Las cuatro capas que impulsan el comercio autónomo
Cómo será en la práctica la infraestructura que impulse los pagos agenciales.
La IA generativa sigue siendo principalmente una capa de investigación y consideración, y el clic final, al menos por ahora, se produce en un sitio convencional y pertenece a un humano, no a una máquina.
Pero, aunque la mayor parte del debate público sigue centrándose en los asistentes de compras orientados al consumidor, la transformación de la infraestructura que permite a los agentes buscar, negociar y ayudar en los pagos a gran escala ya está en funcionamiento, especialmente en los flujos B2B, donde el consentimiento y la responsabilidad están más claros.
Las primeras pruebas piloto muestran que eCommerce evolucionando rápidamente hacia un ecosistema multiagente en el que los agentes públicos, empresa , los agentes de los proveedores de servicios de pago (PSP) y los agentes de las redes de tarjetas negocian y realizan transacciones en tiempo real. Cada capa de esta infraestructura tiene funciones y puntos de control distintos. Y entenderlos será clave para que empresasconsigan una ventaja competitiva a medida que el comercio multiagente vaya creciendo.
Capa uno: plataformas de IA para consumidores: los nuevos guardianes del descubrimiento
A finales de 2025, las plataformas públicas de IA, como ChatGPT, Perplexity y otras, se habían convertido en importantes canales de descubrimiento que influyen cada vez más en empresas que visitan empresas .
El 29 de septiembre de 2025, se lanzó «Agent Pay» de Mastercard en ChatGPT, lo que permite a los titulares de tarjetas de EE. UU. realizar compras directamente desde las interfaces de chat. Por su parte, OpenAI se asoció con Shopify para que más de un millón empresas y se pudiera comprar en ellas a través de los flujos conversacionales de ChatGPT .
A diferencia de los humanos, los agentes de IA no se desplazan ni interpretan la jerarquía visual de forma significativa: ChatGPT, Perplexity, Claude, Gemini y otros extraen datos estructurados de feeds, API y marcas schema.org.
A pesar de todos los esfuerzos del equipo empresa , la página de inicio, los banners y los flujos de experiencia de usuario apenas tienen importancia para un agente.
En cambio, los agentes evalúan los productos como filas de una tabla con atributos, precios, disponibilidad y condiciones que pueden analizar y comparar entre varias empresas.
empresas catálogo de productos empresas una cobertura de atributos casi completa (más del 95 %) suelen notar que sus productos aparecen más en las recomendaciones de IA que los de catálogos con datos incompletos. Por otro lado, los agentes suelen pasar por alto los productos a los que les faltan datos como plazos de envío, tallas o políticas de devolución.
Buenas prácticas para maximizar la visibilidad de empresas el comercio mediado:
- Exponed datos completos y estructurados sobre los productos a través de feeds y del marcado de productos schema.org para que los agentes puedan interpretar el catálogo de forma fiable.
- Alinea la estructura del catálogo con las consultas en lenguaje natural («botas de senderismo impermeables por menos de 200 £ con entrega antes del viernes»), no solo con la lógica interna de comercialización.
- Mantén la sincronización en tiempo real del inventario y los precios. Los agentes penalizan los datos desactualizados o inexactos y bajarán rápidamente la valoración de empresas suelen dar información errónea sobre las existencias o las promesas de entrega.
- Ofrece checkout adaptadas a los agentes o adopta los nuevos estándares de comercio «agentic» para evitar el scraping de HTML, que es muy frágil.
- Incluye en la lista blanca a los agentes de confianza, al tiempo que mantienes las defensas contra el fraude para distinguir la automatización beneficiosa de los bots abusivos.
A medida que el comercio basado en agentes vaya ganando terreno, empresas optimicen los datos legibles por máquinas, en lugar de (solo) la persuasión humana, dominarán el descubrimiento impulsado por agentes. En cambio, las que sigan centrándose exclusivamente en las visitas a la página podrían correr el riesgo de pasar desapercibidas.
Capa dos: empresas : de la visibilidad a la propiedad de los resultados
Aunque hayas realizado todas las optimizaciones necesarias para los agentes públicos, es posible que tengas visibilidad, pero sigas sin tener control sobre la experiencia de marca, el resultado de las transacciones o la forma en que tu mensaje se transmite a los consumidores. Encuestas recientes del sector indican que la mayoría de los grandes minoristas esperan que los pagos a través de agentes se generalicen en un plazo de tres años, pero muchos aún no han definido cómo gestionarán sus sistemas las compras iniciadas por agentes, las modificaciones posteriores a la compra o los reembolsos cuando operen a gran escala.
Ahí es donde entra en juego un empresa a medida. Te informo de que...
Cuando un agente público llega con una solicitud como«unas zapatillas de correr de 120 £ con envío antes del martes», un empresa interpreta la intención, la relaciona con el catálogo y la logística empresa, y prepara la mejor oferta que empresa ofrecer. Puede gestionar las limitaciones de stock en tiempo real, elegir opciones de envío y entrega que cumplan con el plazo y mantener la voz de la marca en cómo se presentan los productos y las alternativas. En lugar de dejar que un agente público tenga que rastrear páginas y hacer conjeturas, empresa se convierten en interlocutores activos en la negociación que pueden ajustar los paquetes, aplicar promociones y proponer alternativas cuando no existe una coincidencia exacta.
Con el tiempo, es probable que empresa se conviertan en la interfaz predeterminada para los PSP y los esquemas. Mostrarán datos en tiempo real sobre el inventario, los precios y las señales de riesgo, que otras capas de la infraestructura podrán utilizar para optimizar sus operaciones. En ese modelo, el agente público o intermediario coordina las operaciones entre varias empresas, mientras que cada empresa se centra en maximizar la conversión, el margen y la experiencia del cliente para su propio negocio.
En el comercio basado en agentes, el futuro es de empresas han creado agentes para dar forma de forma activa a las transacciones y tomar las riendas de los resultados, en lugar de limitarse a esperar a que las descubran.
Capa tres: agentes de pago: el centro de inteligencia operativa
Los agentes de los PSP y las plataformas de pago globales como Nuvei se encargan cada vez más de la inteligencia operativa que convierte la intención en movimientos de dinero a gran escala. Se ocupan de la detección de fraudes, la optimización de rutas, el rendimiento de las autorizaciones, la gestión de disputas, la conciliación, las decisiones de tesorería y el cumplimiento normativo en miles de empresas millones de transacciones. A medida que estos puntos de control convergen en el comercio basado en agentes, la inteligencia que generen las plataformas de pago se multiplicará a lo largo de toda la cadena de valor.
Un agente de pagos puede operar dentro de uno de los siguientes puntos de control:
- Checkout financiación. Determinar si hay que aprobar una transacción, qué fuente de financiación usar y qué señales de fraude aplicar en tiempo real. En este contexto, la inteligencia consiste en aprender nuevos patrones de comportamiento de los agentes y adaptarse a medida que estos evolucionan.
- Autorización y enrutamiento. Decidir si enviar una transacción a través de 3D Secure, qué adquirente o ruta elegir en función del rendimiento en tiempo real, y si pujar dinámicamente por las comisiones y las rutas de enrutamiento. Estudios de casos recientes muestran que el enrutamiento basado en IA y la optimización del riesgo pueden reducir las pérdidas por fraude en más de la mitad y aumentar las tasas de aprobación lo suficiente como para generar un incremento de ingresos de un dígito alto para algunas empresas, sobre todo en los segmentos transfronterizos y de mayor riesgo.
- Controles posteriores al pago. Optimización de las pruebas de devolución de cargos, el momento de liberación de fondos y la gestión de la liquidez, con decisiones que se acumulan en miles de transacciones al día.
Los PSP y las plataformas de pago con datos distribuidos a nivel mundial, configuraciones globales con múltiples adquirentes y toma de decisiones con IA integrada estarán mejor posicionados para entrenar modelos conscientes de los agentes en diferentes geografías y casos de uso.
La información que se recibe de estos PSP puede convertirse en un recurso compartido para empresas quieran sacar partido del comercio basado en agentes sin tener que desarrollar por sí mismas todas las capacidades ni toda la infraestructura que lo hace posible.
Capa cuatro: agentes del esquema: codificación de la confianza y las normas
Las redes de tarjetas están evolucionando más allá de los sistemas de pago pasivos hacia capas de coordinación inteligentes que diferencian a los agentes de las transacciones humanas y aplican modelos de seguridad específicos para cada contexto.
Por ejemplo, en octubre de 2025, Visa presentó su Protocolo de Agentes de Confianza (TAP), desarrollado junto con Cloudflare, para ofrecer verificación criptográfica de los agentes de IA durante la navegación y checkout. Gracias a él, empresas los proveedores de servicios de pago (PSP) pueden distinguir los agentes de confianza de la automatización maliciosa con cambios mínimos en su infraestructura.
Mientras tanto, Mastercard está trabajando con socios como Microsoft, IBM y Google para ampliar el comercio agente a nivel mundial, y ha anunciado planes para expandir Agent Pay en toda América Latina.
Los agentes del programa están empezando a detectar y clasificar las transacciones «con presencia de agentes» mediante:
- Protocolo de agente de confianza (Visa): las firmascriptográficas verifican la identidad del agente durante la navegación.
- Agent Pay (Mastercard): Las credenciales especiales demuestran que «Soy ChatGPT actuando en nombre de Alex B».
Los agentes del programa detectan el tráfico de los agentes a través de direcciones IP en la nube, huellas digitales de automatización e indicadores de protocolo. Estos distinguen a los agentes legítimos de los humanos y los bots maliciosos, y luego aplican reglas específicas para cada agente, como una menor fricción para los agentes de confianza y un escrutinio más estricto para los desconocidos. También coordinan la autenticación conservando las señales de identidad de los agentes a través del flujo PSP → emisor → liquidación.
Lo que aún no se ha desarrollado es la adopción generalizada e interoperable de estas normas, así como unas reglas claras en materia de responsabilidad que definan qué ocurre cuando un agente autorizado toma una decisión perjudicial en nombre de un consumidor o de una empresa.
A medida que el comercio agencial crezca, los agentes del sistema serán cada vez más responsables de coordinar la autenticación, aplicar modelos de fraude sensibles al contexto y hacer cumplir las nuevas categorías de «agente presente» que se suman a las distinciones actuales de «tarjeta presente» y «tarjeta no presente».
Al mismo tiempo, los programas están explorando cómo los protocolos de redes de tarjetas (como TAP y Agent Pay) podrían ampliarse hacia la interoperabilidad APM.
¿Tu infraestructura de pagos está preparada para el comercio agencial?
Las encuestas del sector sugieren que cerca del 60 % de los bancos y las grandes empresas esperan que los pagos por agente se generalicen en los próximos tres años, y que su adopción inicial se concentrará en la facturación recurrente y los flujos de compras B2B.
Probablemente sea solo cuestión de tiempo que estas tendencias se extiendan más ampliamente al sector B2C, sobre todo en el caso de las compras recurrentes y de bajo riesgo. eCommerce convirtiendo en un ecosistema con múltiples agentes, en el que la intención humana se expresa cada vez más de forma indirecta, en lugar de a través de clics.
Para empresas, la cuestión no es tanto si los agentes van a llegar, sino más bien si su infraestructura estará preparada para cuando los agentes se conviertan en la principal vía de compra.
Asaf Ben Gal es director de IA y análisis en Nuvei, donde lidera la estrategia de IA y las iniciativas de aprendizaje automático aplicado de la empresa con el fin de convertir las tecnologías avanzadas en un impacto comercial cuantificable.
