Todo el mundo en marketing está haciendo la misma pregunta sobre comercio agéntico: ¿cómo logro que el agente de IA me recomiende? Es una pregunta razonable. También es la pregunta equivocada.
Un análisis reciente de martech.org, basado en el trabajo de la estrategista Jess Graham, plantea algo que la mayoría de los equipos comerciales todavía no está viendo: una marca que un agente de IA compra es una marca que el algoritmo seleccionó. Una marca que un cliente pide por nombre es una marca que se ganó ese lugar. [1]
La diferencia no es filosófica. Es financiera.
¿Qué está pasando realmente cuando un agente de IA compra por ti?
Cuando un agente de compras evalúa proveedores, lee datos estructurados, compara precios, revisa calificaciones y tiempos de entrega. No siente lealtad. No recuerda la última llamada de ventas. No valora que tu equipo comercial haya invertido meses construyendo la relación.
Graham lo resume con una frase que vale la pena repetir: el primer caso (el agente eligiendo) es procurement, y nadie se ha enamorado nunca de un proceso de abastecimiento. [1] El segundo caso, el cliente pidiendo tu marca por nombre, es algo que sigue siendo humano.
Esa distinción importa cada vez más a medida que los agentes toman un rol más grande en el descubrimiento de producto: una marca puede ser perfectamente legible para la máquina y estar completamente ausente para la persona. [1] El agente evalúa, el cliente recibe un producto, y el acto de elegir desaparece silenciosamente del proceso. [1]
Eso tiene un nombre. Graham lo llama "invisibilidad agéntica": tu marca aparece en la transacción, pero nunca en la decisión. [1]
¿Por qué la "legibilidad algorítmica" no es suficiente?
La respuesta obvia a la invisibilidad agéntica es optimizar los datos de producto para que el agente los pueda leer, clasificar y ubicar en su set de consideración. Graham llama a esto estar "top of algorithm". [1]
Es un trabajo real y con retorno comprobable. Ahí es hacia donde están yendo los presupuestos, y los primeros resultados son reales: las marcas que aparecen dentro de respuestas generadas por IA ganan más tráfico, y ese tráfico tiende a pasar más tiempo en el sitio. [1]
El problema es que optimizar para la máquina y seguir siendo relevante para el humano son dos trabajos distintos, no uno solo. El otro desafío es seguir presente para el humano detrás del agente. [1] Si tu marca solo existe en la capa de datos que el agente lee, y nunca en la mente del comprador, ganaste la carrera equivocada.
Ya publiqué un artículo sobre cómo preparar el catálogo B2B para que los agentes de compra puedan leerlo correctamente, que complementa bien este punto → preparar tu catálogo para agentes de IA.
¿Qué es la "discovery tax" y por qué debería preocuparle a un gerente comercial?
Aquí está la parte que sí debería quitarle el sueño a cualquier gerente comercial o de marketing B2B. Una marca comprada sin haber sido elegida deliberadamente por un humano puede haber cedido su poder de fijación de precios. Para un agente que optimiza por precio, calificaciones y tiempo de entrega, una marca sin diferenciación se lee como un commodity, y los commodities compiten por precio hasta que alguien pierde. [1]
Graham le da un nombre a esto que pertenece directamente al estado de resultados: la "discovery tax", el costo compuesto de ceder cómo los clientes encuentran una marca y luego deciden que vale la pena pagar por ella. [1]
Traducido a un P&L colombiano: si tu producto industrial o tu distribución se vuelve indistinguible a ojos del agente, tu margen empieza a erosionarse mes a mes, aunque tus ventas en unidades se mantengan estables. Es un impuesto silencioso, no aparece como línea en el estado financiero, pero sí en el margen bruto.
El brand promise ya no puede ser solo emocional. En comercio agéntico tiene que ser verificable operativamente: inventario preciso, términos de cancelación claros, devoluciones sin fricción. El agente del cliente evalúa la marca con señales concretas, no con la misma indulgencia que un humano. [4]
¿Qué tan grande es realmente el mercado de comercio agéntico?
Los números varían según quién los calcule, pero la dirección es la misma en todos los reportes serios.
| Firma | Proyección | Horizonte |
|---|---|---|
| Bain & Company | USD 300.000M a 500.000M en EE.UU. (15%-25% del e-commerce total) | 2030 |
| McKinsey | Hasta USD 1 billón (trillion) en EE.UU., hasta USD 3-5 billones globalmente | 2030 |
| Morgan Stanley | 10%-20% de las ventas de e-commerce en EE.UU. | 2030 |
| Gartner (B2B) | USD 15 billones (trillion) en gasto B2B a través de intercambios de agentes de IA | 2028 |
Bain estima que el mercado de comercio agéntico en EE.UU. podría alcanzar entre USD 300.000 y 500.000 millones para 2030, cerca del 15% al 25% del comercio electrónico general, definiendo el comercio agéntico como compras iniciadas, influenciadas o completadas por agentes de IA de terceros o alojados por el retailer. [21] Para B2B específicamente, el salto proyectado es todavía mayor según las cifras de Gartner citadas en análisis recientes del sector [8].
Este no es un experimento de laboratorio. Es dinero real que ya se está moviendo, y el que no defina su estrategia ahora, la va a heredar de terceros.
¿Cuáles son los riesgos que nadie está midiendo todavía?
La conversación pública sobre comercio agéntico se concentra en visibilidad (aparecer en la respuesta del agente). Pero hay una segunda capa de riesgo que casi ninguna empresa B2B está monitoreando: la confianza y el fraude.
Datos de Accenture muestran que el 78% de las instituciones financieras espera un aumento del fraude vinculado a agentes de IA, y el 87% de los CTOs y responsables de pagos cree que la confianza será la principal barrera para la adopción de pagos agénticos. Un estudio de Darwinium confirmó que el 97% de las organizaciones ha visto un aumento de ataques facilitados por IA en el último año, con una pérdida directa promedio anual de USD 4,5 millones por actores maliciosos habilitados con IA. [14]
A eso se suma un problema de expectativas infladas sobre las herramientas mismas. Gartner espera que más del 40% de los proyectos de IA agéntica sean cancelados para finales de 2027, citando costos crecientes, valor de negocio poco claro y controles de riesgo débiles, y estima que solo cerca de 130 de los miles de proveedores que se autodenominan "agénticos" son realmente eso; el resto es "agent washing", asistentes antiguos o automatización robótica de procesos con una etiqueta nueva. [5]
Tres riesgos concretos que un gerente comercial B2B debería poner en su radar esta semana:
- Pérdida de poder de fijación de precios. Si tu catálogo es legible para el agente pero indiferenciado, terminas compitiendo solo por precio, delivery y rating.
- Fraude y transacciones no autorizadas. Agentes comprometidos o mal configurados pueden generar pedidos, devoluciones o reclamos que ningún humano autorizó explícitamente.
- Proyectos cancelados por falta de gobernanza. Invertir en IA agéntica sin controles de riesgo claros es la receta que Gartner ya identificó como la causa principal de cancelación de proyectos.
¿Cómo se protege una empresa B2B sin frenar la adopción?
Las empresas que ofrecen transparencia y control real, en lugar de la llamada "caja negra" de IA, tienden a impulsar tanto las ventas como la lealtad de largo plazo, y construir esos controles desde el inicio resulta mucho más eficiente y menos costoso que agregarlos después. [17] Sin embargo, la mayoría de las compañías todavía no se ha actualizado para enfrentar el auge del comercio agéntico [7].
En la práctica, esto significa tres frentes de trabajo simultáneos, no secuenciales:
- Datos de producto estructurados y verificables, para que el agente lea la oferta con precisión (inventario real, precios vigentes, condiciones de garantía).
- Presencia de marca fuera del agente, en contenido, comunidad y relación directa con el comprador humano, para que la decisión de compra no dependa exclusivamente del algoritmo.
- Controles de riesgo y trazabilidad de transacciones, incluyendo límites de gasto, permisos granulares y registros de acción del agente.
Si quieres profundizar en cómo estructurar contenido y datos para que los motores de IA generativa te encuentren sin sacrificar la relación con el comprador humano, publiqué un artículo sobre esto → optimización para motores generativos (GEO). También vale la pena revisar cómo se está transformando la conversación de ventas cuando el comercio conversacional con agentes de IA entra en el embudo comercial B2B.
El concepto de comercio agéntico va a seguir evolucionando durante los próximos años, pero la lógica de fondo ya está clara: la empresa que solo optimiza para la máquina, sin proteger la relación humana ni el margen, está construyendo su propio impuesto de descubrimiento.
Conclusiones clave
- El riesgo real no es la visibilidad, es el margen. Una marca legible para el agente pero sin diferenciación humana termina compitiendo solo por precio.
- La "discovery tax" es un costo compuesto y silencioso: se acumula en el margen bruto, no aparece como línea separada en el estado financiero.
- El mercado ya es grande y crece rápido: entre USD 300.000 y 500.000 millones en EE.UU. para 2030 según Bain, con proyecciones B2B aún mayores según Gartner.
- El fraude y la falta de confianza son el riesgo menos discutido: el 97% de las organizaciones ya reportó ataques facilitados por IA en el último año.
- Más del 40% de los proyectos de IA agéntica podrían cancelarse antes de 2027 por controles de riesgo débiles, según Gartner.
- La solución no es elegir entre legibilidad algorítmica y relación humana: son dos trabajos paralelos que requieren presupuesto e indicadores separados.
- Los controles de transparencia y gobernanza construidos desde el inicio salen más baratos que agregarlos después de un incidente de fraude o una crisis de margen.
¿Listo para proteger tu margen antes de que el agente lo decida por ti?
El comercio agéntico ya está moviendo presupuesto real en Colombia y Latinoamérica, y las empresas que esperan a que "se aclare la situación" van a heredar las reglas que otros definieron primero. Si necesitas una estrategia de comercio digital que proteja tu poder de negociación mientras te preparas para agentes de compra, conversemos sobre consultoría en comercio digital B2B y B2C.
Sobre el Autor
Juan Pablo Franco es consultor en marketing digital B2B, eCommerce y automatización con agentes de IA. Dirige Elefante, agencia de marketing digital, y publica sobre comercio agéntico, IA aplicada a negocios B2B y estrategia digital en su blog franco.com.co/blog. Trabaja con empresas industriales y distribuidores en Colombia y Latinoamérica.
Referencias
[1] MarTech, "The real risk in agentic commerce", https://martech.org/the-real-risk-in-agentic-commerce/
[4] MarTech, "In agentic commerce, your brand promise must be provable", https://martech.org/in-agentic-commerce-your-brand-promise-must-be-provable/
[5] MarTech, "3 direct mail lessons for evaluating agentic commerce", https://martech.org/3-direct-mail-lessons-for-evaluating-agentic-commerce/
[7] PwC, "Four ways to help protect customers and win their trust in the age of agentic commerce", https://www.pwc.com/us/en/industries/consumer-markets/library/agentic-commerce-trust-advantage.html
[8] Commercetools, "Agentic Commerce Stats 2026: Enterprise Guide", https://commercetools.com/blog/agentic-commerce-stats-enterprise-guide
[14] Commercetools / Darwinium y Accenture, datos citados en "Agentic Commerce Stats 2026: Enterprise Guide", https://commercetools.com/blog/agentic-commerce-stats-enterprise-guide
[17] PwC, "Four ways to help protect customers and win their trust in the age of agentic commerce", https://www.pwc.com/us/en/industries/consumer-markets/library/agentic-commerce-trust-advantage.html
[21] Bain & Company, "2030 Forecast: How Agentic AI Will Reshape US Retail", https://www.bain.com/insights/2030-forecast-how-agentic-ai-will-reshape-us-retail-snap-chart/