Las compras algorítmicas ya están aquí. ¿Está preparada su empresa?
Por Paul F. Accornero
Inteligencia artificial y aprendizaje automático.
Harvard Business Review
#Doxa #ComprasAlgoritmicas #InteligenciaArtificial #TransformacionDigital #Automatizacion #Procurement #CadenaDeSuministro #InnovacionEmpresarial #AnaliticaDeDatos #EficienciaOperativa #EstrategiaEmpresarial
Resumen. Los ejecutivos han dedicado años a preparar a sus organizaciones para el uso interno de la IA. El siguiente desafío es prepararse para la IA como cliente. A medida que los agentes de compra inteligentes evalúan, comparan y compran productos en nombre de los consumidores, las empresas deben replantearse su estrategia competitiva. El éxito dependerá menos del marketing persuasivo y más de los datos estructurados, la infraestructura técnica, las capacidades organizativas y la alineación ejecutiva. Los líderes deben evaluar si sus organizaciones están preparadas en cinco áreas críticas: estrategia, preparación de datos, capacidades comerciales, talento y gobernanza. Las auditorías periódicas pueden revelar debilidades ocultas, priorizar la inversión y ayudar a las organizaciones a adaptarse antes de que el comercio algorítmico se generalice. Las empresas que actúen con anticipación estarán mejor posicionadas para definir los estándares emergentes, fortalecer su ventaja competitiva y mantener su visibilidad en un mercado donde las máquinas influyen cada vez más en las decisiones de compra.
En abril de 2025, Amazon lanzó «Compra por mí», que permite a su agente de IA visitar sitios web de marcas, seleccionar productos, ingresar detalles de pago y completar compras sin que el cliente salga de la aplicación de Amazon. En septiembre, OpenAI presentó «Pago instantáneo» con el protocolo de comercio de código abierto Agentic Commerce Protocol, que permite realizar compras directamente dentro de ChatGPT. En enero de 2026, Google presentó el Protocolo de Comercio Universal en la conferencia de la Federación Nacional de Minoristas: un estándar abierto, creado con Shopify, Target, Walmart y más de 20 socios, que abarca el proceso de compra desde el descubrimiento hasta la asistencia posventa. Microsoft lanzó Copilot Checkout en la misma conferencia, y desde entonces Shopify ha habilitado por defecto las tiendas legibles por agentes para millones de comerciantes. Gartner ahora proyecta que para 2028, el 90 % de las compras B2B, más de 15 billones de dólares, se realizarán a través de plataformas de intercambio gestionadas por agentes de IA.
El patrón es claro: los consumidores siguen decidiendo qué necesitan, pero cada vez más un algoritmo se encarga de las compras. El cliente sigue siendo el consumidor. El cliente ya no es el comprador. A esta separación estructural la llamo «cisma del comprador», y es diferente de cada ola anterior de disrupción digital. El comercio electrónico, el comercio móvil y el comercio social cambiaron la forma en que los compradores interactuaban, pero el comprador seguía siendo humano. El comercio basado en agentes reemplaza por completo al comprador humano.
Las empresas diseñadas para persuadir a compradores humanos no están preparadas para competir cuando el comprador es una máquina. Un agente de IA no ve el empaque ni responde a la historia de la marca. Analiza datos estructurados, consulta API y evalúa productos según criterios que no tienen nada que ver con la resonancia emocional que el equipo de marketing ha cultivado durante décadas. La mayoría de los sistemas de datos de productos actuales son folletos elaborados, diseñados para la lectura humana. Un agente de IA los interpreta como una hoja de cálculo interpreta poesía.
Los marcos de preparación para la IA existentes del NIST y COSO abordan la gobernanza interna: ¿Cómo gestionamos las herramientas de IA que implementamos? Sin embargo, no abordan la pregunta más urgente: ¿Qué sucede cuando la IA no es una herramienta, sino un cliente? La Auditoría de Preparación Algorítmica (ARA) cubre esa brecha. Para cada uno de sus cinco pilares, los equipos directivos deben evaluar su estado actual en una escala de madurez de cuatro niveles (rezagado, en desarrollo, competente, líder) e identificar acciones específicas para los primeros 90 días.
Pilar 1: Estrategia y preparación del liderazgo
La pregunta central es: ¿Comparte la alta dirección una comprensión común y urgente del comercio basado en agentes, o todavía se trata como un tema especializado del comercio electrónico?
En el extremo rezagado, el tema se delega al responsable de comercio electrónico o de TI, una decisión que, en retrospectiva, parecerá tan absurda como delegar internet al servicio de asistencia técnica de TI en 1998. Lo que distingue a los líderes es una convicción profunda y compartida: el director ejecutivo, el director de marketing, el director comercial y el director de tecnología pueden articular las implicaciones de forma coherente, el comercio basado en agentes es un punto fijo en la agenda, existe una visión aprobada por el consejo de administración para triunfar con un cliente algorítmico, y un ejecutivo designado es el responsable de la transformación. La fragmentación de la responsabilidad entre departamentos es un indicador fiable de fracaso.
Este patrón no se limita a los bienes de consumo. Un socio sénior de una importante firma de servicios empresariales en Australia describió la misma trayectoria: durante 18 meses, el comercio algorítmico apenas se mencionó en las reuniones ejecutivas. Una vez que la firma lo incluyó en la agenda permanente del comité ejecutivo y designó a un responsable de la transformación, se pusieron en marcha proyectos piloto con tres socios de plataforma en un plazo de seis meses. Sector diferente, continente diferente, mismo punto de inflexión.
Para empezar: Programe una sesión de trabajo obligatoria de medio día para la alta dirección y sus colaboradores directos. Redacte la declaración de visión de la empresa sobre el comercio basado en agentes. Antes de abandonar la sala, designe al patrocinador ejecutivo e identifique dos o tres proyectos piloto de alto impacto con indicadores clave de rendimiento (KPI) claros y un plazo de presentación de informes de 90 días.
Pilar 2: Datos y preparación técnica
La pregunta clave es: ¿Los datos de su producto están estructurados, completos, son precisos y están disponibles a través de una API de alto rendimiento?
Las organizaciones rezagadas almacenan los datos de sus productos en hojas de cálculo dispersas por los distintos departamentos. Las empresas competentes cuentan con un sistema de gestión de información de productos (PIM) que actúa como fuente única de información fidedigna, accesible a través de una API documentada. En la vanguardia, cada producto dispone de un gemelo digital completo: una representación legible por máquina que captura todos los atributos que un agente podría consultar, y que fluye a través de una API de baja latencia.
El gemelo digital es un concepto familiar en la investigación de servicios, donde las empresas lo utilizan para anticipar fallos en el servicio antes de que los clientes los experimenten. El comercio geriátrico invierte este concepto: el gemelo digital ya no simula al cliente, sino que se convierte en él. Esta inversión es la esencia de este pilar.
Un agente de IA necesita datos estructurados: no "batería de larga duración", sino "capacidad de 4500 mAh, 85 % de retención tras 500 ciclos". No "ecológico", sino "huella de carbono: 2,3 kg de CO2e por unidad, certificación B Corp". Cada afirmación debe ser legible por máquina, idealmente respaldada por una certificación de terceros accesible mediante API. La preparación técnica también implica adoptar estándares universales como Schema.org y crear una infraestructura que pueda integrarse con nuevas plataformas en semanas, no en meses. En negociaciones con las principales plataformas minoristas, he observado cómo la conversación ha pasado de la ubicación en los estantes y los calendarios promocionales a los esquemas de datos y los tiempos de respuesta de la API.
Consideremos dos competidores que observé en la misma categoría de bienes de consumo de alta rotación. La empresa A invirtió en un PIM hace cinco años, pero lo trató como un centro de costos de TI: datos centralizados pero incompletos, estructurados para la lectura humana. La empresa B trató los datos de producto como un activo comercial, creando gemelos digitales verificados para cada SKU, con certificaciones accesibles mediante API y tiempos de respuesta inferiores a 200 milisegundos. A mediados de 2025, la empresa B estaba ganando cuota de mercado en canales influenciados por algoritmos a un ritmo que los análisis de marketing de la empresa A no podían explicar. La distancia entre "centralizado" y "optimizado por máquinas" resultó ser enorme e invisible para cualquier métrica comercial tradicional. Como documentan Oguz Acar y David Schweidel en el número de marzo-abril de 2026 de esta publicación, las marcas ya están descubriendo que los modelos de IA a menudo representan sus productos con datos incompletos o inexactos. El gemelo digital es la solución.
Para empezar: Pida al director de tecnología (CTO) y al director de marketing (CMO) que colaboren en una auditoría de gemelos digitales de sus diez productos principales, obligando a ambos departamentos a afrontar la brecha entre las afirmaciones de marketing y la realidad legible por máquina. Implemente un mandato para toda la empresa para la adopción de Schema.org.
Pilar 3: Preparación comercial
La pregunta central es: ¿Puede un agente de IA encontrar, evaluar y seleccionar su producto?
Este pilar requiere un cambio estratégico de la optimización para motores de búsqueda a lo que denomino optimización de la intención del agente: diseñar su presencia comercial para que los agentes de IA puedan descubrirla, analizarla y seleccionarla. Las impresiones, las tasas de clics y los índices de reconocimiento de marca miden la atención humana, no la selección algorítmica. Las métricas que importan ahora son el rendimiento de la API, la calidad de los datos, el estado de verificación y la cuota de elección algorítmica: el porcentaje de compras iniciadas por agentes en las que se selecciona su producto.
La relación con los socios minoristas también se transforma. La pregunta clave para su cliente principal en Amazon o Google ya no se limita a la ubicación en los estantes o el calendario promocional. Ahora es: ¿Cuál es el esquema técnico para su agente de compras con IA y cómo podemos convertirnos en socios de lanzamiento? En los últimos meses, altos directivos de importantes minoristas europeos me han comentado que están desarrollando activamente infraestructura de agentes de IA con Google, y minoristas de varios mercados me han preguntado cómo el comercio basado en agentes transformará sus negocios.
Un equipo de marketing de electrónica personal al que asesoré comenzó a monitorizar la cuota de mercado en las elecciones algorítmicas junto con sus métricas tradicionales y descubrió una preocupante discrepancia: la marca ocupaba el tercer puesto en reconocimiento espontáneo, pero el séptimo en selección algorítmica. Esta discrepancia se debía por completo a la falta de datos estructurados y a la lentitud en la respuesta de la API. Problemas solucionables, pero que su panel de control actual jamás habría detectado.
Para empezar: Establezca mediciones de referencia para las métricas relevantes para los agentes. Inicie un programa piloto para crear datos de producto optimizados para agentes para una marca o línea de productos. Inicie conversaciones con socios clave de venta minorista y plataformas sobre sus planes de desarrollo de agentes de IA. Estas alianzas se están formando ahora; quienes lleguen tarde se encontrarán con que ya no hay vuelta atrás.
Pilar 4: Preparación organizacional y del talento
La pregunta clave es: ¿Tiene su equipo comercial los conocimientos técnicos necesarios para competir en un mundo donde los algoritmos son primordiales?
El marketing tradicional hacía hincapié en la narración de historias, el desarrollo creativo y la orquestación de campañas. El modelo emergente exige dominio de las API, los esquemas de datos y la economía de las plataformas. Los profesionales del marketing no necesitan ser ingenieros, pero sí requieren la suficiente fluidez técnica para colaborar con los equipos técnicos y tomar decisiones informadas sobre la infraestructura.
La evolución de los roles ya es evidente. Los gestores de cuentas clave se están convirtiendo en socios del ecosistema de agentes, responsables de la integración técnica con los sistemas de IA de los minoristas. Los gestores de marca se están transformando en arquitectos de visibilidad algorítmica, responsables de cómo se representan las marcas en formatos legibles por máquina. Están surgiendo roles completamente nuevos: arquitectos de esquemas, ingenieros de IA que ponen a prueba la percepción y clasificación de productos por parte de los agentes, y coordinadores de verificación que gestionan las certificaciones de terceros. Estos roles no existían hace cinco años. Serán esenciales en cinco años.
En una multinacional fabricante de bienes industriales, el equipo directivo comercial llevó a cabo un análisis de brechas de habilidades de dos semanas y descubrió que menos del 10 % del personal clave de cuentas y gestión de marca podía explicar la diferencia entre una página de producto y una API de producto. A los seis meses de lanzar un programa de recapacitación específico, su equipo piloto había negociado el acceso anticipado al agente de compras con IA de un importante minorista, una ventaja que los competidores que aún contrataban personal para la gestión de canales tradicionales simplemente no podían igualar.
Para empezar: Colabora con el director de recursos humanos en un análisis rápido de las brechas de habilidades para los puestos clave de gestión de cuentas y marcas: un proyecto intensivo de dos semanas, no un estudio de seis meses. Lanza un programa piloto de recapacitación para un equipo. Redacta las descripciones de los puestos emergentes y comienza el reclutamiento. El mercado laboral ya está en movimiento.
Pilar 5: Gobernanza y preparación ética
La pregunta clave es: ¿Está usted preparado para el riesgo de dependencia de la plataforma en un mercado controlado por algoritmos?
Las organizaciones se enfrentan a una disyuntiva crucial: depender de los intermediarios de las plataformas para acceder a los compradores algorítmicos o invertir en infraestructura de venta directa al consumidor como medida de protección. No existe una solución neutral. Cuando un puñado de plataformas controlan los agentes de IA que realizan la mayoría de las recomendaciones de compra, el poder de mercado se desplaza de las marcas a los proveedores de plataformas. El servicio "Compra por mí" de Amazon posiciona a Amazon como intermediario incluso para compras en sitios web externos. El riesgo de un nuevo ecosistema cerrado, donde acceder a los compradores algorítmicos implique pagar tarifas a los propietarios de las plataformas, es considerable y va en aumento.
La preparación para la gobernanza también implica auditar los algoritmos para detectar sesgos, prepararse para la nueva normativa sobre transparencia en IA y establecer directrices éticas para interactuar con sistemas de comercio basados en agentes. En la vanguardia, un Comité de Ética de IA revisa cada iniciativa de IA orientada al cliente e informa directamente al director ejecutivo y al consejo de administración. El director ejecutivo y el asesor jurídico participan personalmente en la elaboración de las reglas del juego, en lugar de seguir reglas preestablecidas.
En los últimos meses, tanto el director ejecutivo de una importante cadena de tiendas de bienes de consumo como socios gerentes de firmas de servicios profesionales me han preguntado sobre la creación de comités de ética de IA. No porque los reguladores lo exigieran, sino porque la madurez demostrada en materia de gobernanza está permitiendo a los pioneros tener voz y voto, e incluso participar en programas piloto, a medida que los socios de las plataformas desarrollan estándares para el comercio algorítmico.
Para empezar: Establezca formalmente un Comité de Ética de IA, aunque sea pequeño. Presente un caso de negocio que justifique una mayor inversión en D2C como protección contra la dependencia de plataformas: su canal directo es su refugio para los datos y su marca. Colabore con las asociaciones del sector que definen los estándares del comercio basado en agentes. Las reglas se están escribiendo ahora; las empresas que contribuyan a redactarlas tendrán una ventaja estructural.
Cómo utilizar la auditoría
La Auditoría de Preparación Algorítmica no es una lista de verificación para delegar. Es un catalizador para el diálogo estratégico. En sesiones de trabajo con equipos directivos comerciales en tres continentes durante los últimos dieciocho meses, he constatado que su mayor valor reside no en las puntuaciones en sí, sino en las discrepancias que estas revelan. Pida a cada ejecutivo que evalúe de forma independiente la organización en cada pilar y, posteriormente, compare los resultados. Las diferencias de percepción, donde el director de marketing considera que la organización es competente y el director de tecnología que la considera rezagada, suelen revelar las vulnerabilidades más importantes.
Ninguna organización puede liderar en los cinco pilares a la vez. Una regla práctica: sobresalir en tres y mantener un nivel similar en los demás. Para la mayoría de las empresas, la preparación técnica y de datos debe ser la prioridad; sin el gemelo digital, nada más funciona. Y conviértalo en una práctica trimestral: los proveedores de plataformas se actualizan constantemente, y la empresa que realizó esta auditoría hace seis meses y la archivó ya se ha quedado atrás.
Existe también un segundo público objetivo para esta auditoría: los inversores. La preparación algorítmica de una empresa objetivo pronto será un factor clave en la debida diligencia, al igual que lo fue la madurez digital hace una década. Los mismos cinco pilares que guían a un equipo directivo pueden indicar a un comprador el valor que tendrá una empresa cuando el comprador sea un algoritmo.
...
Sería fácil concluir que el comercio basado en agentes es principalmente un problema tecnológico, una cuestión de API y esquemas de datos. Eso sería un error. El verdadero factor diferenciador es la convicción del liderazgo: ejecutivos que comprenden que no se trata de un nuevo canal que optimizar, sino de un cliente fundamentalmente diferente para el que prepararse.
Existe una paradoja que vale la pena afrontar. En un mundo donde el cliente es cada vez más una máquina, la ventaja competitiva más duradera reside en humanizarse. Los algoritmos optimizan; no crean. El criterio estratégico para detectar oportunidades emergentes, la creatividad para desarrollar productos diferenciados, la empatía para comprender las verdaderas necesidades de los consumidores: todo esto sigue siendo intrínsecamente humano. La brecha en el comportamiento del consumidor no esperará a su próximo ciclo de planificación. La cuestión no es si su próximo cliente será humano o máquina, sino si ha construido una organización capaz de triunfar en ambos casos.
Lea más sobre IA y aprendizaje automático o temas relacionados: IA generativa y algoritmos.
Paul F. Accornero es el fundador de The AI Praxis y autor de The Algorithmic Shopper (próxima publicación, St. Martin's Press/Macmillan, 2027). Trabajó durante más de 25 años en el sector global de bienes de consumo, los últimos ocho como Director Comercial Global de De'Longhi Group, donde lideró la estrategia comercial en más de 120 mercados, e impartió clases sobre comercio basado en agentes en la Universidad de Harvard. Más información en paulaccornero.com.
