Wildberries: IA en operaciones de marketplace — visión por máquina de almacén, búsqueda neuronal y procesamiento de reseñas

• Корпоративный блог Wildberries: масштаб платформы, Техношкола, ML Meetup — Habr (блог Wildberries), 2024
• Warehouse robots at Wildberries — TAdviser, 2025-03
• Wildberries начал тестировать роборуки для сортировки товаров на складах — Habr (новости), 2025-03-11
• Автоматизация складов — опыт Wildberries — RoboTrends, 2025
• Wildberries объявила о запуске в Красном Бору нового роботизированного склада — Ведомости. Северо-Запад, 2025-12-25
• Wildberries теперь имеет право самостоятельно распределять товары продавцов по разным складам и регионам — Oborot.ru, 2026
• Wildberries тестирует нейросети, которые помогут покупателю искать и выбирать товары прямо в мобильном приложении — Oborot.ru, n/a
• Wildberries создала ИИ-помощника (ответы продавцов на отзывы) — CNews, 2026-02-20
• Возвраты на Wildberries: как сократить потери (отраслевые оценки доли возвратов) — Uniseller, n/a

Contexto

Wildberries es el marketplace más grande de Rusia, operando desde 2024 como parte de la empresa fusionada RVB (Wildberries & Russ). Según el blog corporativo de la empresa en Habr, la plataforma procesa decenas de miles de millones de eventos de usuario y alrededor de 15 millones de pedidos por día. Para capacitar talento en ML, la empresa abrió su propia Escuela Técnica (ciencia de datos, análisis) y realizó su primer ML Meetup en septiembre de 2024.

Sin embargo, en robótica de almacén, Wildberries es un recién llegado: según el medio especializado RoboTrends, la empresa solo se tomó en serio la automatización y robotización de almacenes en 2024, más tarde que muchos líderes de la industria. Esto le da al caso una dinámica particular: no es un programa de automatización de veinte años como el de Amazon, sino una marcha forzada para cerrar la brecha en dos o tres años — con desarrollo de software interno en lugar de compras de terceros.

Un encuadre importante: Wildberries divulga notablemente menos sobre su IA que bancos u Ozon. La empresa publica flujos de trabajo, especificaciones de robots y objetivos — pero casi nunca las métricas empresariales de impacto. Entonces este caso incluye solo lo documentado: publicaciones técnicas en el blog corporativo, noticias de lanzamiento y declaraciones públicas de líderes de unidades. Todo lo demás lo marcamos explícitamente como ausente del registro público.

Problema

Dos desafíos operacionales a esta escala son visibles en materiales públicos. Primero, la dependencia de la logística del trabajo manual: clasificación de millones de paquetes de diversos tamaños en almacenes. Quince millones de pedidos al día es un flujo continuo de artículos de todas las formas y tamaños, cada uno de los cuales debe ser reconocido, agarrado y enrutado a la celda correcta; históricamente las manos lo hacían. La empresa sintió la fragilidad del modelo literalmente: en enero de 2024 un incendio destruyó el almacén Shushary — y con él una parte sustancial de la capacidad del hub Noroeste.

El segundo desafío es la ubicación del inventario: los vendedores luchan por predecir qué almacenes regionales verán demanda de sus productos. Un error de colocación significa entregas largas y costosas a través de medio país o stock congelado en un almacén no deseado.

El contexto de la industria eleva lo que está en juego: según estimaciones de servicios de vendedores terceros, alrededor del 30% de los pedidos del marketplace se devuelven en promedio, y en prendas de vestir y calzado las devoluciones alcanzan el 70%. Cada devolución es otro ciclo de manejo de almacén — el primer y tercer dolor se amplifican mutuamente.

Finalmente, Andrey Ulyanov, jefe del departamento de automatización de almacenes de Wildberries, trazó públicamente el límite de lo posible: la automatización completa del almacén, en su evaluación, sigue siendo una utopía — el objetivo realista es un híbrido en el que la automatización cubre aproximadamente la mitad de los procesos. Ese es un establecimiento de objetivos inusualmente sobrio para un mercado acostumbrado a promesas de 'almacenes sin luz'.

Solución

Cuatro flujos de trabajo están confirmados públicamente — y para almacenamiento los detalles técnicos ahora se conocen.

Almacenes. Desde 2024 Wildberries ha estado construyendo una cartera de automatización: robots de estantería de mercancía a persona (el artículo viaja a la persona, no al revés), carretillas elevadoras robóticas para movimiento de palés, un clasificador vertical de cinta cruzada (según RoboTrends, recuperado en aproximadamente 6 meses gracias a volúmenes de envío), y robots industriales de visión por máquina transfiriendo mercancías entre líneas de conveyor. En marzo de 2025 la empresa comenzó a probar brazos robóticos de seis ejes con software de IA propietaria: la visión por máquina reconoce los límites de cada artículo, clasifica artículos por probabilidad de 'mejor agarre', determina la posición y número de ventosas, y elige una trayectoria eficiente sin colisiones. Según TAdviser, la productividad del manipulador es de al menos 950 unidades por hora con una tasa de éxito de agarre superior al 97%; la operación industrial comenzó en una línea de clasificación activa en Koledino. 'Nuestros robots son un paso hacia una logística más inteligente y eficiente,' dice Andrey Fomin, jefe del departamento de robótica de Automatización WB. El siguiente paso anunciado es un robot móvil autónomo para transporte de carga.

El lanzamiento del almacén Krasny Bor mostró el escalado del enfoque (primera fase — 26 de diciembre de 2025, 95,000 metros cuadrados de un total planificado de 154,000): tres líneas de clasificación automática vertical, sistemas de conveyor, y robots para movimiento autónomo de palés; el complejo reemplaza la instalación Shushary quemada y se convierte en el hub para todo el Distrito Federal Noroeste.

Ubicación. Desde 2026 (un cambio en los términos de oferta) la empresa misma redistribuye los productos de los vendedores en almacenes y regiones según la demanda — la previsión de ubicación se le quita al vendedor y es manejada por algoritmos de plataforma que, según RoboTrends, consideran el historial de ventas y estacionalidad.

Experiencia del comprador. La empresa está probando búsqueda neuronal y selección de productos dentro de la aplicación y utiliza resumen de IA y filtrado de reseñas.

Vendedores. En febrero de 2026 se lanzó un asistente de IA para responder reseñas: el vendedor configura parámetros una vez (por ejemplo, auto-publicar respuestas solo a reseñas de 4–5 estrellas), luego la red neuronal funciona por su cuenta — analizando la ficha del producto, el texto de la reseña y respuestas pasadas del vendedor, opcionalmente añadiendo recomendaciones de productos complementarios con números de artículo. Si la ficha del producto carece de datos, la reseña se deja sin responder — una salvaguardia deliberada contra alucinaciones.

Resultado

Wildberries aún no divulga casi ningún resultado empresarial cuantitativo para sus sistemas de IA — la limitación clave honesta del caso. Lo que se publica son indicadores técnicos: productividad de brazo robótico de al menos 950 unidades por hora, una tasa de éxito de agarre superior al 97% (TAdviser), y recuperación aproximada de 6 meses para el clasificador de cinta cruzada (RoboTrends). El objetivo público de robótica de almacenes expresado por Elena Obraztsova, directora de automatización de marketplace de Wildberries, es reducir radicalmente la dependencia del personal de almacén dentro de uno a tres años; su colega Andrey Ulyanov honestamente limita la ambición a un híbrido con aproximadamente la mitad de los procesos automatizados. La escala de la plataforma (aproximadamente 15 millones de pedidos por día, decenas de miles de millones de eventos por día) está confirmada por el blog corporativo de la empresa.

La trayectoria, mientras tanto, es visible a simple vista a través de lanzamientos de infraestructura: desde las primeras pruebas de robots industriales en 2024 hasta la operación industrial de manipuladores en Koledino en 2025 y el lanzamiento de un hub completamente robotizado en Krasny Bor a finales de 2025. Los lanzamientos de IA de productos (búsqueda neuronal, respuestas de reseña de IA, redistribución automática de mercancías) se ejecutan en paralelo con el trabajo de almacén.

En nuestra opinión, el caso de Wildberries es interesante precisamente como un modelo de 'IA sin comunicados de impacto': la empresa cambia su modelo operativo a través de términos de contrato e infraestructura en lugar de números de marketing. La redistribución automática de mercancías es el ejemplo más claro: el sistema de IA cambia la división de responsabilidad entre plataforma y vendedor, y su 'métrica' es un documento legal, no un porcentaje en una diapositiva. Para analistas de mercado es un recordatorio: la ausencia de métricas públicas no equivale a la ausencia de implementación — pero atribuir porcentajes de mejora específicos a la empresa sin sus propias publicaciones está fuera de límites.

Enmarcar correctamente los números técnicos también: 950 unidades por hora y agarres del 97% son indicadores de ficha técnica de un tipo de manipulador en clasificación, no 'la eficiencia general de la IA de Wildberries'; las estimaciones de devolución de la industria (30%, hasta 70% en prendas de vestir) son contexto de mercado, no métricas de empresa. En nuestra opinión, el elemento más transferible del caso es el establecimiento de objetivos sobrio de Ulyanov: 'un híbrido con ~50% de procesos automatizados' es un marco más honesto y lograble para robótica de almacén que un 'almacén sin luz' — y se aplica a la mayoría de los operadores logísticos.

Lecciones aprendidas

1. No todos los líderes de mercado publican métricas de IA: para Wildberries, flujos de trabajo, especificaciones de robots y objetivos están documentados, pero no los efectos empresariales. Cualquier 'número preciso' sobre la IA de WB en estudios de casos de terceros debe verificarse con fuentes primarias.
2. La apuesta más medible de WB es operacional: robótica de almacén con indicadores de ficha técnica (950 unidades/hora, >97% de agarre) y un objetivo público explícito de reducir la dependencia del personal dentro de 1–3 años.
3. El establecimiento de objetivos sobrio vence a los eslóganes: 'la automatización completa del almacén es una utopía; un híbrido con ~50% de procesos es realista' (Andrey Ulyanov) es un marco más honesto que un 'almacén sin luz'.
4. Un recién llegado puede moverse rápido: de las primeras pruebas de robots (2024) a la operación de manipuladores industriales y un hub completamente robotizado en menos de dos años — gracias al software de IA interno.
5. Cambiar la previsión de demanda del vendedor a la plataforma (redistribución automática en almacenes) muestra un producto de IA cambiando las reglas a través de términos de contrato, no UI.
6. El IA de marketplace sirve a tres audiencias a la vez: el almacén (robots), el comprador (búsqueda neuronal, reseñas) y el vendedor (asistente de respuesta) — proyectos distintos con economías distintas.
7. Las salvaguardias importan más que la cobertura: el asistente de IA de WB deja una reseña sin responder cuando la ficha del producto carece de datos — una elección deliberada 'mejor silencioso que alucinando'.
8. Los dolores de la industria (alrededor del 30% de devoluciones, hasta 70% en prendas de vestir — estimaciones de terceros) son contexto legítimo, pero atribuir mejoras específicas a la empresa sin sus propias publicaciones está fuera de límites.

Preguntas frecuentes