Mapeando los modelos emergentes del comercio agéntico

Esta serie de Insights explora el comercio agéntico: una transformación profunda en la que agentes de inteligencia artificial toman protagonismo en las compras, pagos y decisiones de los clientes.

A medida que la IA generativa y los agentes autónomos evolucionan, comenzamos a ver los contornos de un nuevo tipo de comercio: un modelo que no depende de la interacción del usuario en cada paso.

El comercio agéntico promete cambiar la forma en que los consumidores descubren, evalúan y, finalmente, pagan por productos y servicios. Pero este campo aún está en una etapa inicial: la innovación ocurre de manera desigual en distintas áreas, lo que genera confusión sobre las definiciones.

Para aportar mayor claridad, presentaremos seis modelos distintos de comercio agéntico que están comenzando a surgir, con un enfoque especial en cómo los pagos se conectan con cada uno de ellos.

Modelo 1: Asistentes en ecosistemas cerrados

Comercio conversacional: asistentes de compra integrados dentro del entorno de un solo comerciante (o plataforma).

Aunque el término “comercio conversacional” existe desde 2015, los avances recientes en inteligencia artificial generativa (GenAI) han aumentado significativamente la utilidad de estos asistentes como herramientas de compra.

Este concepto —ejemplificado por soluciones como Alexa de Amazon y Sparky de Walmart— sigue siendo un área de enfoque para comerciantes y plataformas, ya que ayuda a simplificar la experiencia guiando a los consumidores a través de los flujos de descubrimiento y compra, a partir de la expresión de su intención en lenguaje natural.

Como tanto el asistente como la implementación del pago en el backend están controlados por la misma entidad, estas experiencias se habilitan fácilmente mediante componentes ya bien establecidos, como enlaces de pago, procesos de checkout integrados y credenciales almacenadas.

Aunque este modelo no involucra propiamente agentes autónomos, estos asistentes proporcionan información relevante en contexto y facilitan transacciones. Lo que no hacen es tomar decisiones de forma independiente ni ejecutar pagos de manera autónoma.

Una extensión natural de este modelo implica el uso de arquitectura headless para incorporar ecosistemas cerrados específicos en interfaces de terceros. Ya comenzamos a ver plataformas como Shopify avanzar en esta dirección con el lanzamiento reciente del servidor Catalog MCP, que permite a los desarrolladores de agentes crear experiencias nativas de descubrimiento y pago en toda la base de comerciantes de Shopify.

El futuro de este modelo dependerá de la preferencia del consumidor. ¿Qué se valorará más: la variedad o la conveniencia? En entornos específicos de proveedores, la búsqueda tradicional con filtros puede superar la experiencia conversacional en muchos contextos. Y en el escenario headless, es decir, sin interfaz gráfica, el modelo introduce nuevas capas de fragmentación, confinando a los consumidores en un mosaico de marketplaces superpuestos, lo cual va en contra de la filosofía abierta que muchas empresas de IA promueven.

Modelo 2: Asistentes con enlaces de afiliados

Asistentes de uso general: herramientas de IA y modelos de lenguaje de gran escala (LLMs) que actúan como asesores de compra, recomendando y dirigiendo a productos disponibles en la web abierta.

Los chatbots multimodales, como ChatGPT, tienen la capacidad de presentar recomendaciones de productos de fuentes externas y dirigir a los usuarios a sitios de comercios mediante enlaces de afiliados. En muchos aspectos, funcionan como motores de búsqueda mejorados, aprovechando la IA generativa para analizar opciones en la web abierta y ofrecer sugerencias personalizadas.

Los asistentes de IA que operan bajo este modelo son especialmente útiles para compras complejas y de alto involucramiento (como electrónicos), en las que los usuarios desean comparar marcas o modelos. Sin embargo, actualmente suelen fallar en áreas donde hay escasez de datos auténticos o detallados sobre los productos, o donde el sesgo a favor de comerciantes bien indexados distorsiona los resultados.

Como estos asistentes no realizan transacciones directamente, los pagos se completan a través de los procesos de checkout de los propios comerciantes. Tecnologías como los permalinks (por ejemplo, los de Shopify) pueden llenar automáticamente los carritos para reducir la fricción, pero redirigir a los usuarios entre interfaces como estas suele provocar el abandono de la compra.

Esto es especialmente problemático considerando lo sensibles que son los modelos de afiliados a la conversión. De hecho, una investigación de Adobe indica que el tráfico proveniente de fuentes de IA generativa tiene un 9% menos de probabilidad de conversión en comparación con otras fuentes de tráfico.

Modelo 3: Agentes con Números de Cuenta Primarios (PANs, Primary Account Numbers)

Agentes semi-autónomos: el agente de IA dirige el proceso, pero el cliente necesita intervenir.

En este modelo, un agente de IA —más específicamente, un agente de navegador como OpenAI Operator o ChatGPT Agent— puede navegar por toda la experiencia de compra en nombre del usuario.

Puede buscar productos utilizando navegadores sin interfaz gráfica, hacer comparaciones e incluso agregar artículos al carrito sin necesidad de interacción del usuario.

Sin embargo, este modelo tiene una limitación importante: cada vez que el agente de IA se encuentra con una medida de seguridad (como inicio de sesión, CAPTCHA o proceso de pago), debe devolver el control al usuario antes de continuar.

El resultado puede ser una experiencia de compra frustrante para el consumidor, ya que, incluso después de ceder el control sobre la elección de productos, aún necesita estar presente para ayudar al agente a finalizar la compra.

Y aun así, el éxito no está garantizado: cada vez es más común que plataformas de comercio electrónico (como Shopify y Amazon) bloqueen este tipo de tráfico de bots por preocupaciones relacionadas con el fraude y la seguridad.

Modelo 4: Agentes como Comerciantes Registrados (MOR)

Compra en etapas: tú pagas al agente; el agente paga al comerciante.

En este modelo más integrado verticalmente, el desarrollador del agente actúa como el Comerciante Registrado (Merchant of Record, en inglés). Perplexity Shop es un ejemplo de este flujo, que puede entenderse como una versión de dropshipping mejorada por IA: el agente recibe el pago del usuario, realiza el pedido al comerciante final y lo envía directamente al consumidor, sin necesidad de gestionar inventario ni logística de entrega.

Aunque el desarrollador del agente puede tener relaciones directas con algunos minoristas para optimizar los términos comerciales, también puede salir de ese entorno cerrado utilizando tecnologías de emisión de tarjetas virtuales. Se pueden generar tarjetas de un solo uso y financiarlas instantáneamente, con controles de gasto definidos, para completar compras con comerciantes con los que el agente no tiene relación directa (a través de un socio de fulfillment).

Sin embargo, este esquema suele generar más problemas que soluciones. Para el consumidor, las transacciones aparecen en el estado de cuenta como pagos realizados a la plataforma de IA, lo que puede causar confusión al momento de conciliar las compras.

En casos de fraude o insatisfacción, el consumidor puede tener dificultades para identificar quién es el responsable: ¿el agente, el comerciante o el socio de fulfillment? Esto complica el proceso de resolución. Los mecanismos tradicionales de disputa (chargeback) pueden no aplicarse de forma clara, y los canales de atención al cliente pueden estar fragmentados o mal definidos. Esta falta de transparencia afecta la confianza y puede desincentivar el uso recurrente, especialmente en compras de alto valor o sensibles.

Para los comerciantes, un mismo cliente puede terminar pagando con una “tarjeta” diferente en cada compra, lo que dificulta los procesos de conciliación y los programas de fidelización o personalización.

Finalmente, para el desarrollador del agente, este modelo exige una operación intensa y conlleva riesgos operativos y financieros significativos —especialmente si debe adelantar el costo de las compras— lo que dificulta su escalabilidad.

En la práctica, las empresas que están adoptando este modelo probablemente lo hacen con fines experimentales, probando y aprendiendo de la experiencia del usuario final para prepararse para el siguiente modelo de la serie.

Modelo 5: Agentes con tokens

Agentes de IA confiables: las credenciales tokenizadas permiten que los agentes realicen pagos de forma segura en nombre del usuario.

Aún no existe un ejemplo real de este modelo —por ahora. Pero sin duda está en el horizonte.

Cuando este modelo se materialice, los agentes tendrán la capacidad de realizar pagos en nombre de los consumidores (bajo autoridad delegada), utilizando una versión tokenizada y autenticada de las credenciales del usuario. Estos tokens pueden ser generados por redes como Visa, Mastercard o Google e insertados directamente en el entorno de pago del comerciante final, o por procesadores externos (como Worldpay), siendo destokenizados antes de su inserción mediante un proxy seguro.

En un futuro cercano, los agentes podrían navegar por formularios de pago tradicionales diseñados para humanos, pero este proceso es propenso a errores y enfrenta los mismos obstáculos de bloqueo de bots que el Modelo 3. Una implementación más estable implicaría que los agentes interactúen directamente con interfaces compatibles con agentes —como los servidores MCP operados por comerciantes.

En muchos aspectos, este flujo es similar a las billeteras digitales pass-through existentes (como Apple Pay). El comerciante sigue siendo el responsable de la transacción (Merchant of Record), y el agente simplemente facilita el uso seguro y compatible de las credenciales. De esta manera, se evitan en gran medida los problemas de experiencia del usuario presentes en el Modelo 4, y los agentes se protegen de la mayoría de los riesgos involucrados.

Pero “simplemente” facilitar no significa que sea sencillo: hay muchos desafíos por resolver, como la prevención de fraudes, verificación de identidad, intención del consumidor, reglas de disputa (chargeback), responsabilidad, registro de comerciantes, fidelización y visibilidad de marca. Aun así, los tokens ofrecen el camino más viable hacia un comercio agéntico seguro y escalable en ecosistemas abiertos.

Descubre más sobre cómo Worldpay se está preparando para un futuro en el que los agentes utilicen tokens para realizar transacciones online.

Modelo 6: Agentes con billeteras de stablecoins

Agentes totalmente autónomos: compran en tu nombre utilizando stablecoins.

Este es el modelo más especulativo y orientado al futuro: un agente de IA que comprende las preferencias del usuario identifica necesidades, evalúa opciones e inicia pagos, todo sin intervención directa del usuario.

Al aprovechar la infraestructura de stablecoins, este modelo podría, en teoría, eliminar la necesidad de autorización explícita del usuario para realizar pagos. Las compras realizadas en redes blockchain pueden incorporar lógica programable mediante contratos inteligentes, manteniendo un rastro de auditoría sólido durante todo el ciclo de vida de la transacción. Esto podría abrir la puerta a que el proceso de checkout sea completamente abstraído, permitiendo que los agentes operen libremente dentro de parámetros definidos por el usuario.

Los experimentos iniciales en el mundo real incluyen la API de pagos vía bot de Telegram y Blormmy integrado a X, pero aún no hemos visto aplicaciones de este modelo en el mercado masivo —y podría tomar tiempo antes de que eso ocurra.

Aunque la tecnología de registros distribuidos (DLT) y los contratos inteligentes ofrecen una estructura atractiva para pagos programables y auditables, no son el único camino posible. Las rutas de pago tradicionales, combinadas con credenciales tokenizadas y reglas dinámicas de autorización, pueden simular el comportamiento de los contratos inteligentes. Estas alternativas pueden no ser descentralizadas, pero se benefician de una mayor adopción y claridad regulatoria, lo que las convierte en opciones viables dependiendo de las necesidades del ecosistema.

El desafío fundamental es que casi ningún consumidor quiere pagar con stablecoins, y muy pocos comerciantes las aceptan como forma de pago o liquidación. Aunque muchos actores del ecosistema están impulsando cambios en ese sentido, por ahora estas brechas deben cubrirse con procedimientos complejos de entrada y salida (on-ramping y off-ramping) y soluciones alternativas, cuyos costos pueden anular cualquier valor generado.

Los métodos de pago como las tarjetas están tan profundamente arraigados en la psique humana que se necesitará un esfuerzo monumental para lograr una transición global hacia el dinero programable. Y si logramos acercarnos a eso con tarjetas y tokens, puede que eso sea “suficientemente bueno” para el ecosistema.

Consideraciones finales

El comercio agéntico está pasando del concepto a la realidad.

Pero el camino hacia el “estado final” no seguirá un patrón predecible ni lineal. Diferentes modelos se adaptarán a distintos sectores, niveles de confianza del usuario y grados de preparación de los comerciantes. Algunos serán etapas intermedias; otros podrían convertirse en el estándar de oro.

Nuestro papel en Worldpay es apoyar esta evolución, sin importar hacia dónde se dirija, habilitando pagos seguros, flexibles e inteligentes —sin importar cómo el consumidor (o el agente) quiera pagar.

Anteriormente en esta serie:

Parte 3: Fraude en el comercio agéntico: Cómo proteger tu tienda online

En la era del e-commerce impulsado por agentes, ¿cómo podemos identificar y bloquear agentes de IA maliciosos, asegurando al mismo tiempo que seguimos siendo atractivos para los agentes confiables?

Próximo capítulo:

Parte 5 ¿En quién confían los consumidores para manejar sus datos?

pesar del entusiasmo, el comercio agéntico enfrenta obstáculos de adopción desde todos los frentes: consumidores, reguladores y sistemas heredados.