Walmart acaba de lanzar Sparky en México, su asistente de compras con AI. A primera vista, la novedad es sencilla: puedes conversar con la app para encontrar, comparar y elegir productos. Pero eso describe la interfaz, no necesariamente el valor.
Cuando alguien busca “cafetera”, Walmart sabe que probablemente quiere una cafetera. Cuando alguien le dice a Sparky: “necesito una cafetera sencilla para una oficina de ocho personas, que no sea cara y que cualquiera pueda usar”, recibe bastante más información: para qué la necesita, quién la va a utilizar, qué restricciones tiene y probablemente hasta qué tipo de producto debería recomendar.
Una búsqueda revela qué producto estás buscando. Una conversación puede revelar qué problema estás tratando de resolver antes de elegir el producto. Ahí está lo interesante de Sparky para marketing.
De buscar productos a explicar lo que necesitas
El eCommerce tradicional está construido alrededor de señales bastante claras. Buscas algo, entras a una categoría, comparas opciones, revisas una ficha y agregas un producto al carrito. Cada acción ayuda a la plataforma a entender un poco mejor tu intención.
Sparky puede obtener varias de esas señales desde la primera interacción. En lugar de obligar al usuario a traducir su necesidad a una serie de keywords, puede trabajar directamente con el contexto.
Este movimiento forma parte de algo más amplio que estamos siguiendo en AI aplicada al marketing: los modelos empiezan a dejar de vivir como herramientas separadas para aparecer dentro del mismo customer journey donde ocurre una decisión.
La ventaja competitiva de Walmart no necesariamente está en el modelo. Está en lo que puede conectar con él: catálogo, inventario, disponibilidad y comportamiento de compra. La AI no está respondiendo preguntas en el vacío; está operando cerca de la transacción.
En su reporte de resultados del 19 de febrero de 2026, Walmart señaló que en Estados Unidos los usuarios de Sparky tienen un valor promedio de compra aproximadamente 35% mayor que quienes no lo utilizan. Es una señal relevante, pero hay que leerla con cuidado. No demuestra que Sparky provoque por sí mismo un incremento de 35% en gasto; también puede ocurrir que quienes usan el asistente estén resolviendo compras más complejas o lleguen con una intención mayor desde el principio.
Para marketing, la pregunta interesante es: ¿Sparky está aumentando el valor de la compra o simplemente está identificando mejor a los compradores de mayor valor?
Sin datos comparables de conversión, ventas incrementales y comportamiento entre usuarios con intenciones similares, todavía no lo sabemos. Es exactamente el tipo de diferencia entre performance aparente e incrementalidad que importa cuando analizamos Growth, paid media y atribución.
El catálogo también se convierte en información para la AI
Durante años, optimizar un producto dentro de un marketplace significaba, entre otras cosas, mejorar sus posibilidades de aparecer cuando alguien buscaba determinados términos. Con una interfaz conversacional aparece otra capa: la plataforma necesita entender no solamente qué es el producto, sino en qué situaciones podría ser una buena recomendación.
Walmart explica que Sparky sintetiza product data y reviews para ayudar a encontrar y comparar productos, construir listas, generar recomendaciones y planear ocasiones de compra. Eso vuelve todavía más importantes elementos bastante básicos: atributos completos, categorías correctas, especificaciones claras, disponibilidad, precio, imágenes, reviews y descripciones que realmente expliquen qué estás vendiendo.
No porque haya nacido mágicamente un nuevo “SEO para Sparky”. Walmart no ha publicado suficiente información sobre cómo rankea o selecciona productos dentro de las respuestas en México como para sostener algo así.
La lógica es más sencilla: si la plataforma tiene mejores datos sobre un producto, tiene más información para interpretar en qué situaciones podría ser relevante. Eso puede cambiar poco a poco la conversación sobre product content. Ya no se trata únicamente de ayudar al consumidor a entender el producto después de encontrarlo. Parte de ese contenido también alimenta al sistema que participa en el discovery.
Sparky junta dos tendencias que ya estaban avanzando
Por un lado, plataformas como Uber Eats y Rappi ya demostraron el valor de colocar publicidad extremadamente cerca de una decisión. Como vimos al analizar la publicidad dentro de Uber Eats y Rappi, el atractivo de estos entornos no es solamente el inventario: es que el usuario ya está pensando en comprar.
Por otro lado, la publicidad empieza a experimentar con interfaces conversacionales. OpenAI, por ejemplo, está probando Sponsored Agents dentro de ChatGPT Ads, donde una conversación puede convertirse en parte del recorrido entre el anuncio y la conversión.
Sparky está justo entre esas dos tendencias: tiene una interfaz conversacional, pero vive dentro de un retailer. Eso significa que Walmart puede combinar contexto conversacional con algo que un chatbot generalista normalmente no tiene dentro de la misma experiencia de compra: datos de catálogo, inventario y capacidades de servicio propias del retailer.
Walmart Connect ya probó en Estados Unidos formatos publicitarios ligados a Sparky y señaló que continuaría explorándolos durante 2026. Eso no significa que exista hoy un formato equivalente anunciado para México. No existe.
Pero sí abre una pregunta bastante más importante que “¿habrá anuncios dentro del chatbot?”: ¿cómo monetizas una recomendación generada por AI sin hacer que el usuario deje de confiar en ella?
En search, distinguir un resultado patrocinado es relativamente sencillo. En una conversación, la frontera puede ser bastante más delicada. Y si el usuario empieza a preguntar “¿qué necesito para preparar desayunos rápidos para mis hijos esta semana?” en lugar de buscar simplemente “cereal”, el inventario publicitario también empieza a trabajar con una intención mucho más contextual.
Eso puede tener implicaciones importantes para todo el ecosistema de plataformas, MarTech y advertising.
