IA y detección visual: qué puede y qué no puede hacer hoy (LATAM)

¿Cuánto tiempo llevas pensando que la inteligencia artificial ya detecta falsificaciones sola, y que solo falta un botón para resolver el problema? Es una pregunta de dinero antes de ser una pregunta de tecnología. Porque si la IA realmente puede identificar una copia de tu producto con solo ver la foto de la publicación, el trabajo cambiaría por completo. Pero si no puede, y tú organizas tu estrategia asumiendo que sí, pierdes tiempo y publicas en Mercado Libre con una vigilancia que no existe.

La IA y detección visual aplicada a falsificaciones en Mercado Libre (LATAM) puede hacer algunas cosas con razonable precisión hoy: comparar imágenes, señalar discrepancias en logotipos y alertar sobre listados sospechosos. Lo que no puede hacer es confirmar que un producto es falso, reunir evidencia válida para una denuncia ni reemplazar el juicio de quien conoce su propia marca. En la práctica, la IA es un primer filtro, no un veredicto.

Este análisis explica el mecanismo detrás de esa distinción, por qué la brecha entre lo que la IA promete y lo que entrega persiste, y qué implica todo esto si vendes en Mercado Libre y tienes copias de tu producto circulando ahí mismo.

¿Cómo funciona el mecanismo real de la detección visual?

La detección visual por IA funciona comparando vectores: representaciones numéricas de una imagen que codifican forma, color, textura y disposición de elementos. Cuando le muestras un logotipo a un modelo entrenado, no "entiende" la marca – calcula qué tan parecido es ese conjunto de píxeles a los que ya vio durante el entrenamiento.

Eso tiene consecuencias directas para las falsificaciones. Un falsificador que cambia el ángulo de la foto, ajusta el brillo o recorta el empaque puede reducir la similitud calculada por el modelo sin cambiar el producto. El modelo ve una imagen diferente. El ojo de quien conoce la marca ve la misma copia de siempre.

El segundo mecanismo es la detección de texto dentro de imágenes: OCR aplicado para leer nombres de marca, números de modelo o frases de marketing impresas en el empaque. Aquí la IA rinde mejor, porque el texto alterado implica más trabajo para el falsificador. Pero también hay límites: un empaque falsificado con el mismo texto que el original, simplemente impreso en papel más barato, pasa el filtro de texto sin problema.

El tercer mecanismo es el análisis de metadatos del listado: precio fuera de rango, vendedor sin historial, descripción copiada palabra por palabra. Esto no es visión computacional, es análisis de señales estructuradas. Y aquí la IA rinde mejor que en las imágenes, porque los patrones de comportamiento del falsificador son más estables que sus fotos.

Lo importante es que estos tres mecanismos funcionan en paralelo, y ninguno es suficiente por sí solo. La IA que solo mira imágenes tiene un alto número de falsos positivos. La que solo analiza metadatos se pierde copias que imitan bien el comportamiento de un vendedor legítimo. La combinación mejora el resultado, pero no lo hace definitivo.

¿Por qué se repite la brecha entre promesa y realidad?

La brecha no es un error de los modelos. Es un problema estructural de los datos con los que se entrenan y del contexto en el que operan.

Los modelos de visión más potentes disponibles hoy – incluyendo los que se usan en plataformas enterprise de brand protection – se entrenan con imágenes de productos auténticos y, cuando hay suerte, con imágenes de falsificaciones conocidas. El problema es que las falsificaciones que circulan en Mercado Libre en LATAM son mayormente nuevas: versiones que el modelo nunca vio, de marcas que no estaban en el set de entrenamiento, vendidas con fotos tomadas en contextos locales que no se parecen a las fotos de catálogo europeo o norteamericano con las que se entrena.

Hay además una asimetría de velocidad. El falsificador actualiza su listado en horas. Un modelo se reentrena en días o semanas. En ese intervalo, la detección visual trabaja con un modelo desactualizado contra un adversario que ya cambió.

El tercer factor es la escala. Mercado Libre reportó en el primer semestre de 2025 más de 3,7 millones de detecciones proactivas, equivalentes al 89 % del contenido retirado por violaciones de propiedad intelectual. Ese número impresiona. Pero también implica que el 11 % restante – el que no detectó la plataforma sola – lo tiene que denunciar el titular de la marca. Y ese 11 % no es el más fácil: es el que el sistema proactivo no encontró, es decir, el que mejor imita un listado legítimo.

Para una marca pequeña en LATAM, eso significa algo concreto: la plataforma tiene su propio motor de detección, y funciona razonablemente bien para los casos más obvios. Lo que le llega a tu marca son los casos que ese motor no resolvió.

Hay también un problema de incentivos. Las plataformas de brand protection enterprise – Red Points, MarqVision, Axur – están diseñadas para marcas con presencia multicanal y presupuesto para una suscripción anual negociada. Su motor de IA está optimizado para el volumen y la cobertura amplia, no para el detalle específico de una marca que vende en tres países de LATAM y tiene dos líneas de producto. Eso no las hace malas herramientas. Las hace herramientas para otro problema.

El contraargumento honesto: lo que la IA sí mejora hoy

Sería deshonesto terminar en el diagnóstico oscuro sin reconocer lo que funciona. La IA ha cambiado tres cosas de forma real en los últimos años, y las tres tienen impacto directo en quien busca falsificados en Mercado Libre.

Primero: la velocidad del primer barrido. Antes de que existieran herramientas de detección visual, encontrar un listado sospechoso implicaba buscar manualmente por palabras clave, revisar publicación por publicación y decidir a ojo. Hoy, un escaneo automatizado puede revisar cientos de publicaciones en minutos y marcar las que tienen similitud visual con tu producto. Eso no es el veredicto, pero es el filtro que hace el trabajo de selección inicial.

Segundo: la consistencia. Un analista humano que revisa listados durante una hora tiene fatiga. Un modelo no. Para búsquedas repetidas, la IA garantiza que aplica el mismo criterio en el listado número uno y en el número doscientos.

Tercero: la combinación de señales. Los modelos modernos no solo miran la imagen – cruzan similitud visual con precio fuera de rango, con descripción copiada, con vendedor sin historial y con variaciones de nombre de marca que intentan evadir búsquedas directas. Esa combinación reduce los falsos positivos y hace que la lista de sospechosos que llega al humano sea más accionable.

El equipo de CazaFalsos ha analizado publicaciones en Mercado Libre y ve con frecuencia un patrón: los listados que más daño hacen no son los más obvios, sino los que combinan fotos auténticas robadas con descripciones ligeramente alteradas y precios que quedan justo dentro del rango de lo creíble. Esos son exactamente los casos donde la combinación de señales da ventaja.

Entonces el argumento correcto no es «la IA detecta falsificaciones» ni «la IA no sirve para esto». Es: la IA reduce el tiempo que tardas en encontrar los sospechosos, pero el paso de sospechoso a denuncia válida lo sigue dando una persona.

¿Qué implica todo esto para tu marca en Mercado Libre?

La implicación práctica tiene tres partes. Cada una corresponde a una decisión que puedes tomar hoy.

La primera: no esperes a que la plataforma lo resuelva sola. El 89 % de detecciones proactivas que reportó Mercado Libre en el primer semestre de 2025 es real, pero aplica al universo total de infracciones, muchas de ellas en categorías de alto volumen que el sistema conoce bien. Tu producto específico, con tu empaque particular y tus fotos de catálogo, puede no estar en ese universo bien conocido. El motor proactivo no sabe quién eres tú hasta que tú le enseñas.

La segunda: trata la detección visual como lo que es, un primer filtro. Cuando la herramienta te señala un listado sospechoso, tu trabajo empieza ahí: abrir la publicación, verificar con tus propios ojos, documentar la evidencia antes de que el vendedor la modifique. La captura de pantalla con hash SHA-256 y sello de tiempo no la genera la IA sola – la genera una herramienta bien configurada, pero el disparo lo das tú cuando confirmas que lo que ves es realmente una copia.

La tercera: si tienes tu marca registrada en el país donde quieres denunciar, el proceso tiene pasos claros. Mercado Libre tiene un programa de protección de propiedad intelectual. Es gratuito. Cuando presentas una denuncia fundamentada, la publicación se pausa de inmediato. El vendedor tiene cuatro días corridos para responder con documentación de respaldo. Después, decides tú si sostienes el pedido de baja o retiras la denuncia. Si no tienes la marca registrada en ese país, la IA de detección puede mostrarte todos los falsificados del mundo, pero no tienes el instrumento legal para denunciarlos ahí. Ese es el límite real, y no es tecnológico.

Si lo que te frena no es la marca sino el proceso – no sabes por dónde empezar, no tienes tiempo de revisar listado por listado, no entiendes qué evidencia pide el programa – ese es exactamente el problema que tiene solución práctica hoy. Puedes leer más sobre cuánto le cuesta a una marca el tiempo perdido buscando copias en este análisis de impacto económico, o revisar la brecha entre la ley y lo que pasa en la plataforma para entender por qué denunciar no siempre produce el resultado que esperabas.

Los mitos que hacen que nadie denuncie – y por qué no aplican aquí

Hay dos ideas que el equipo de CazaFalsos escucha con frecuencia cuando habla con dueños de marca que tienen copias en Mercado Libre y no han hecho nada todavía.

La primera: «Sin marca registrada no puedo hacer nada». Esto es parcialmente verdad y completamente mal entendido. Sin registro de marca en el país específico donde quieres denunciar, no puedes usar el programa de protección de propiedad intelectual de Mercado Libre para esa denuncia. Eso es real. Pero «no puedo hacer nada» es otra cosa. Puedes documentar, puedes registrar la marca ahora, puedes evaluar si tienes otros derechos (como derechos de autor sobre las fotos) que sí apliquen. Y puedes comenzar a construir el historial de evidencia que necesitarás cuando el registro esté listo. El problema de quien no tiene marca registrada no es que no pueda actuar – es que tiene un paso previo que dar. Son cosas distintas.

La segunda: «Denunciar no sirve porque vuelven a publicar». Esta objeción mezcla dos hechos reales con una conclusión incorrecta. Es verdad que un vendedor puede volver a publicar después de una baja. Es verdad que el proceso requiere esfuerzo cada vez. Pero lo que también es verdad es que un vendedor con denuncias reiteradas acumula consecuencias: pérdida de reputación dentro de la plataforma, restricciones, riesgo de suspensión. Mercado Libre no ignora el patrón. La denuncia que retiras a la semana siguiente no deja rastro. La que sostienes y se repite, sí.

La IA no resuelve ninguno de estos dos problemas. Lo que hace es bajar el costo de encontrar los listados para que denunciar deje de ser la tarea que pospones porque no tienes tiempo de buscar. Ese es su valor real, y es suficiente para que valga usarla.

Por Tomás Belmonte · 2026-04-15