Amazon planea indexar todos los productos del mundo online

Qué es el World Product Graph que prepara Amazon

Amazon trabaja en un proyecto interno llamado World Product Graph: una base de datos con información de cada producto que se vende en internet, incluidos los que la propia Amazon no comercializa, según reportó Reuters y recogió The Verge. La idea es que ese acervo esté disponible a través del sitio de Amazon.

El objetivo no es vender más de lo mismo, sino capturar la etapa anterior: la investigación de producto. Hoy buena parte de esa conversación ocurre en Reddit, en Google o en foros de nicho. Si Amazon concentra el catálogo más completo, el comprador —y el agente de IA que compra por él— termina aterrizando en sus páginas aunque el producto lo venda otro.

Dos matices antes de emocionarse. Primero: el proyecto aparece en un documento interno, y Amazon declaró a Reuters que «los documentos borrador y desactualizados a menudo pintan una imagen incompleta» y que la existencia de un documento de lluvia de ideas «no refleja necesariamente nuestros planes actuales». Segundo: Reuters señaló que no está claro «si este plan se implementará o cuándo», aunque el documento incluye una fecha de lanzamiento: 1 de octubre de 2027.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Por qué Amazon quiere indexar productos que no vende

La lógica competitiva es simple: quien controla el índice, controla la puerta de entrada. Amazon ya se movió en esa dirección con «shop direct», una función que lanzó el año pasado y que muestra enlaces a productos de minoristas externos dentro de Amazon.

Ese movimiento tiene una lectura defensiva y otra ofensiva. La defensiva es obvia: si el usuario encuentra en Amazon el enlace al producto que buscaba en otra tienda, no se va a Google. La ofensiva es más interesante para el ecosistema: el documento interno, según Reuters, apunta a que si Amazon acumula la mayor cantidad de datos de compras, los agentes de IA podrían apoyarse en su índice antes que en cualquier otro, de modo que incluso quien compre a través de un bot termine en sus páginas.

Ese es el punto que debería preocupar a cualquier fundador de e-commerce. No se trata de competir por el clic, sino por ser la fuente de verdad que alimenta la decisión de compra automatizada.

El problema real que el proyecto intentaría resolver: Rufus

El asistente de compras con IA de Amazon se llama hoy Alexa for Shopping y antes se llamaba Rufus. Según Reuters, un documento interno sobre el World Product Graph reconoce que «muchas respuestas de Rufus son factualmente incorrectas o incompletas» y que ejecutar las búsquedas de los usuarios con la IA resulta caro.

La hipótesis del proyecto es que más datos se traducen en dos beneficios a la vez: respuestas más precisas y la posibilidad de usar modelos más baratos. Es una ecuación que cualquier equipo de producto conoce: el costo de inferencia se paga con contexto de calidad, no con modelos más grandes.

La escala del problema justifica la ambición. Amazon afirma que más de 400 millones de clientes en todo el mundo usaron su asistencia de compras con IA en los últimos 12 meses, según recogió FoneArena sobre el anuncio de la compañía al desplegar Alexa for Shopping en India.

Alexa for Shopping: el otro frente de la misma estrategia

Mientras el World Product Graph sigue en etapa de documento, el asistente ya está en producción y acumulando funciones. La experiencia se lanzó en mayo y desde entonces sumó capas: resúmenes generados por IA en los resultados de búsqueda, comparaciones lado a lado de productos, historial de precios a 30, 60 y 365 días, alertas de bajadas de precio y gestión de canasta por conversación.

El uso no es marginal. Durante el Amazon Great Indian Festival 2026 se configuraron más de 4 millones de alertas de ofertas, de acuerdo con FoneArena. Y TechCrunch reportó el lanzamiento de «Update Me When», una función que avisa al usuario cuando aparece algo nuevo o relevante que podría llevarlo a comprar: el lanzamiento de una línea de producto de una marca favorita, una nueva temporada de una serie, una gira de conciertos.

El patrón es claro: Amazon está pasando de responder preguntas a anticipar la intención de compra. Y también está empujando el canal hacia el mensaje de texto: The Verge documentó que Alexa for Shopping ya permite pedir productos por SMS, con Rajiv Mehta, vicepresidente de Conversational Shopping de Amazon, explicando que el asistente «busca, compara y compra» por el usuario. La misma nota ubica a Amazon en una carrera donde también juegan OpenAI, con su agente por mensajes Dot, y DoorDash, con su chatbot de pedidos.

Qué significa esto para tu startup

Tres consecuencias concretas, en orden de urgencia.

Uno: la ficha de producto deja de ser una página y se vuelve infraestructura. Si un agente de IA tiene que decidir entre dos productos, necesita atributos comparables: medidas, materiales, compatibilidades, garantía, plazos de envío. La mayoría de las tiendas pequeñas tiene esa información dispersa en fotos, PDFs y descripciones escritas para humanos. Un agente no la lee.

Dos: el descubrimiento se concentra en menos manos. Si el índice de referencia termina siendo el de un solo actor, las marcas que no estén bien representadas ahí se vuelven invisibles para el comprador automatizado. No es un problema de publicidad: es un problema de existencia en el catálogo.

Tres: el costo de la desinformación sube. El propio documento interno admite respuestas incorrectas del asistente. Si un agente recomienda mal tu producto porque leyó un dato viejo de un revendedor, pierdes la venta sin enterarte.

Tres acciones que puedes ejecutar esta semana

Audita cómo describes tus productos en tu propio sitio. El proyecto, según Reuters, «depende de descubrir cómo las marcas organizan sus productos en sus propias webs», algo que podría implicar que Amazon rastree sitios de otros minoristas. Traducción práctica: tu web es tu currículum ante un crawler. Revisa que cada producto tenga especificaciones en texto, no solo en imagen, y que los identificadores sean estables.
Separa el tráfico de investigación del tráfico transaccional. Si la mayor parte de tus visitas llegan buscando «cuál comprar» y no «comprar X», tu negocio depende de la capa que Amazon quiere capturar. Mide esa proporción y decide dónde poner contenido propio de comparación.
Documenta tus comparaciones antes de que las escriba otro. Una tabla honesta de tu producto frente a la competencia, con criterios explícitos, es material que tanto un humano como un modelo pueden citar. Si no la escribes tú, la escribirá un foro.

Los riesgos: rastreo, dependencia y quién fija las reglas

Hay dos fricciones que el proyecto tendría que resolver. La técnica: rastrear sitios de otros minoristas para entender cómo organizan su catálogo es más difícil de lo que suena, porque cada tienda estructura sus datos a su manera y muchas bloquean bots. La política: un índice que agrega catálogos ajenos abre preguntas sobre consentimiento y uso de información de terceros que la industria todavía no resolvió.

Y hay una tercera, más silenciosa: la dependencia. Cuando un intermediario se vuelve el lugar donde los agentes consultan precios y disponibilidad, ese intermediario gana influencia sobre el precio percibido. Para un founder, la lección es la de siempre, pero con un giro nuevo: diversificar canales ya no alcanza si el canal de descubrimiento es un modelo entrenado con datos de otros.

Conclusión

El World Product Graph es, por ahora, un documento interno con fecha tentativa y una respuesta corporativa que lo minimiza. Eso no lo vuelve irrelevante: revela hacia dónde empuja la economía de la atención cuando el que investiga es un agente y no una persona. La pregunta que cada fundador de e-commerce debería hacerse no es si Amazon lo va a lanzar, sino si su catálogo está descrito con la precisión suficiente para ser entendido por una máquina que compara miles de opciones en segundos. Ese trabajo se puede empezar hoy, sin esperar a 2027.