Cuando se habla de inteligencia artificial en retail, casi siempre se imagina un asistente que recomienda productos al cliente. El caso de Mercadona es bastante menos vistoso y, precisamente por eso, más interesante.
Según explicó el equipo tecnológico de la compañía en una entrevista recogida por Xataka, Mercadona decidió sustituir el buscador externo que llevaba años utilizando por un sistema propio. El prototipo inicial fue desarrollado con ayuda de Claude Code durante un fin de semana largo y el proyecto llegó a producción aproximadamente un mes después.
La tienda online de Mercadona procesa millones de búsquedas semanales, así que no se trataba de construir una demo interna. El buscador tenía que soportar tráfico real, entender el catálogo y funcionar dentro de una infraestructura que ya movía el negocio.
El dato llamativo es la velocidad. Pero reducir la historia a “la IA escribió miles de líneas de código” sería equivocarse de lección.
El propio relato del proyecto subraya que los ingenieros siguieron tomando las decisiones importantes: arquitectura, validación, diseño y criterios técnicos. La IA redujo trabajo mecánico y aceleró iteraciones; no eliminó la necesidad de juicio.
Eso apunta a un uso de GenAI que puede tener un impacto más inmediato en muchos retailers que cualquier chatbot de consumo.
Las grandes cadenas acumulan sistemas antiguos, integraciones personalizadas y proyectos cuyo coste no está tanto en inventar el algoritmo como en escribir, probar y mantener el software que lo conecta todo. Si herramientas como Claude Code permiten a equipos pequeños reconstruir componentes estratégicos que antes requerían muchos más meses, cambia la economía de “build versus buy”.
También cambia el riesgo. Generar código rápidamente puede crear deuda técnica rápidamente. Un sistema de búsqueda propio exige monitorización, relevancia, rendimiento, seguridad y mantenimiento continuo. Haberlo construido deprisa no significa que vaya a ser barato para siempre.
Por eso el caso Mercadona es útil. No demuestra que la IA pueda reemplazar un equipo de ingeniería. Demuestra algo más creíble: que puede aumentar de forma sustancial la cantidad de software que un buen equipo es capaz de entregar.
La revolución de la IA en retail quizá no empiece hablando con el comprador. Puede empezar haciendo que dos o tres ingenieros construyan algo que antes necesitaba medio equipo.