Cada clic, cada desplazamiento, cada pausa sobre un producto. En el comercio electrónico, esos gestos fugaces han sido durante años señales que la mayoría de los sistemas ignoraban o procesaban al día siguiente, cuando la intención de compra ya se había diluido. Ahora, un equipo de tres exingenieros de Spotify está llevando al retail la misma inteligencia predictiva que personaliza la experiencia de 800 millones de usuarios en la plataforma de música.
Sidd Motwani, Ian Anderson y Shivaditya Sinha, exintegrantes del equipo que construyó Vector AI —el motor que impulsa el 90% de las recomendaciones en Spotify—, han levantado 10 millones de dólares en una ronda semilla co-liderada por Bessemer Venture Partners y Gradient, con participación de Harpoon Ventures, para lanzar Malachyte. La premisa es tan directa como incómoda para la industria: la mayoría de las tiendas online tratan a todos los visitantes como si fueran el mismo cliente.
La propuesta de Malachyte se sostiene en lo que sus creadores llaman un sistema de "doble cabeza vectorial", capaz de formar un perfil de intención antes incluso del primer clic. A diferencia de los motores tradicionales, que segmentan por historial de compras, demografía o perfiles de usuario registrados, esta plataforma lee en tiempo real el contexto de la sesión: desde el dispositivo usado hasta la hora del día, la fuente de tráfico y la secuencia de movimientos dentro del sitio.
Una búsqueda de "bota de trabajo resistente" seguida de dos clics en modelos con punta de acero es suficiente para que el sistema desplace los pantalones de trabajo y guantes hacia arriba en la página, y empuje hacia abajo los zapatos de vestir, sin que el comprador haya iniciado sesión o comprado antes.
Motwani, CEO de Malachyte, lo explica con una claridad que debería preocupar a cualquier gerente de e-commerce: "Cada hover, clic, scroll y añadir al carrito es una señal, y la mayoría de los sistemas o nunca actúan sobre ella en el momento o la agregan en un segmento durante la noche. Nosotros la leemos de forma continua, así que cada acción hace que el vector del usuario sea más preciso, tanto sobre su preferencia como sobre su intención actual".
La brecha con los sistemas actuales es enorme. Un estudio publicado en Electronic Commerce Research el 26 de diciembre de 2024 proponía un marco integrador que combinaba predicción de abandono, segmentación por clusters y recomendación colaborativa, y su modelo SVD alcanzaba una precisión del 89% en un dataset específico. Pero el salto de Malachyte no está en la precisión del modelo, sino en su velocidad de adaptación: no necesita esperar a que el cliente haya acumulado sesiones o compras para construir un perfil útil.
El momento no podía ser más oportuno. En otras palabras, los consumidores ya están votando con su bolsillo a favor de experiencias hiperpersonalizadas, pero solo si sienten que sus datos no se usan en su contra.
Para los ejecutivos latinoamericanos, el desafío es doble. Por un lado, la adopción de sistemas como Malachyte podría nivelar el campo de juego: un retailer mediano en Bogotá o São Paulo podría ofrecer desde el primer clic una experiencia tan afinada como la de un marketplace global, sin necesidad de años de datos transaccionales. Pero, por otro lado, la capacidad de leer intención en tiempo real exige una infraestructura de captura de datos que muchas empresas de la región aún no tienen completamente integrada. ¿Cuántos e-commerce locales están realmente capturando cada microgesto del usuario en la sesión? ¿Cuántos pueden, con esa información, ajustar en vivo la disposición de productos en sus catálogos?
Malachyte ya está en producción desde finales de 2025, con Fun.com como cliente de lanzamiento, y desde junio de 2026 está disponible como integración nativa para tiendas Shopify, además de ofrecer una API para minoristas más grandes. La compañía trabajó con más de 20 clientes empresariales en viajes, comestibles y retail antes de enfocarse exclusivamente en e-commerce.
Pero hay una dimensión que Motwani menciona apenas de pasada y que, para la región, resulta particularmente sensible: "Un visitante de teléfono a las 11 p.m. desde un enlace de correo electrónico está en un estado mental completamente diferente que la misma persona en un laptop a media mañana, y la mayoría de los sistemas los tratan de forma idéntica". En Latinoamérica, donde el móvil es el principal canal de compra y los horarios de trabajo se extienden más allá del horario comercial tradicional, ignorar la carga contextual no es solo una oportunidad perdida; es una decisión activa de suboptimizar la conversión.
Pregunta que queda sobre la mesa, especialmente para los equipos de tecnología y producto de la región, es si el comercio electrónico latinoamericano está listo para dejar de segmentar por lo que el cliente ya compró y empezar a anticipar lo que necesita en ese instante. No faltan las herramientas. Tal vez falte la decisión de usarlas.
