El ecosistema digital está pivotando de la optimización para humanos a la optimización para la Inteligencia Artificial. Para los líderes de negocio y tecnología, el Comercio Agéntico (Agentic Commerce o A-Commerce) ya no es una predicción, sino la nueva realidad de la adquisición de clientes.
Este sistema representa una forma de compra online donde los agentes de IA actúan como asistentes, buscando, comparando y potencialmente completando transacciones en nombre del cliente.
Este cambio exige que los retailers dejen de diseñar su experiencia solo en torno al comprador humano para pensar seriamente también en los agentes de IA, que requieren datos limpios, estructurados, respuestas rápidas y un ecosistema sin fricciones.
La irrupción del protocolo de Comercio Agéntico (ACP)
El inicio de esta era se marcó con el lanzamiento de funcionalidades clave por parte de grandes plataformas de IA, que consolidaron dos pilares:
- Instant Checkout y ACP (Agentic Commerce Protocol): Este es un estándar abierto codesarrollado por OpenAI y Stripe. Permite a las plataformas de IA ejecutar flujos de checkout completos dentro de su entorno. El agente actúa como el intermediario del cliente, llamando a los endpoints del comercio para crear, actualizar y completar la sesión de compra. El control del pedido, los pagos y la relación con el cliente se mantienen en el merchant.
- Shopping Research (Investigación de Compra): Los modelos de IA ahora generan guías de compra detalladas, investigando a profundidad en internet y utilizando la memoria conversacional previa para personalizar las recomendaciones.
Aunque el tráfico transaccional directo desde LLMs es actualmente incipiente (en los ecommerce que hemos analizado en Disruptivos, el tráfico de LLMs es solo un 0,3% sobre el total, aunque va creciendo), la tendencia es clara. El escenario de compra para el Black Friday de 2026 será notablemente distinto, con el riesgo latente de que el usuario final ya no necesite visitar la web del retailer para completar la compra.
¿Habrá un momento en el que el usuario ni siquiera visite las webs? ¿Cómo será el ecommerce en ese momento?
Prioridad estratégica: Optimización Generativa (GEO) y Experiencia Agéntica (AX)
Para asegurar la supervivencia y el crecimiento en este nuevo paradigma, la prioridad estratégica es doble:
- Preparar lo de dentro (AX): Optimizar la infraestructura y el contenido onsite para ser descubiertos por los LLMs.
- Preparar lo de fuera (GEO): Optimizar las señales externas para ser recomendados por los LLMs.
Esta estrategia combina la Optimización de Motores Generativos (GEO), una evolución del SEO, con el diseño de la Experiencia Agéntica (AX).
Amenazas y Oportunidades clave
| Aspecto | Oportunidades clave | Amenazas y retos clave |
|---|---|---|
| Visibilidad y descubrimiento | Nuevo Canal de Adquisición: Vender a cientos de millones de usuarios potenciales directamente en el entorno de ChatGPT, manteniendo el control de la relación con el cliente. | Erosión del Tráfico Orgánico (Zero-Click): Las respuestas sintetizadas y guías de compra de la IA reducen la necesidad de hacer clic y visitar directamente la web. |
| Conversión y negocio | Aceleración del Embudo: El funnel de compra se aplana (descubro → compro), acelerando la conversión, especialmente si se activa el Instant Checkout. | Dependencia de la Precisión: La función Shopping Research tiene baja precisión por ahora, lo que puede generar errores en precios o disponibilidad. |
| Competencia | Ventaja Competitiva sobre Grandes Retailers: Otros retailers pueden tener oportunidades de visibilidad si se abren y estructuran bien, dado que Amazon ha bloqueado la mayoría de bots de IA. | Bias y Localización: Los modelos iniciales parecen priorizar información entrenada principalmente con datos de EE. UU., favoreciendo marcas internacionales si no se proporciona contexto. |
| Tecnología y operaciones | Pagos Seguros y Estándares: Protocolos como el ACP y el Delegated Payment Spec resuelven la complejidad de pagos. | Mala Experiencia Agéntica (AX): Los agentes fallan en el 70% de las tareas web complejas debido a interfaces no estructuradas, time-outs, y pop-ups. |
I. Preparar lo de dentro: la experiencia agéntica (AX)
El foco está en la legibilidad y procesabilidad de la infraestructura por parte de los agentes, asegurando que su experiencia (AX) sea impecable.
| Componente | Iniciativa clave a considerar para 2026 (CTO / CDO) |
|---|---|
| Catálogo y datos | Implementar Product Feed Spec: Define cómo compartir datos estructurados (TSV, CSV, XML o JSON) para que ChatGPT indexe los productos con precisión. Requerido: Incluir identificadores, descripción, precio, link de producto y disponibilidad. |
| Atributos de producto | Enriquecer atributos: Asegurar que el feed y el catálogo incluyan atributos detallados como condición, marca, material, y sistemas de tallas. La IA utiliza atributos granulares para el long tail del funnel. |
| Web y estructura | Optimización del Grounding (AX): Mejorar el HTML semántico y evitar maquetaciones deficientes, pop-ups o requisitos de registro prematuros. |
| Checkout | Preparación para Instant Checkout: Evaluar la implementación del Agentic Checkout Spec (ACP). Esto implica exponer cinco endpoints REST para crear, actualizar, completar, cancelar y obtener sesiones de checkout. |
| Pagos | Integración de Delegated Payments: Investigar la compatibilidad con el Delegated Payment Spec a través del Shared Payment Token de Stripe (o futuros PSPs). |
II. Preparar lo de fuera: Optimización Generativa (GEO)
Esta área se centra en los factores de confianza y la autoridad temática que los modelos de IA priorizan.
| Criterio | Iniciativa Clave a Considerar para 2026 (CMO / CDO) | Relevancia Estratégica y Fundamento |
|---|---|---|
| UGC y reseñas | Activar escucha y participación en foros. Activar y potenciar reseñas de clientes en PDPs. | La IA valora enormemente el Contenido Generado por el Usuario (UGC). Reddit es la fuente más citada en Google AI Overviews y Perplexity. |
| Contenido editorial | Creación de guías Hiper-Específicas y comparativas reales. Enfocarse en contenido que responda a preguntas conversacionales complejas. | El modelo Shopping Research premia el contenido editorial, las guías de compra y los análisis profundos. |
| Estructura de contenido | Adoptar formatos amigables para LLMS (listas, FAQs). Crear FAQs con las preguntas frecuentes encontradas en nichos. | Los chatbots favorecen la información presentada en formatos simples y estructurados. |
| PR, links y menciones | Activar campañas de PR y linkbuilding enfocadas en ser citados como fuente confiable y autoritativa. | El enfoque debe ser crear contenidos nicho que solo expertos pueden proveer. Implica una evolución del EAT. |
La ventana de preparación
La ventana para prepararse para la Agent-Oriented Web ya está abierta. El potencial de volumen de las consultas de compra en plataformas de IA ya es un rival para los grandes retailers de EE.UU. en GMV.
La acción debe ser inmediata y coordinada entre tecnología y marketing:
- Evaluación Técnica (CTO/CIO/CDO): Investigar a fondo los requisitos técnicos de las especificaciones de OpenAI (ACP, Delegated Payment y Product Feed Spec). Evaluar la preparación de los feeds y atributos del catálogo para la indexación de LLMs.
- Preparación de Contenidos (CMO/CDO): Mapear el catálogo y las PDPs para asegurar la inclusión de atributos técnicos y performance signals (reseñas) en formatos estructurados. Iniciar la creación de contenidos nicho y guías comparativas reales.
- Activación de Señales Externas (CMO): Iniciar la auditoría de foros para entender los pain points de la comunidad y activar campañas de PR/menciones y UGC para influir en las fuentes de confianza de la IA.
El objetivo consiste en tener y ser las marcas recomendadas cuando un cliente está listo para comprar, independientemente del canal.
