Cuando quien elige no es una persona, sino su agente

A lo largo de todo el corpus AI100 hemos hablado de un mundo en el que el usuario formula una pregunta y el sistema genera una respuesta. Ese es el mundo del entorno de respuestas: la marca compite por el derecho a ser nombrada, citada y recomendada. Pero la siguiente ola funciona de otro modo. El agente de IA no solo responde a la pregunta: actúa. Busca productos, compara opciones, comprueba precios y disponibilidad y, en algunos casos, incluso completa la compra sin mostrar a la persona una lista intermedia de alternativas.

No se trata de un futuro lejano. ChatGPT Instant Checkout funciona desde septiembre de 2025 y permite a los usuarios realizar compras directamente dentro del diálogo a través de socios de Shopify y Etsy [1]. En enero de 2026, Google anunció su propio Universal Commerce Protocol (UCP), al que se sumaron Walmart, Target y más de 20 socios [2]. Amazon está construyendo un ecosistema cerrado —Rufus AI y Alexa+— dentro de su propia plataforma. Los tres sistemas competidores ya están en funcionamiento, y ninguno pide permiso a la marca para participar.

Los datos de Salesforce sobre Cyber Week 2025 muestran que el volumen de tareas realizadas por agentes de IA en nombre de los compradores creció un 70% con respecto a 2024, y en Black Friday, un 84% [3]. Gartner prevé que, a finales de 2026, el 25% de las compras corporativas de software se realizará con la participación de un agente de IA [4]. McKinsey estima que la personalización y las compras autónomas con participación de IA pueden crear 1,2 billones de dólares adicionales de valor para el comercio minorista global [5]. Según Human Security, la actividad de la IA agéntica aumentó un 6 900% en el último año, y el 64% de los consumidores planeaba utilizar IA para las compras navideñas en 2025 [6].

Para la marca, estas cifras significan algo sencillo, pero doloroso: uno de los «compradores» más importantes del futuro próximo puede que ni siquiera sea humano. Y si no es humano, le da igual el diseño del sitio, el posicionamiento emocional, la identidad visual y el banner publicitario. Necesita datos estructurados que pueda leer, comparar y verificar.

Hoy el comercio agéntico se articula en torno a tres protocolos incompatibles. ACP (Agentic Commerce Protocol) es el protocolo de OpenAI y Stripe que funciona a través de ChatGPT Instant Checkout. OpenAI cobra un 4% por cada transacción, más la comisión estándar del procesador de pagos [1]. UCP (Universal Commerce Protocol) es el protocolo de coalición de Google, integrado en AI Mode y Gemini, con soporte de Walmart, Target y Shopify [2]. El ecosistema cerrado de Amazon —Rufus AI, Alexa+ y Buy for Me— funciona únicamente dentro del marketplace de Amazon.

Para la marca, esto significa que debe ser visible en los tres mundos. La empresa que optimizó sus datos solo para una plataforma pierde demanda en las otras dos. Y ninguno de estos mundos funciona según las reglas del SEO clásico.

Un comprador pide a ChatGPT: «Encuéntrame una batidora para smoothies por menos de 150 $, silenciosa y con al menos dos años de garantía». El agente consulta los catálogos a través de Shopify. La marca A es un fabricante conocido con un sitio web impecable, pero su feed de productos carece del atributo «nivel de ruido» y la garantía solo aparece en una página de preguntas frecuentes en formato PDF. La marca B es menos conocida, pero su Product schema incluye los doce atributos, entre ellos decibel level y warranty_months. El agente elige B. No porque B sea mejor, sino porque B es legible para la máquina.

En el mundo empresarial la mecánica es la misma, solo que las apuestas son más altas. Una empresa busca procurement software; un proveedor tiene SSO, ISO 27001, modelo de despliegue y SLA registrados en un catálogo estructurado con atributos legibles por máquina. Otro tiene todo eso enterrado en una presentación PDF del departamento de ventas. Un agente que compare opciones por encargo del CTO elegirá al primero — no porque el producto sea mejor, sino porque los datos están disponibles para una comparación computable.

El agente de IA no lee los textos de marketing como lo hace una persona. Según MIT Sloan, el 82% de los directivos señalan la calidad de los datos como la principal barrera para alcanzar los objetivos de la IA generativa [7]. El agente trabaja con atributos estructurados: nombre, categoría, precio, disponibilidad, características y condiciones de devolución. Si esos datos faltan, son imprecisos o están desincronizados entre plataformas, el agente no puede comparar correctamente el producto y elige a un competidor con datos más limpios.

Esto difiere de forma fundamental del entorno de respuestas. En la respuesta del modelo, la marca puede compensar unos datos débiles con una reputación sólida o con un contenido experto potente. En el escenario agéntico no existe esa compensación. El agente decide a partir de atributos, no de impresiones. Si su feed de productos no contiene datos legibles por máquina sobre compatibilidad, garantía, tallas o plazos de entrega, el agente puede excluirle de la comparación antes incluso de llegar a evaluar la calidad.

Otra característica desagradable del mundo agéntico es que la analítica web clásica deja de funcionar. Cuando un usuario pregunta a ChatGPT por una categoría de productos, el agente compara, recomienda y completa la compra: todo dentro del diálogo. El sitio de la marca no recibe ni visita, ni clic, ni sesión [1]. GA4 no ve ese tráfico. El profesional de marketing que mide el éxito por las visitas al sitio no advierte que la venta se produjo por otro canal.

Esto no significa que la analítica se haya vuelto inútil. Pero sí significa que, junto a las métricas habituales, deben aparecer otras nuevas: citación en recomendaciones agénticas, inclusión en comparativas agénticas y conversión a través del checkout agéntico. Las herramientas para ello apenas están tomando forma, pero la necesidad en sí ya es evidente.

La elección agéntica todavía no se ha convertido en la forma dominante de compra. Pero el ritmo de crecimiento es tal que, dentro de 12–18 meses, puede convertirse en un canal obligatorio para cualquier empresa que venda bienes o servicios en línea. Y la preparación para ello no empieza con una nueva herramienta, sino con un trabajo fundamental: datos estructurados limpios sobre el producto, sincronizados entre plataformas, legibles por máquina y actualizados.

Para el propietario de un negocio, esto supone otra transición en la manera de pensar. Primero hubo que aprender a ser visible para el motor de búsqueda. Después, a ser comprensible para el sistema de respuestas. Ahora, a ser apto para el agente, que no pregunta, no lee y no hace clic, sino que simplemente elige sobre la base de datos.