Doxa 2661

¿Quién es el dueño del cliente en la era de los agentes de IA?

Por: Oscar Hernando Benavides Paz, MBA

Resumen

La irrupción de los agentes autónomos de inteligencia artificial en los procesos de descubrimiento, comparación, negociación y compra está reconfigurando radicalmente las bases sobre las que las empresas han construido, durante décadas, la propiedad de la relación con el cliente. Este artículo examina la pregunta fundamental de quién controla —y quién debería controlar— la relación con el cliente en un ecosistema donde agentes de IA actúan como intermediarios soberanos entre la intención del consumidor y la transacción comercial. A través de una revisión de literatura académica y técnica publicada hasta 2026, se analizan las fuerzas estructurales que están desplazando el poder de mercado desde las plataformas propietarias hacia los agentes inteligentes, las tensiones emergentes entre retailers y plataformas de IA por la soberanía del dato, y las implicaciones estratégicas para las organizaciones que enfrentan lo que se ha denominado el “trade-off de soberanía”. La evidencia sugiere que la propiedad del cliente ya no se define por el control del canal de descubrimiento o por los efectos de red, sino por la capacidad de conectar intención, transacción y retroalimentación en un ciclo de aprendizaje continuo. Se concluye que las organizaciones que prosperarán en este nuevo paradigma serán aquellas que logren equilibrar la integración con plataformas de agentes dominantes y la preservación de capacidades propietarias de contexto y datos, evitando convertirse en meros centros de cumplimiento en el ecosistema de otro.

Introducción

Durante las últimas tres décadas, la premisa fundamental del marketing y la estrategia comercial ha sido que la empresa que controla el punto de contacto con el cliente —el canal de descubrimiento, la interfaz de compra, el programa de fidelización— controla también la relación y, por extensión, el flujo de ingresos futuros. Esta premisa sustentó la construcción de imperios como Amazon Prime, los programas de lealtad de las aerolíneas y las cadenas hoteleras, y los ecosistemas de datos de las grandes plataformas digitales. La lógica era aparentemente inquebrantable: quien posee la interacción, posee al cliente.

La era de los agentes autónomos de inteligencia artificial está demostrando que esa lógica ya no es suficiente. Cuando un agente de IA —ChatGPT, Gemini, Perplexity o cualquier otro sistema agéntico— asume la tarea de investigar, comparar, negociar y eventualmente ejecutar una compra en nombre del consumidor, la interacción que durante décadas fue el activo más preciado de las empresas se desplaza hacia un intermediario algorítmico que no responde a las mismas reglas de juego. El cliente deja de “visitar” la tienda; el agente la interroga, y en ese proceso, la empresa pierde el control sobre la narrativa, la secuencia y el contexto de la relación.

Este artículo examina las dimensiones críticas de esta transformación. ¿Qué significa “poseer” al cliente cuando un agente media cada interacción relevante? ¿Qué activos estratégicos siguen siendo defendibles y cuáles se han vuelto obsoletos? ¿Cómo deben responder las organizaciones ante lo que algunos analistas describen como el riesgo de convertirse en “centros de cumplimiento de última milla” para la IA de otro? La revisión que se presenta a continuación sintetiza la evidencia disponible hasta 2026 y propone un marco interpretativo para navegar esta transición.

Objetivos

El presente trabajo persigue los siguientes objetivos:

Objetivo general: Analizar críticamente la reconfiguración de la propiedad del cliente en el contexto de la adopción masiva de agentes autónomos de inteligencia artificial en procesos comerciales y de gestión de relaciones con clientes.

Objetivos específicos:

1. Identificar los mecanismos mediante los cuales los agentes de IA desplazan el control de la relación con el cliente desde las plataformas propietarias hacia intermediarios algorítmicos.

2. Evaluar el valor estratégico comparativo de los activos tradicionales de propiedad del cliente —efectos de red, engagement, lock-in de proveedores, datos propietarios— en el nuevo entorno agéntico.

3. Examinar el “trade-off de soberanía” que enfrentan las organizaciones entre la integración con plataformas de agentes dominantes y la preservación de capacidades propietarias de datos y contexto.

4. Analizar las implicaciones contractuales, éticas y regulatorias de la delegación de decisiones de compra a agentes autónomos.

5. Proponer un marco conceptual que oriente las decisiones estratégicas de las organizaciones en la transición hacia el comercio agéntico.

Metas

El estudio se propone alcanzar las siguientes metas concretas:

1. Establecer una síntesis integrada de la literatura académica y técnica publicada entre 2024 y 2026 sobre agentes de IA en contextos de CRM, comercio agéntico y gestión de relaciones con clientes.

2. Distinguir analíticamente entre la propiedad legal del dato, la propiedad operativa del contexto y la propiedad estratégica de la relación, clarificando qué tipo de “propiedad” está efectivamente en disputa.

3. Identificar patrones emergentes de respuesta estratégica por parte de retailers, plataformas y proveedores de tecnología, incluyendo estrategias de integración dual, construcción de fosos de datos propietarios y gestión de narrativa externa.

4. Delinear líneas de investigación futura que aborden las lagunas identificadas en la evidencia disponible, particularmente en lo relativo a métricas de propiedad del cliente en entornos agénticos y a la gobernanza de datos generados por agentes autónomos.

Desarrollo

La descomposición del embudo y la emergencia del agente como interfaz soberana

El modelo tradicional del embudo de conversión —descubrimiento, investigación, comparación, decisión, compra— presupone que cada etapa ocurre en un espacio controlado por la empresa o, al menos, en un espacio donde la empresa puede influir significativamente. La publicidad dirigida, el SEO, el diseño de la experiencia de usuario y los programas de fidelización operaban como palancas para empujar al cliente a través de ese embudo dentro de un ecosistema propietario.

Los agentes de IA colapsan ese embudo en una interacción única. Como describe Sebok, se produce una “colapso del embudo” donde el agente identifica la intención, genera recomendaciones y ejecuta la transacción en un solo paso, sin que el cliente visite necesariamente la propiedad digital de la marca. La consecuencia estratégica es profunda: si el agente controla el descubrimiento y la comparación, la empresa pierde la oportunidad de influir en la decisión en el momento en que tradicionalmente ejercía su mayor poder de persuasión.

La evidencia empírica incipiente respalda esta transformación. Shopify reportó en 2026 que los pedidos provenientes de búsqueda con IA habían crecido trece veces año contra año, con un valor promedio de pedido un 30% superior al de los canales convencionales. Stripe documentó un crecimiento abrupto en transacciones ejecutadas por agentes de IA tras un período de estancamiento inicial. Estos datos, aunque preliminares, señalan una dirección clara: el punto de entrada al comercio se está desplazando desde las interfaces propietarias hacia los agentes conversacionales.

La obsolescencia de las fuentes tradicionales de poder de mercado

Durante la era de las plataformas, el poder de mercado en la relación con el cliente se sustentaba en cinco pilares: efectos de red, engagement, lock-in de proveedores, datos propietarios y capacidad de controlar el descubrimiento. El análisis de la literatura reciente sugiere que ninguno de estos pilares garantiza ya el control de la relación en un entorno agéntico.

Los efectos de red, que convirtieron a plataformas como Amazon o Airbnb en ganadores categóricos, se debilitan cuando el agente puede comparar instantáneamente ofertas de múltiples proveedores sin que el usuario experimente fricción alguna. El engagement —medido en tiempo de permanencia, clics o interacciones— pierde relevancia cuando la interfaz relevante ya no es la aplicación de la marca sino el agente que opera en nombre del usuario. El lock-in de proveedores se erosiona cuando los agentes pueden cambiar de fuente de suministro sin que el consumidor lo perciba. Los datos propietarios, aunque siguen siendo valiosos, ya no constituyen una barrera defensiva suficiente si el agente tiene acceso a fuentes de información alternativas que escapan al control de la empresa.

El nuevo activo estratégico, según la evidencia emergente, es la capacidad de conectar la intención del cliente con la transacción, observar el resultado y utilizar esa retroalimentación para mejorar decisiones futuras. Esta capacidad —que requiere no solo datos, sino arquitecturas de integración, permisos de acceso y ciclos de aprendizaje— se está convirtiendo en la verdadera moneda de la propiedad del cliente en el ecosistema agéntico.

El trade-off de soberanía: integración versus independencia

La decisión estratégica más apremiante para retailers y marcas es si integrarse en las plataformas de agentes dominantes —obteniendo alcance inmediato pero cediendo soberanía sobre la relación— o construir agentes propietarios que preserven el control pero requieran tiempo, capital y profundidad técnica significativos. Sebok describe esta disyuntiva como un “trade-off de soberanía” cuya resolución definirá la relevancia competitiva de las organizaciones en la próxima década.

La integración con plataformas como ChatGPT, Gemini o Perplexity ofrece ventajas innegables: acceso a una base de usuarios masiva, capacidad técnica sofisticada y velocidad de despliegue. Pero el riesgo es explícito: la organización puede quedar relegada al rol de proveedor de cumplimiento, invisible para el consumidor final, intercambiable y sujeta a las condiciones comerciales que la plataforma de agentes imponga. “El riesgo para todos los retailers”, advierte Sebok, “es permitir que se conviertan en un centro de cumplimiento de última milla para la solución de IA de otro”.

La construcción de agentes propietarios, por el contrario, preserva la soberanía pero plantea desafíos igualmente formidables. Requiere no solo inversión tecnológica, sino una reconfiguración profunda de los sistemas de datos, las arquitecturas de integración y las capacidades de gobernanza. La evidencia de implementaciones empresariales sugiere que los marcos de agentes autónomos como Agentforce de Salesforce pueden lograr mejoras sustanciales en eficiencia operativa —tasas de automatización del 92.5%, conversión de leads del 88.4%, precisión de completitud de tareas del 94.1%— pero estos resultados se refieren a la optimización de procesos internos, no a la preservación de la propiedad del cliente frente a agentes externos.

El dato como moneda de relevancia y el problema de la identidad fragmentada

En el entorno agéntico, los datos se convierten en la moneda primaria de la relevancia. Sin embargo, la naturaleza de esa relevancia está cambiando. Tradicionalmente, las empresas acumulaban datos para personalizar la experiencia dentro de sus propias interfaces. En el nuevo paradigma, la pregunta es si la empresa tiene acceso al contexto que el agente utiliza para tomar decisiones en nombre del cliente.

Un agente inteligente no puede personalizar una experiencia para alguien que la empresa no puede identificar. No puede responder a una intención que no puede observar, ni utilizar señales que nunca llegaron a su sistema de CRM. Esta es la paradoja de la propiedad del cliente en la era agéntica: la empresa puede tener derechos legales sobre los datos que posee, pero si el agente controla el punto de captura de la intención, esos datos serán inevitablemente incompletos, sesgados y tardíos.

La literatura sobre contratos de IA señala que la discusión sobre propiedad del dato es solo el punto de partida. Lo comercialmente significativo no es quién posee la información, sino quién puede derivar valor de ella más allá del alcance inmediato del servicio contratado. Un contrato puede otorgar a la empresa la titularidad de sus datos, pero permitir simultáneamente al proveedor de la plataforma utilizar esa información para entrenar, afinar o mejorar sus propios sistemas. En ese caso, la propiedad legal se convierte en una distinción sin diferencia estratégica.

La batalla por la lealtad: ¿programas de fidelización agénticos?

Una de las manifestaciones más concretas de la disputa por la propiedad del cliente es la emergencia de programas de fidelización operados por los propios agentes de IA. La lógica es inevitable: si ChatGPT o Perplexity controlan una porción creciente de las transacciones, tienen tanto incentivo como capacidad para lanzar sus propios programas de recompensas —“ChatGPT Prime”, por ejemplo— que recompensen directamente al usuario por ejecutar compras a través del agente, desplazando así los beneficios que tradicionalmente ofrecían los programas de fidelización de las marcas.

La historia del comercio electrónico sugiere que casi toda plataforma escalada eventualmente introduce su propio programa de lealtad: Amazon Prime, Walmart+, Starbucks Rewards, Sephora Beauty Insider. La pregunta no es si los agentes de IA seguirán este patrón, sino qué ocurrirá con los programas de fidelización de las marcas cuando compitan con un agente que tiene acceso privilegiado al usuario, capacidad de comparación instantánea y la posibilidad de ofrecer recompensas cruzadas entre categorías que ninguna marca individual puede igualar.

La resistencia de las marcas será previsible: exigirán visibilidad en los resultados de búsqueda de los agentes, demandarán compartir datos de clientes y se opondrán a cualquier sistema que diluya su identidad o subvierta su programa de fidelización. El resultado probable es una negociación compleja sobre datos, visibilidad y derechos de recompensa que definirá las condiciones de la convivencia entre marcas y plataformas agénticas.

Implicaciones de gobernanza y el problema de la representación

La delegación de decisiones de compra a agentes autónomos plantea cuestiones de gobernanza que trascienden la estrategia comercial. Si un agente actúa en nombre del consumidor, ¿a quién rinde cuentas? ¿Cómo se gobierna la relación entre el agente, el consumidor representado y la empresa que ofrece el producto? La investigación en seguridad de agentes que utilizan herramientas señala que los supuestos de control que funcionaban para chatbots no aplican a sistemas que ejercen autoridad en nombre del usuario. Los mecanismos de autorización existentes —como los scopes de OAuth— son demasiado gruesos para expresar la delegación acotada que un agente necesita, forzando a los constructores a otorgar privilegios más amplios de lo que la tarea requiere.

La cuestión de la identidad del agente —quién es, a quién representa, con qué límites— se convierte en un problema de gobernanza de primer orden. Los marcos regulatorios existentes, incluyendo GDPR, CCPA, la Ley de IA de la UE y las reglas de salvaguarda financiera, presentan lagunas significativas para acciones efímeras emitidas por agentes. Las organizaciones que operen en este espacio deberán desarrollar capacidades de gobernanza que aborden no solo la protección de datos, sino la representación delegada, la trazabilidad de decisiones y la asignación de responsabilidad en cadenas de acción agéntica.

Conclusiones

La pregunta sobre quién es el dueño del cliente en la era de los agentes de IA no admite una respuesta binaria. La evidencia revisada sugiere que estamos ante una reconfiguración fundamental de lo que significa “poseer” una relación comercial, no ante una simple transferencia de propiedad de un actor a otro.

Primero, la propiedad del cliente ya no se define por el control del canal de descubrimiento ni por la posesión de la interfaz de compra. Los agentes de IA están demostrando que estos activos, aunque valiosos, no son suficientes para garantizar la continuidad de la relación. La nueva moneda de la propiedad es la capacidad de conectar intención con transacción, observar resultados y aprender de manera iterativa.

Segundo, las organizaciones enfrentan un trade-off real entre integración y soberanía. La integración con plataformas agénticas dominantes ofrece alcance pero conlleva el riesgo de convertirse en proveedores de cumplimiento invisibles. La construcción de capacidades propietarias preserva la soberanía pero exige inversiones significativas y una reconfiguración profunda de arquitecturas de datos y gobernanza.

Tercero, la distinción entre propiedad legal del dato y control operativo del contexto se vuelve crítica. Tener derechos sobre los datos no equivale a tener la capacidad de utilizarlos para influir en decisiones futuras. La fragmentación de la identidad del cliente a través de múltiples puntos de interacción agéntica es uno de los desafíos más apremiantes para las organizaciones que aspiran a mantener relaciones significativas con sus clientes.

Cuarto, la emergencia de programas de fidelización operados por agentes de IA representa una amenaza directa a uno de los activos más valiosos de las marcas: la capacidad de recompensar y retener clientes directamente. La competencia por la lealtad se desplazará hacia el nivel del agente, donde las marcas individuales tendrán menos palancas de influencia que en el pasado.

La conclusión central es que la propiedad del cliente en la era agéntica no se conquista ni se defiende mediante el control de un canal, sino mediante la construcción de capacidades que hacen a la organización indispensable para el agente. Las empresas que logren conectar intención, transacción y retroalimentación en ciclos de aprendizaje que mejoren la calidad de las decisiones del agente tendrán una posición de poder relativa. Aquellas que se limiten a ofrecer productos intercambiables en un mercado donde el agente compara sin fricción se convertirán en commodities dentro del ecosistema de otro.

Retos

La transición hacia un ecosistema donde los agentes de IA median la relación con el cliente plantea retos que exigen atención tanto de la investigación académica como de la práctica empresarial y la regulación pública.

Reto 1: La medición de la propiedad del cliente en entornos agénticos. Las métricas tradicionales de lealtad, engagement y valor de vida del cliente (CLV) presuponen que la empresa controla los puntos de contacto. En un entorno agéntico, estas métricas pierden validez. Se requiere desarrollar nuevas métricas que capturen la calidad de la relación indirecta: frecuencia de selección por parte de agentes, profundidad del contexto compartido, posición en los rankings algorítmicos, capacidad de influir en las decisiones del agente. La literatura actual no ofrece marcos consolidados para esta medición.

Reto 2: La gobernanza de datos generados por agentes autónomos. Cuando un agente ejecuta una transacción en nombre de un usuario, ¿quién posee el registro de esa acción, incluyendo los errores y las correcciones? La investigación sobre seguridad de agentes señala que esta pregunta carece de respuesta clara incluso entre los actores principales del ecosistema. Se requieren marcos de gobernanza que asignen responsabilidad y derechos sobre los datos generados en cadenas de acción agéntica que involucran múltiples partes.

Reto 3: La preservación de la confianza del consumidor en la representación delegada. La delegación de decisiones de compra a agentes plantea cuestiones de agencia: ¿cómo sabe el consumidor que el agente actúa en su mejor interés y no en el del proveedor que paga por prominencia? La transparencia algorítmica, la auditabilidad de las decisiones y los mecanismos de recurso se vuelven imperativos para mantener la confianza en el sistema. La evidencia sobre preferencias del consumidor respecto a agentes versus humanos en relaciones comerciales sugiere que la distancia psicológica entre comprador y agente afecta la disposición a establecer relaciones de confianza.

Reto 4: La asimetría regulatoria entre jurisdicciones. Los marcos regulatorios actuales —GDPR, CCPA, la Ley de IA de la UE, las reglas de protección financiera— fueron diseñados para un mundo donde las interacciones eran iniciadas y controladas por humanos o por sistemas claramente identificables. La naturaleza efímera y distribuida de las acciones agénticas crea lagunas que las organizaciones deben navegar sin orientación clara. La fragmentación regulatoria global añade complejidad a las decisiones de arquitectura y gobernanza.

Reto 5: La tensión entre especialización y escala en la construcción de agentes propietarios. Las organizaciones que opten por construir sus propios agentes enfrentarán la disyuntiva entre especialización vertical —un agente experto en su dominio, con profundo conocimiento de su catálogo y sus clientes— y la necesidad de integrarse con agentes generalistas que los consumidores ya utilizan. La arquitectura de esta integración, los protocolos de interoperabilidad y la negociación de condiciones de acceso son desafíos técnicos y comerciales aún no resueltos.

Reto 6: El desarrollo de capacidades humanas para la era agéntica. La evidencia sugiere que los sistemas agénticos alcanzan su máximo potencial cuando operan en simbiosis con intervención humana estratégica. Un estudio longitudinal de personalización agéntica encontró que la operación autónoma mantenía lift positivo incluso tras meses de funcionamiento independiente, pero la intervención humana añadía un “premio de rendimiento” adicional del 12% al 26%. Esto implica que las organizaciones necesitan desarrollar capacidades híbridas donde humanos y agentes colaboran, no donde uno sustituye al otro. La identificación, formación y retención de talento capaz de operar en esta interfaz es un reto organizacional de primer orden.

Fuentes

1. Harvard Business Review. (2026, 8 de octubre). *Who owns the customer in the age of AI agents?* Harvard Business Publishing.

2. Commerce Ventures. (2025, 13 de octubre). Is “ChatGPT Prime” the future of loyalty programs in the age of agentic shopping? *Medium*.

3. IEEE Xplore. (2026). Architecting autonomous AI agents for enterprise CRM: A Sales Force Agent Force implementation framework. *2026 IEEE International Conference on Advances in Computing, Communication and Materials*.

4. Mass Market Retailers. (2026, febrero). AI adopters face ‘sovereignty trade-off’. *Mass Market Retailers*, edición digital, artículo 5109451.

5. arXiv. (2025). Towards post-mortem data management principles for generative AI. *arXiv preprint arXiv:2509.07375*.

6. Zenodo. (2026, 27 de junio). Agentforce and the rise of autonomous AI agents: Transforming CRM workflows. *Journal of Emerging Technologies and Applications*, 6(2), 128.

7. arXiv. (2024, 18 de diciembre). Building customer support AI agents at 100M-user scale: An evaluation-driven framework. *arXiv preprint arXiv:2606.08867*.

8. ScienceDirect. (2025, 24 de noviembre). Inbound sales management: Exploring the substitutability of autonomous AI sales agents in advancing B2B relationships. *Industrial Marketing Management*.

9. IEEE Xplore. (2026). Securing customer data and tool-using AI agents in retail banking. *2026 IEEE International Conference on Cyber Security and Data Protection*.

10. Harvard Business Publishing Education. (2026, 9 de octubre). *Who owns the customer in the age of AI agents?* (Spanish version).

11. Common Ground. (2026, 12 de septiembre). Who owns the customer in agentic commerce? *Substack*.

12. Sidecar AI. (2026, 2 de marzo). Agent tollgates & MCP mayhem: Who really owns your data? *Sidecar Sync*, episodio 123.

13. MinterEllison LLP. (2026, 2 de septiembre). *AI contracts: Data ownership, use rights, and governance implications*.

14. IEEE Xplore. (2026). AgentForce: Leveraging AI and automation to elevate Salesforce Service Agent performance. *2025 IEEE International Conference on Advances in Computing, Communication and Materials*.

15. arXiv. (2024). Enabling data-driven and empathetic interactions: A context-aware 3D virtual agent in mixed reality for enhanced financial customer experience. *arXiv preprint arXiv:2410.12051*.

16. TechTarget. (2026, 7 de octubre). Webex Dialog targets long-tail customer relationships with AI. *IT Strategy*.

17. IEEE Xplore. (2025). AI agents in customer service: Enhancing MSME competitiveness through automatic systems. *2025 IEEE International Conference on Business and Technology*.

18. GeekWire. (2026, 1 de octubre). The biggest unresolved question in AI right now, and more takeaways from Madrona’s IA40 Summit.

19. ACM Digital Library. (2026, 7 de junio). Sustained impact of agentic personalisation in marketing: A longitudinal case study. *Proceedings of the 34th ACM Conference on User Modeling, Adaptation and Personalization*.