El comercio electrónico se encuentra inmerso en un cambio de paradigma profundo, adentrándose en la fase de los agentes inteligentes, los cuales ya no se limitan a recomendar, sino que comparan opciones, optimizan campañas, anticipan la demanda y ejecutan conversiones en tiempo real. Lo que antes se entendía como automatización o chatbots ha evolucionado hacia el “comercio agéntico”, un modelo donde la inteligencia artificial actúa y toma decisiones en nombre del usuario. Gigantes como Google definieron este año como una nueva etapa del retail, lanzando el Universal Commerce Protocol para que agentes y comercios hablen un mismo lenguaje a lo largo de todo el recorrido de compra.
Las cifras respaldan esta transformación: en Argentina, según la Cámara de Comercio Electrónico, el eCommerce creció un 55% en 2025 alcanzando los $34 billones y sumando 25 millones de compradores online. A nivel global, según Salesforce, durante la temporada de compras de fin de 2025, los agentes de IA incidieron en el 20% de las ventas minoristas, moviendo US$ 262.000 millones. A su vez, Adobe reportó que en marzo de 2026 el tráfico originado en fuentes de IA convirtió un 42% mejor que el tráfico tradicional. Esto obliga a las marcas a entender que ya no compiten únicamente por persuadir al consumidor humano, sino que se enfrentan a un intermediario algorítmico. En esta línea, Kantar advirtió que el 24% de los usuarios de IA ya utiliza asistentes de compra. Ariel Traverso, Founder y CEO de A-Train; Pablo Fleurquin, Head de AI Labs en Wild Fi; y Mariano Hokama, Director General de Global Commerce, analizan este fenómeno y explican cómo deben adaptarse las empresas.
La reconfiguración de la lealtad
Frente a un algoritmo capaz de comparar decenas de opciones en milisegundos, el concepto clásico de fidelidad del consumidor se transforma drásticamente. Traverso sostiene que “la lealtad no desaparece; cambia de lugar”. Según el ejecutivo, “durante años construimos marcas para que una persona las recordara frente a una góndola o una publicidad”.
Sin embargo, la nueva realidad exige construir marcas para que un agente inteligente las considere una opción confiable, con un “foco en venta al 100%”. Esto resulta incómodo para los comunicadores clásicos, ya que ahora “la reputación digital, la consistencia de la información, las reseñas, la disponibilidad y la experiencia del usuario pasan a ser tan importantes como la publicidad”.
Para Fleurquin, esta nueva dinámica desnuda un comportamiento del pasado: “¿cuánta de esa lealtad era preferencia genuina y cuánta era pereza del consumidor?”. El experto de Wild Fi advierte que, al agente de IA, comparar cuarenta opciones le cuesta milisegundos y “no siente cercanía por ‘la marca de siempre'”. Destaca que el uso de herramientas de compra con IA casi se duplicó en tres meses (del 15% al 26%), funcionando como un usuario anónimo que “deja sin uso años de programas de personalización y puntos”. Frente a eso, agrega: “la lealtad del futuro no la declaramos, la configuramos”.
Hokama coincide en que la lealtad se transforma. Según la teoría clásica, una marca es una construcción emocional, pero “los agentes de IA no sienten esas emociones, no recuerda el olor de la marca, ni se deja seducir por el packaging más bonito”. Sin embargo, operan en nombre de quienes sí las sienten. El reto es traducir esas lealtades humanas (innovación, sustentabilidad, lujo) en parámetros de decisión. “Un agente es ‘leal’ a una marca cuando esa marca cumple sistemáticamente con los criterios configurados por su usuario — precio, disponibilidad, velocidad de entrega, calidad consistente, reputación medible”. Si los datos lo avalan, vuelve a elegir; pero si no es relevante, “el agente cambia sin culpa y sin nostalgia”, advierte el vocero.
Agentic Branding y la infraestructura de datos
En el comercio agéntico, el SEO tradicional ya no es suficiente. Hokama resume el reto con una máxima: “La marca debe ser comprensible para humanos y legible para máquinas”. El catálogo, el pricing y el stock son la nueva vidriera, y esto exige tres ajustes operativos: primero, ordenar la infraestructura de datos conectando conversación, datos y operación; segundo, integrar canales (web, WhatsApp, call center, CRM) porque si la información difiere, “el agente pierde confianza”; y tercero, medir y optimizar en tiempo real, ya que la recomendación depende de variables operativas como el stock y los tiempos de entrega.
Fleurquin refuerza esta idea explicando que “tu oferta tiene que ser comparable para máquinas, no solo linda para personas”. Desde Wild Fi utilizan su herramienta GEO Audit para medir cómo aparecen las marcas en Claude, ChatGPT o Gemini, analizando el porcentaje de aparición en preguntas de la categoría y su peso frente a la competencia. El diagnóstico suele ser duro: “Hay marcas líderes en su mercado que en la capa generativa directamente no existen”. Para existir, se debe construir desde webs propias, blogs de terceros y opiniones de usuarios. Es como un proceso administrativo: “no gana el pliego más lindo, gana el que cumple los requisitos de forma verificable y tiene referencias que lo respalden. Contra un comprador así, el ‘verso’ no reemplaza al formulario bien completado”.
Traverso señala que las marcas “ya no solo comunican; también estructuran información cada vez más en un proceso de etapas super cortas”. Mientras antes se invertían enormes presupuestos en creatividad, ahora habrá que invertir en calidad de datos, metadata, fichas impecables y disponibilidad en tiempo real. Define a esta adaptación como Agentic Branding: “Durante años optimizamos nuestras marcas para buscadores. Hoy empezamos a optimizarlas para agentes inteligentes. Construir marcas que puedan ser comprendidas por los algoritmos sin perder su identidad frente a las personas”.
El fin de la commoditización, métricas y la supervivencia de la emoción
Delegar la compra genera el temor de que las marcas compitan únicamente por precio, pero Fleurquin es tajante: “Si tu propuesta de valor entra entera en una fila de una planilla comparativa, ya estabas comoditizado; el agente solo lo hace evidente más rápido. El agente no comoditiza: muestra lo evidente”. Para Hokama, la forma de evitar esto es lograr que el agente entienda “calidad, reputación, servicio, garantías, disponibilidad, experiencia y valor agregado”. La identidad de marca debe traducirse en atributos operativos de menor fricción y mejor postventa para recuperar diferenciación.
Este nuevo modelo exige evolucionar la forma de medir el éxito. Hokama detalla que los journeys de los agentes son “más cortos, más directos, más lógicos”, requiriendo nuevos KPIs como la “Tasa de Recomendación por Agentes de IA” y la “Presencia en Respuestas Generativas”, medibles hoy en herramientas como Profound, Otterly o Scrunch. Fleurquin propone medir en tres capas: visibilidad generativa (mention rate y share of voice); el canal agéntico propiamente dicho (sesiones, errores de protocolo) a través de herramientas como Optimizer; y, finalmente, una “atribución honesta” midiendo órdenes server-side para capturar lo que el navegador ya no ve, sin limitarse a agregar más píxeles.
Traverso, pro su parte, añade que se debe medir “qué tan elegible es una marca para un agente inteligente”, incluyendo la autoridad de marca y la presencia en el ecosistema de IA, pero recordando que “una marca no puede medir solo cuánto vende. También tiene que medir cuánto valor construye”.
A pesar de la supremacía del dato, la emoción no desaparece. “El cliente nunca va a ser un algoritmo. El algoritmo será un intermediario”, asegura Traverso. Para el fundador de A-Train, “el branding emocional no pierde valor; gana importancia”, ya que se diseñarán marcas para dos interlocutores: los agentes que buscan información clara y las personas que necesitan significado. Para complementar, Hokama afirma que las emociones se convierten en reglas de decisión; un agente no siente lujo ni confianza, pero puede recibir la instrucción: “Priorizá marcas en las que confío” o “Elegí la opción premium”. Las marcas que entiendan que el branding emocional y el técnico son complementarios tendrán ventaja.
Fleurquin señala que ahora hay un filtro más racional antes de la emoción y que en los modelos pesa enormemente lo que terceros dicen de vos. Y lo ejemplifica con cómo Walmart metió su inteligencia en la capa de IA para no perder el control de la transacción, y cómo Sephora usa la IA para descubrir, pero fideliza en su propia app. “La emoción no desaparece: se muda a donde todavía hay un humano mirando”.
Al final del día, concluye Traverso, “la clave frente a tecnologías estandarizadas será fortalecer aquello que los algoritmos no pueden copiar a través de ideas y propósito”. El objetivo final del Agentic Branding será construir marcas “que sean elegibles para un agente inteligente, pero inolvidables para una persona. Porque los algoritmos podrán optimizar campañas, pero los grandes conceptos seguirán construyendo grandes marcas”.
