La tienda online de Mercadona procesa 4,4 millones de búsquedas a la semana. Hasta hace poco, ese volumen lo gestionaba Algolia, un servicio de búsqueda consolidado que usan empresas como Sephora o LVMH. Llevaban ocho años con él. Ahora lo han reemplazado por un buscador propio, construido en gran parte por José Ramón Pérez Agüera, CTO de Mercadona Tech.
Lo ha hecho en buena medida él solo, desde su casa, durante un fin de semana largo. Así lo contó en un exitoso post de LinkedIn que ahora nos amplía en una videollamada con Xataka.
"Voy a ser muy sincero y sé que esto va a quedar cutre, pero es la verdad", dice Pérez Agüera. "El 70% del trabajo (implementar el buscador, mejorar la calidad de búsqueda y sentar las bases) fueron tres días. Un fin de semana más un lunes extendido".
El resultado: una mejora del 85% en la calidad del ranking, la eliminación completa de las búsquedas sin resultados (antes un 4% del total) y una reducción del coste mensual de entre 9.000 y 15.000 dólares con Algolia a menos de 900. Es decir, un ahorro de entre el 90% y el 94% dependiendo del mes.
Una decisión que llevaba años aparcada
La idea de abandonar Algolia no es nueva en Mercadona Tech, venía rumiándose desde hacía tiempo. Los motivos tampoco son sorprendentes: el buscador mueve directamente entre el 30 y el 35% de los productos que acaban en el carrito, lo que lo convierte en una pieza crítica de negocio. Y Algolia, como la mayoría de servicios SaaS, tiene un modelo de precios que escala con el uso: a medida que crece la empresa, crece el coste, sin que haya forma de estabilizarlo.
En Xataka
Los supermercados españoles estaban acostumbrados a márgenes de beneficio bajísimos: hasta que Mercadona llegó al 4,5%
"Al final acabas en un vendor lock-in de un software muy crítico del que luego es difícil sacudirse", explica Pérez Agüera. Pero cada vez que el equipo valoraba construir algo propio, la estimación de trabajo tiraba para atrás. "La visión más optimista que teníamos, y con una versión mucho más básica que la que vamos a sacar ahora, eran cinco meses. Y ya me parecía rápido".
Entonces llegó la era de los agentes de IA en el desarrollo de software. Pérez Agüera usó Claude Code como herramienta principal y empezó a experimentar por su cuenta, sin proyecto formal ni equipo asignado. Más por curiosidad que otra cosa. Por jugar.
Lo que hizo la IA y lo que no
El proceso técnico combina búsqueda híbrida (por palabras clave y semántica) con un sistema de aprendizaje automático que optimiza el ranking de resultados. La IA permitió iterar sobre decenas de experimentos en horas, analizar 479 MB de datos de catálogo y analítica en días, y explorar distintas configuraciones de ranking conversando con el agente en lugar de implementarlas manualmente una a una.
"Hice fácilmente 40 o 50 experimentos en un fin de semana. Eso de forma tradicional me habría llevado semanas", explica. Pero la velocidad tiene un límite preciso: las 29 decisiones técnicas que la IA no tomó.
Documentación generada durante el proceso de experimentación con Claude Code: los 14 parámetros que el buscador de Mercadona evalúa para ordenar resultados (desde la popularidad de un producto hasta cómo de bien encaja semánticamente con lo que busca el usuario), su peso relativo en el ranking final (popularidad y similitud semántica concentran dos tercios de la decisión) y la configuración del modelo de aprendizaje automático usado para entrenarlo, basada en datos de clics y compras de las últimas cuatro semanas. Cada uno de esos parámetros fue discutido y validado con el agente de IA, pero la selección final la tomó el equipo humano. Imagen cedida por Mercadona Tech.
La más representativa fue la elección del motor de indexación. La mayoría de sistemas, y probablemente cualquier agente de IA consultado, habrían recomendado Elasticsearch, la solución más extendida. Pérez Agüera eligió Tantivy, una librería mucho más pequeña escrita en Rust que se integra como componente incrustado, sin necesidad de una máquina virtual Java aparte. Una decisión imposible sin conocimiento del ecosistema de Mercadona.
"La IA siempre te recomienda la opción más genérica", dice. "Yo tomé esa decisión porque tengo el contexto y el conocimiento para tomarla."
El traspaso al equipo
Cuando el core del buscador estuvo listo, el proyecto pasó al equipo de ingeniería. Lo que encontraron no era código malo, pero sí código que no seguía los estándares internos de Mercadona Tech. La arquitectura era hexagonal, como marca el estilo de la empresa, pero usaba un enfoque distinto al habitual.
Los tests existían (Pérez Agüera aplicó TDD durante el desarrollo) pero algunos no tenían sentido o faltaban casos. El agente había escrito miles de líneas de código en unas horas y revisarlas todas era inviable.
"El Tech Lead del equipo tardó dos o tres días en adaptar el proyecto a nuestras buenas prácticas", resume. "No porque el código estuviese mal, sino porque no se adaptaba a nuestros estándares como empresa".
En Xataka
Las empresas más grandes de España en 2026: quiénes son los nombres que mueven la economía del país
En total, sumando la fase inicial y la puesta en producción, que incluye pruebas de carga, ajuste de infraestructura e integración en la arquitectura de Mercadona Online; el proyecto ha ocupado aproximadamente un mes de trabajo. Y de él se han encargado "dos personas y media": Pérez Agüera, el Tech Lead del equipo de Shop y un Staff Engineer a tiempo parcial para infraestructura. La estimación original de cinco meses requería cinco o seis personas.
"Fácilmente le hemos hecho un x5 a la velocidad del proyecto, y lo que tenemos ahora está bastante más avanzado que lo que hubiésemos tenido en cinco meses", sentencia.
Qué cambia para los equipos
Para Pérez Agüera, el buscador es un experimento más dentro de una transformación mayor que Mercadona Tech sigue procesando internamente. La pregunta que tienen encima de la mesa no es si usar IA en el desarrollo, sino cómo rediseñar el proceso de desarrollo completo a partir de ella.
Su diagnóstico sobre los perfiles es contundente: "la IA va a hacer que se necesiten menos desarrolladores y hagan falta más ingenieros. Pierde valor la codificación per se; gana valor el criterio, la visión estructural, la visión de sistemas". Lo que la IA viene a reemplazar, dice, es lo que su compañero Emilio Carrión, Staff Engineer, llama medio en broma medio en serio "mecanografía glorificada": escribir código como tarea artesanal y manual.
En cuanto a límites, su posición es muy clara: no los hay por tipo de proyecto. "Cualquier auditoría de seguridad hecha con IA va a salir mejor. Cualquier análisis sobre la robustez de un sistema de pago, sobre los corner cases, la IA te va a aportar mucha más completitud". Lo que sí hace falta, dice, son guardarraíles: no reglas genéricas, sino bloqueos reales que impidan al agente saltar pasos o tomar decisiones que requieren criterio humano.
Esa es precisamente la siguiente capa en la que está trabajando el equipo: pasar del vibe coding, el equivalente a chatear con un modelo de lenguaje, a un desarrollo guiado por especificaciones.
La idea es que antes de escribir una línea de código, el sistema genere una especificación suficientemente completa y robusta sobre la que el agente pueda trabajar con garantías. Están probando frameworks como GSD, Superpowers y Open Spec con ese objetivo.
"Para una empresa como Mercadona, que saca 25.000 pedidos diarios, si falla el software pierdes mucho dinero. No es un MVP (producto mínimo viable) de una startup", dice Pérez Agüera. "Velocidad sin dirección te lleva rápido a un sitio que no era el que querías".
En Xataka | La fiebre por la comida preparada de Mercadona es tal que se está comiendo un negocio hasta ahora intocable: McDonald's
Imagen destacada | Mercadona, Mercadona Tech, Xataka con Mockuuups Studio
-
La noticia
Mercadona se ha deshecho de su buscador y lo ha sustituido por uno propio. Lo han hecho en un mes con Claude Code y se ahorran un 90%
fue publicada originalmente en
Xataka
por
Javier Lacort
.
Mercadona se ha deshecho de su buscador y lo ha sustituido por uno propio. Lo han hecho en un mes con Claude Code y se ahorran un 90%
El CTO de Mercadona Tech construyó en tres días la base para un buscador propio con Claude Code. Ya está implementado y les ahorra hasta 14.000 dólares al mes
La tienda online de Mercadona procesa 4,4 millones de búsquedas a la semana. Hasta hace poco, ese volumen lo gestionaba Algolia, un servicio de búsqueda consolidado que usan empresas como Sephora o LVMH. Llevaban ocho años con él. Ahora lo han reemplazado por un buscador propio, construido en gran parte por José Ramón Pérez Agüera, CTO de Mercadona Tech.
Lo ha hecho en buena medida él solo, desde su casa, durante un fin de semana largo. Así lo contó en un exitoso post de LinkedIn que ahora nos amplía en una videollamada con Xataka.
"Voy a ser muy sincero y sé que esto va a quedar cutre, pero es la verdad", dice Pérez Agüera. "El 70% del trabajo (implementar el buscador, mejorar la calidad de búsqueda y sentar las bases) fueron tres días. Un fin de semana más un lunes extendido".
El resultado: una mejora del 85% en la calidad del ranking, la eliminación completa de las búsquedas sin resultados (antes un 4% del total) y una reducción del coste mensual de entre 9.000 y 15.000 dólares con Algolia a menos de 900. Es decir, un ahorro de entre el 90% y el 94% dependiendo del mes.
Una decisión que llevaba años aparcada
La idea de abandonar Algolia no es nueva en Mercadona Tech, venía rumiándose desde hacía tiempo. Los motivos tampoco son sorprendentes: el buscador mueve directamente entre el 30 y el 35% de los productos que acaban en el carrito, lo que lo convierte en una pieza crítica de negocio. Y Algolia, como la mayoría de servicios SaaS, tiene un modelo de precios que escala con el uso: a medida que crece la empresa, crece el coste, sin que haya forma de estabilizarlo.
"Al final acabas en un vendor lock-in de un software muy crítico del que luego es difícil sacudirse", explica Pérez Agüera. Pero cada vez que el equipo valoraba construir algo propio, la estimación de trabajo tiraba para atrás. "La visión más optimista que teníamos, y con una versión mucho más básica que la que vamos a sacar ahora, eran cinco meses. Y ya me parecía rápido".
Entonces llegó la era de los agentes de IA en el desarrollo de software. Pérez Agüera usó Claude Code como herramienta principal y empezó a experimentar por su cuenta, sin proyecto formal ni equipo asignado. Más por curiosidad que otra cosa. Por jugar.
Lo que hizo la IA y lo que no
El proceso técnico combina búsqueda híbrida (por palabras clave y semántica) con un sistema de aprendizaje automático que optimiza el ranking de resultados. La IA permitió iterar sobre decenas de experimentos en horas, analizar 479 MB de datos de catálogo y analítica en días, y explorar distintas configuraciones de ranking conversando con el agente en lugar de implementarlas manualmente una a una.
"Hice fácilmente 40 o 50 experimentos en un fin de semana. Eso de forma tradicional me habría llevado semanas", explica. Pero la velocidad tiene un límite preciso: las 29 decisiones técnicas que la IA no tomó.
Documentación generada durante el proceso de experimentación con Claude Code: los 14 parámetros que el buscador de Mercadona evalúa para ordenar resultados (desde la popularidad de un producto hasta cómo de bien encaja semánticamente con lo que busca el usuario), su peso relativo en el ranking final (popularidad y similitud semántica concentran dos tercios de la decisión) y la configuración del modelo de aprendizaje automático usado para entrenarlo, basada en datos de clics y compras de las últimas cuatro semanas. Cada uno de esos parámetros fue discutido y validado con el agente de IA, pero la selección final la tomó el equipo humano. Imagen cedida por Mercadona Tech.
La más representativa fue la elección del motor de indexación. La mayoría de sistemas, y probablemente cualquier agente de IA consultado, habrían recomendado Elasticsearch, la solución más extendida. Pérez Agüera eligió Tantivy, una librería mucho más pequeña escrita en Rust que se integra como componente incrustado, sin necesidad de una máquina virtual Java aparte. Una decisión imposible sin conocimiento del ecosistema de Mercadona.
"La IA siempre te recomienda la opción más genérica", dice. "Yo tomé esa decisión porque tengo el contexto y el conocimiento para tomarla."
El traspaso al equipo
Cuando el core del buscador estuvo listo, el proyecto pasó al equipo de ingeniería. Lo que encontraron no era código malo, pero sí código que no seguía los estándares internos de Mercadona Tech. La arquitectura era hexagonal, como marca el estilo de la empresa, pero usaba un enfoque distinto al habitual.
Los tests existían (Pérez Agüera aplicó TDD durante el desarrollo) pero algunos no tenían sentido o faltaban casos. El agente había escrito miles de líneas de código en unas horas y revisarlas todas era inviable.
"El Tech Lead del equipo tardó dos o tres días en adaptar el proyecto a nuestras buenas prácticas", resume. "No porque el código estuviese mal, sino porque no se adaptaba a nuestros estándares como empresa".
En total, sumando la fase inicial y la puesta en producción, que incluye pruebas de carga, ajuste de infraestructura e integración en la arquitectura de Mercadona Online; el proyecto ha ocupado aproximadamente un mes de trabajo. Y de él se han encargado "dos personas y media": Pérez Agüera, el Tech Lead del equipo de Shop y un Staff Engineer a tiempo parcial para infraestructura. La estimación original de cinco meses requería cinco o seis personas.
"Fácilmente le hemos hecho un x5 a la velocidad del proyecto, y lo que tenemos ahora está bastante más avanzado que lo que hubiésemos tenido en cinco meses", sentencia.
Qué cambia para los equipos
Para Pérez Agüera, el buscador es un experimento más dentro de una transformación mayor que Mercadona Tech sigue procesando internamente. La pregunta que tienen encima de la mesa no es si usar IA en el desarrollo, sino cómo rediseñar el proceso de desarrollo completo a partir de ella.
Su diagnóstico sobre los perfiles es contundente: "la IA va a hacer que se necesiten menos desarrolladores y hagan falta más ingenieros. Pierde valor la codificación per se; gana valor el criterio, la visión estructural, la visión de sistemas". Lo que la IA viene a reemplazar, dice, es lo que su compañero Emilio Carrión, Staff Engineer, llama medio en broma medio en serio "mecanografía glorificada": escribir código como tarea artesanal y manual.
En cuanto a límites, su posición es muy clara: no los hay por tipo de proyecto. "Cualquier auditoría de seguridad hecha con IA va a salir mejor. Cualquier análisis sobre la robustez de un sistema de pago, sobre los corner cases, la IA te va a aportar mucha más completitud". Lo que sí hace falta, dice, son guardarraíles: no reglas genéricas, sino bloqueos reales que impidan al agente saltar pasos o tomar decisiones que requieren criterio humano.
Esa es precisamente la siguiente capa en la que está trabajando el equipo: pasar del vibecoding, el equivalente a chatear con un modelo de lenguaje, a un desarrollo guiado por especificaciones.
La idea es que antes de escribir una línea de código, el sistema genere una especificación suficientemente completa y robusta sobre la que el agente pueda trabajar con garantías. Están probando frameworks como GSD, Superpowers y Open Spec con ese objetivo.
"Para una empresa como Mercadona, que saca 25.000 pedidos diarios, si falla el software pierdes mucho dinero. No es un MVP (producto mínimo viable) de una startup", dice Pérez Agüera. "Velocidad sin dirección te lleva rápido a un sitio que no era el que querías".