Las cuatro capas que impulsan el comercio autónomo

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 demuestran que el comercio electrónico está evolucionando rápidamente hacia un ecosistema multiagente en el que los agentes públicos, empresas , los agentes proveedores de servicios de pago (PSP) y los agentes de redes de tarjetas negocian y realizan transacciones en tiempo real. Cada capa de esta infraestructura tiene diferentes funciones y puntos de control. Comprenderlos determinará la ventaja competitiva de los comerciantes a medida que el comercio agencial 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 los comercios que visitan los consumidores.  

El 29 de septiembre de 2025, Agent Pay de Mastercard se lanzó en ChatGPT, lo que permitió a los titulares de tarjetas estadounidenses completar sus compras directamente desde las interfaces de chat. Mientras tanto, OpenAI se asoció con Shopify para que más de un millón de comerciantes pudieran ser encontrados y realizar compras 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 empresas , la página de inicio, los banners y los flujos de UX tienen poco peso para un agente.

En su lugar, los agentes evalúan los productos como filas en una tabla con atributos, precios, disponibilidad y políticas que pueden analizar y comparar entre múltiples comerciantes.  

Los comerciantes con una cobertura de atributos casi completa (95 %+) en vuestro feed de productos suelen informar de una mayor visibilidad en las recomendaciones de IA en comparación con los catálogos escasos. Por otro lado, los agentes suelen omitir los productos con datos que faltan, como plazos de envío, tallas o políticas de devolución.  

Mejores prácticas para maximizar la visibilidad de los comerciantes en el comercio agencial:

1. 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.  
2. 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.
3. Mantén el inventario y los precios sincronizados en tiempo real. Los agentes penalizan los datos obsoletos o inexactos y rápidamente rebajan la clasificación de los comerciantes que habitualmente falsean las promesas de stock o entrega.
4. Proporciona API de pago compatibles con agentes o adopta los nuevos estándares de comercio agente para evitar el frágil raspado de HTML.
5. 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 agentico crece, los comerciantes que optimizan los datos legibles por máquinas en lugar de (solo) la persuasión humana dominarán el descubrimiento impulsado por agentes. Mientras que aquellos que siguen creando exclusivamente para las visitas a la página podrían correr el riesgo de volverse invisibles.

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.

Aquí es donde entra en juego un empresas a medida.  

Cuando un agente público llega con una solicitud como«un envío de zapatillas deportivas por valor de 120 libras para el martes», un empresas interpreta la intención, la compara con el catálogo y la logística empresasy elabora la mejor oferta que empresas hacer. Puede gestionar las limitaciones de inventario en tiempo real, elegir las opciones de envío y cumplimiento que cumplan con el plazo y mantener la voz de la marca en la forma en que se presentan los productos y las compensaciones. En lugar de dejar que un agente público rastree páginas y haga conjeturas, empresas se convierten en contrapartes activas en la negociación que pueden ajustar paquetes, aplicar promociones y proponer alternativas cuando no existe una coincidencia exacta.  

Con el tiempo, es probable que empresas se conviertan en la interfaz predeterminada para los PSP y los sistemas. Mostrarán en tiempo real el inventario, los precios y las señales de riesgo que otras capas de la infraestructura pueden optimizar. En ese modelo, el agente público o intermediario coordina a varios comerciantes, mientras que cada empresas se centra en maximizar la conversión, el margen y la experiencia del cliente para su propio negocio.  

En el comercio agencial, el futuro pertenece a los comerciantes que han creado agentes para configurar activamente las transacciones y controlar los resultados, en lugar de limitarse a esperar a ser descubiertos.

Capa tres: agentes de pago: el centro de inteligencia operativa  

Los agentes de los PSP y las plataformas de pago globales como Nuvei gestionan cada vez más la inteligencia operativa que convierte la intención en movimiento de dinero a gran escala. Se encargan 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 comercios y millones de transacciones. A medida que estos puntos de control convergen en el comercio agente, la inteligencia que generan las plataformas de pago puede multiplicarse en toda la cadena de valor.  

Un agente de pagos puede operar dentro de uno de los siguientes puntos de control:

• Pago y financiación. Determinar si una transacción debe aprobarse, qué fuente de financiación utilizar y qué señales de fraude aplicar en tiempo real. En este caso, inteligencia significa 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 tarifas y las rutas de enrutamiento. Estudios de casos recientes muestran que el enrutamiento impulsado por la inteligencia artificial y la optimización del riesgo pueden reducir las pérdidas por fraude en más de la mitad y elevar las tasas de aprobación lo suficiente como para generar aumentos de ingresos de un dígito alto para algunos comerciantes, especialmente 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 recibida de estos PSP puede convertirse en un activo compartido para los comerciantes que desean beneficiarse del comercio agente sin tener que desarrollar todas las capacidades por sí mismos ni toda la infraestructura que lo sustenta.  

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, por sus siglas en inglés), desarrollado junto con Cloudflare, para proporcionar verificación criptográfica a los agentes de IA durante la navegación y el proceso de pago. Con él, los comerciantes y los PSP pueden distinguir los agentes de confianza de la automatización maliciosa con cambios mínimos en vuestra 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.  

Es probable que solo sea cuestión de tiempo que estos patrones se extiendan más ampliamente al B2C, especialmente en el caso de las compras repetidas y de bajo riesgo. El comercio electrónico está evolucionando hacia un ecosistema multiagente, en el que la intención humana se expresa cada vez más de forma indirecta, en lugar de a través de clics.

Para los comerciantes, la cuestión no es tanto si los agentes van a llegar, sino si vuestra infraestructura estará preparada cuando los agentes se conviertan en la principal interfaz para las compras.

‍

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.