El panorama del comercio electrónico está experimentando una transformación radical. En abril de 2025, Amazon puso en marcha «Buy for Me», una función que permite a su agente de inteligencia artificial navegar por sitios web de terceros, elegir artículos, introducir datos de pago y finalizar la transacción sin que el usuario abandone la aplicación de Amazon. Apenas unos meses después, OpenAI presentó «Pago instantáneo» junto al Protocolo de comercio agéntico de código abierto, habilitando compras directas desde ChatGPT. Ya en enero de 2026, Google reveló el Protocolo de comercio universal durante la conferencia de la Federación Nacional de Minoristas: un estándar abierto desarrollado en alianza con Shopify, Target, Walmart y más de veinte socios adicionales, que cubre todo el ciclo de compra, desde el descubrimiento hasta el soporte posventa.
La tendencia es inconfundible: los consumidores siguen tomando la decisión sobre qué necesitan, pero cada vez con mayor frecuencia es un algoritmo quien ejecuta la compra. El cliente continúa siendo el consumidor, pero ya no es el comprador. A esta separación estructural se le denomina «cisma del comprador», una ruptura muy distinta a las oleadas previas de disrupción digital. El comercio electrónico, móvil y social modificaron la forma en que los compradores interactuaban, pero el comprador seguía siendo humano. El comercio agéntico, en cambio, reemplaza por completo al comprador humano.
Las empresas diseñadas para persuadir a compradores humanos no están preparadas para competir cuando el comprador es una máquina. Un agente de IA no se fija en el empaque ni reacciona a la historia de la marca. Analiza datos estructurados, consulta API y evalúa productos según criterios que nada tienen que ver con la resonancia emocional que el equipo de mercadotecnia ha construido durante décadas. La mayoría de los sistemas de datos de productos actuales son catálogos complejos pensados para la navegación humana. Un agente de IA los aborda de la misma forma en que una hoja de cálculo aborda la poesía.
Los marcos existentes de preparación para la IA del NIST y del COSO se centran en la gobernanza interna: cómo administrar las herramientas de IA que implementamos. Pero pasan por alto la pregunta más urgente: ¿Qué sucede cuando la IA no es su herramienta, sino su cliente? La Auditoría de Preparación Algorítmica (ARA) llena ese vacío. En cada uno de los cinco pilares, los equipos de liderazgo deben evaluar su estado actual en una escala de madurez de cuatro niveles (rezagado, en desarrollo, competente, líder) y definir acciones concretas para los primeros 90 días.
Pilar 1: Preparación en estrategia y liderazgo
La pregunta central: ¿Comparte la alta dirección una visión común y urgente del comercio agéntico o se sigue tratando como un tema de nicho del comercio electrónico? En el extremo rezagado, el tema se delega al responsable de comercio electrónico o de TI. En retrospectiva, esta decisión se verá como delegar Internet al servicio de soporte técnico de TI en 1998. Lo que distingue a los líderes es una convicción profunda y compartida: el director general (CEO), el director de marketing (CMO), el director comercial y el director de tecnología (CTO) pueden articular las implicaciones de manera congruente; el comercio agéntico es un punto permanente en la agenda; existe una visión aprobada por la junta directiva para triunfar con un cliente algorítmico y un ejecutivo designado se hace cargo de la transformación. La fragmentación de la responsabilidad entre departamentos es un indicador confiable de fracaso. Para empezar: programe una sesión de trabajo obligatoria de medio día para la alta dirección y los subordinados directos. Redacte la declaración de visión de la empresa sobre el comercio agéntico. Antes de salir de la sala, designe al patrocinador ejecutivo e identifique dos o tres proyectos piloto de alto impacto con indicadores clave de desempeño (KPI) claros y exija que se presenten informes cada 90 días.
Pilar 2: Preparación técnica y de datos
La pregunta central: ¿Están los datos de sus productos estructurados y completos? ¿Son precisos y están disponibles a través de una API de alto rendimiento? Las organizaciones rezagadas mantienen los datos de los productos en hojas de cálculo dispersas por los distintos departamentos. Las empresas competentes cuentan con un sistema de gestión de información de productos (PIM) que sirve como fuente única de verdad, accesible a través de una API documentada. A la vanguardia, cada producto tiene un gemelo digital completo: una representación legible por máquina que captura cada atributo que un agente podría consultar y que fluye a través de una API de baja latencia. El gemelo digital es un concepto familiar en la investigación de servicios, donde las empresas lo utilizan para anticipar fallas en el servicio antes de que los clientes las experimenten. El comercio agéntico invierte el concepto: el gemelo digital ya no simula al cliente, sino que se convierte en el cliente. Cómo empezar: haga que el director técnico (CTO) y el director de mercadotecnia (CMO) patrocinen conjuntamente una auditoría de gemelos digitales de sus 10 productos principales; esto obligará a ambas funciones a enfrentar la brecha entre las afirmaciones de mercadotecnia y la realidad legible por máquinas. Emita una directiva a nivel de toda la compañía para que se adopte Schema.org.
Pilar 3: Preparación comercial
La pregunta central: ¿Puede un agente de IA encontrar, evaluar y seleccionar su producto? Este pilar requiere un cambio estratégico de la optimización para motores de búsqueda (SEO) a lo que se denomina «optimización de la intención del agente»: diseñar la presencia comercial para que sea detectable, analizable y seleccionable por agentes de IA. Las impresiones, las tasas de clics y los índices de reconocimiento de marca miden la atención humana, no la selección algorítmica. Las métricas que importan ahora son el desempeño de la API, la calidad de los datos, el estado de verificación y la participación en la elección algorítmica: el porcentaje de compras iniciadas por agentes en las que se selecciona el producto. La relación con los socios minoristas también se transforma. La pregunta para su cuenta clave en Amazon o Google ya no se limita a la ubicación en los estantes o al calendario promocional. Ahora es: ¿Cuál es el esquema técnico de su agente de compras de IA y cómo nos convertimos en socios de lanzamiento? En los últimos meses, altos ejecutivos de importantes minoristas europeos han comentado por separado que están desarrollando activamente infraestructura para agentes de IA con Google y minoristas de varios mercados han preguntado cómo el comercio basado en agentes transformará su negocio. Cómo empezar: establezca medidas de referencia para los indicadores relevantes para los agentes. Lance un proyecto piloto para crear datos de productos optimizados para los agentes para una marca o línea de productos. Inicie conversaciones con socios clave del comercio minorista y de las plataformas sobre los planes de desarrollo de agentes de IA. Estas alianzas se están formando ahora; quienes lleguen tarde se encontrarán con que ya están cerradas.
Pilar 4: Preparación organizacional y del talento
La pregunta central: ¿Cuenta su equipo comercial con los conocimientos técnicos necesarios para competir en un mundo donde los algoritmos son lo primero? El marketing tradicional ponía énfasis en la narración de historias, el desarrollo creativo y la coordinación de campañas. El modelo emergente requiere dominio de las API, los esquemas de datos y la economía de las plataformas. Los especialistas en marketing no necesitan convertirse en ingenieros, pero sí deben tener el suficiente dominio técnico como para colaborar con los equipos técnicos y tomar decisiones informadas sobre la infraestructura. La evolución de los roles ya es visible. Los gerentes de cuentas clave se están convirtiendo en socios del ecosistema de agentes, responsables de la integración técnica con los sistemas de IA de los minoristas. Los gerentes de marca están evolucionando hacia arquitectos de visibilidad algorítmica, responsables de cómo se representan las marcas en formatos legibles por máquinas. Están surgiendo roles completamente nuevos: arquitectos de esquemas, ingenieros de prompts de IA que realizan pruebas de estrés sobre cómo los agentes perciben y clasifican los productos, y coordinadores de verificación que gestionan las certificaciones de terceros. Estos roles no existían hace cinco años. Serán esenciales dentro de cinco. Cómo empezar: colabore con el director de recursos humanos (CHRO) en un análisis rápido de las brechas de habilidades para los roles de gestión de cuentas clave y de marca: un sprint enfocado de dos semanas, no un estudio de seis meses. Lance un programa piloto de recapacitación para un equipo. Redacte descripciones de puestos para los roles emergentes y comience a reclutar. El mercado de talento ya está en movimiento.
Pilar 5: Gobernanza y preparación ética
La pregunta central: ¿Está preparado para el riesgo de dependencia de las plataformas en un mercado controlado por algoritmos? Las organizaciones se enfrentan a una disyuntiva clara: volverse dependientes de los guardianes de las plataformas para acceder a los compradores guiados por algoritmos o invertir en infraestructura de venta directa al consumidor (D2C) como medida de protección. No hay un camino neutral. Cuando un puñado de plataformas controla los agentes de IA que hacen la mayoría de las recomendaciones de compra, el poder de mercado se desplaza de las marcas a los proveedores de plataformas. Cómo empezar: establezca formalmente un Consejo de ética de IA, aunque sea pequeño. Presente un caso de negocio para aumentar la inversión en D2C como protección contra la dependencia de las plataformas: su canal directo es el santuario de los datos y la marca. Colabore con las asociaciones de la industria que están definiendo los estándares del comercio agéntico. Las reglas se están redactando ahora mismo; las empresas que ayuden a redactarlas tendrán una ventaja estructural.
Fuente: Infobae