	{"id":1320011,"date":"2026-06-25T13:09:16","date_gmt":"2026-06-25T12:09:16","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=1320011"},"modified":"2026-06-25T13:09:16","modified_gmt":"2026-06-25T12:09:16","slug":"agentic-commerce-when-buying-becomes-delegating","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/agentic-commerce-when-buying-becomes-delegating\/","title":{"rendered":"Comercio por encargo: cuando comprar se convierte en delegar"},"content":{"rendered":"<h3>Por qu\u00e9 la pr\u00f3xima batalla entre marcas se librar\u00e1 ante los agentes, y no ante las personas.<\/h3>\n<p>En tan solo unos a\u00f1os, la IA generativa ha pasado de ser una novedad a convertirse en la opci\u00f3n predeterminada. Los modelos de lenguaje a gran escala (LLM) ya atraen a cerca de <strong>45 mil millones de visitas al mes, lo que equivale a 56% del volumen de b\u00fasquedas tradicional<\/strong>, que se ha estancado desde hace a\u00f1os. Sin embargo, la cifra que deber\u00eda llamar la atenci\u00f3n de todos los ejecutivos no es el volumen del audience, sino el comportamiento que hay detr\u00e1s de \u00e9l. La duraci\u00f3n media de una sesi\u00f3n con un LLM es ahora de entre seis y ocho minutos, lo que supone un aumento del 34% respecto al a\u00f1o anterior. Mientras que una b\u00fasqueda en Google era una transacci\u00f3n, una conversaci\u00f3n con un agente de IA establece una relaci\u00f3n.<\/p>\n<h2>Los clientes ya no compran un producto; lo que hacen es encargar un resultado<\/h2>\n<p>Este cambio transforma la propia naturaleza del acto de compra. Nadie compra un taladro; lo que se compra es un agujero en la pared. Ayer, un cliente pregunt\u00f3: \u201c\u00bfQu\u00e9 taladro deber\u00eda comprar?\u201d. Ma\u00f1ana dir\u00e1: \u201cNecesito colgar un cuadro antes del s\u00e1bado, \u00bfqu\u00e9 debo hacer?\u201d, y el agente elegir\u00e1 el taladro, el vendedor y el precio.<\/p>\n<p>Durante veinte a\u00f1os, el intermediario entre la marca y el cliente fue el dependiente de la tienda; posteriormente, pasaron a serlo los posicionamientos en los motores de b\u00fasqueda (SEO\/SEA). En el futuro, ese intermediario ser\u00e1 un agente de IA. La pregunta que surge entonces es: \u00bfdesea que sea \u00e9l quien le elija a usted? Lo que est\u00e1 en juego no es insignificante, y la IA ya no es un canal secundario: en un solo a\u00f1o, el tr\u00e1fico generado por la IA hacia los sitios web minoristas se ha disparado casi un 400% y ha pasado de situarse a la zaga de todos los canales de captaci\u00f3n a superar a todos ellos.<\/p>\n<h2>Su visibilidad ya se est\u00e1 desvaneciendo<\/h2>\n<p>El riesgo no es especulativo, sino cuantificable. En la web, el 57% de las solicitudes son ahora autom\u00e1ticas, en lugar de realizadas por personas. Su sitio web ya es consultado m\u00e1s por m\u00e1quinas que por personas. Y lo que resulta a\u00fan m\u00e1s inquietante es que el 85% de las menciones de marca en las respuestas de la IA proceden de contenidos de terceros (foros, enciclopedias, plataformas de rese\u00f1as\u2026) sobre los que usted no tiene control. La visibilidad de una marca ya no depende de su propio sitio web, sino de c\u00f3mo habla de ella el resto del mundo. Por primera vez, su exposici\u00f3n digital escapa en gran medida a su control directo.<\/p>\n<h2>La transacci\u00f3n es la \u00faltima ficha de domin\u00f3: esa es su oportunidad<\/h2>\n<p>He aqu\u00ed la paradoja que todo l\u00edder deber\u00eda comprender. El descubrimiento de productos ya se ha trasladado a la IA; el aumento del tr\u00e1fico en el sector minorista impulsado por la IA es prueba suficiente de ello. Sin embargo, la compra en s\u00ed misma sigue siendo, en su gran mayor\u00eda, un acto manual y dirigido por personas. Los observadores del sector se\u00f1alan que, aunque los compradores recurren cada vez m\u00e1s a los chatbots en busca de recomendaciones, las plataformas siguen registrando un bajo volumen de transacciones que se completan realmente a trav\u00e9s de herramientas de IA. Por el momento, incluso OpenAI ha reorientado ChatGPT hacia el descubrimiento de productos, devolviendo el acto de la compra a las aplicaciones conectadas de los comerciantes.<br \/>\nParte de la raz\u00f3n radica en que a\u00fan se est\u00e1n sentando las bases, en medio de una batalla muy p\u00fablica sobre est\u00e1ndares que compiten entre s\u00ed. OpenAI y Stripe est\u00e1n impulsando el \u201cAgentic Commerce Protocol\u201d; Google est\u00e1 promoviendo su \u00abUniversal Commerce Protocol\u00bb; Amazon est\u00e1 alquilando su propio motor de compras \u00abagentic\u00bb a otros minoristas. Ning\u00fan est\u00e1ndar se ha impuesto por s\u00ed solo. Estar \u00abpreparado para las m\u00e1quinas\u00bb supone, por lo tanto, apostar por unas bases que a\u00fan no tienen un ganador claro. Y es precisamente por eso por lo que, hoy en d\u00eda, los cimientos prevalecen sobre las funcionalidades. La transacci\u00f3n es la \u00faltima ficha de domin\u00f3 en caer, no la primera. Las marcas que triunfen no ser\u00e1n aquellas que se apresuraron a incorporar un bot\u00f3n de pago en un chatbot, sino aquellas que, discretamente, prepararon su data, sus API y sus procesos mientras se consolidan los est\u00e1ndares. La oportunidad est\u00e1 ah\u00ed precisamente porque nadie se ha hecho con el control de la capa de transacciones.<\/p>\n<h2>Tres l\u00edneas de trabajo, tres plazos<\/h2>\n<p>Ante este punto de inflexi\u00f3n, identificamos tres l\u00edneas de trabajo complementarias, cada una de las cuales corresponde a un horizonte de actuaci\u00f3n distinto:<\/p>\n<p>1) <strong>Sea visible y legible: GEO.<\/strong> La optimizaci\u00f3n de motores generativos (GEO) no sustituye al SEO, sino que se basa en \u00e9l. Primero debe aparecer en los resultados (SEO), luego ser incluido en las respuestas de IA (AEO) y, por \u00faltimo, ser citado y recomendado por su nombre (GEO). La verdad, aunque parezca contradictoria, es que no puede saltarse el primer pelda\u00f1o. Aproximadamente <strong>El 92% de las citas de AI-answer procede de p\u00e1ginas que ya figuran entre las diez primeras posiciones<\/strong>. Un modelo de lenguaje grande (LLM) se nutre de dos fuentes: su memoria de entrenamiento, una \u00abcaja negra\u00bb que se actualiza cada tres a dieciocho meses y sobre la que una marca tiene poca influencia; y la b\u00fasqueda en la web en tiempo real, donde reside el verdadero potencial. La creaci\u00f3n de contenidos <strong>\u201clegible por m\u00e1quina\u201d<\/strong> (HTML sem\u00e1ntico, datos estructurados en JSON-LD data, informaci\u00f3n precisa y reciente sobre los productos) es la forma m\u00e1s r\u00e1pida de estar presente en ese \u00e1mbito. Y la actualidad es importante, ya que el contenido con menos de 90 d\u00edas de antig\u00fcedad tiene aproximadamente tres veces m\u00e1s probabilidades de ser citado. La conclusi\u00f3n de los expertos: ya no escribe para personas que leen por encima, sino para modelos que extraen informaci\u00f3n.<\/p>\n<p>2) <strong>Ser compatible: interoperabilidad.<\/strong> Aqu\u00ed es donde le espera la trampa m\u00e1s costosa. La tentaci\u00f3n es poner en marcha un chatbot visible y bien dise\u00f1ado. Pero <strong>80%: la obra es invisible<\/strong>: se asienta en los cimientos: la \u00abAPIficaci\u00f3n\u00bb del sistema, el formato data legible por m\u00e1quina y una plataforma de agentes con supervisi\u00f3n y medidas de seguridad. Poner a disposici\u00f3n un agente en un portal como ChatGPT lleva unos d\u00edas; conseguir que un proceso empresarial sea realmente ejecutable por una m\u00e1quina lleva meses. Ya nos encontramos ante una bifurcaci\u00f3n estrat\u00e9gica: <strong>\u201cagent-ready\u201d se est\u00e1 convirtiendo en un producto que las plataformas le vender\u00e1n<\/strong>. Amazon ofrece ahora un asistente de compras \u00abagentic\u00bb integrable para minoristas externos, mientras que Alexa incorpora el seguimiento de precios y la compra autom\u00e1tica. Son pr\u00e1cticas, pero alquilar la capa \u00abagentic\u00bb de otra empresa puede suponer ceder la propia relaci\u00f3n con el cliente. Esta decisi\u00f3n entre \u00abcrear\u00bb o \u00abcomprar\u00bb es una de las m\u00e1s trascendentales que tomar\u00e1 una marca en los pr\u00f3ximos dieciocho meses.<\/p>\n<p>3) <strong>Opci\u00f3n preferida: valor de marca.<\/strong> Cuando un agente compara docenas de ofertas igualmente \u201cpreparadas para la automatizaci\u00f3n\u201d, el riesgo definitivo es la mercantilizaci\u00f3n: ser seleccionado \u00fanicamente por el precio. La \u00fanica defensa es la preferencia por la marca: ser la referencia de confianza en la mente del cliente antes incluso de que este delegue la decisi\u00f3n. El inter\u00e9s de los consumidores ya existe: el uso de la IA generativa en el \u00e1mbito de las compras creci\u00f3 un 35% en menos de un a\u00f1o, y los compradores consideran cada vez m\u00e1s a la IA como un experto directo, objetivo y personalizado. La confianza est\u00e1 cambiando; no est\u00e1 desapareciendo.<\/p>\n<h2>Una convicci\u00f3n que ya estamos poniendo en pr\u00e1ctica<\/h2>\n<p>Estos principios no son meras teor\u00edas. En Artefact, ya estamos creando experiencias conversacionales con agentes para las principales marcas. Ma\u00f1ana, sus clientes ya no tendr\u00e1n que rellenar campos, sino que hablar\u00e1n con su marca o con un agente que act\u00fae en su nombre.<\/p>\n<p><strong>El comercio agencial no es una evoluci\u00f3n del comercio electr\u00f3nico; se trata de un desplazamiento del punto de decisi\u00f3n.<\/strong> La pregunta ya no es \u201c\u00bfC\u00f3mo me encuentran mis clientes?\u201d, sino \u201c\u00bfMe eligen aunque no est\u00e9 presente?\u201d. Las marcas que sienten las bases ahora \u2014visibilidad, interoperabilidad, preferencia\u2014 establecer\u00e1n las reglas que todos los dem\u00e1s tendr\u00e1n que seguir.<\/p>","protected":false},"excerpt":{"rendered":"<p>En tan solo unos a\u00f1os, la IA generativa ha pasado de ser una novedad a convertirse en la puerta de entrada por excelencia. Los grandes modelos de lenguaje (LLM) ya atraen cerca de 45 mil millones de visitas al mes, lo que equivale a 56% del volumen de b\u00fasquedas tradicionales, que se ha estancado desde hace a\u00f1os.<\/p>","protected":false},"featured_media":1320136,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1320011","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/1320011","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1320136"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1320011"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=1320011"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=1320011"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}