Claude y Ollama ayudan a un vendedor de Ozon a procesar certificados y recuperar 1000 SKU en un día

Ozon empezó a revisar con antelación los certificados de cuchillos, antes de que entren en vigor los nuevos requisitos, y para un vendedor eso acabó en el bloqueo de casi todo su catálogo. En lugar de meses de carga manual de documentos, montó con Claude y Ollama un flujo de trabajo que procesó cientos de archivos en un día y ayudó a reactivar más de 1000 SKU.

Por qué se paró todo

El autor del caso vende cuchillos en Ozon desde hace más de seis años y describe los certificados de calidad como un dolor de cabeza constante. La plataforma cambiaba los requisitos con regularidad: en algunos casos los documentos eran obligatorios, en otros solo bajo petición, y ahora Ozon decidió prepararse con antelación para las nuevas normas que entran en vigor el 1 de octubre de 2026. En un solo día el marketplace bloqueó unos 1000 SKU por falta de las confirmaciones necesarias.

Antes el problema se resolvía a mano: entrar en la sección de certificados de Ozon Seller, subir un archivo y luego vincularle los productos uno por uno. Con unas pocas fichas es molesto, pero tolerable. Con mil SKU, se convierte en meses de trabajo monótono. Lo empeoraba que los documentos no estaban en PDF, sino como imágenes JPEG en Google Drive, así que las herramientas habituales no podían extraer con rapidez los números de certificado, las fechas ni los artículos.

Cómo se montó el pipeline

Para no agotar los límites de un modelo en la nube con cientos de imágenes, el autor trasladó el reconocimiento al modelo local qwen3-vl:8b mediante Ollama. En este esquema Claude actuó como ingeniero-navegante: ayudó a diseñar la arquitectura, escribió los scripts, explicó los pasos de ejecución y sugirió cómo conectar el OCR con la Ozon Seller API. La simplificación clave llegó tras revisar la documentación: resultó que no hacía falta publicar las imágenes mediante enlaces ni alojarlas aparte.

«El gran descubrimiento: la API de

Ozon acepta archivos directamente mediante multipart/form-data».

El flujo de trabajo final quedó así:

• una carpeta local con certificados y anexos se dividía en pares de archivos;
• Ollama reconocía el número de certificado, las fechas y los artículos a partir de las imágenes;
• un script subía los propios archivos a Ozon con el método de creación de certificados;
• otra solicitud obtenía la correspondencia entre offer_id y product_id;
• el último paso vinculaba los certificados a los productos y guardaba un informe en CSV.

Dónde hubo que simplificar

El sistema no funcionó a la primera. Por el camino se vio que algunos certificados y anexos estaban relacionados por el nombre del archivo y otros solo por el número dentro del documento. Los nombres tenían erratas; en algunos certificados los artículos figuraban en el anexo y en otros, directamente en la hoja principal. Todo ello rompía el flujo sencillo y obligaba a ampliar la lógica de procesamiento, lo que suponía más tiempo de ejecución y más recursos del modelo local.

Tras varias iteraciones, el autor y Claude descartaron una automatización demasiado compleja y simplificaron la tarea. En lugar de vincular con precisión cada producto dentro del certificado, decidieron agrupar los productos por marca y enviar a Ozon un certificado con sus anexos, dejando parte de la verificación en manos del marketplace. Este compromiso aceleró el pipeline de inmediato: según la estimación de Claude, el tiempo de reconocimiento de 225 pares de archivos y varios documentos de varias páginas bajó de algo más de cinco horas a dos o tres.

La ejecución final en producción confirmó que el esquema funciona más allá de las pruebas. Reconocer 231 certificados llevó 3 horas y 23 minutos, con una media de 52 segundos por documento. La carga en Ozon duró otros 34 minutos. Solo 3 certificados no se pudieron reconocer, menos del 1,3 % del total. Si la moderación sale bien, el vendedor reactiva más de 1000 productos y cierra una tarea que antes se habría alargado meses.

Qué significa

El caso muestra el papel práctico de los agentes de IA en las operaciones rutinarias: Claude no sustituyó al modelo local, sino que diseñó el proceso, ayudó a corregir errores y llevó a un usuario sin conocimientos de programación a un resultado funcional. Para vendedores y equipos pequeños, es una señal de que combinar reconocimiento visual local con automatización por API ya puede resolver tareas operativas reales, no solo demostraciones.