Desarrollo del buscador de Mercadona Tech y guía para replicarlo

Mercadona Tech ha desarrollado un buscador propio utilizando Claude Code, combinando búsquedas léxicas y semánticas para mejorar la precisión y el alcance de los resultados. El sistema gestiona millones de consultas semanales y permite que los usuarios encuentren productos de forma más efectiva, resolviendo problemas que los buscadores estándar no cubren. La arquitectura combina normalización de consultas, búsqueda dual (léxica con BM25 y semántica con vectores e5-small), fusión de resultados mediante Reciprocal Rank Fusion y reordenación final con un modelo de aprendizaje automático Learning To Rank usando CatBoost YetiRank. Además, se implementa un sistema de autocompletado eficiente mediante Trie, y se utilizan bitsets por tienda para filtrar productos disponibles sin necesidad de múltiples índices, lo que reduce la complejidad operativa y el uso de memoria. La compañía ha aplicado decisiones clave como validar los modelos con walk-forward para evitar sesgos temporales, corregir el sesgo de posición de clics mediante Inverse Propensity Weighting, introducir exploración controlada y establecer guardrails automáticos para evitar degradación de los modelos. Todo esto permite que el buscador sea rápido, preciso y adaptable, y Mercadona comparte el playbook para que cualquier equipo pueda replicarlo, fomentando la innovación y el aprendizaje abierto dentro del ecosistema tecnológico.