Este trabajo aborda el desafío de desarrollar un sistema para auditoría automática de góndolas de supermercado utilizando modelos de inteligencia artificial (IA) entrenados con datos sintéticos generados en un entorno virtual. Se utilizó modelos realistas de productos en 3D, para la creación de una base de datos sintética que permita el entrenamiento de los modelos de IA con enfoque en tareas de detección y clasificación de productos en las góndolas. La innovación de este estudio radica en el uso de datos sintéticos, en lugar de datos reales, puesto que permite contar con grandes volúmenes de datos etiquetados de manera automatizada, superando las limitaciones producidas por la disponibilidad de datos reales. Los hallazgos demuestran que los modelos entrenados con esta data sintética han logrado un desempeño satisfactorio en la auditoría automatizada de góndolas, en tiendas físicas. Adicionalmente, se implementó un ?recolector de imágenes?, utilizando un carro de supermercado modificado con un mecanismo de polea vertical para la captura precisa de imágenes, integrando diseño mecánico y control electrónico. Este dispositivo complementa el enfoque sintético, permitiendo obtener imágenes estandarizadas del mundo real para validar el desempeño de los modelos de IA. El principal impacto esperado es revolucionar los procesos de auditoría de góndolas en el sector retail, mediante soluciones automatizadas que mejoren la imagen de la empresa y brinden información valiosa sobre el estado de los inventarios. Palabras Clave: Inteligencia artificial, auditoría de góndolas, datos sintéticos, detección de productos, recolector