Los agentes de inteligencia artificial dejarán progresivamente de limitarse a recomendar productos para comenzar a buscarlos, compararlos, negociarlos y comprarlos en nombre de consumidores y empresas. Esta evolución impulsará el valor del comercio agéntico hasta los 1,5 billones de dólares en 2030, según las previsiones de Juniper Research.
La firma analiza este mercado emergente en el estudio “Agentic Commerce - Revolution or False Dawn?”, que parte de los proyectos piloto desarrollados durante 2025 y 2026 y examina la evolución esperada durante los próximos cinco años. El documento aborda tanto las operaciones entre empresas y consumidores como las realizadas en entornos B2B.
Juniper Research define el comercio agéntico como aquel en el que agentes de inteligencia artificial participan directamente en las transacciones. Estos sistemas pueden interpretar una necesidad expresada en lenguaje natural, buscar entre distintos comercios, comparar alternativas, seleccionar una opción y, cuando cuentan con la autorización necesaria, completar la compra.
El cambio introduce un nivel de autonomía superior al de los actuales recomendadores de producto. En lugar de limitarse a mostrar resultados, el agente puede actuar en representación del usuario y comunicarse con los sistemas de comercios, plataformas y proveedores de pagos mediante interfaces de programación y nuevos protocolos.
El informe considera que el comercio agéntico llegará a ocupar una posición relevante como canal de acceso a productos y servicios, favorecido por la adopción de asistentes como ChatGPT o Gemini y por el uso creciente de los modelos de lenguaje como alternativa a los buscadores. Sin embargo, advierte de que la confianza seguirá siendo la principal barrera para su despliegue y que las interfaces tradicionales de comercio electrónico no desaparecerán en un futuro previsible.
De recomendar un producto a comprarlo
El desarrollo del comercio agéntico puede entenderse como una evolución gradual de las capacidades de los asistentes de inteligencia artificial. Los primeros sistemas se concentran en descubrir productos. A partir de ahí pueden incorporar compras integradas, selección y negociación inteligente, solicitudes finales de autorización y, en último término, operaciones completamente autónomas.
Para funcionar, estos agentes necesitan acceder a información actualizada sobre inventario, características de producto, precios, plazos de entrega, opiniones, políticas de devolución y métodos de pago. La vía más fiable es la conexión directa con las interfaces de programación de los comercios, que pueden devolver datos estructurados y en tiempo real.
El agente transforma una petición conversacional en criterios objetivos. Ante una solicitud para encontrar un producto, debe identificar aspectos como el precio máximo, las características necesarias y la fecha de entrega. Después busca coincidencias, interpreta términos relacionados, filtra los resultados y los ordena según su adecuación.
La calidad de la información proporcionada por los comercios será determinante
Este proceso resulta más complejo cuando la petición es ambigua. Expresiones como “barato” o “que llegue pronto” carecen de un significado universal. También existen criterios que el consumidor puede dar por supuestos sin expresarlos: por ejemplo, esperar que un vestido de novia sea blanco. El sistema puede no reconocer esas condiciones implícitas y seleccionar un producto técnicamente compatible, pero inadecuado para el usuario.
La calidad de la información proporcionada por los comercios será, por tanto, determinante. Datos incompletos, inconsistentes o mal categorizados pueden provocar errores en la selección y perjudicar tanto la experiencia del comprador como la visibilidad de determinados productos.
Una personalización basada en conversaciones y compras anteriores
Una de las principales capacidades de los agentes será la personalización. El aumento de la memoria contextual de los modelos de lenguaje permite conservar información sobre preferencias, necesidades y hábitos manifestados a lo largo de distintas conversaciones.
El agente podría recordar, por ejemplo, que una persona desea vestir de manera más profesional y combinar esa intención con información previa sobre estilo, presupuesto o marcas preferidas cuando reciba el encargo de comprar ropa.
La personalización también puede continuar después de la transacción. Si el usuario muestra mayor satisfacción con una prenda fabricada mediante prácticas responsables, el agente podrá conceder más importancia a los criterios éticos en futuras búsquedas.
Los agentes de los comercios también podrán reconocer patrones de gasto y dirigir ofertas a los sistemas que representan a los compradores. Juniper Research contempla incluso la posibilidad de que agentes de ambas partes negocien condiciones dentro de unos parámetros previamente definidos para alcanzar un acuerdo aceptable. Esto abre un nuevo terreno competitivo para las marcas. La comunicación comercial ya no tendrá que resultar únicamente persuasiva para una persona, sino también relevante para sistemas que ordenarán las opciones atendiendo a datos y reglas de decisión.
La confianza, principal obstáculo
La promesa de automatización exige que los usuarios cedan autoridad para tomar decisiones y permitan el acceso a información personal y financiera. Juniper Research considera que este salto plantea un umbral de confianza mucho más elevado que el requerido por un recomendador o una tienda online convencional.
El consumidor debe confiar en que el agente protegerá sus datos, interpretará correctamente sus preferencias y respetará los límites establecidos. Esta exigencia aumenta en transacciones de mayor valor o difíciles de deshacer.
Los comercios, por su parte, necesitan confirmar que el agente actúa legítimamente, que dispone de autorización y que completará el pago de forma correcta. Una operación no deseada puede desembocar en devoluciones, reclamaciones, contracargos y costes administrativos.
Noticias Relacionadas
Los sueños con IA de Demis Hassabis (DeepMind): de la salud humana al correo electrónico
{"id":29239,"titular":"Los sueños con IA de Demis Hassabis (DeepMind): de la salud humana al correo electrónico","prefijo":null,"slug":null,"image":"https://www.reasonwhy.es/media/cache/noticia_relacionada/media/library/demis-hassabis.jpg","path":"/actualidad/demis-hassabis-google-deep-mind-conferencia-cannes-lions-2026"}
Las alucinaciones de los modelos añaden otra fuente de riesgo. Una respuesta incorrecta sobre las especificaciones de un producto o una política de devolución puede tener consecuencias económicas directas. La automatización reduce además la oportunidad de revisar la información antes de ejecutar la compra.
El comercio agéntico también plantea una cuestión jurídica todavía sin resolver: quién responde cuando una transacción no autorizada o defectuosa ha sido realizada por un sistema autónomo. La responsabilidad podría recaer en el usuario, el proveedor del agente, el comercio, la plataforma intermediaria o el proveedor de pagos, pero los marcos actuales no definen con claridad cómo distribuirla.
Seguridad, manipulación y exposición de los datos financieros
Los agentes operan en entornos abiertos, interactúan con páginas web, herramientas externas e interfaces de programación, y pueden recibir instrucciones maliciosas dirigidas a alterar su comportamiento. La manipulación de instrucciones puede aprovechar partes flexibles de su programación para eludir las normas del sistema. Un agente comprometido podría exponer información financiera o utilizar una autorización de pago en beneficio de un tercero.
Las medidas de autenticación y seguridad continúan desarrollándose, pero la falta de claridad regulatoria puede ralentizar la adopción
El riesgo no se limita al robo directo de credenciales. También incluye la posibilidad de influir sobre las decisiones del agente, hacerle interpretar una oferta fraudulenta como legítima o conducirlo hacia un comercio malicioso.
Juniper Research señala que las medidas de autenticación y seguridad continúan desarrollándose, pero advierte de que la falta de claridad regulatoria puede ralentizar la adopción. También puede facilitar que usuarios o comercios que actúan de mala fe atribuyan la responsabilidad a otros integrantes del ecosistema.
La eficacia de un agente dependerá de la calidad de los datos disponibles. Incluso un sistema con buenas capacidades de razonamiento ofrecerá resultados deficientes si recibe información incompleta, incorrecta o mal organizada.
Cuando no existen interfaces directas, los agentes pueden recurrir al rastreo de páginas web, al análisis visual o a la interpretación de pantallas. Estos métodos son menos estandarizados y presentan una fiabilidad inferior a las conexiones mediante API.
La dependencia de los datos puede generar una desigualdad entre empresas. Los grandes distribuidores, con infraestructuras tecnológicas avanzadas y catálogos normalizados, tendrán más facilidad para integrarse en los ecosistemas agénticos. Los pequeños comercios podrían quedar infrarrepresentados si no estructuran correctamente su información o no facilitan conexiones con sus sistemas.
Para Juniper Research, extender la normalización de los datos y facilitar el acceso de los pequeños comerciantes a estas infraestructuras será esencial para evitar un mercado desequilibrado.
El fraude cambiará cuando la compra la realice una máquina
La intervención de agentes obligará a reformular los sistemas de prevención del fraude. Actualmente, muchos modelos analizan dispositivos, direcciones IP, sesiones y cambios en los patrones históricos de compra. Cuando la operación la ejecuta un agente, adquieren importancia otros datos: la identidad del sistema, las condiciones bajo las que recibió autorización, su comportamiento entre plataformas y la secuencia de acciones que condujo a la compra.
Los modelos de riesgo actuales no están diseñados necesariamente para interpretar esta información, lo que añade complejidad a la detección de operaciones sospechosas.
Mastercard ha desarrollado, en colaboración con Google, Verifiable Intent, una capa abierta de confianza que vincula identidad, intención y acción en un único registro. Su objetivo es demostrar tanto la existencia de la operación como la autorización otorgada por el consumidor.
Algunas compañías de pagos anticipan un aumento de las reclamaciones relacionadas con compras realizadas por agentes
Algunas compañías de pagos anticipan un aumento de las reclamaciones relacionadas con compras realizadas por agentes. Un usuario podría olvidar que concedió permiso para ejecutar una operación o alegar que el sistema superó los límites establecidos. Resolver estos casos exigirá demostrar que la autorización existía y que el agente actuó dentro de sus condiciones. Hacerlo a gran escala requerirá nuevas infraestructuras de registro y verificación.
Los agentes también pueden ayudar a prevenir el fraude. Podrían evitar anuncios con precios anormalmente bajos, analizar la autenticidad de los sitios web y utilizar opiniones y patrones históricos para descartar productos potencialmente falsos.
Dentro del estudio, Juniper Research ha publicado su clasificación de proveedores de infraestructura de pagos para el comercio agéntico en 2026. Mastercard ocupa la primera posición, seguida de Visa y Stripe.
La evaluación analizó a catorce compañías atendiendo a criterios como sus capacidades específicas para facilitar operaciones agénticas y su participación en los protocolos que están definiendo el mercado.
La consultora destaca la ventaja de los primeros participantes. Las compañías mejor posicionadas han avanzado con rapidez en la construcción de las infraestructuras necesarias y se han involucrado en el desarrollo de marcos comunes.
La fragmentación internacional de los pagos será, sin embargo, una dificultad importante. Los agentes deberán funcionar con numerosos métodos locales, y los proveedores tendrán que integrar las opciones adecuadas en cada mercado.
Este reto representa también una oportunidad: las compañías capaces de ofrecer una combinación amplia y fiable de medios de pago podrán captar cuota durante las primeras etapas de crecimiento.
Noticias Relacionadas
Las renovaciones automáticas, puerta de entrada a la adopción
Juniper Research identifica las compras recurrentes como uno de los primeros casos de uso con potencial para normalizar el comercio agéntico. Los consumidores ya están familiarizados con pedidos periódicos de alimentación, medicamentos, productos desechables o material de oficina.
Los agentes podrían ampliar estos procesos utilizando información contextual. Con permiso del usuario, un sistema sería capaz de ajustar una fecha de entrega si detecta que la persona estará de viaje, modificar la cantidad solicitada o sustituir un producto cuando cambie el precio o deje de estar disponible. También podría buscar constantemente mejores ofertas, identificar suscripciones más ventajosas o anticiparse a un problema antes de que el usuario lo advierta.
Estas operaciones presentan un riesgo menor porque suelen ser sencillas, repetitivas y de bajo valor. La consultora recomienda utilizarlas como terreno de prueba antes de conceder a los agentes autonomía para compras complejas o de mayor importe.
Un nuevo canal, no el final del comercio electrónico
Juniper Research anticipa una expansión muy rápida desde los proyectos piloto actuales hasta alcanzar un gasto de 1,5 billones de dólares en 2030. Sin embargo, la firma evita plantear el comercio agéntico como un sustituto inmediato de las tiendas online y sus procesos de pago.
Su avance dependerá de la mejora simultánea de cuatro elementos:
- La capacidad de los agentes
- La calidad y disponibilidad de la información de producto
- La infraestructura de pagos
- La confianza de consumidores y empresas
La adopción será probablemente gradual y comenzará por operaciones sencillas, reversibles y de bajo riesgo. Las compras de mayor valor seguirán requiriendo autorización humana mientras no existan garantías suficientes sobre identidad, seguridad, responsabilidad y capacidad de corregir errores.
Para marcas y distribuidores, el cambio abre una nueva batalla por la visibilidad. Ya no bastará con aparecer ante una persona en un buscador o una plataforma. Los productos tendrán que ser comprensibles para agentes capaces de filtrar miles de opciones según precio, disponibilidad, reputación, entrega y preferencias acumuladas.
El comercio agéntico promete reducir fricciones y proporcionar recomendaciones mucho más ajustadas. Pero su éxito no dependerá únicamente de la inteligencia de los modelos. También exigirá datos fiables, estándares compartidos, trazabilidad, sistemas de autorización y una definición clara de quién responde cuando una máquina compra en nombre de una persona.
