, UPC—. Escala en horizontal según la carga de peticiones y el precio va por volumen de uso.
El contenido se optimiza además para buscadores y para motores de IA, que es donde está el segundo problema de arriba.
Mi papel
Entré como ingeniero de software y trabajé en el motor: toda la integración con los LLM y buena parte del RAG —la recuperación que le da al modelo el contexto real de cada producto antes de que escriba una sola palabra, que es lo que separa una descripción correcta de una inventada—.
Scriba es un producto de equipo y no lo firmo yo solo. Lo que sí es mío es esa capa: cómo se orquestan las llamadas al modelo, de dónde sale el contexto que reciben y cómo se mantiene la salida dentro del modelo de datos del cliente en vez de dejarla a lo que el modelo quiera devolver.
Lo que publica Hiberus
Las cifras de resultado son de su página pública, no mías, y las dejo con su fuente: reducción del tiempo de alta por producto de 45 a 10 minutos, un 35 % más de aparición en respuestas de IA en buscadores y más de 5.000 productos generados de forma automática. Su caso publicado es CLARO Ecuador, donde citan una reducción de más del 75 % en el tiempo de creación de contenidos.