Google Photos: prueba ropa con IA desde tu galería

¿Qué está lanzando Google Photos exactamente?

Google Photos acaba de integrar una función de virtual try-on que permite a los usuarios probarse ropa que ya tienen en su galería. La aplicación crea un armario digital automáticamente, identificando prendas en tus fotos y permitiendo combinarlas, guardar outfits y compartirlos.

Esta funcionalidad utiliza visión por computadora y aprendizaje automático para procesar las prendas, preservando características materiales como caída de tela, elasticidad y patrones de pliegues. El sistema genera resultados realistas en cuestión de segundos después de cargar la foto.

El despliegue inicial comenzó en Search Labs el 20 de mayo de 2025, y ahora se expande directamente a Google Photos, marcando un cambio estratégico: de probar ropa antes de comprar a experimentar con lo que ya posees.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

¿Cómo funciona la tecnología detrás del try-on?

El sistema de Google procesa múltiples puntos de datos simultáneamente: medidas corporales, detección de pose y características de las prendas. La IA mantiene la autenticidad de los textiles al renderizar la ropa en diferentes tipos de cuerpo, algo que competidores como Snapchat y Pinterest han tardado años en perfeccionar.

Para resultados óptimos, Google recomienda fotografías de cuerpo completo con iluminación adecuada y ropa relativamente ajustada. La tecnología aprovecha el Shopping Graph de Google, una base de datos con miles de millones de artículos de minoristas globales, aunque en este caso se aplica a tu wardrobe personal.

¿Quiénes son los competidores en este espacio?

El mercado de virtual try-on está más congestionado de lo que parece. Snapchat lidera en adopción con más de 250 millones de usuarios que han interactuado con lentes AR de compra más de 5 mil millones de veces. Ulta reportó $6 millones en ventas incrementales desde una sola campaña de dos semanas usando esta tecnología.

Pinterest ofrece try-on de maquillaje mediante su herramienta Lens. Amazon, curiosamente, descontinuó su programa físico Try Before You Buy en 2025 citando herramientas de IA, pero sin lanzar una alternativa completa para ropa. ASOS lanzó su propia solución en febrero de 2026 mediante AIUTA.

Otras opciones incluyen Genlook (enfocada en Shopify), Ayna, Veesual (solución empresarial) y CamClo3D. El ecosistema está fragmentado, lo que representa tanto una oportunidad como un desafío para nuevas startups.

¿Qué datos respaldan la adopción de esta tecnología?

Aquí viene el dato crucial: solo el 1.4% de compradores online utilizan virtual try-on actualmente. Esto revela una adopción todavía limitada a pesar del crecimiento tecnológico. Sin embargo, las listas con try-on en Google Shopping generan aproximadamente 60% más engagement, lo que sugiere que quienes lo usan, lo valoran significativamente.

La brecha entre disponibilidad y adopción masiva representa una oportunidad para founders que puedan resolver las barreras de entrada: complejidad técnica, calidad de renderizado, o integración con flujos de compra existentes.

¿Qué significa esto para tu startup?

Si estás construyendo en retail tech, e-commerce o cualquier vertical donde la visualización de producto importe, hay tres lecciones accionables de este lanzamiento:

La IA se está moviendo de ‘comprar’ a ‘optimizar lo que tienes’. Google Photos no te ayuda a comprar ropa nueva, sino a sacar más valor de tu armario existente. ¿Hay una oportunidad similar en tu vertical? Piensa en herramientas que optimicen activos existentes en lugar de solo facilitar nuevas compras.
La barrera de adopción sigue siendo alta. Con solo 1.4% de uso, hay espacio para startups que simplifiquen la experiencia. Pregúntate: ¿qué fricción estás eliminando para tu usuario? ¿Requiere fotos específicas? ¿Toma demasiado tiempo? ¿Los resultados son lo suficientemente realistas?
El engagement justifica la inversión. 60% más de engagement es una métrica poderosa. Si puedes demostrar que tu solución de IA aumenta engagement o conversión, tienes un caso de venta sólido para B2B o un diferenciador claro para B2C.

Acciones concretas para founders

Acción 1: Auditoría de tu producto actual. Revisa si hay alguna funcionalidad de visualización o personalización que podrías potenciar con IA. No necesitas construir un virtual try-on completo, pero ¿hay un ‘quick win’ donde la IA mejore la experiencia del usuario? Ejemplo: si tienes un marketplace, ¿puedes mostrar productos en contexto usando IA generativa?

Acción 2: Prueba las herramientas existentes antes de construir. Antes de desarrollar tu propia solución, experimenta con APIs de virtual try-on como Genlook, Ayna o Veesual. Muchas ofrecen planes para startups. Esto te permite validar demanda sin inversión técnica masiva. Documenta los resultados y úsalos para justificar desarrollo propio si el ROI es claro.

Conclusión

El lanzamiento de Google Photos no es solo otra función de IA: es una señal de que la tecnología de virtual try-on está madurando y moviéndose de nicho a mainstream. Para founders hispanohablantes en retail tech, el mensaje es claro: la oportunidad no está en copiar a Google, sino en encontrar verticales específicos donde la visualización con IA resuelva problemas reales no atendidos.

Con una adopción del 1.4% pero un engagement 60% mayor, el mercado está en un punto de inflexión. Los founders que actúen ahora, validando hipótesis con herramientas existentes y enfocándose en experiencias de usuario excepcionales, estarán posicionados para capturar valor cuando la adopción masiva llegue.