Los consumidores llevan casi veinte años comprando online de la misma forma. Buscan, scrollean, filtran, comparan, leen reviews, chequean precios, dudan, abren otra pestaña, vuelven, y tal vez compran.
Cada mejora en retail durante estos años (mejores filtros, PDPs más limpias, recomendaciones más inteligentes) ha sido básicamente un intento de reducir fricción en ese mismo loop.
Pero algo diferente está pasando ahora. La AI ya no está ayudando al comprador a comprar. Está empezando a comprar por él.
Lo que Google, Amazon, y las redes de pago están lanzando no es una feature nueva. Es un cambio estructural en cómo se toman las decisiones de compra.
Los números de McKinsey lo dejan claro: el agentic commerce podría influenciar entre $3 y $5 trillones en gasto retail global para 2030. Hasta $1 trillón solo en Estados Unidos. Cuando los cambios alcanzan esa escala, dejan de ser "tendencias emergentes" y se convierten en gravedad económica.
En la superficie, agentic shopping suena simple: le dices a una AI qué quieres, y ella va y lo consigue.
Pero la simplicidad engaña. Lo que está cambiando va más allá de la interfaz. Es quién toma la decisión. El trabajo que antes le pertenecía al usuario (buscar, comparar, chequear stock, monitorear precios) se está transfiriendo al agente.
Y el cambio ya es visible dentro de los ecosistemas de comercio más grandes.
Las nuevas experiencias de AI shopping de Google son un buen ejemplo.
Puedes escribir algo tan vago como "regalos bajo $50 para un papá que hace ciclismo" y, en lugar de una página de resultados tradicional, AI Mode interpreta la intención, extrae insights estructurados del Shopping Graph (un sistema con 50 billones de listings de productos, actualizado continuamente), y genera un output curado y profundamente contextual: precios, reviews, disponibilidad, comparaciones. Se siente menos como búsqueda y más como delegación.
"Let Google Call", que usa Duplex + Gemini, lleva esto más lejos. En lugar de que el usuario llame a tiendas para preguntar "¿tienen esto en stock?", el agente lo hace.
Llama a múltiples retailers, chequea inventario, compara precios, hace preguntas de clarificación, y le manda al usuario una respuesta resumida. Es mundano, pero silenciosamente reemplaza un patrón completo de interacción.
Agentic checkout es otro paso. Un usuario puede establecer un umbral de precio para un SKU específico, y Google monitoreará movimientos de precio, esperará el momento correcto, y completará la compra automáticamente, usando credenciales aprobadas por el usuario y flujos integrados con el merchant.
Amazon se está moviendo igual de agresivo. Rufus ya está siendo usado por más de 250 millones de clientes este año, con interacciones creciendo 210% año contra año. Y el impacto no es superficial: clientes que usan Rufus durante su journey de compra tienen 60% más probabilidad de convertir.
El impacto ya se está viendo en números reales. Sensor Tower encontró que en Black Friday, las sesiones de Amazon que incluían Rufus superaron todo lo demás. Sesiones que involucraron al asistente de AI, subieron 35% día contra día, comparado con 20% para el tráfico general de Amazon.
Más interesante aún, las sesiones que tanto usaron Rufus como resultaron en compra crecieron 75% día contra día, mientras compras sin Rufus crecieron solo 35%.
En los 30 días previos, las compras en Black Friday se duplicaron en general, pero las sesiones asistidas por Rufus fueron responsables de la mayor parte de ese spike.
Los datos más amplios de retail de Adobe muestran la misma tendencia. Tráfico referido por AI a sitios retail en Estados Unidos subió 805% año contra año en Black Friday, y compradores que llegaron desde un servicio de AI tuvieron 38% más probabilidad de comprar.
Los pagos también se están reconstruyendo. Agent Pay de Mastercard le da a agentes de AI una forma verificable de transaccionar en nombre de usuarios usando mandatos firmados criptográficamente.
El patrón es consistente entre plataformas:
Google está reconstruyendo discovery y ejecución alrededor de agentes (hola Universal Commerce Protocol), Amazon está reconstruyendo evaluación, recomendación, y compra alrededor de agentes. Las redes de pago están reconstruyendo confianza, autorización, y settlement alrededor de agentes.
Simple: los sistemas de comercio y pagos más grandes del mundo ya cambiaron a una arquitectura agent-first. El usuario sigue en el loop, pero cada vez más, no es quien está manejando la transacción.
Cada cambio importante en retail tiene el mismo patrón: la tecnología madura, el comportamiento del consumidor se mueve adelante de ella, y las plataformas silenciosamente reconectan la infraestructura por debajo. Cuando los tres se alinean, la curva se dobla.
Entrando a 2026, los tres se están alineando de una forma que no habíamos visto en más de una década.
McKinsey encontró que 44% de usuarios que prueban búsqueda potenciada por AI la prefieren sobre búsqueda tradicional.
Ese es un número notable. Si casi la mitad de usuarios están más cómodos describiendo lo que quieren en lenguaje natural que navegando una página de resultados, entonces el punto de entrada al shopping ya se está reorganizando.
Durante años, la AI podía imitar lenguaje pero no ejecutar tareas con múltiples pasos de forma confiable. Eso es diferente ahora.
Según METR, la duración de tarea que los mejores modelos pueden completar con al menos 50% de confiabilidad se ha estado duplicando cada siete meses. Claude 4.5 ahora sostiene workflows que representan más de 30 horas de esfuerzo humano.
Ese nivel de razonamiento es lo que le permite a un agente:
La brecha entre "sugerir" y "decidir" se está cerrando rápidamente.
Hasta hace poco, no había infraestructura compartida para que agentes intercambien contexto, se hablen entre ellos, o ejecuten compras con accountability.
Eso cambió.
Estos estándares no son llamativos, pero resuelven los problemas prácticos que hacen posible agentic commerce en el mundo real.
La señal más clara de que 2026 será el punto de aceleración es qué tan rápido las grandes plataformas se han reorganizado alrededor de este modelo.
Solo en el último año:
Google lanzó agentic shopping, agentic checkout, y llamadas lideradas por agentes, además del Universal Commerce Protocol.
Amazon expandió Rufus y lanzó "Buy for Me." Shopify lanzó infraestructura agéntica para construcción de carritos cross-merchant.
Copilot, de Microsoft, lanzó Checkout permitiendo tener el ciclo completo de compra (incluyendo pasarela de pago) dentro de la conversación y sin entrar al sitio web.
Visa, Mastercard, y Stripe introdujeron nuevos frameworks de pago capaces de agentes.
Cuando las compañías que controlan discovery, evaluación, y flujos de transacción se mueven todas en la misma dirección, la trayectoria se vuelve obvia.
En lugar de empezar con una barra de búsqueda, el shopping empieza con intención.
Un usuario podría decir:
"Necesito equipo deportivo para un viaje de ski en enero." "Compra esta crema hidratante cuando baje de $40." "Encuéntrame un TV que quepa en este espacio y sea bueno para gaming." "Reemplaza la comida de mi perro cuando se esté acabando."
El agente maneja el resto:
El usuario se vuelve el aprobador, no el operador.
La mayoría de marcas piensan que se están preparando para agentic shopping "agregando datos estructurados" o "testeando AI journeys."
Ese trabajo tiene valor, pero no aborda el cambio que viene.
Si 2025 fue el año en que la AI aprendió a describir productos, 2026 será el año en que los agentes empiezan a decidir qué compra la gente. Y una vez que los agentes empiezan a tomar decisiones, todo el stack de retail empieza a verse diferente.
Los agentes no infieren significado como lo hacen los humanos. No "captan la idea." Parsean data. Si la información está poco clara, enterrada en PDFs, inconsistentemente estructurada, o esparcida entre múltiples sistemas, el agente no la va a juntar.
Las marcas necesitarán tratar la data de producto como tratan los medios: algo que directamente afecta performance.
Esto significa:
Mientras más claro el product graph, más seguido los agentes lo mostrarán en comparaciones y recomendaciones.
Una de las realidades menos discutidas de agentic commerce es qué tan sensibles son los agentes a la incertidumbre. Los humanos podrían tolerar "Stock bajo" o "Envío en 3-5 días." Los agentes tienden a no hacerlo.
El Shopping Graph de Google, que actualiza 2 billones de updates por hora, ya usa inventario como input de razonamiento. Rufus de Amazon también.
Si tu data de disponibilidad es lenta, inconsistente, o le falta granularidad de ubicación, tus productos silenciosamente caerán fuera del path de decisión del agente.
Los sistemas de inventario que antes eran operacionales ahora son parte clave de tu estrategia y un determinante de si tu producto siquiera es considerado.
Los humanos leen reviews para tranquilidad.
Los agentes las leen para patrones. Quieren saber problemas de durabilidad, quejas recurrentes, cambios de sentimiento en el tiempo, fortalezas destacadas, y edge cases.
Amazon ya está convirtiendo millones de reviews no estructuradas en insights estructurados ("talla pequeña," "batería dura 8 horas," "bueno para viajes de invierno"), y Google se está moviendo en la misma dirección.
Si las marcas no construyen sus propios pipelines de enriquecimiento de reviews, los modelos construirán su propia interpretación, y esa interpretación no siempre va a coincidir con la narrativa que la marca quiere.
Entender qué significan las reviews se vuelve obligatorio.
Casi todos los flujos de checkout de retail hoy están diseñados alrededor de un humano completando el paso final. Agentic commerce rompe ese patrón.
Los agentes necesitan una forma clara y verificable de autenticar, autorizar, y completar transacciones. Por eso protocolos como AP2, credenciales tokenizadas, y flujos de verificación agente-a-merchant están emergiendo ahora.
Google, Stripe, Mastercard, Visa, todos se están alineando alrededor de la misma idea: los agentes deben ser actores de transacción de primera clase.
Si un flujo de checkout no puede aceptar un agente autenticado, el agente moverá la transacción a otro lugar. No va a debatirlo. No va a intentar otra vez. Simplemente elegirá un merchant con el que pueda completar el ciclo.
Esto se convierte en una de las ventajas competitivas más inmediatas en 2026.
Agentic shopping no elimina el SEO, pero cambia la mecánica detrás de la visibilidad.
El SEO tradicional está construido alrededor de rankear en una página. Agentic SEO está construido alrededor de ser seleccionado en un proceso de razonamiento.
Los modelos evalúan:
El agentic shopping se está convirtiendo en un divisor competitivo mucho más rápido de lo que la mayoría de marcas espera.
En los próximos 12-18 meses, los jugadores más fuertes serán aquellos cuya data de producto está estructurada, cuyas señales de inventario son precisas, cuyas reviews están enriquecidas, y cuyos flujos de checkout pueden aceptar transacciones lideradas por agentes.
Los competidores ya se están moviendo. Están ajustando sus catálogos, mejorando sus feeds, mejorando visibilidad de stock, y convirtiendo reviews en evidencia estructurada.
A medida que los agentes toman más del trabajo de evaluación y decisión, estas señales empiezan a determinar qué productos emergen y cuáles son ignorados.
Las marcas que sobresalgan en 2026 no lo harán con mejor diseño o más “noise”. Lo harán porque su data, sistemas, y señales de verdad se alinean con cómo los agentes razonan y compran.
.png){kind=small}
Consultoría SEO personalizada para escalar tráfico, posicionar tu marca, aumentar el revenue y dominar el mindshare en Google y modelos de IA como ChatGPT.
%402x.svg){kind=icon}
