← volver al blog

Por qué la IA no sabe contar los productos de tu expositor

12 de noviembre de 2026··10 min de lectura

Pediste tres baldas con cinco facings en cada una. El render volvió con nueve en la de arriba, seis en la del medio y algo entre siete y ocho en la de abajo, porque el último envase se funde con el lateral. Escribes «exactamente cinco» y generas otra vez. Ahora son cuatro. Luego siete.

No es tu prompt. Los modelos de imagen no cuentan, y en un expositor el número que fallan es justo el que paga la marca.

Llevo casi cuatro años en el sector de la PLV y construyo AI POP Displays. Este es el fallo que le explicaría primero a cualquiera que mande renders hechos con IA a un cliente, porque parece un detalle y es la especificación.

¿Por qué salen nueve envases si pediste cinco?

Porque dentro de un modelo de imagen no hay nada que cuente. Genera una imagen que encaje con la petición en conjunto, y «cinco» es una señal más dentro de esa petición, junto a la balda, el envase, el color de marca, la tienda y la luz. Lo que el modelo aprendió de la fotografía de tienda es que las baldas se ven llenas. Una balda llena es la imagen verosímil, así que llena la balda. El número de envases sale del ancho de la balda y del tamaño al que le tocó dibujar el envase, no de tu brief.

No es una intuición. Un artículo de 2025 con un título que no deja dudas, «Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help» (los modelos de difusión de texto a imagen no saben contar, y refinar el prompt no ayuda), montó una prueba de conteo, pidió a quince modelos de texto a imagen entre uno y quince objetos e hizo que personas revisaran los resultados. Su conclusión es que todos los modelos punteros que probó fallan al generar el número correcto de objetos, y que la precisión cae de forma notable a medida que sube el número. Otro estudio, sobre cómo ajustar el número de objetos, apunta que un modelo al que se le pide una cantidad concreta, por ejemplo diez pelotas, suele dibujar bastantes más. Ahí están tus nueve en vez de cinco. Un tercer artículo, «Counting Hallucinations in Diffusion Models», le pone nombre al fallo, alucinación de conteo, la generación de un número incorrecto de instancias u objetos estructurados. La mano con seis dedos es el caso que todo el mundo ha visto.

Si buscas ayuda con esto acabas en uno de dos sitios. Uno son hilos de foros donde alguien le pidió tres de algo a una herramienta de imagen, le salieron cinco, y la respuesta es que contar no es el fuerte de los generadores de imagen. El otro, en cuanto escribes la palabra balda, es software que cuenta facings en fotos de tiendas reales para comprobar que se cumple el planograma. Eso es visión artificial leyendo una fotografía, no un modelo dibujando un concepto. Ninguno trata de un expositor generado al que alguien tiene que poner precio.

¿Por qué no se arregla reescribiendo el prompt?

Porque el número nunca fue un mando. Es una palabra.

El mismo artículo lo probó. Cogió sus peticiones de conteo y las reescribió de varias formas estructuradas, partiendo el número en grupos más pequeños, añadiendo una disposición o dando posiciones, y encontró que esas intervenciones sencillas, en general, no mejoran la precisión al contar. En la mayoría de los modelos que probó, las peticiones reescritas acertaron menos que las originales.

La gente acaba poniendo el número en mayúsculas, escribiéndolo con letra, repitiéndolo y volviendo a generar hasta que un render cae en la cuenta correcta. Luego el cliente pide una cabecera más alta, la imagen se genera otra vez y la cuenta se mueve con todo lo demás. Una cuenta que salió por suerte es una cuenta que pierdes en la siguiente revisión.

¿Por qué una balda es el caso más difícil?

Todo lo que complica contar está a la vez en un expositor.

Objetos idénticos en filas. Una balda es el mismo envase repetido. Un artículo de CVPR 2025 sobre conteos correctos, «Make It Count», resume la dificultad en una frase. El modelo tiene que mantener una identidad separada para cada instancia de un objeto, aunque varias sean idénticas o se solapen. Eso es una balda.

Números más altos. El artículo encontró que la precisión cae a medida que sube el número pedido. Una balda de cinco de frente y tres de fondo son quince envases en una sola altura, y un expositor de suelo tiene varias.

Fondo y oclusión. Las filas de atrás quedan medio tapadas por las de delante. Si una balda tiene dos de fondo o tres apenas se ve en la imagen, así que el modelo es libre de cambiarlo.

Perspectiva. Una vista de tres cuartos comprime las baldas más alejadas de la cámara, así que incluso una cuenta correcta cuesta leerla.

Varias referencias. Una gama de cuatro envases de tamaños distintos se tiene que contar por variante. Un modelo que está equilibrando una imagen los dibuja todos del mismo tamaño aparente.

Y el modelo no tiene un estado de fallo. Nada te avisa de que la cuenta no cuadra. El render llega con la misma seguridad con cinco envases que con nueve, y por eso una cuenta mal hecha suele pasar la revisión interna y la encuentra quien le pone precio a la pieza.

¿Por qué una cuenta mal hecha sale más cara en un expositor?

Porque los facings son capacidad. El número de envases que lleva una balda es lo que la marca compra en cada tienda, lo que el comprador de la cadena cede en espacio y lo que el fabricante presupuesta. El ancho de la balda, su fondo, cuántas baldas hay y lo que aguanta la base salen de ahí.

Una manzana de más en una foto de banco de imágenes no cuesta nada. Un concepto de expositor con nueve facings donde caben cinco hace una de dos cosas. O el cliente aprueba una capacidad que la pieza no va a tener, y esa conversación llega después del presupuesto. O la estructura crece para llegar al número de la imagen, y el precio crece con ella. Repasé las otras formas en que un modelo genérico se desvía con la carga de producto en why generic image AI fails at POP displays.

Si en tu última presentación hay un render con una balda que nadie contó, pasa el mismo brief por el plan gratuito con los envases reales y cuenta los dos uno al lado del otro.

¿Dónde se decide la cuenta en AI POP Displays?

No en una palabra dentro de un prompt. En las entradas con las que se construye el render y en las vistas sobre las que lo compruebas.

El envase es el real. Las fotos de producto van en su propio hueco y se cargan como el producto, a escala, de frente y con cada referencia por separado. Contar el envase real de tu cliente es contar algo concreto. Contar uno parecido dibujado a un tamaño supuesto no significa nada. Qué fotos subir y cuántas está en getting your actual product into an AI display render.

El formato lleva sus proporciones. El tipo de expositor se elige de una taxonomía con las proporciones incluidas, así que las baldas parten del ancho y de la separación del formato en lugar de estirarse para meter la carga que pedía la composición. Los ocho tipos y lo que lleva cada uno están en qué tiene que acertar un generador de expositores PLV con IA.

El brief lleva lo que pidió el cliente. El paso de briefing lee el correo del cliente y lleva al brief el formato y lo imprescindible, así que los facings que escribió viajan con el trabajo.

Un dibujo pesa más que un número. Si el cliente mandó un boceto con las baldas dibujadas, la ruta del boceto hace que el render siga su estructura, su silueta y su número de baldas en el ajuste fiel. Una disposición que alguien dibujó ancla más que una cifra dentro de una frase.

La cuenta se comprueba en la imagen adecuada. En Pro, Generar ángulos devuelve el alzado, el perfil y la planta del mismo expositor. El alzado es donde cuentas los facings de cada balda, y la planta enseña cuántos hay de fondo. Quitar producto, en el plan gratuito, genera el mismo expositor vacío, para contar las baldas y juzgar su ancho sin la carga delante. Comparar pone dos versiones una al lado de la otra sin gastar créditos.

Nada de eso convierte una imagen en una cuenta. Lo que hace es que la carga sean tus envases reales sobre el formato correcto, y te da una vista en la que el número se lee en segundos, antes de que lo lea el cliente por ti. La versión de cinco minutos de esa comprobación, con el envase como regla, está en how accurate are AI display renders.

Si los envases del brief que tienes entre manos están ahora en una carpeta, súbelos con el brief y cuenta el alzado que vuelve.

De dónde sale la cuenta

Modelo de imagen genéricoAI POP DisplaysBellto
El envaseDibujado a partir de una descripciónTus fotos de envase, una por referenciaEl producto, del que salen las proporciones
Los facingsUna palabra en el promptTu brief y tu bocetoUna entrada alrededor de la que se diseña la pieza
Ancho de baldaEl que necesitara la composiciónLas proporciones del formatoSacado del producto y de los facings
Cómo se compruebaUna vista de tres cuartosAlzado, perfil y planta, más la estructura vacíaCutlist pieza a pieza y planos acotados
Qué recibesLa imagen de una balda llenaUn concepto con una carga que se puede contarUna pieza construida alrededor de la cuenta

AI POP Displays funciona sobre Nano Banana Pro, de Google. Lo que decide la carga es lo que va encima, el formato con sus proporciones, los envases reales como producto, un boceto que el render sigue y las vistas planas en las que comprobar. Son casi cuatro años en este sector, metidos en la herramienta una sola vez.

Lo que estamos construyendo ahora: Bellto

Un render de concepto lleva el aspecto de la carga y una cuenta que se puede leer. Cuando el número tiene que ser exacto, porque va a un presupuesto, a un planograma o a un requisito de capacidad de la cadena, deja de ser un problema de imagen. Una cuenta exacta es una balda construida alrededor del envase y de los facings, y eso es geometría.

Esa es la mitad que estamos construyendo ahora. Bellto es un agente de IA para marcas y agencias que lleva una campaña de PLV del brief a los planos de taller. Le cuentas qué lanzas (marca, producto, canal, tiendas, presupuesto, fecha) y pide lo que le falta. Propone el mix de campaña y los materiales, expositor de suelo, glorificador, regleta, stopper, con el presupuesto repartido por tienda, y diseña cada pieza contigo a escala real en 3D paramétrico, con las proporciones sacadas del producto y de los facings. Los facings son una entrada alrededor de la que se diseña la pieza, no algo que se cuenta después. Un cambio de cota recalcula la pieza entera y repite los chequeos de fabricación en segundos. Cada pieza aprobada sale como modelo 3D, cutlist pieza a pieza, planos acotados, STEP del conjunto y DXF de corte por pieza, un paquete que un taller presupuesta sin redibujar, y sugiere fabricantes que encajan por material, formato y volumen. El presupuesto lo da el fabricante.

Lo estamos construyendo ahora. La lista de espera está abierta a cualquier marca, y pronto contactamos con las primeras para correr las primeras campañas reales de principio a fin. Abre por invitación, en grupos pequeños. El precio se comunica primero a los de la lista. Sin tarjeta. Los fabricantes de PLV también pueden apuntarse.

¿Qué haces con el render que tienes en pantalla?

Cuéntalo en una vista plana antes de que lo haga otro. Si el número está mal, el arreglo no es un prompt más insistente. Son los envases reales, el formato correcto y una vista en la que se pueda contar.

Para el expositor que tienes esta semana en la mesa, darse de alta es gratis, con 15 créditos de una sola vez y sin tarjeta, suficiente para cargar la gama real en el formato y contar lo que vuelve. Pro cuesta 49 $ al mes por 150 generaciones de concepto con el precio fundador, y el precio de lista de 69 $ se dice abiertamente. Nada de lo que subes o generas entrena modelos de IA, en ningún plan. Y si la cuenta tiene que ser exacta en una campaña entera, la lista de espera de Bellto es donde empieza.

Frequently asked

¿Por qué la IA pone un número incorrecto de productos en el render de un expositor?

Porque un modelo de imagen no cuenta. Dibuja una imagen que encaje con la petición en conjunto, y el número es una señal débil entre muchas. Lo que aprendió de la fotografía de tienda es que las baldas se ven llenas, así que llena la balda, y el número de envases sale del ancho de la balda y del tamaño al que le tocó dibujar el envase. Un estudio de 2025 titulado Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help concluyó que todos los modelos punteros que probó fallan al generar el número correcto de objetos, y que aciertan menos cuanto mayor es el número.

¿Se arregla el número de productos con un prompt mejor?

No de forma fiable. El mismo estudio reescribió las peticiones de conteo de varias formas estructuradas y encontró que esas intervenciones sencillas, en general, no mejoran la precisión al contar. La cuenta mejora cuando deja de depender de una palabra: el envase real cargado como producto, las proporciones del formato, un boceto con las baldas dibujadas y una vista plana en la que comprobar el resultado. AI POP Displays está construido alrededor de esas entradas.

¿Cómo compruebo el número de productos en un render de expositor hecho con IA?

Cuenta sobre una vista frontal plana, nunca sobre una vista de tres cuartos, porque la perspectiva apila las baldas y esconde las filas de atrás. Usa el envase como regla: cuenta anchos de envase en cada balda y compáralo con el ancho de balda que piensas fabricar dividido por el ancho del envase. En AI POP Displays, Generar ángulos en Pro devuelve el alzado, el perfil y la planta del mismo expositor, y Quitar producto, en el plan gratuito, enseña la estructura vacía para contar baldas sin la carga delante.

¿Cómo consigo un expositor con el número exacto de facings?

Con geometría, no con una imagen. Una cuenta exacta significa una balda construida alrededor del envase y de los facings. Bellto, un agente de IA para campañas de PLV que estamos construyendo, diseña cada pieza a escala real en 3D paramétrico con las proporciones sacadas del producto y de los facings, y entrega cutlist pieza a pieza, planos acotados, STEP del conjunto y DXF de corte por pieza. Abre por invitación desde una lista de espera.


Empezar a generar Entra en la lista de Bellto