Introducción
El Agentic Commerce es un modelo de comercio digital en el que agentes de inteligencia artificial actúan en nombre del usuario para interpretar una necesidad, comparar alternativas, tomar decisiones y ejecutar compras dentro de límites previamente definidos.
Su relevancia está en redistribuir el esfuerzo de compra. Durante años, el eCommerce trasladó al usuario una parte importante del trabajo: buscar, filtrar, comparar, leer reseñas, validar condiciones y decidir entre demasiadas opciones. Con agentes capaces de operar con intención, contexto y autonomía, comprar deja de depender únicamente de navegar y empieza a depender de delegar con confianza.
Para las empresas, el cambio es profundo. La experiencia digital ya no se limita a diseñar pantallas, journeys y checkouts para personas. También exige preparar datos, contenidos, catálogos, integraciones y señales de confianza para agentes de IA capaces de influir en la decisión antes de que el usuario visite una web.
Desde la perspectiva de Multiplica, el Agentic Commerce no es una carrera por lanzar otro asistente conversacional. Es una evolución de la arquitectura de experiencia: una forma de conectar estrategia, experiencia, tecnología, datos e inteligencia artificial para que una intención pueda convertirse en una compra útil, confiable y medible.
Qué es Agentic Commerce
Agentic Commerce es el comercio digital mediado por agentes de inteligencia artificial capaces de descubrir, evaluar, recomendar y comprar productos o servicios en nombre de una persona, siguiendo sus preferencias, restricciones y objetivos.
En una frase: el Agentic Commerce transforma la compra digital de una experiencia basada en navegación, a una experiencia basada en delegación.
En este modelo, el usuario puede expresar una intención como:
“Necesito comprar un regalo para una persona que viaja mucho, con presupuesto máximo de 80 euros, entrega antes del viernes y preferencia por marcas sostenibles.”
A partir de esa intención, un agente puede:
1. Interpretar el contexto de la necesidad.
2. Buscar alternativas en distintos retailers o marketplaces.
3. Comparar precio, disponibilidad, reputación, entrega y políticas de devolución.
4. Priorizar opciones según criterios definidos.
5. Solicitar aprobación si hace falta.
6. Ejecutar la compra o preparar el checkout.
La diferencia frente al eCommerce tradicional no está solo en la automatización del checkout. Está en que el funnel deja de ser un recorrido manual y empieza a convertirse en una conversación delegable, donde el agente interpreta intención, reduce opciones y prepara la decisión.
Por qué el Agentic Commerce importa ahora
El Agentic Commerce gana relevancia porque la industria está empezando a construir la capa operativa que permite a los agentes pasar de recomendar productos a interactuar con catálogos, retailers, pagos y servicios postventa.
Google anunció en enero de 2026 el Universal Commerce Protocol, un estándar abierto diseñado para que agentes, comercios, plataformas y proveedores de pago interactúen a lo largo del journey de compra, desde descubrimiento hasta postventa. Google afirma que el protocolo fue desarrollado con compañías como Shopify, Etsy, Wayfair, Target y Walmart, y respaldado por más de 20 actores del ecosistema. (blog.google)
Microsoft también está avanzando en esta dirección con Copilot Checkout y Brand Agents, capacidades que permiten convertir conversaciones en compras y desplegar asistentes de marca en sitios de retailers. Según Microsoft Advertising, los recorridos con Copilot generaron un 53 % más de compras dentro de los primeros 30 minutos y, cuando existe intención de compra, fueron un 194 % más propensos a terminar en compra, con base en datos internos de agosto de 2025. (Microsoft Advertising)
Shopify, por su parte, está impulsando Agentic Storefronts, una propuesta para que los productos de sus comercios puedan descubrirse y comprarse dentro de conversaciones de IA. Este movimiento confirma que el comercio agéntico no depende solo de asistentes generalistas, sino también de la capacidad de las marcas para exponer datos, catálogo y checkout de forma interoperable. (Shopify)
La señal es clara: los agentes están dejando de ser una interfaz experimental para convertirse en una nueva capa de intermediación comercial.
Del eCommerce navegable al comercio delegable
El eCommerce tradicional fue diseñado para que las personas navegaran. El Agentic Commerce exige diseñar para personas y agentes al mismo tiempo.
En la lógica anterior, el sitio web era el centro de la experiencia. El usuario llegaba, exploraba categorías, aplicaba filtros, comparaba productos y avanzaba al checkout. En la nueva lógica, una parte de esa experiencia puede ocurrir fuera del sitio: en un asistente conversacional, un buscador generativo, una interfaz de voz, una app de mensajería o un agente personal.
La web empieza a cumplir una doble función: sigue siendo una experiencia visible para personas, pero también se convierte en una capa estructurada de información para agentes de IA. Si un agente debe leer un catálogo, evaluar disponibilidad o comparar atributos, la experiencia ya no depende solo del diseño visual, sino de la calidad estructural de la información. (Multiplica)
Esto no reduce la importancia de la marca, la experiencia o la emoción. Las amplía. Las empresas necesitan una web dual:
· Experiencia para humanos, capaz de inspirar, explicar, generar confianza y construir preferencia.
· Infraestructura para agentes, capaz de entregar datos precisos, estructurados, verificables y accionables.
Una web que no pueda ser interpretada por IA tendrá menos capacidad de influir en decisiones de compra que ocurren fuera de sus propias pantallas.
Cómo funciona el Agentic Commerce
Un modelo de Agentic Commerce combina cinco capacidades principales.
1. Interpretación de intención.
El agente entiende lo que el usuario quiere lograr, incluso cuando la solicitud no está formulada como una búsqueda exacta. La intención puede incluir contexto, restricciones, preferencias y objetivos.
Ejemplo aplicado:
“Quiero renovar mi seguro de viaje para una familia de cuatro personas, con cobertura médica alta y asistencia en Estados Unidos.”
El agente no busca solo “seguro de viaje”. Interpreta variables relevantes: destino, tipo de viajero, cobertura, riesgo, presupuesto y urgencia.
2. Evaluación de alternativas.
El agente compara opciones con criterios explícitos e implícitos. Puede considerar precio, calidad, reputación, disponibilidad, sostenibilidad, compatibilidad, políticas de devolución o historial de compra.
Aquí aparece una consecuencia importante: los productos mal descritos, con datos incompletos o atributos ambiguos pierden visibilidad frente a opciones más fáciles de interpretar por IA.
En Agentic Commerce, el catálogo deja de ser inventario publicado y se convierte en lenguaje competitivo. Cada atributo incompleto, ambiguo o desactualizado reduce la probabilidad de que un agente recomiende ese producto frente a una alternativa más clara.
3. Reglas de delegación.
El usuario define límites de autonomía.
Por ejemplo:
· Presupuesto máximo.
· Marcas preferidas o excluidas.
· Necesidad de aprobación antes de pagar.
· Nivel mínimo de valoración.
· Fechas límite de entrega.
· Métodos de pago permitidos.
· Condiciones de privacidad.
La confianza no depende de que el agente pueda hacerlo todo. Depende de que el usuario pueda definir qué puede hacer, cuándo debe pedir permiso y cómo debe justificar sus decisiones.
4. Ejecución de compra.
El agente puede avanzar hacia el checkout o completar la transacción cuando las condiciones están cumplidas. Protocolos como UCP o iniciativas como Copilot Checkout apuntan precisamente a conectar intención, catálogo, pago y retailer dentro de una experiencia más fluida. (blog.google)
5. Aprendizaje y mejora continua.
El agente mejora a partir de preferencias, historial, feedback y resultados. Esto permite automatizar compras recurrentes, anticipar necesidades y reducir decisiones repetitivas.
En categorías de reposición, como alimentación, farmacia, cuidado personal o suministros de oficina, el potencial es especialmente alto porque muchas decisiones siguen patrones conocidos.
Qué cambia para retailers, marcas y equipos digitales
El Agentic Commerce no sólo introduce una interfaz nueva, además cambia las condiciones de competencia. En este nuevo contexto, las marcas ya no compiten solo por la atención humana. Compiten por ser interpretadas, comparadas y seleccionadas por sistemas inteligentes.
Menos dependencia del tráfico tradicional
Si el usuario compra desde una conversación o delega en un agente, la visita al sitio puede dejar de ser el indicador central. El valor se desplaza hacia la capacidad de aparecer, ser entendido y ser elegido por agentes en momentos de alta intención.
Esto obliga a revisar métricas como tráfico orgánico, ranking SEO, tasa de conversión web y atribución. En escenarios agénticos, una marca puede influir en una compra sin que el usuario navegue por su web.
Más importancia del dato de producto
El Product Information Management deja de ser una función operativa secundaria y se convierte en una capacidad estratégica de marketing, conversión y experiencia.
Los agentes necesitan información precisa sobre:
· Atributos técnicos
· Compatibilidades
· Stock
· Precio
· Promociones
· Tiempos de entrega
· Garantías
· Políticas de devolución
· Certificaciones
· Sustitutos
· Casos de uso
· Preguntas frecuentes.
Google ya está incorporando nuevos atributos en Merchant Center para mejorar la visibilidad en experiencias conversacionales, incluyendo respuestas a preguntas frecuentes de producto, accesorios compatibles y sustitutos. (blog.google)
Mayor presión sobre la confianza
El usuario puede delegar la búsqueda, la comparación e incluso parte de la ejecución. Pero la confianza sigue siendo una decisión humana. Por eso, las marcas que quieran ser recomendadas por agentes necesitarán señales verificables: información precisa, políticas claras, reputación externa, cumplimiento operativo y capacidad de explicar por qué una opción es adecuada.
Las señales de confianza más relevantes incluyen:
· Reseñas consistentes
· Información clara
· Autoridad de marca
· Políticas transparentes
· Cumplimiento de entrega
· Datos estructurados
· Servicio postventa confiable
· Reputación externa.
McKinsey describe el Agentic Commerce como una oportunidad para consumidores y merchants, pero también como una transformación que exige repensar la relación entre descubrimiento, decisión y ejecución comercial. (McKinsey & Company)
Nueva competencia por el “share of agent”
En el comercio tradicional, las marcas compiten por share of market, share of wallet o share of search.
En el comercio agéntico aparece una nueva capa: share of agent.
El share of agent mide la probabilidad de que una marca, producto o retailer sea recomendado, priorizado o seleccionado por un agente de IA ante una intención de compra concreta.
Una marca gana share of agent cuando combina datos estructurados, señales de confianza, disponibilidad transaccional y relevancia contextual frente a una intención específica.
Para competir por share of agent, una empresa necesita ser:
· Encontrable por IA
· Comprensible por IA
· Comparable por IA
· Confiable para IA
· Accionable en sistemas de compra
· Relevante para la intención del usuario
Cinco dimensiones para prepararse para Agentic Commerce
En proyectos de transformación digital, suele ser más efectivo abordar el comercio agéntico como un sistema, no como una funcionalidad aislada.
Un chatbot no convierte a una compañía en agentic-ready. La preparación para Agentic Commerce exige que catálogo, contenido, datos, tecnología, checkout, permisos y métricas funcionen como un sistema conectado.
Una forma útil de evaluar la preparación de una empresa frente al Agentic Commerce es observar cinco dimensiones conectadas: intención, información, interacción, integración e impacto. Esta mirada permite entender si la organización está preparada para competir en comercio agéntico, no desde la existencia de un asistente, sino desde la capacidad del sistema completo para interpretar necesidades, exponer información confiable, habilitar interacciones, ejecutar integraciones y medir impacto.
1. Intención
La empresa debe identificar qué intenciones de compra quiere resolver mejor que sus competidores.
Preguntas clave:
· ¿Qué necesidades reales expresan los clientes antes de comprar?
· ¿Qué decisiones generan más fricción?
· ¿Qué categorías son más delegables?
· ¿Qué consultas conversacionales aparecen antes del checkout?
· ¿Qué criterios usa el cliente para elegir?
2. Información
El catálogo debe ser suficientemente claro para humanos y máquinas.
Acciones prioritarias:
· Normalizar atributos de producto.
· Completar fichas con contexto de uso.
· Estructurar FAQs por categoría.
· Incluir comparativas útiles.
· Mantener stock, precio y entrega actualizados.
· Incorporar datos de sostenibilidad, garantías y compatibilidad cuando sean relevantes.
3. Interacción
La experiencia debe permitir que el usuario converse, refine y avance.
Esto puede incluir:
· Asistentes de compra.
· Comparadores conversacionales.
· Recomendaciones explicables.
· Flujos de aprobación.
· Integración con atención al cliente.
· Recuperación de carritos desde interfaces de IA.
El valor no está en sumar un asistente genérico, sino en diseñar conversaciones capaces de resolver tareas reales de compra.
4. Integración
El comercio agéntico exige sistemas conectados.
Capacidades necesarias:
· APIs de catálogo.
· Integración con checkout.
· Pagos seguros.
· Gestión de identidad.
· Disponibilidad en tiempo real.
· CRM y datos de cliente.
· Sistemas de postventa.
· Gobernanza de permisos.
5. Impacto
La adopción debe medirse con indicadores de negocio, no solo con métricas de interacción.
Métricas recomendadas:
· Conversión asistida por agente.
· Reducción de tiempo hasta compra.
· Incremento de valor medio de pedido.
· Tasa de recompra automatizada.
· Reducción de abandono.
· Precisión de recomendación.
· Satisfacción postcompra.
· Coste operativo por transacción.
· Participación en respuestas generativas.
· Share of agent por categoría.
Qué tipos de compra se transformarán primero
El Agentic Commerce no impactará todas las categorías al mismo ritmo. Su adopción será más rápida donde la fricción es alta, la decisión es recurrente o los criterios son claros.
Compras recurrentes
Productos de reposición, alimentación, higiene, cuidado personal, suministros o consumibles B2B pueden automatizarse con reglas estables.
Ejemplo:
“Reponer café, papel y productos de limpieza cada mes, priorizando proveedores con entrega en 24 horas y precio dentro del presupuesto aprobado.”
Compras comparables
Categorías como electrónica, seguros, viajes, electrodomésticos o servicios financieros se benefician de agentes que comparan condiciones complejas.
Ejemplo:
“Buscar el portátil con mejor relación rendimiento-precio para diseño, menos de 1.500 euros, buena autonomía y entrega esta semana.”
Compras asistidas
Moda, belleza, decoración o regalos requieren más interpretación contextual. Aquí el agente puede reducir opciones, explicar diferencias y combinar racionalidad con preferencia personal.
Ejemplo:
“Necesito un outfit para una cena formal en clima cálido, sin colores oscuros y con entrega antes del jueves.”
Compras B2B operativas
En entornos empresariales, los agentes pueden ayudar en compras de software, licencias, materiales, viajes corporativos o servicios recurrentes, siempre que existan políticas claras de aprobación.
Ejemplo:
“Comparar herramientas de atención al cliente con integración a nuestro CRM, coste máximo anual y soporte en español.”
Riesgos y límites del Agentic Commerce
El Agentic Commerce no debe diseñarse solo desde la eficiencia. También exige gobernanza.
Privacidad y uso de datos.
Los agentes necesitan contexto para tomar mejores decisiones, pero ese contexto puede incluir información sensible. Las empresas deben definir qué datos se usan, con qué propósito, durante cuánto tiempo y bajo qué consentimiento.
Transparencia de recomendación.
Un agente debe poder explicar por qué recomienda una opción. Si prioriza precio, margen, disponibilidad, patrocinio o preferencia histórica, esa lógica debe ser clara para el usuario.
Sesgos y concentración de mercado.
Si pocos agentes concentran la intermediación, podrían favorecer ciertos retailers, plataformas o productos. Las marcas deberán trabajar su presencia en múltiples entornos y evitar depender de una sola superficie.
Responsabilidad ante errores.
Cuando un agente compra mal, recomienda un producto incompatible o interpreta mal una restricción, debe existir un modelo claro de responsabilidad, soporte y corrección.
Pérdida de diferenciación.
Si los agentes comparan principalmente por atributos objetivos, muchas marcas pueden volverse intercambiables. La diferenciación deberá estar respaldada por valor real, datos verificables y una experiencia postcompra consistente.
Cómo debería prepararse una empresa para Agentic Commerce
Una compañía que quiera ser relevante en Agentic Commerce debe avanzar en seis frentes.
1. Auditar la legibilidad de su catálogo para IA
El primer paso es revisar si un agente puede entender qué vende la empresa, para quién, bajo qué condiciones y por qué debería recomendarlo.
La pregunta crítica es:
¿Nuestros productos son fáciles de interpretar, comparar y seleccionar por un agente de IA?
2. Diseñar experiencias conversacionales orientadas a intención
La conversación debe resolver tareas reales de compra:
· Elegir producto.
· Comparar alternativas.
· Resolver objeciones.
· Validar compatibilidad.
· Confirmar disponibilidad.
· Recomendar complementos.
· Activar checkout.
· Dar soporte postventa.
3. Conectar contenido, datos y tecnología
El contenido inspira, los datos estructuran y la tecnología ejecuta. En Agentic Commerce, estas tres capas deben trabajar juntas.
Una ficha de producto debe servir tanto para una persona como para un modelo de IA. Debe explicar beneficios, contexto de uso, atributos, restricciones, garantías y señales de confianza.
4. Crear reglas de autonomía y aprobación
Las empresas deben diseñar escenarios donde el agente pueda actuar con distintos niveles de permiso:
· Solo recomendar.
· Preparar carrito.
· Solicitar aprobación.
· Comprar bajo reglas predefinidas.
· Automatizar reposición.
· Escalar a humano cuando hay riesgo.
5. Medir la influencia agéntica
Las organizaciones deberán incorporar nuevos indicadores para entender cómo influyen los agentes en la conversión.
Algunos ejemplos:
· Consultas resueltas por agente.
· Recomendaciones aceptadas.
· Compras iniciadas desde IA.
· Carritos generados por conversación.
· Conversiones sin navegación tradicional.
· Preguntas frecuentes que activan compra.
· Categorías más delegadas.
6. Preparar equipos aumentados
El Agentic Commerce no es solo un proyecto de tecnología. Requiere equipos de marketing, producto, CX, datos, tecnología, legal y operaciones trabajando con una misma visión.
Multiplica trabaja precisamente en esa intersección: conectar estrategia, experiencia, tecnología, datos e inteligencia artificial aplicada para reducir la distancia entre visión y ejecución.
El punto de vista de Multiplica
El Agentic Commerce obliga a repensar la experiencia digital desde una pregunta más exigente: qué debe estar preparado —en datos, contenido, tecnología, operación y confianza— para que una intención pueda convertirse en una compra confiable, incluso cuando el usuario no navega por la web de la marca.
Desde la perspectiva de Multiplica, las empresas no deberían abordar este cambio como una carrera por lanzar un asistente de IA. El reto real es construir una arquitectura de experiencia capaz de operar en un entorno donde humanos y agentes toman decisiones juntos.
Eso implica:
· Diseñar experiencias útiles para personas.
· Estructurar información para agentes.
· Integrar tecnología con procesos reales.
· Medir impacto en negocio.
· Mantener control humano donde aporta confianza.
· Alinear IA con adopción, eficiencia y conversión.
En retail, CPG, servicios financieros, viajes, salud, educación o B2B, el valor no estará en automatizar cualquier compra. Estará en identificar dónde la delegación mejora la experiencia y dónde la intervención humana sigue siendo necesaria.
Multiplica acompaña a empresas a convertir esta complejidad en experiencias digitales útiles, medibles y escalables, combinando pensamiento estratégico con capacidad real de implementación.
