Anthropic lanzó el 2 de septiembre un blueprint para que los retailers construyan su propio agente de compras. La razón es defensiva: una encuesta a 2.338 consumidores de EE.UU. midió que 57,5% de los usuarios de IA fue disuadido de comprar por un chatbot externo, y más de 4 de cada 10 rechaza sus anuncios.
La evidencia
Anthropic publicó el 2 de septiembre "Building Commerce Agents with Claude", un conjunto de patrones de software y guardrails para que las marcas construyan agentes de IA para retail, según reporta Practical Ecommerce. El blueprint entrega dos piezas: un agente de cara al comprador que vive en el sitio o la app de la tienda, conectado al catálogo y al checkout, capaz de armar un carro completo para un viaje de fin de semana considerando preferencias y pedidos previos, y de responder después sobre envíos, cambios y devoluciones; y un agente interno que analiza inventario y sugiere qué productos descontar para liberar caja, con aprobación humana obligatoria antes de cambios significativos. Anthropic asegura que los retailers (sin nombrarlos) que ya corren sus shopping agents vieron un aumento de 35% en el valor promedio de pedido y una mejora de 60% en la tasa de conversión, una cifra llamativa considerando que varios retailers enterprise ya operan agentes similares desde hace tiempo.
El momento no es casual. Bain & Company, socia de Anthropic, encuestó en agosto a 1.105 compradores de EE.UU. para su pronóstico de la temporada navideña 2026: 24% de los compradores online planea empezar sus compras en plataformas de IA como Claude, Gemini o ChatGPT, contra 17% en 2025. Al mismo tiempo, cerca del 60% planea partir directamente en el sitio del retailer o de la marca, contra 51% el año pasado. Practical Ecommerce distingue dos modelos con esos datos: el shopper puede pasar por una plataforma de IA externa que arma la compra con productos de varios vendedores (así opera Instant Checkout de OpenAI con Stripe desde 2025, o el Universal Commerce Protocol de Google con Shopify, Etsy, Wayfair, Target y Walmart), o puede usar el agente propio del comercio, que retiene catálogo, checkout y relación con el cliente.
La segunda nota del cluster explica por qué la segunda ruta se volvió urgente y no solo aspiracional. Semrush encuestó a 2.338 consumidores de EE.UU. sobre cómo usan la IA en su proceso de compra, y el hallazgo central invierte el relato optimista sobre GEO (optimización para motores generativos): el mismo chatbot que recomienda también disuade. Entre los usuarios de IA, 57,5% decidió no comprar algo por información que le dio un chatbot, cifra que sube a 69,7% entre quienes usan IA al menos una vez por semana. Más de 4 de cada 10 personas, entre todos los encuestados, rechaza activamente los anuncios dentro de chatbots de IA, y la opinión promedio de un consumidor sobre una marca tiene más probabilidad de empeorar que de mejorar después de ver un anuncio ahí.
El mismo estudio muestra el lado que sí beneficia a las marcas: 59,27% de los usuarios de IA descubrió una marca o producto que no conocía a través de una recomendación de un chatbot, y 65,01% reemplazó al menos parcialmente sus búsquedas de productos en Google por conversaciones con IA. El chatbot externo actúa como filtro que bloquea y, a la vez, como puerta de entrada, pero es una puerta que la marca no controla.
La lectura entre líneas
¿De qué sirve aparecer bien recomendado en un chatbot que, en la misma conversación, puede sacar al comprador del embudo? Mientras buena parte de la industria discutía cómo optimizar para aparecer en las respuestas de ChatGPT, Gemini o Perplexity, como vimos cuando MCP conectó agentes de IA a Google Ads y redes sociales sin la gobernanza que reemplaza, la encuesta de Semrush midió que ese trabajo de visibilidad no alcanza si el chatbot, con la misma autoridad con la que recomienda, también advierte reseñas mixtas o negativas: 74,15% de todos los consumidores sería al menos algo menos propenso a comprar si un chatbot le señala reviews mixtas, y esa cifra sube a 85,31% entre los usuarios activos de IA.
La carrera por el agente propio que describe Practical Ecommerce responde a una lógica defensiva, no ofensiva: el objetivo no es vender más rápido, es dejar de depender de un tercero que, en la misma conversación, puede recomendar a un competidor o frenar la venta directamente. Esa carrera por la superficie ajena ya tiene jugadores grandes adentro, como vimos cuando OpenAI y Google empezaron a vender ads en las respuestas de IA antes de resolver el checkout agéntico, lo que deja a la marca compitiendo por espacio publicitario en un canal que además, según Semrush, a 71,63% de los usuarios de IA le genera indiferencia o rechazo.
| Modelo | Quién controla la conversación | Ejemplo | Qué arriesga la marca |
|---|---|---|---|
| Shopper → plataforma de IA externa → comercio | La plataforma (ChatGPT, Gemini, Perplexity) | Instant Checkout de OpenAI con Stripe; Universal Commerce Protocol de Google | El chatbot puede recomendar a un competidor o disuadir la compra con la misma autoridad con la que la habilita |
| Shopper → agente propio del comercio → comercio | El retailer | Shopping agent construido con el blueprint de Anthropic | Requiere inversión técnica propia, pero retiene datos de primera parte y la relación con el cliente |
El dato de Anthropic (35% más valor de pedido, 60% más conversión) tiene el sesgo esperado de venir del mismo actor que vende la solución. Pero la lógica de fondo no depende de esa cifra: si el chatbot ajeno puede disuadir a 57,5% de sus propios usuarios, cada venta que pasa exclusivamente por un canal que la marca no controla queda expuesta a un filtro que no eligió. A quién beneficia esto: a los retailers con catálogo, checkout y datos propios ya ordenados, que pueden usar un blueprint como el de Anthropic para levantar su agente rápido sin ceder la conversación de postventa. A quién complica: a las marcas chicas sin equipo técnico, que hoy dependen enteramente de aparecer bien en un chatbot ajeno sin poder decidir qué le dice ese mismo chatbot al comprador un minuto después.
Accionables para marcas en Chile y LatAm
- Audita hoy qué le dicen ChatGPT, Gemini y Perplexity sobre tu marca cuando alguien pregunta por reseñas o comparaciones: si la respuesta menciona reviews mixtas, ese es el punto exacto donde, según Semrush, 74,15% de los consumidores se frena.
- No conviertas al chatbot externo en tu único canal de venta. Prioriza los canales de datos propios (email, programa de lealtad, cuenta del cliente en tu sitio): son los que te dejan mejor parado sin importar por dónde entre el comprador, lo trajo un chatbot ajeno o tu propio buscador.
- Si vas a invertir en un agente de compras, empieza por la postventa (envíos, cambios, devoluciones) antes que por el descubrimiento de producto: es la función que Anthropic describe como más resuelta en su blueprint y la que menos depende de que tu catálogo esté impecable.
- Antes de pagar por presencia publicitaria dentro de un chatbot de IA, revisa el dato: más de 4 de cada 10 consumidores la rechaza y la opinión de marca tiende a empeorar más de lo que mejora. El presupuesto rinde más asegurando que el chatbot te recomiende bien de forma orgánica que comprando un anuncio ahí adentro.
¿Un agente de compras propio reemplaza la optimización para IA externa (GEO)?
No. Los datos de Semrush muestran que 59,27% de los usuarios de IA descubre marcas nuevas a través de chatbots externos, así que la visibilidad en ChatGPT, Gemini o Perplexity sigue importando para el primer contacto. Lo que cambia es que esa visibilidad ya no basta por sí sola: la misma conversación que recomienda puede disuadir la compra, y ese tramo final solo lo controla el canal donde la marca tiene su propio agente o su propia relación con el cliente.
¿Qué necesita un retailer para construir su propio agente de compras?
Según el blueprint de Anthropic, la base es conectar el agente al catálogo de productos, al software de checkout y al historial de pedidos del cliente, con guardrails que exigen aprobación humana antes de cualquier cambio de precio significativo si se usa además un agente interno de gestión de inventario.
