Tu Catálogo B2B Tiene un PDF y un Teléfono. El Agente de Compra de tu Cliente Necesita una API

El comercio agéntico ya no es un escenario de conferencia. Un agente de IA que representa a uno de tus clientes más importantes se conecta a las 2 de la mañana. Consulta precios de tres proveedores, verifica inventario en tiempo real y coloca una orden de 40.000 dólares. No te eligió a ti. El catálogo de tu competidor tenía especificaciones legibles por máquinas, precios contractuales accesibles vía API y un endpoint de cotización estructurado. El tuyo tenía un PDF y un número de teléfono.

Ese escenario dejó de ser una hipótesis. Gartner presentó en su IT Symposium/Xpo de octubre de 2025 una predicción incómoda: el 90% de las compras B2B pasará por agentes de IA hacia 2028, canalizando más de 15 billones de dólares por intercambios automatizados [1]. Y no es una proyección aislada. La encuesta de Forrester a cerca de 18.000 compradores empresariales encontró que el uso de IA generativa dentro del proceso de compra subió de 89% en 2025 a 94% en 2026 [2].

La pregunta ya no es si los agentes van a comprar. Es si tu catálogo puede ser leído por uno.

¿Qué es el comercio agéntico y en qué se diferencia del eCommerce de siempre?

El comercio agéntico es el modelo en el que un sistema autónomo ejecuta el ciclo de compra completo en nombre de una persona o de una empresa: descubre proveedores, compara, evalúa contra criterios explícitos, negocia y emite la orden. El eCommerce tradicional asume un humano mirando una página. El comercio agéntico asume una máquina leyendo datos.

Ese cambio de destinatario lo reordena todo. En una tienda para humanos, la conversión depende del copy, de las fotos y del diseño del checkout. Para un agente, nada de eso existe. Lo que decide es si tus atributos están normalizados, si tu precio contractual es consultable por API y si puedes responder una solicitud máquina a máquina en segundos.

2026 fue el año en que la infraestructura se volvió pública. Conviene entender el mapa antes de decidir dónde invertir.

UCP es compatible con MCP, con A2A y con el protocolo de pagos AP2 [4]. ACP incorporó MCP en su revisión de abril [3]. Es decir: no estás eligiendo un bando excluyente. Estás decidiendo por dónde empiezas.

¿Por qué la mayoría de catálogos B2B es invisible para un agente?

Porque fueron construidos para un lector que puede interpretar ambigüedad. Un comprador humano lee "cumple con las especificaciones aeroespaciales relevantes", entiende el contexto, y si tiene dudas llama al vendedor. Un agente no infiere ni llama: descarta y pasa al siguiente proveedor.

La brecha además no está repartida de forma pareja. Es mucho más profunda en las industrias tradicionales, que es justo donde vive la mayoría de distribuidores y fabricantes B2B de la región. Y se cruza con el problema que ya cubrimos al hablar de integraciones con sistemas legacy: el dato existe, pero vive atrapado en un ERP al que nadie expuso una interfaz.

El principio operativo del comercio agéntico se resume en una frase: si una regla no está modelada explícitamente en datos estructurados, para el agente no existe.

Sobre ese principio se ordenan las cuatro brechas que siguen.

Las 4 brechas críticas que debes cerrar

Brecha 1: datos de producto escritos para humanos, no para agentes

Tus descripciones probablemente convierten bien a un comprador que llegó por búsqueda. Para un agente son inútiles.

Un agente necesita atributos discretos, no párrafos. Dimensiones en unidades estándar. Códigos de compatibilidad. Certificaciones como números de norma (ISO 9001, no "calidad certificada"). Tolerancias, voltajes y materiales como campos con vocabulario controlado, no como texto libre donde cada línea de producto usa una convención distinta.

Lo que hay que resolver, en concreto:

1. Identidad canónica estable. El mismo producto debe tener el mismo identificador en tu ERP, tu PIM y tu tienda. SKU, MPN y GTIN consistentes, no tres verdades distintas.
2. Atributos normalizados. Unidades y vocabularios controlados. "12 in", "12 pulg" y "30,48 cm" tienen que ser el mismo dato, no tres.
3. Relaciones explícitas. Compatibilidad, sustitutos, componentes requeridos y bundles modelados como datos, no inferidos de una matriz en PDF.
4. Marcado Schema.org completo. Product y Offer con name, sku, brand, price, priceCurrency y availability [6][7]. Es la capa que hace tu catálogo legible sin integración previa.

Un ejemplo de la diferencia, sobre el mismo producto:

❌ Para humanos:
"Nuestro sujetador de grado industrial cumple con todas
 las especificaciones aeroespaciales relevantes."

✅ Para agentes:
{ "sku": "FST-A286-M8-40",
  "material": "A286 stainless steel",
  "thread": "M8x1.25",
  "length_mm": 40,
  "tensile_strength_mpa": 1100,
  "standards": ["AS9100D", "NAS1351"],
  "temp_range_c": [-253, 704] }

Brecha 2: precios y condiciones que solo existen en el frontend

Esta es la brecha específicamente B2B, y la que más pedidos cuesta.

En B2B casi nadie vende a precio de lista. Hay precios negociados por cuenta, descuentos por volumen, escalas por cantidad, vigencias contractuales, SKUs restringidos por cliente y reglas regionales. En la mayoría de operaciones esas reglas viven en la capa de presentación: se aplican cuando un usuario autenticado navega la tienda. Un agente que consulta por API ve el precio de lista, o no ve nada.

Para el agente, tu oferta real es invisible. Compite con el precio equivocado y pierde contra un competidor que expuso el suyo.

Lo que hay que exponer vía API:

• Entitlements por cuenta: qué puede ver y comprar cada cliente, con su surtido negociado.
• Lógica de precio estructurada: escalas por cantidad, quiebres de volumen, fechas de vigencia y reglas promocionales, en formato legible por máquina.
• Condiciones comerciales: plazos de pago, mínimos de orden, incoterms cuando apliquen.

Brecha 3: disponibilidad e inventario sin verdad en tiempo real

Un agente que compara tres proveedores no elige solo por precio. Elige por fecha de entrega comprometida. Si tu disponibilidad es una etiqueta estática que dice "consultar", quedas fuera de la comparación antes de que empiece.

Necesitas exponer estado de stock real, reglas de backorder, banderas de descontinuado y plazos de entrega calculados, no prometidos. Y necesitas que ese dato sea consistente: un agente que recibe una fecha y luego un incumplimiento no vuelve. La confianza en un sistema automatizado se pierde de una sola vez.

Brecha 4: no hay puerta de entrada máquina a máquina

Las tres brechas anteriores son de datos. Esta es de transacción. Aunque tu catálogo sea perfecto, si el único camino para comprar es un formulario web o un correo a un vendedor, el agente no puede cerrar.

Aquí es donde aterrizan los protocolos. ACP define los bloques concretos: un feed de catálogo, una API de checkout para crear y completar sesiones, delegación de pago mediante tokens y autenticación OAuth 2.0 para que el agente actúe en nombre del comprador [3][8]. UCP cubre además el postventa, con actualizaciones de orden, envío y devoluciones [4].

La decisión práctica para un negocio B2B en Latinoamérica no es implementar los tres. Es esta:

Para la mayoría de distribuidores industriales, la tercera fila es la que mueve la aguja primero. No necesitas estar en ChatGPT para vender: necesitas que el agente de compras de tu cliente pueda consultarte.

¿Con qué herramientas se cierra esto?

La respuesta honesta es que casi nunca es un proyecto de tienda. Es un proyecto de dato de producto, y ahí el sistema que manda es el PIM, no la plataforma de eCommerce. Cambiar de tienda sin arreglar el dato deja el mismo catálogo ilegible sobre una interfaz nueva. Estas son las cuatro opciones que aparecen una y otra vez en operaciones B2B de la región.

• Akeneo es el más accesible como punto de entrada: tiene una Community Edition open source sobre Symfony, lo que permite a un equipo mediano empezar sin licencia y escalar después. Es de los pocos que ofrece esa ruta.
• inriver es el que suele recomendarse para dato de producto B2B e industrial complejo, con enriquecimiento asistido por IA. Precio bajo cotización en tres niveles, sin prueba gratuita.
• Salsify juega en el segmento enterprise, combinando PIM, sindicación y analítica de digital shelf. El rango de mercado citado para ese nivel arranca en decenas de miles de euros al año y escala rápido [9].
• commercetools va por el lado de la transacción: fue de los primeros en anunciar soporte de ACP junto a Stripe, con enfoque headless.

Para dimensionar: una licencia de PIM de mercado medio se movía en 2026 entre 25.000 y 60.000 euros anuales, y los despliegues enterprise a escala llegan a cifras de seis dígitos [9]. No es una decisión de presupuesto de marketing.

¿Cómo sé si mi catálogo ya está listo?

Puedes saberlo en una tarde, sin contratar a nadie. Toma tus diez SKUs de mayor rotación y responde estas seis preguntas con datos verificados, no con intuición ni con lo que te diga el proveedor de tu plataforma. Cada respuesta negativa es una razón concreta por la que un agente de compra te descarta antes de compararte:

1. ¿Tienen el mismo identificador en ERP, PIM y tienda?
2. ¿Sus atributos técnicos están en campos discretos con unidades normalizadas?
3. ¿Un tercero autenticado puede consultar por API el precio que aplica a un cliente específico?
4. ¿La disponibilidad y el plazo de entrega vienen de un sistema, no de una etiqueta manual?
5. ¿El HTML de la ficha emite Product y Offer de Schema.org válidos?
6. ¿Existe alguna forma de cotizar o comprar sin intervención humana?

Si respondiste que no a tres o más, tu catálogo hoy no compite en una evaluación agéntica. Y esa evaluación ya está ocurriendo: los compradores B2B están consultando agentes antes de hablar con un vendedor, un cambio que analizamos a fondo en el artículo sobre el comprador B2B que ya no quiere hablar con nadie.

Un plan de 90 días que sí se puede ejecutar

Nadie cierra las cuatro brechas de una vez. El orden importa más que la velocidad.

La fase 2 es donde mueren la mayoría de estos proyectos, porque es aburrida y no se ve. También es la única que no se puede saltar: exponer por API un dato inconsistente solo automatiza el error a mayor velocidad. Es el mismo patrón que se repite cuando se despliegan agentes autónomos en marketing sin arreglar antes los datos.

Vale la pena agregar una consideración de confianza: en un ecosistema donde los agentes generan y consumen contenido, la procedencia verificable empieza a pesar. Sobre eso escribimos al analizar SynthID y la marca de agua de contenido generado por IA.

Conclusiones Clave

• El destinatario de tu catálogo cambió. Dejó de ser una persona que interpreta y pasó a ser una máquina que descarta. Lo que no esté modelado explícitamente, para el agente no existe.
• La brecha crítica en B2B es el precio, no la descripción. Si tus condiciones negociadas solo se aplican en el frontend, el agente compite con tu precio de lista y pierde.
• No tienes que elegir un solo protocolo. ACP, UCP y MCP son interoperables. Elige el punto de entrada según a quién le vendes, no según quién hace más ruido.
• Empieza por la identidad del dato, no por la tienda. Un identificador consistente entre ERP, PIM y catálogo vale más que cualquier integración vistosa.
• Un agente que recibe una fecha de entrega incumplida no regresa. La consistencia del dato de disponibilidad es un activo comercial, no un detalle de operación.
• 90 días alcanzan para volverte consultable, no para automatizarlo todo. Y ser consultable ya te pone en la comparación.

Empieza por donde duele

La mayoría de proveedores B2B va a descubrir esto cuando vea caer los pedidos de una cuenta grande sin una explicación clara. No hubo queja, no hubo licitación perdida: el agente simplemente dejó de elegirlos.

Si quieres saber en qué estado real está tu catálogo antes de que eso pase, en mi servicio de estrategia de comercio digital B2B hacemos exactamente ese diagnóstico. Y si el cuello de botella resulta ser el sistema y no el dato, lo abordamos desde la automatización con agentes de IA y MCP.

Sobre el Autor

Juan P Franco es consultor en expansión digital B2B, comercio electrónico y automatización con agentes de IA. Ayuda a empresas medianas a crecer en canales digitales con estrategias basadas en datos y tecnología.

Referencias

[1] Digital Commerce 360. "Gartner: AI agents will command $15 trillion in B2B purchases by 2028." Noviembre 2025, sobre la predicción de Gartner presentada en su IT Symposium/Xpo de octubre de 2025 ("Top Predictions for IT Organizations and Users in 2026 and Beyond"). La nota de prensa original de Gartner restringe el acceso automatizado. https://www.digitalcommerce360.com/2025/11/28/gartner-ai-agents-15-trillion-in-b2b-purchases-by-2028/

[2] Forrester. "The State of Business Buying, 2026." Sala de prensa, enero 2026. https://www.forrester.com/press-newsroom/forrester-2026-the-state-of-business-buying/

[3] Agentic Commerce Protocol. Repositorio oficial de la especificación, mantenida por OpenAI y Stripe bajo licencia Apache 2.0. Versión 2026-04-17. https://github.com/agentic-commerce-protocol/agentic-commerce-protocol

[4] Google. "Read Sundar Pichai's remarks at the 2026 National Retail Federation." Blog oficial de Google, enero 2026. https://blog.google/company-news/inside-google/message-ceo/nrf-2026-remarks/

[5] Model Context Protocol. Documentación oficial del estándar. https://modelcontextprotocol.io

[6] Schema.org. "Product." Vocabulario de datos estructurados. https://schema.org/Product

[7] Schema.org. "Offer." Vocabulario de datos estructurados. https://schema.org/Offer

[8] Stripe. "Stripe powers Instant Checkout in ChatGPT and releases Agentic Commerce Protocol codeveloped with OpenAI." Sala de prensa. https://stripe.com/newsroom/news/stripe-openai-instant-checkout

[9] Comparativas de plataformas PIM 2026, con rangos de precio de referencia por segmento: Akeneo, "Best PIM Systems in 2026" (https://www.akeneo.com/blog/best-pim-2026/) e inriver, "Best PIM solutions in 2026" (https://www.inriver.com/resources/best-pim-solutions/)

[10] commercetools. "AI-Ready Product Data for Agentic Commerce Success." Requisitos de dato de producto para comercio agéntico. https://commercetools.com/blog/ai-ready-product-data-for-agentic-commerce-success