{"id":200818,"date":"2026-08-09T18:00:00","date_gmt":"2026-08-09T16:00:00","guid":{"rendered":"https:\/\/founderz.com\/?p=200818"},"modified":"2026-08-04T23:27:16","modified_gmt":"2026-08-04T21:27:16","slug":"herramientas-ia-retail-stock","status":"publish","type":"post","link":"https:\/\/founderz.com\/es\/blog\/herramientas-ia-retail-stock\/","title":{"rendered":"Herramientas de IA para retail: gesti\u00f3n de stock, atenci\u00f3n y an\u00e1lisis de ventas"},"content":{"rendered":"<div id=\"bsf_rt_marker\"><\/div><p>Las herramientas de IA para retail cubren tres frentes concretos: predecir la demanda para ajustar el stock, atender consultas con chatbots y analizar ventas para decidir precios y promociones. Aceleran el criterio del equipo sin reemplazarlo. Con el hist\u00f3rico de ventas y unos algoritmos bien entrenados, una tienda puede pasar de estimaciones manuales a decisiones respaldadas por datos.<\/p>\n<h2>Lo que vas a sacar de aqu\u00ed<\/h2>\n<ul>\n<li>Las herramientas de IA para retail cubren tres \u00e1reas clave: gesti\u00f3n de stock, atenci\u00f3n al cliente y an\u00e1lisis de ventas.<\/li>\n<li>La IA aplicada al inventario ayuda a anticipar la demanda y reducir tanto las roturas de stock como el exceso de existencias.<\/li>\n<li>Los chatbots y asistentes virtuales gestionan consultas frecuentes y liberan al equipo para incidencias complejas y fidelizaci\u00f3n.<\/li>\n<li>La IA generativa permite crear contenido de producto y campa\u00f1as de forma m\u00e1s r\u00e1pida, siempre con revisi\u00f3n humana.<\/li>\n<li>Al final encontrar\u00e1s un plan de primeros pasos para integrar estas herramientas de IA en tu operativa retail.<\/li>\n<\/ul>\n<p>Si gestionas una tienda, un e-commerce o una cadena, el problema es siempre el mismo. Tienes datos de sobra pero poco tiempo para convertirlos en decisiones. Sabes qu\u00e9 se vendi\u00f3 el a\u00f1o pasado, pero no cu\u00e1nto pedir esta semana por tienda. Sabes que llegan las mismas preguntas al equipo de atenci\u00f3n, pero no las has automatizado. La inteligencia artificial en el retail resuelve ese hueco entre el dato y la acci\u00f3n. A continuaci\u00f3n ver\u00e1s c\u00f3mo aplicarla en stock, atenci\u00f3n y ventas, con casos de uso concretos y un plan para empezar.<\/p>\n<h2>\u00bfQu\u00e9 son las herramientas de IA para retail y para qui\u00e9n son?<\/h2>\n<p><strong>Las herramientas de IA para retail son software y algoritmos que aplican inteligencia artificial a la gesti\u00f3n de stock, la atenci\u00f3n al cliente y el an\u00e1lisis de ventas.<\/strong> Analizan grandes cantidades de datos (hist\u00f3rico de ventas, comportamiento del cliente, estacionalidad) y devuelven predicciones o acciones que un equipo humano tardar\u00eda horas en calcular a mano.<\/p>\n<p>Est\u00e1n pensadas para varios perfiles del sector retail:<\/p>\n<ul>\n<li><strong>Responsables de tienda y operaciones<\/strong>, que ajustan reposici\u00f3n y turnos seg\u00fan la demanda.<\/li>\n<li><strong>Equipos de e-commerce<\/strong>, que personalizan la experiencia del cliente y automatizan la atenci\u00f3n.<\/li>\n<li><strong>Cadena de suministro y compras<\/strong>, que optimizan inventario y log\u00edstica.<\/li>\n<li><strong>Marketing retail<\/strong>, que crea contenido de producto y campa\u00f1as con IA generativa.<\/li>\n<\/ul>\n<p>La inteligencia artificial en el retail no es una \u00fanica herramienta. Es un conjunto de soluciones de IA que van desde un algoritmo de predicci\u00f3n de demanda hasta un bot conversacional que responde a un cliente. Cada empresa del comercio minorista elige por d\u00f3nde empezar seg\u00fan su problema m\u00e1s urgente. Una tienda con roturas de stock frecuentes empezar\u00e1 por el inventario. Un e-commerce saturado de consultas empezar\u00e1 por los chatbots.<\/p>\n<p>Detr\u00e1s de casi todas estas herramientas hay t\u00e9cnicas de machine learning: modelos que aprenden de conjuntos de datos hist\u00f3ricos y mejoran sus predicciones a medida que reciben informaci\u00f3n nueva.<\/p>\n<h2>C\u00f3mo la IA optimiza la gesti\u00f3n de stock e inventario en el sector retail<\/h2>\n<p><strong>La IA mejora la gesti\u00f3n de inventario porque predice la demanda con m\u00e1s precisi\u00f3n que los m\u00e9todos manuales, lo que reduce tanto las roturas de stock como el exceso de existencias.<\/strong> Aprende de tu hist\u00f3rico de ventas y cruza esos datos con la estacionalidad, las promociones y las se\u00f1ales externas para recomendar cu\u00e1nto pedir y cu\u00e1ndo.<\/p>\n<p>El problema del stock tiene dos caras. Si pides de menos, pierdes ventas y frustras al cliente. Si pides de m\u00e1s, inmovilizas capital y acabas con rebajas que erosionan el margen. Los algoritmos de IA ajustan ese equilibrio a nivel de producto y de tienda, no con una media general.<\/p>\n<p>Un caso de uso concreto: una cadena de supermercados con 40 tiendas aplica un modelo de predicci\u00f3n que ajusta la reposici\u00f3n por punto de venta. La tienda del centro hist\u00f3rico vende m\u00e1s productos de conveniencia entre semana. La de un barrio residencial dispara la cesta grande en fin de semana. El mismo algoritmo genera dos planes de reposici\u00f3n distintos. Seg\u00fan McKinsey (2023), las empresas de retail que aplican IA a la previsi\u00f3n de demanda pueden reducir los errores de forecast entre un 20 % y un 50 %.<\/p>\n<p>Aqu\u00ed la IA tambi\u00e9n se conecta con la log\u00edstica y la cadena de suministro. Una buena previsi\u00f3n de demanda alimenta las decisiones de compra aguas arriba, y si quieres profundizar en c\u00f3mo <a href=\"https:\/\/founderz.com\/es\/blog\/ia-retail-guia-inventario\/\">optimizar el inventario con IA<\/a> tienes una gu\u00eda dedicada que lo desarrolla paso a paso.<\/p>\n<h3>Predicci\u00f3n de demanda con algoritmos y machine learning<\/h3>\n<p><strong>Los modelos de IA anticipan picos de demanda y estacionalidad para maximizar la disponibilidad de producto sin caer en el sobrestock.<\/strong> Detectan patrones que una hoja de c\u00e1lculo no ve: el efecto de una ola de calor en las bebidas, el arranque de la vuelta al cole, el impacto de una promoci\u00f3n en los productos relacionados.<\/p>\n<p>Un algoritmo bien entrenado no solo mira el a\u00f1o pasado. Cruza variables como:<\/p>\n<ul>\n<li>Hist\u00f3rico de ventas por producto y por tienda.<\/li>\n<li>Estacionalidad y festivos locales.<\/li>\n<li>Promociones activas y su efecto de arrastre.<\/li>\n<li>Se\u00f1ales externas como el clima o los eventos.<\/li>\n<\/ul>\n<p>El resultado es una previsi\u00f3n que se actualiza sola. Cuando cambia el patr\u00f3n de compra, el modelo reajusta la recomendaci\u00f3n de stock. As\u00ed maximizas la disponibilidad en los productos que rotan y evitas acumular los que no salen. Es un ejemplo claro de c\u00f3mo la IA puede convertir un dato bruto en una decisi\u00f3n operativa concreta.<\/p>\n<h2>Chatbots y asistentes virtuales para automatizar el servicio de atenci\u00f3n al cliente<\/h2>\n<p><strong>Los chatbots y asistentes virtuales automatizan las consultas frecuentes del servicio al cliente y mejoran la experiencia de compra al responder al instante, sin colas ni horarios.<\/strong> Resuelven lo repetitivo y dejan al equipo humano las conversaciones que requieren criterio: incidencias complejas, reclamaciones o clientes de alto valor.<\/p>\n<p>En retail, buena parte de las consultas son predecibles: d\u00f3nde est\u00e1 mi pedido, c\u00f3mo devuelvo un producto, ten\u00e9is esta talla, cu\u00e1nto tarda el env\u00edo. Un bot conversacional entrenado con tu cat\u00e1logo y tus pol\u00edticas responde estas preguntas en segundos, en la web, en WhatsApp o en la app. Muchos de estos asistentes se apoyan en modelos de lenguaje como ChatGPT, adaptados con los datos y las pol\u00edticas de cada tienda.<\/p>\n<p>Qu\u00e9 puede automatizar un asistente virtual en el comercio minorista:<\/p>\n<ul>\n<li><strong>Seguimiento de pedidos<\/strong> en tiempo real, sin abrir un ticket.<\/li>\n<li><strong>Gesti\u00f3n de devoluciones<\/strong> con pasos guiados.<\/li>\n<li><strong>Recomendaciones de productos<\/strong> seg\u00fan lo que busca el cliente.<\/li>\n<li><strong>Resoluci\u00f3n de preguntas frecuentes<\/strong> sobre stock, tallas o env\u00edos.<\/li>\n<\/ul>\n<p>Un caso de uso concreto: un e-commerce de moda recibe miles de consultas diarias sobre el estado de los pedidos. Al automatizar esa consulta con un chatbot conectado al sistema de env\u00edos, el equipo de atenci\u00f3n deja de dedicar la ma\u00f1ana a copiar n\u00fameros de seguimiento. Seg\u00fan datos de IBM (2022), la automatizaci\u00f3n con IA en atenci\u00f3n al cliente puede resolver hasta el 80 % de las consultas rutinarias sin intervenci\u00f3n humana. El equipo se centra entonces en incidencias complejas y en la fidelizaci\u00f3n de los clientes de mayor valor, lo que se traduce en una mayor satisfacci\u00f3n del cliente.<\/p>\n<p>La IA filtra el volumen para que el trato humano llegue donde de verdad importa.<\/p>\n<h2>IA generativa y herramientas de creaci\u00f3n de contenido con IA<\/h2>\n<p><strong>La IA generativa permite crear contenido de producto, campa\u00f1as y promociones m\u00e1s r\u00e1pido, y personalizar la experiencia de compra a escala.<\/strong> Genera borradores de fichas, textos publicitarios y variaciones de mensaje que el equipo revisa y aprueba antes de publicar.<\/p>\n<p>Un cat\u00e1logo grande es un cuello de botella cl\u00e1sico. Escribir cientos de descripciones de producto, adaptarlas por canal y traducirlas consume semanas. Las herramientas de creaci\u00f3n de contenido con IA producen el primer borrador de todas esas fichas en horas, partiendo de los atributos del producto.<\/p>\n<p>D\u00f3nde aporta utilidad la IA para crear contenido en retail:<\/p>\n<ul>\n<li><strong>Fichas de producto<\/strong> a partir de caracter\u00edsticas t\u00e9cnicas.<\/li>\n<li><strong>Campa\u00f1as de marketing<\/strong> con variaciones de mensaje por segmento.<\/li>\n<li><strong>Personalizaci\u00f3n<\/strong> de recomendaciones y correos seg\u00fan el historial del cliente.<\/li>\n<li><strong>Fidelizaci\u00f3n<\/strong> con contenido adaptado al comportamiento de compra.<\/li>\n<\/ul>\n<p>La personalizaci\u00f3n es donde el contenido generativo se une al dato. Un e-commerce puede usar la IA para crear correos con productos relevantes para cada cliente, en lugar de un mismo bolet\u00edn para toda la base. Si quieres pasar de la teor\u00eda a la pr\u00e1ctica, estos <a href=\"https:\/\/founderz.com\/es\/blog\/prompts-ia-retail-campanas-promociones\/\">prompts de IA para campa\u00f1as promocionales<\/a> te dan un punto de partida concreto para tus mensajes. Seg\u00fan McKinsey (2023), la personalizaci\u00f3n bien ejecutada puede aumentar los ingresos entre un 5 % y un 15 %.<\/p>\n<p>Un aviso importante sobre el uso responsable: todo contenido generativo necesita revisi\u00f3n humana. El modelo produce borradores r\u00e1pidos, pero puede inventar datos, equivocarse en un precio o desviarse del tono de marca. La regla es simple: la IA redacta, una persona valida.<\/p>\n<h2>An\u00e1lisis de ventas y estrategias de precios: aplicaci\u00f3n de IA para optimizar resultados<\/h2>\n<p><strong>La aplicaci\u00f3n de IA al an\u00e1lisis de ventas convierte los datos en decisiones sobre precios, promociones y surtido.<\/strong> La IA para el an\u00e1lisis de patrones de compra detecta se\u00f1ales que pasan desapercibidas y recomienda ajustes que un an\u00e1lisis manual tardar\u00eda semanas en encontrar.<\/p>\n<p>La IA para optimizar ventas trabaja sobre preguntas concretas: qu\u00e9 productos se compran juntos, qu\u00e9 precio maximiza el margen sin frenar la venta, qu\u00e9 promoci\u00f3n funcion\u00f3 y cu\u00e1l cedi\u00f3 margen sin retorno. Estos son los usos m\u00e1s habituales de la IA en el comercio:<\/p>\n<ul>\n<li><strong>An\u00e1lisis de la cesta de la compra<\/strong> para detectar productos complementarios.<\/li>\n<li><strong>Estrategias de precios<\/strong> seg\u00fan la demanda, los precios de la competencia y la elasticidad.<\/li>\n<li><strong>Evaluaci\u00f3n de promociones<\/strong> para repetir lo que funciona.<\/li>\n<li><strong>Previsi\u00f3n de ventas<\/strong> por categor\u00eda y por canal.<\/li>\n<\/ul>\n<p>En el comercio electr\u00f3nico, esto se traduce en decisiones con mayor frecuencia y detalle. La capacidad de procesar grandes vol\u00famenes de transacciones permite que el sistema pueda ajustar los precios con m\u00e1s agilidad seg\u00fan la demanda y los precios de la competencia, algo inviable de forma manual. Un cambio de precio, una recomendaci\u00f3n cruzada o una promoci\u00f3n se ajustan seg\u00fan lo que dicen los datos. La IA propone y el equipo aprueba con el contexto de negocio que solo conoce quien est\u00e1 dentro.<\/p>\n<h2>Cinco casos de uso de IA en el sector retail y c\u00f3mo elegir herramienta<\/h2>\n<p>La IA en el sector retail se concreta en cinco casos de uso que cubren casi cualquier operaci\u00f3n de comercio minorista. Estos son los que generan resultados medibles antes:<\/p>\n<ol>\n<li><strong>Gesti\u00f3n de stock e inventario<\/strong> con predicci\u00f3n de demanda por tienda.<\/li>\n<li><strong>Atenci\u00f3n al cliente<\/strong> con chatbots y asistentes virtuales.<\/li>\n<li><strong>Creaci\u00f3n de contenido<\/strong> de producto y campa\u00f1as con IA generativa.<\/li>\n<li><strong>An\u00e1lisis de ventas y precios<\/strong> para optimizar el margen y las promociones.<\/li>\n<li><strong>Personalizaci\u00f3n<\/strong> de la experiencia de compra y la fidelizaci\u00f3n.<\/li>\n<\/ol>\n<p>Elegir herramienta no consiste en comprar la m\u00e1s potente, sino la que encaja con tu problema y tus datos. Una empresa del sector retail con problemas de sobrestock necesita un motor de predicci\u00f3n, no un generador de fichas. La tecnolog\u00eda de IA solo rinde si se integra en el flujo existente y si hay datos limpios que la alimenten.<\/p>\n<h3>Tabla comparativa: tipo de herramienta de IA seg\u00fan objetivo<\/h3>\n<table>\n<thead>\n<tr>\n<th>Tipo de herramienta de IA<\/th>\n<th>Inputs que acepta<\/th>\n<th>\u00c1rea de impacto<\/th>\n<th>Complejidad de integraci\u00f3n<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Predicci\u00f3n de inventario<\/td>\n<td>Hist\u00f3rico de ventas, estacionalidad, promociones<\/td>\n<td>Stock, compras, log\u00edstica<\/td>\n<td>Media-alta<\/td>\n<\/tr>\n<tr>\n<td>Chatbots y asistentes virtuales<\/td>\n<td>Cat\u00e1logo, pol\u00edticas, datos de pedidos<\/td>\n<td>Atenci\u00f3n al cliente<\/td>\n<td>Baja-media<\/td>\n<\/tr>\n<tr>\n<td>IA generativa de contenido<\/td>\n<td>Atributos de producto, tono de marca<\/td>\n<td>Marketing, e-commerce<\/td>\n<td>Baja<\/td>\n<\/tr>\n<tr>\n<td>An\u00e1lisis de ventas y precios<\/td>\n<td>Datos de transacciones, precios de la competencia<\/td>\n<td>Pricing, promociones, surtido<\/td>\n<td>Media<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Nota: la disponibilidad y el detalle de cada herramienta cambian r\u00e1pido. Verifica capacidades y requisitos de datos antes de contratar.<\/p>\n<h3>C\u00f3mo integrar la IA en tu operativa retail sin frenar el negocio<\/h3>\n<p>Integrar la IA no es un proyecto de dos a\u00f1os. Es una secuencia de pasos cortos que empiezan por un solo caso de uso. Este es el orden que recomendamos:<\/p>\n<ol>\n<li><strong>Diagn\u00f3stico inicial.<\/strong> Identifica d\u00f3nde pierdes m\u00e1s tiempo o margen: \u00bfstock, atenci\u00f3n o contenido?<\/li>\n<li><strong>Empieza por un caso de uso.<\/strong> Elige el que tenga datos disponibles y un resultado medible.<\/li>\n<li><strong>Mide.<\/strong> Define una m\u00e9trica antes de arrancar: roturas de stock, tiempo de respuesta, horas de redacci\u00f3n.<\/li>\n<li><strong>Escala.<\/strong> Cuando el primer caso funcione, pasa al siguiente.<\/li>\n<\/ol>\n<p>Los l\u00edmites importan tanto como los beneficios de la IA. Los procesos con IA necesitan supervisi\u00f3n humana, sobre todo en precios y en contenido de cara al cliente. Y hay que cuidar el tratamiento de los datos del cliente, incluidos los datos de terceros: recoge solo lo necesario, cumple la normativa de privacidad y s\u00e9 transparente sobre c\u00f3mo usas esa informaci\u00f3n. Ese uso responsable es lo que sostiene la confianza a largo plazo.<\/p>\n<p>Formar al equipo es parte del proyecto, no un extra. Una herramienta sin gente que sepa usarla acaba sin usarse. Aqu\u00ed encajan los programas de formaci\u00f3n en IA para empresas, que preparan a tus \u00e1reas para aplicar estas herramientas con criterio.<\/p>\n<h2>Preguntas frecuentes sobre herramientas de IA para retail<\/h2>\n<p><strong>\u00bfLa IA se usa en retail?<\/strong><br \/>\nS\u00ed, y de forma amplia. El sector retail utiliza la IA para predecir la demanda y ajustar el stock, automatizar la atenci\u00f3n al cliente con chatbots, personalizar recomendaciones, optimizar precios y crear contenido de producto con IA generativa. Grandes cadenas y peque\u00f1os comercios aplican estas herramientas seg\u00fan su tama\u00f1o y sus datos. No es tecnolog\u00eda de futuro: ya est\u00e1 en producci\u00f3n en tiendas f\u00edsicas y en comercio electr\u00f3nico.<\/p>\n<p><strong>\u00bfQu\u00e9 herramientas de IA son las m\u00e1s utilizadas en ventas?<\/strong><br \/>\nDestacan las herramientas de predicci\u00f3n de demanda, los motores de recomendaciones de productos, los sistemas de optimizaci\u00f3n de precios y los asistentes de an\u00e1lisis de datos. Tambi\u00e9n se usan con frecuencia los chatbots para captaci\u00f3n y los generadores de contenido para campa\u00f1as de marketing. La elecci\u00f3n depende del objetivo: previsi\u00f3n de stock, aumento del ticket medio o mejora de la conversi\u00f3n en el comercio electr\u00f3nico.<\/p>\n<p><strong>\u00bfC\u00f3mo mejora la inteligencia artificial la predicci\u00f3n de stock?<\/strong><br \/>\nLa inteligencia artificial mejora la predicci\u00f3n de stock al analizar el hist\u00f3rico de ventas junto con la estacionalidad, las promociones y las se\u00f1ales externas. Los modelos de machine learning aprenden patrones a nivel de producto y de tienda, algo imposible con una media manual. El resultado es una previsi\u00f3n que se actualiza sola y recomienda cu\u00e1nto reponer, lo que reduce las roturas de stock y el exceso de existencias a la vez.<\/p>\n<p><strong>\u00bfC\u00f3mo se utiliza la inteligencia artificial en las grandes superficies?<\/strong><br \/>\nLas grandes superficies aplican IA en varios frentes: previsi\u00f3n de demanda por tienda, reposici\u00f3n autom\u00e1tica, estrategias de precios, an\u00e1lisis de la cesta de la compra y personalizaci\u00f3n de ofertas. Tambi\u00e9n usan visi\u00f3n por ordenador para la gesti\u00f3n de espacios y colas, y chatbots para el servicio al cliente. El objetivo es maximizar la disponibilidad y el margen mientras se ajusta el inventario a la demanda real de cada punto de venta.<\/p>\n<p><strong>\u00bfC\u00f3mo usar la IA para mejorar el sector retail?<\/strong><br \/>\nEmpieza por un diagn\u00f3stico: identifica d\u00f3nde est\u00e1n las mayores oportunidades en tu cadena de valor. Elige un caso de uso con datos disponibles y un resultado medible, como reducir las roturas de stock o el tiempo de respuesta en atenci\u00f3n. Mide antes y despu\u00e9s. Cuando funcione, escala al siguiente caso. Forma al equipo para que use la herramienta con criterio y supervisi\u00f3n.<\/p>\n<p><strong>\u00bfCu\u00e1l es la mejor herramienta de creaci\u00f3n de contenido con IA para retail?<\/strong><br \/>\nDepende de tu volumen y tu cat\u00e1logo. Para fichas de producto masivas conviene una herramienta generativa que parta de atributos estructurados. Para campa\u00f1as y correos, una que permita variaciones por segmento y respete el tono de marca. Sea cual sea, la clave es la revisi\u00f3n humana: la IA genera el borrador y una persona valida los datos, los precios y el estilo antes de publicar.<\/p>\n<h2>Tu pr\u00f3ximo paso con las herramientas de IA para retail<\/h2>\n<p>Volvamos al problema del inicio: datos de sobra y poco tiempo para convertirlos en decisiones. Las herramientas de IA para retail cierran ese hueco en stock, atenci\u00f3n y ventas, siempre que el equipo sepa aplicarlas con criterio. La tecnolog\u00eda propone mejores opciones; quien decide sigue siendo el equipo, con una experiencia del cliente m\u00e1s \u00e1gil en cada punto de contacto.<\/p>\n<p>El siguiente paso l\u00f3gico, si este art\u00edculo te ha resultado \u00fatil, es dar a tu equipo la base para llevarlo a la pr\u00e1ctica. Founderz, con m\u00e1s de 700.000 alumnos y Worldwide Training Partner de Microsoft, ofrece <a href=\"https:\/\/founderz.com\/es\/empresas\/ia-para-retail\/\">formaci\u00f3n en IA para empresas retail<\/a> orientada a equipos, con enfoque pr\u00e1ctico y casos reales. As\u00ed tu operativa pasa de estimaciones manuales a decisiones respaldadas por datos, tienda a tienda y proceso a proceso.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Las herramientas de IA para retail cubren tres frentes concretos: predecir la demanda para ajustar el stock, atender consultas con chatbots y analizar ventas para decidir precios y promociones. Aceleran el criterio del equipo sin reemplazarlo. Con el hist\u00f3rico de ventas y unos algoritmos bien entrenados, una tienda puede pasar de estimaciones manuales a decisiones [&hellip;]<\/p>\n","protected":false},"author":19,"featured_media":225954,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[2116,2148],"tags":[],"team_owner":[],"class_list":["post-200818","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-formacion-ia-para-empresas","category-ia-para-retail"],"acf_all":{"dark_bg":true,"single_post":{"bg":false,"dark_bg":true,"featured_image_position":false,"cta_end_post":{"text":"","button":{"text":"","link":""}},"form_newsletter_other":{"title":"","form":""},"form_more_info_other":{"title":"","form":""}}},"acf":[],"_links":{"self":[{"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/posts\/200818","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/users\/19"}],"replies":[{"embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/comments?post=200818"}],"version-history":[{"count":1,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/posts\/200818\/revisions"}],"predecessor-version":[{"id":225473,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/posts\/200818\/revisions\/225473"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/media\/225954"}],"wp:attachment":[{"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/media?parent=200818"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/categories?post=200818"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/tags?post=200818"},{"taxonomy":"team_owner","embeddable":true,"href":"https:\/\/founderz.com\/es\/wp-json\/wp\/v2\/team_owner?post=200818"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}