Gartner publicó el 12 de octubre el Magic Quadrant 2026 para soluciones de Product Information Management (PIM), evaluando a los proveedores que gestionan de forma centralizada los datos de producto —ficha técnica, atributos, variantes, traducciones— que luego alimentan tiendas online, marketplaces y catálogos internos. Salesforce, a través de su plataforma Informatica, fue reconocida como líder tanto en capacidad de ejecución como en visión de producto.
El informe sitúa el PIM como una pieza que ha dejado de ser solo gestión de catálogo. Según recoge el análisis, fichas de producto incompletas, atributos inconsistentes entre canales y carritos de compra abandonados remiten, en buena parte de los casos, al mismo origen: datos de producto poco fiables en el sistema maestro. Cuando esa información está gobernada y completa, cualquier experiencia que se construya encima —una persona comprando en una tienda online o un agente de compra automatizado consultando un catálogo— interpreta el producto correctamente a la primera.
Es el mismo argumento que lleva años aplicándose a la calidad del dato en entornos de BI y analítica, trasladado ahora al catálogo de producto: el coste de un dato mal gobernado no se paga en el sistema de origen, se paga aguas abajo, en cada sistema que lo consume sin saber que está mal. Con la aparición de agentes de compra que recorren catálogos de forma autónoma, ese coste se vuelve más visible, porque un agente no tiene el margen de interpretación que sí tiene una persona ante una ficha de producto ambigua.
Informatica enmarca su propuesta bajo lo que llama «Agentic PIM»: agentes de inteligencia artificial que clasifican, enriquecen y dan de alta producto de forma automática, manteniendo la gobernanza sobre los registros maestros multidominio. Conviene distinguir aquí el criterio del analista —la posición en el cuadrante, resultado de una metodología de evaluación independiente— del mensaje comercial del propio fabricante sobre su hoja de ruta de producto, que es una capa adicional sobre la que Gartner no se pronuncia.
Para un equipo de datos que gestione catálogos de producto en España, el informe es menos relevante por el nombre del líder que por el diagnóstico de fondo: la calidad del dato maestro de producto ya no es solo un problema de catálogo bien presentado, es una condición previa para cualquier automatización —búsqueda, recomendación, compra asistida— que se construya encima de ese catálogo. El criterio práctico sigue siendo el mismo que para cualquier otro dato maestro: antes de añadir una capa de agentes encima, conviene confirmar que el dato que consumen está completo y gobernado.
Más en Dataprix: ranking de plataformas de gobernanza del dato de Dataprix
Fuente: Informatica (blog corporativo)
Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.