Comprar empieza a parecerse menos a buscar y más a delegar.
Un usuario puede pedir a ChatGPT, Gemini o Perplexity que compare productos, descarte opciones, tenga en cuenta su presupuesto y le recomiende qué elegir. Parte del trabajo que antes ocurría entre buscadores, marketplaces, fichas de producto y comparadores empieza a concentrarse en una conversación.
Ahí comienza a tomar forma el Agentic Commerce: un entorno en el que la inteligencia artificial participa cada vez más activamente en el discovery, la comparación y la decisión de compra.
Para las marcas, el terreno de juego se amplía. Estar presente sigue importando, pero también dar a la IA suficiente contexto y confianza para entrar entre las opciones que recomienda.
La IA ya forma parte del proceso de compra
Los datos empiezan a dar escala a este cambio.
Un 39% de los consumidores estadounidenses ya ha utilizado IA generativa para comprar online. Entre quienes recurren a ella, un 55% la utiliza para investigar productos, un 47% para recibir recomendaciones y un 43% para encontrar ofertas.
No es sólo un nuevo origen de tráfico.
Las visitas a retailers estadounidenses procedentes de fuentes de IA generativa crecieron un 1.200% entre julio de 2024 y febrero de 2025. Esos usuarios, además, navegaban un 12% más de páginas y mostraban una tasa de rebote un 23% inferior.
Tiene sentido. Cuando llegan a una web, parte de la exploración puede haber ocurrido antes. Han preguntado, contrastado alternativas o pedido ayuda para reducir opciones.
Y cuanto más compleja es la compra, mayor parece ser el valor de esa asistencia, con un 87% de los usuarios más propenso a recurrir a la IA.
Una consulta contiene cada vez más contexto
Hay otra diferencia importante en la forma en que buscamos.
“Mejores zapatillas para correr” obliga al usuario a hacer casi todo lo que viene después: abrir resultados, filtrar, comparar precios, entender tecnologías, leer opiniones y decidir.
En una conversación con IA, puede empezar directamente por algo como:
“Corro tres veces por semana, peso 80 kilos, tengo una ligera pronación y busco
unas zapatillas por menos de 150 euros. ¿Cuáles me recomendarías?”
En esa frase ya están la intención, las restricciones y parte de los criterios de elección.
El usuario no está pidiendo dónde buscar. Está describiendo qué necesita y delegando parte del análisis.
La lógica conversacional empieza a extenderse a otras experiencias digitales.
Y con ella aparece una expectativa nueva: que el sistema no sólo encuentre información, sino que ayude a interpretarla.
Aparecer en una respuesta no significa entrar en una recomendación
Aquí conviene separar dos cosas que a veces metemos dentro del mismo concepto de visibilidad.
Una cosa es que una IA utilice el contenido de una marca. Otra, que la recomiende.
Para dar ese paso necesita entender qué ofrece, para quién tiene sentido y cómo se compara con otras alternativas. Podemos imaginarlo como una progresión sencilla:
- Visibilidad → consideración → decisión.
Primero, una marca necesita ser descubrible.
Después, su oferta tiene que resultar comprensible.
Y cuanto más cerca estamos de una decisión, más información necesita la IA para evaluar si esa opción encaja o no.
Ahí es donde GEO empieza a encontrarse con Agent Readiness, la capacidad de preparar la organización para que su conocimiento y datos puedan ser comprendidos y utilizados por sistemas de IA.
Ser elegible también depende de cómo explicas tu producto
Para que una IA pueda recomendar una marca necesita algo más que contenido. También necesita información clara y actualizada sobre producto, precio, disponibilidad, atributos, reviews o condiciones de compra.
Eso convierte activos como la ficha de producto, el feed, el PIM, Schema.org o el inventario en parte de la visibilidad de marca ante sistemas capaces de comparar alternativas.
En nuestro estudio sobre Agentic Commerce hablamos de elegibilidad para describir ese primer filtro racional. Y aquí entra también la confianza algorítmica: cuanto más consistente, estructurada y verificable sea la información, más fácil será para una IA entenderla y utilizarla.
Una gran propuesta de valor sirve de poco si la máquina no puede interpretarla con claridad.
Empezar a medir algo más que menciones
Toda esta evolución abre también una cuestión de medición.
Hoy las primeras aproximaciones a GEO analizan aspectos como presencia en respuestas generativas, menciones, citaciones, fuentes utilizadas o posición frente a competidores.
Necesitamos esas métricas. Pero el commerce introduce una capa adicional.
Una marca puede aparecer en una respuesta sin formar parte de las opciones que la IA realmente considera para recomendar.
Por eso empiezan a ganar peso conceptos como share-of-agent o share of recommendation, orientados a medir no sólo cuánto aparece una marca, sino qué papel ocupa cuando la IA participa en la decisión.
Prepararse puede empezar mucho antes de la compra autónoma
Nada de esto requiere esperar a que un agente haga toda la compra en nombre del usuario.
Buena parte del trabajo puede empezar hoy:
- Haz que la IA entienda qué ofreces. Revisa arquitectura, entidades, categorías, atributos, contenido y datos estructurados.
- Dale razones para considerarte. Trabaja casos de uso, diferenciadores, comparativas, especificaciones, FAQs, reviews y condiciones.
- Conecta la información que cambia. Precio, stock, disponibilidad, inventario o promociones tienen que mantenerse actualizados y accesibles.
La progresión importa porque evita convertir GEO en una colección de tácticas nuevas.
Lo que estamos preparando, en realidad, es la capacidad de una organización para ser interpretada y utilizada por sistemas inteligentes a lo largo de todo el proceso de discovery y compra.
Si quieres profundizar en cómo preparar tu organización para este nuevo escenario, descarga nuestro estudio Del SEO al Agent Readiness.
¡Hablemos!
Fuentes: Adobe Blog.