Claude y Ollama ayudaron a un vendedor de Ozon a procesar certificados en un día y recuperar 1.000 SKU

Ozon comenzó a verificar certificados de cuchillos antes de que entren en vigor nuevos requisitos, y para un vendedor esto terminó en el bloqueo de casi todo el surtido. En lugar de meses de carga manual de documentos, armó un pipeline funcional con la ayuda de Claude y Ollama que procesó cientos de archivos en un día y ayudó a devolver más de 1000 SKU a la venta.

Por qué todo se detuvo

El autor del caso vende cuchillos en Ozon hace más de seis años y describe los certificados de calidad como un dolor constante. La plataforma cambió regularmente los requisitos: en algunos casos los documentos eran obligatorios, en otros solo se necesitaban bajo solicitud, y ahora Ozon ha decidido prepararse con anticipación para nuevas reglas que entran en vigor el 1 de octubre de 2026. En un día, el marketplace bloqueó alrededor de 1000 SKU por falta de confirmaciones.

Anteriormente, el problema se resolvía manualmente: ir a la sección de certificados en Ozon Seller, cargar un archivo, luego adjuntarlo a los productos uno por uno. Para unos pocos anuncios esto es desagradable pero tolerable. Para mil SKU, este escenario se convierte en meses de trabajo monótono.

La situación se agravaba por el hecho de que los documentos no se almacenaban en PDF sino como imágenes JPEG en Google Drive, por lo que era imposible extraer rápidamente números de certificados, fechas y SKU de ellos usando herramientas ordinarias.

Cómo construyeron el pipeline

Para no quemar límites del modelo en la nube en cientos de imágenes, el autor movió el reconocimiento a un modelo local qwen3-vl:8b a través de Ollama. Claude actúa como un navegador de ingeniería en este esquema: ayudando a diseñar la arquitectura, escribiendo scripts, explicando los pasos de lanzamiento y sugiriendo cómo conectar OCR con la API de Ozon Seller. La simplificación clave vino después de verificar la documentación: resultó que las imágenes no necesitan ser publicadas a través de enlaces o alojadas por separado.

"El descubrimiento principal: la API de

Ozon acepta archivos directamente a través de multipart/form-data".

Como resultado, el escenario funcional se veía así:

• una carpeta local con certificados y anexos se dividió en pares de archivos;
• Ollama reconoció números de certificados, fechas y SKU de imágenes;
• el script cargó los archivos a Ozon mediante el método de creación de certificado;
• una solicitud separada obtuvo la correspondencia de offer_id y product_id;
• el paso final vinculó certificados a productos y guardó un informe CSV.

Dónde tuvieron que simplificar

El sistema no funcionó la primera vez. En el proceso, resultó que algunos certificados y anexos estaban vinculados por nombre de archivo, mientras que otros solo estaban por el número dentro del documento. Los nombres de archivo contenían errores tipográficos, algunos certificados tenían SKU en el anexo, otros directamente en la hoja principal.

Todo esto rompió el escenario simple y obligó a la lógica de procesamiento a ser más compleja, lo que significaba gastar más tiempo en la ejecución y más recursos del modelo local. Después de varias iteraciones, el autor, junto con Claude, abandonó la automatización demasiado compleja y simplificó la tarea. En lugar de vincular con precisión cada producto dentro del certificado, se decidió agrupar productos por marca y pasar un certificado a Ozon junto con anexos, mientras dejaba parte de la verificación en el lado del marketplace.

Tal compromiso aceleró inmediatamente el pipeline: según la estimación de Claude, el tiempo de reconocimiento para 225 pares de archivos y varios documentos multipágina se redujo de alrededor de cinco o más horas a dos o tres. La ejecución final confirmó que el esquema funciona no solo en pruebas. Reconocer 231 certificados tomó 3 horas 23 minutos a una velocidad promedio de 52 segundos por documento.

La carga en Ozon tomó otros 34 minutos. Solo 3 certificados no se pudieron reconocer, lo que es menos del 1,3% del volumen total. Si la moderación tiene éxito, el vendedor devuelve más de 1000 artículos a la venta y cierra el problema que antes hubiera llevado meses.

Lo que esto significa

Este case demuestra bien el papel práctico de los agentes de IA en operaciones rutinarias: Claude aquí no reemplazó el modelo local, sino que diseñó el proceso, ayudó a corregir errores y llevó a un usuario sin habilidades de desarrollo a un resultado funcional. Para vendedores y pequeños equipos, esto es una señal de que una combinación de reconocimiento de visión local y automatización de API ya es capaz de resolver tareas no demostrativas, sino operacionales.