Omniscan: el ojo de IA que fotografía cada paquete antes de salir del almacén
La pieza central del sistema es Omniscan, una tecnología que Amazon describe en su primer Informe de Experiencia de Compra Fiable y que, según la compañía, ha procesado más de 12 millones de productos distintos desde su puesta en marcha. Su trabajo empieza en los centros logísticos: captura imágenes de las seis caras de cada artículo y aplica modelos de visión por computador para comprobar elementos como el nombre de la marca, las advertencias de seguridad, las fechas de caducidad y las direcciones que aparecen en el embalaje.
El resultado es que posibles irregularidades se detectan antes de que el artículo llegue al cliente. El caso más llamativo que cita Amazon es el de un producto viral que estaba siendo falsificado durante 2025: sus sistemas bloquearon las descripciones infractoras ocho días antes de que la propia marca facilitara oficialmente su información de propiedad intelectual. Es decir, la IA actuó sin tener aún la verificación formal del titular.
Según recoge Cinco Días, los sistemas de inteligencia artificial de Amazon también analizan a diario miles de millones de intentos de modificación de fichas de producto: imágenes, textos, comportamiento del vendedor y patrones en la cadena de suministro.
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidadSENTRIX: la IA que cierra webs que imitan a Amazon
La falsificación no ocurre solo dentro del marketplace. SENTRIX es la herramienta que Amazon ha desarrollado para localizar sitios maliciosos que suplantan su identidad en campañas de phishing. Según los datos del informe, su implementación ha permitido aumentar en más de un 10 % la retirada efectiva de direcciones web fraudulentas.
El dato conecta con un problema conocido: Amazon es una de las marcas más utilizadas por ciberdelincuentes para engañar a víctimas, ya sea con tiendas falsas que imitan su estética, con páginas de phishing que solicitan datos de pago o con supuestas suscripciones reclamadas por teléfono. Revisar y denunciar esos sitios uno a uno es inviable; automatizar la detección multiplica la capacidad de respuesta.
Reseñas falsas: 30 años de datos para distinguir lo real de lo inventado
El otro gran vector de fraude en marketplaces son las reseñas pagadas o automatizadas. Para combatirlas, Amazon recurre a sistemas de IA que analizan patrones de comportamiento y cruzan información recopilada desde 1995 para identificar valoraciones sospechosas. La referencia temporal importa: casi tres décadas de historial permiten al modelo reconocer señales invisibles para un operador humano, como compras coordinadas, lenguaje repetido o picos anómalos de puntuación, y separar la reseña auténtica de la que no lo es.
De Cataluña a 14 países: cuando la IA se cruza con la Justicia
La tecnología no reemplaza la acción legal, pero la acelera. La Unidad contra Delitos de Falsificación de Amazon, creada en 2020, ha emprendido acciones contra más de 32.000 presuntos infractores en 14 países, según el informe. El caso más reciente conocido en España fue la colaboración con los Mossos d’Esquadra para desmantelar una organización criminal asentada en Cataluña y especializada en el robo de mercancías en rutas europeas.
En total, durante 2025, Amazon afirma haber identificado e incautado más de 15 millones de productos falsificados en todo el mundo, haber bloqueado cientos de millones de reseñas sospechosas y haber cerrado más de 100 páginas web vinculadas a fraudes y estafas. Son cifras de auto reporte corporativo, sin auditoría externa publicada, y conviene leerlas como la versión de la compañía, no como estadística independiente.
¿Qué significa esto para tu startup?
Aunque la nota tiene tono consumer-facing, deja varias lecciones aplicables si vendes online o construyes herramientas de ecommerce:
- Registra tu marca en el marketplace y apóyate en sus programas de protección. El registro de propiedad intelectual acelera los reportes de infracción y desbloquea herramientas proactivas que el sistema general no ofrece. Sin ese registro dependes de la detección automática impersonal, que es potente pero genérica.
- Documenta tu propiedad intelectual antes de lanzar. El caso de los ocho días de antelación muestra que la IA puede detectar infracciones incluso antes de que la marca haya publicado sus datos. Cuanto más tarde en formalizar tus marcas, diseños o patentes, más corta será tu ventana de reacción.
- Si construyes herramientas de ecommerce, la autenticación es una feature, no un extra. Computer vision sobre packaging, verificación de listings y scoring de reseñas son tres capas que cualquier marketplace mediano debería plantearse integrar o comprar, sobre todo en categorías con histórico de falsificación: moda, electrónica, cosmética y suplementos.
- Piensa en defensa, no solo en detección. El siguiente paso del sector no es pillar al falsificador después del hecho, sino bloquear preventivamente el producto falso antes de que entre al flujo. Las startups que trabajen en verificación en origen (en fábrica o en puerto) tienen un mercado claro y poco atendido.
Conclusión
El arsenal defensivo de Amazon es asimétrico: puede permitirse invertir miles de millones en IA antifraude porque una sola falsificación notoria le cuesta más en reputación que todo su stack tecnológico. Lo interesante para founders y operadores de ecommerce no es la cifra de 15 millones, es el hecho de que el problema ya se aborda en el momento en que el paquete entra al almacén, no después de la queja del cliente. Adoptar esa filosofía defensiva, aunque sea a menor escala, es probablemente la mayor lección que deja el informe.
Fuentes
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidad
