PUMA AI Creator: Revolucionando la Interacción con los Aficionados y el Arte Digital con Google Cloud

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

Una camiseta de fútbol suele ser el final de una historia de diseño: un club y una marca deciden, los aficionados reaccionan y la discusión ocurre después de la revelación. Con el PUMA AI Creator, , PUMA invirtió ese orden. En lugar de “aquí está el kit”, la marca preguntó: Muéstranos lo que harías. El resultado no fue solo un truco de marketing. Fue una prueba medible y a gran escala de cómo se ve la creación liderada por los aficionados cuando la IA generativa, la infraestructura en la nube y la mecánica de juego se unen en una sola experiencia.

Fuente: Ilustración propia

PUMA (una de las principales marcas deportivas del mundo en calzado, indumentaria y accesorios) partnered with Google Cloud para integrar directamente en su ecosistema digital. Lo que hizo que esta iniciativa destacara no fue que utilizara IA, sino que utilizara IA a escala minorista: generando imágenes lo suficientemente rápido, de manera lo suficientemente fiable y lo suficientemente segura para servir a una audiencia global masiva sin convertir la experiencia en una sala de espera lenta y con fallos.

En términos prácticos, esto significó pasar de la narración estática de “la marca dice / el cliente escucha” a un ciclo interactivo donde los clientes crean, reaccionan y votan, y la marca recopila señales de interacción reales en el camino.

Resumen Rápido: Puntos Destacados del PUMA AI Creator

• Alcance global: Participaron 54.000 usuarios de 206 países.
• Alta generación de volumen: Se generaron 180.000 diseños de camisetas.
• Ciclo de retroalimentación de la comunidad: Se registraron 1,7 millones de valoraciones de aficionados mediante deslizamientos/votos.
• Fundamento en la nube: Google Cloud Platform con Google Kubernetes Engine y GPUs Nvidia H100.
• Ganancias de velocidad: Tiempo de generación reducido de ~60 segundos a ~17 segundos para cuatro imágenes HD.
• Control de costos: Se utilizaron 306 GPUs Nvidia durante la fase en vivo en lugar de una proyección inicial de 600.
• Motor de personalización: Imagen 2 en Vertex AI permite imágenes de productos sensibles a la región y al contexto.
• Impulso comercial: El contenido personalizado + la segmentación mejoraron el CTR y el AOV; resultados posteriores incluyen aumentos medibles (detalles a continuación).

PUMA AI Creator: Una Revolución de Diseño Liderada por los Aficionados

El corazón de la historia es el PUMA AI Creator , un proyecto de cocreación de aficionados centrado en el Manchester City. PUMA, como fabricante oficial de los uniformes del club, no solo mostró una nueva dirección de diseño; invitó a los aficionados a generar la dirección. El objetivo era ambicioso: crear un camino hacia un concepto de camiseta diseñado por aficionados y asistido por IA para el third kit (2026/27 season).

La fase en vivo se ejecutó desde December 9 to December 20, 2024. Durante esa ventana, los usuarios podían registrarse y empezar a producir conceptos a través de una herramienta basada en navegador que combinaba una vista previa de la camiseta en 3D con generación de texto a imagen. La restricción era simple pero importante: una indicación de texto de up to 300 characters. Ese límite obliga a la claridad: menos “indicaciones novedosas”, más intención de diseño.

Cómo funcionó la experiencia (paso a paso)

1. Regístrese en la plataforma y reciba 10 créditos de diseño.
2. Escriba una indicación (máximo 300 caracteres) y genere conceptos de camiseta dentro de una aplicación de navegador 3D.
3. Guarde los diseños en una galería y seleccione los favoritos.
4. Envíe hasta dos diseños como entradas a la competición (dos oportunidades de envío por usuario).
5. Vote y gane : califique con deslizamientos otros diseños; every 10 votes desbloquee 2 créditos adicionales, manteniendo la participación activa después de que se gasten los créditos iniciales.
6. Recompense a las comunidades : Los aficionados del Manchester City (“Cityzens”), miembros de la comunidad DEEPOBJECTS.ai y titulares de NFT de PUMA recibieron double credits, haciendo de los grupos más involucrados los creadores más activos.

Ese ciclo (crear → compartir → votar → ganar créditos → crear de nuevo) no es accidental. Es un motor de interacción clásico, pero aquí está ligado a un backend de IA de grado de producción. El volumen de salida demuestra que funcionó: 180,000 designs y 1.7 million ratings de 54,000 users en 206 countries — todo dentro de una 10-day fase en vivo.

Ivan Dashkov (Jefe de Tecnología de Marketing Emergente en PUMA) enmarcó la iniciativa como prueba de que PUMA quiere liderar con tecnología incluso cuando no hay un manual establecido. Y ese es realmente el punto: esto no se trataba solo de camisetas, fue una prueba de estrés para «IA + comercio + comunidad» en el mundo real.

Fuente: sgieurope.com

Retrato de Ivan Dashkov PUMA. Esta imagen muestra a un hombre con una chaqueta PUMA, sonriendo, contra un fondo de pasillo moderno. Sirve como un retrato limpio y natural, alineándose con la frase de búsqueda "Retrato de Ivan Dashkov PUMA". La imagen está bien iluminada y libre de superposiciones o texto que distraigan, lo que la hace adecuada para un espacio de imagen de blog en línea.

Bajo el Capó: Google Cloud e IA Generativa

Las campañas geniales mueren por problemas aburridos: latencia, escalado, concurrencia y costos. Si miles de usuarios hacen clic en “Generar” y el sistema se ahoga, la magia desaparece. Para que el PUMA AI Creator se sintiera instantáneo (o al menos lo suficientemente rápido), PUMA necesitaba una infraestructura que pudiera manejar picos globales sin colapsar en tiempos de espera.

PUMA partnered with FTR como agencia líder, Modern English para el desarrollo del frontend/backend de la aplicación, y Slalom para el backend de IA y la infraestructura escalable en la nube. Slalom migró una versión local de la aplicación (originalmente usando ComfyUI + a Stable Diffusion image generation model — a una implementación en contenedores en Google Kubernetes Engine (GKE).

Una pieza arquitectónica clave fue un sistema de colas personalizado para clasificar, almacenar en búfer y secuenciar las solicitudes de los usuarios, diseñado para tolerar hasta 50,000 incoming prompts. Ese tipo de almacenamiento en búfer es lo que mantiene estable la experiencia del usuario cuando la demanda es caótica.

El segundo factor de éxito fue el hardware: Nvidia H100 GPUs. En la fase final de 15 days before launch, , Slalom y un equipo de expertos de Google se centraron en los cuellos de botella de rendimiento y la optimización de GPU, y la recompensa fue dramática. El tiempo de generación se redujo de aproximadamente 60 seconds a cerca de 17 seconds para four high-definition images.

La velocidad no fue la única ganancia. La eficiencia también mejoró: durante la fase en vivo, el sistema funcionó con 306 Nvidia GPUs, en lugar de una proyección inicial de 600. Esa diferencia importa, porque las cargas de trabajo de IA que dependen mucho de la GPU son donde los costos pueden dispararse rápidamente.

Fuente: indiamart.com

Tarjeta GPU Nvidia H100. Esta imagen muestra una vista lateral de una tarjeta NVIDIA H100 PCIe sobre un fondo blanco limpio. Muestra claramente el soporte de la tarjeta, los puertos y el perfil general, lo que la convierte en una excelente representación del hardware físico. La presentación limpia y la falta de superposiciones la hacen ideal para un espacio de imagen de blog en línea.

Por qué son importantes los detalles de la infraestructura

• La creatividad percibida depende de la capacidad de respuesta: si “Generar” toma demasiado tiempo, los usuarios abandonan.
• Las colas protegen la experiencia: el almacenamiento en búfer evita que los picos de tráfico rompan el sistema.
• Eficiencia de GPU = control de costos: reducir a la mitad las necesidades proyectadas de GPU cambia la economía de ejecutar campañas similares.
• La orquestación de contenedores permite el escalado: GKE ayuda a administrar un sistema distribuido bajo demanda impredecible.

Imagen 2 en Vertex AI: Personalización que se Siente Local

El AI Creator acaparó titulares, pero la historia más amplia de IA de PUMA se trata de usar Imagen 2 on Vertex AI para generar imágenes de productos dinámicas y sensibles al contexto, no solo “imágenes geniales de IA”, sino imágenes que se ajustan a lo que un usuario específico en un lugar específico podría responder. comercio personalizado

El concepto es simple: el mismo producto puede encuadrarse en diferentes entornos para que coincida con la cultura y preferencia local. Un cliente en Japón podría ver un calzado de estilo de vida fotografiado en las calles de Ginza, , mientras que un calzado de trail aparece cerca de las faldas de Mount Fuji. Ese tipo de localización es difícil de producir manualmente a escala, pero se vuelve factible cuando el pipeline está automatizado.

Imagen también apoyó a los equipos de contenido de PUMA con tareas repetitivas de edición de imágenes: sombreado, composición, precisión de color, resolución y posicionamiento del producto. El impacto operativo es claro: menos tiempo de producción manual, despliegue más rápido de campañas y menor tiempo de comercialización en todas las regiones.

Adopción de IA más Amplia y Planes Futuros

PUMA ya había migrado partes clave de su ecosistema de comercio electrónico (incluido puma.com) a Google Cloud a principios de año. Según los resultados informados de la iniciativa, la medida apoyó una mejor personalización y ayudó a aumentar average order value (AOV), , al mismo tiempo que redujo el tiempo necesario para los lanzamientos de productos.

Los próximos pasos se centran en escalar el enfoque: PUMA planea explorar Imagen 3 (el modelo de texto a imagen más reciente de Google) para extender la creación de campañas, y tiene la intención de expandir el uso de Vertex AI Search for Retail a través de subsidiarias adicionales para fortalecer el descubrimiento, la relevancia y el rendimiento de conversión.

Fuente: geekwire.com

Retrato de Thomas Kurian, CEO de Google Cloud. Esta imagen muestra a un hombre con una camisa azul abotonada, sonriendo directamente a la cámara contra un fondo blanco liso. Es un retrato limpio y natural, libre de elementos que distraigan o superposiciones de texto. Esto lo convierte en una excelente opción para un espacio de imagen de blog en línea que requiera una representación profesional y clara de Thomas Kurian.

En el lado de la analítica, PUMA está utilizando las capacidades de aprendizaje automático de Google Cloud a través de BigQuery para profundizar la interacción con el cliente mediante una segmentación de audiencia avanzada. El enfoque utiliza datos propios para construir modelos de ML personalizados, generar conocimientos predictivos y atribuir conversiones con mayor precisión en todos los puntos de contacto.

Las ganancias de rendimiento reportadas de este trabajo de segmentación incluyen un 4.6% increase in conversion rates, 6% increase in AOV, y un 149.8% increase in click-through rates para los tres segmentos de audiencia principales en comparación con otros objetivos publicitarios.

Tecnologías Clave y Socios para el PUMA AI Creator

Lo que Otras Marcas Pueden Aprender (Sin Copiar la Camiseta)

La historia de la camiseta es específica, pero la mecánica se generaliza. Si se elimina el contexto del fútbol, lo que queda es un patrón repetible: creation + feedback + personalization + infrastructure. Aquí están las lecciones que importan si está pensando en IA en el comercio.

• Comience con un caso de uso que le interese a la gente: los aficionados no generan diseños porque exista la IA; lo hacen porque existe la identidad y la comunidad.
• Las restricciones de diseño mejoran los resultados: un límite de indicación de 300 caracteres reduce el ruido y hace la intención más clara.
• Haga que la participación sea sostenible: los créditos + las recompensas por voto mantienen a los usuarios comprometidos después del primer “momento de asombro”.
• La ingeniería es el producto: las colas, el escalado y la eficiencia de la GPU deciden si la experiencia se siente premium o rota.
• Planifique la gobernanza pronto: los sistemas generativos necesitan moderación, filtrado de indicaciones y límites seguros para la marca (especialmente a escala global).

Conclusión

El PUMA AI Creator es un claro ejemplo de lo que sucede cuando la IA generativa se trata como algo más que una novedad. PUMA utilizó la IA para atraer a los aficionados al proceso creativo, pero el verdadero logro fue operativo: lanzar una experiencia global, de alto volumen y basada en IA que se mantuvo sensible, medible y consciente de los costos. PUMA utilizó la IA para atraer a los aficionados al proceso creativo, pero el verdadero logro fue operativo: lanzar una experiencia global, de alto volumen y basada en IA que se mantuvo sensible, medible y consciente de los costos.

En diez días, la campaña produjo un nivel de participación (diseños + valoraciones) que la mayoría de las marcas solo sueñan, y lo hizo mientras mostraba una pila de IA moderna: generación en contenedores en GKE, rendimiento optimizado en GPUs Nvidia H100 y personalización a través de Vertex AI. Si esta es la dirección en la que se mueve el comercio minorista, la lección es simple: el futuro del comercio electrónico no es solo “recomendaciones”. Es interaction — y cada vez más, co-creation.