Agentic Commerce: cómo los agentes de IA están cambiando el eCommerce

El comercio electrónico está pasando de responder preguntas a permitir que un software actúe: comparar productos, consultar stock, preparar un carrito, iniciar una devolución o transferir una incidencia con todo su contexto. Ese cambio se conoce como agentic commerce o comercio agéntico.

El caso de SharkNinja ayuda a separar la oportunidad real del ruido. La compañía conectó agentes de IA con catálogo, pedidos, garantías y soporte, y afirma que ya gestionan alrededor de 20.000 conversaciones semanales. Sin embargo, el dato importante para una tienda online no es el nombre de la plataforma utilizada. Es la infraestructura que hubo que ordenar antes de que el agente pudiera dar respuestas útiles y ejecutar acciones sin perder el control.

Qué es agentic commerce y qué lo diferencia de un chatbot

Un chatbot tradicional recupera una respuesta o genera texto. Un agente puede razonar sobre una intención, elegir una herramienta, consultar datos y completar una tarea dentro de unos límites. En ecommerce, la diferencia se aprecia en lo que ocurre después de la pregunta.

Esto no significa que toda tienda deba permitir compras autónomas. El agentic commerce es un espectro: desde hacer que el catálogo sea comprensible para asistentes externos hasta ofrecer un agente propio que resuelva tareas posventa. La madurez técnica y el riesgo de cada acción deben determinar hasta dónde automatizar.

El caso SharkNinja: qué ocurrió realmente

SharkNinja vende productos de las marcas Shark y Ninja en decenas de categorías y a través de canales propios, distribuidores, Amazon y TikTok Shop. Según la entrevista con su CIO, Velia Carboni, la empresa reescribió su plataforma de comercio y desplegó globalmente Commerce Cloud, Service Cloud, Data 360, Agentforce, Shopper Agent y gestión de pedidos en unos nueve o diez meses.

El agente interviene antes y después de la compra. Puede ayudar a comparar productos, recomendar accesorios, localizar recambios, consultar pedidos y registrar garantías. Un código QR en el embalaje abre una conversación para acompañar la puesta en marcha del producto. Esa última idea es especialmente útil: la relación digital no termina cuando la venta se produce en un marketplace o una tienda de terceros.

Las cifras, con su contexto

• Alrededor de 20.000 conversaciones por semana. La entrevista de diginomica habla del volumen general; Salesforce lo describe como volumen semanal en Estados Unidos.
• 280.000 conversaciones en los cuatro primeros meses. Es una cifra publicada por Salesforce sobre el lanzamiento de capacidades de compra guiada.
• 11 % de conversión. Salesforce atribuye esta tasa a las conversaciones con orientación de compra, pero no publica en la página la definición exacta del denominador ni una comparación controlada.
• 14 % de incremento interanual en artículos añadidos al carrito. El dato se asocia al despliegue de Commerce Cloud, por lo que no debe atribuirse únicamente al agente.
• 14 países activos. El caso oficial de junio de 2026 indicaba ese alcance, mientras que la entrevista posterior describe una ampliación global.

Son resultados relevantes, pero proceden principalmente del proveedor de la solución y de la propia compañía. Sirven como señal de viabilidad, no como promesa de que instalar un chatbot vaya a producir la misma conversión. Una evaluación seria necesita métricas propias: resolución, exactitud, conversión incremental, coste por conversación, transferencias, devoluciones y satisfacción.

La lección central: los datos llegaron antes que la IA

SharkNinja no empezó por el modelo. Empezó por una base de comercio que pudiera sostenerlo. Nombres de producto distintos entre países y marcas, perfiles duplicados y sistemas regionales separados impedían que un agente tuviera una visión coherente. La empresa unificó datos de clientes, catálogo, actividad web y sistemas externos antes de ampliar las acciones disponibles.

Para una pyme, esto no exige copiar una arquitectura empresarial. Sí exige que la tienda disponga de una fuente fiable para cada dato. Si el precio del feed, la ficha y el checkout no coinciden; si el stock llega tarde; o si una política de devolución sólo existe en un PDF desactualizado, el agente amplificará esa inconsistencia.

Agentes de IA para ecommerce: siete requisitos técnicos

1. Un catálogo estructurado y sin ambigüedades

Cada producto necesita identificadores estables, nombre preciso, variantes, atributos, compatibilidades, imágenes, precio, divisa y disponibilidad. Google recomienda combinar datos estructurados Product y ProductGroup con Merchant Center para mejorar la comprensión y verificación del catálogo. Aunque esa documentación se refiere a las superficies de Google, el principio se extiende a cualquier agente: los datos legibles por máquinas reducen la necesidad de interpretar HTML.

Para una tienda PrestaShop, la revisión debería incluir combinaciones, referencias, EAN/GTIN, atributos, categorías, canonicals, JSON-LD y la coherencia entre los feeds y la ficha visible.

2. Stock, precio y promesa de entrega en tiempo casi real

Un agente no puede recomendar con confianza un producto agotado ni prometer una entrega basándose en una caché antigua. El stock debe tener una fuente de verdad y reglas claras cuando intervienen almacenes, ERP, marketplaces o tiendas físicas. También es necesario distinguir precio base, promociones, impuestos, gastos de envío y fechas de vigencia.

3. APIs con contratos estables

Buscar catálogo, consultar pedido, crear carrito y solicitar devolución deberían ser operaciones pequeñas, documentadas y predecibles. Shopify ya publica perfiles de capacidades UCP en /.well-known/ucp y ofrece herramientas separadas para catálogo, carrito, checkout y pedidos. No todas las tiendas necesitan implementar UCP hoy, pero la dirección es clara: los agentes funcionarán mejor con interfaces estructuradas que simulando clics sobre páginas diseñadas para humanos.

Una arquitectura API First y headless-ready facilita esta evolución, incluso si el frontend continúa siendo convencional.

4. Contenido de producto que resuelva decisiones

Una ficha preparada para IA no se limita a repetir palabras clave. Debe contestar preguntas sobre medidas, materiales, instalación, consumo, mantenimiento, compatibilidad, contraindicaciones, garantía y diferencias entre modelos. Las tablas comparativas y las preguntas frecuentes específicas aportan señales más útiles que una descripción genérica generada en masa.

5. Datos de pedidos y posventa accesibles con permisos

Consultar el estado de un pedido exige autenticar al cliente y limitar el resultado a su cuenta. Registrar una garantía o devolución requiere validar producto, fecha, política y estado. El agente nunca debería recibir acceso amplio a la base de datos: necesita herramientas con el mínimo privilegio, campos limitados y registros de auditoría.

6. Handoff humano con contexto

El caso oficial de SharkNinja indica que, después de tres intentos fallidos, el sistema dirige al usuario a un formulario de contacto; la transferencia en tiempo real con historial completo aparece como una mejora futura. Es una distinción importante: mostrar un enlace no equivale a un handoff completo.

Un buen escalado debe conservar la conversación, el cliente autenticado, el producto, las acciones ya intentadas y el motivo del bloqueo. El equipo humano no debería obligar al comprador a empezar de cero. Para organizar ese proceso conviene integrar la IA con el servicio de atención al cliente y con los sistemas de tickets existentes.

7. Seguridad, confirmaciones y trazabilidad

OWASP recomienda mínimo privilegio, autorización explícita para herramientas sensibles, vista previa de acciones, límites de autonomía y trazas auditables. Buscar un producto es una operación de bajo riesgo; cancelar un pedido, emitir un reembolso o cobrar son acciones distintas.

La política puede dividir las tareas en tres niveles:

1. Automáticas: buscar productos, consultar políticas públicas o comparar variantes.
2. Con confirmación del cliente: modificar un carrito, guardar datos o iniciar una devolución.
3. Humanas o con aprobación reforzada: reembolsos excepcionales, cambios de dirección después del pago, descuentos manuales o decisiones con impacto financiero.

La seguridad de la tienda sigue siendo la base: un agente conectado a módulos obsoletos, credenciales compartidas o endpoints sin control sólo añade una nueva superficie de ataque.

IA para tiendas online: una hoja de ruta realista

El primer piloto debe resolver un problema definido. Por ejemplo: encontrar el recambio compatible, explicar diferencias entre tres gamas o reducir preguntas sobre estado de pedido. “Añadir IA” no es un objetivo medible.

Qué métricas debería vigilar el propietario de la tienda

• Resolución autónoma válida: casos terminados sin intervención y sin reapertura posterior.
• Exactitud operativa: respuestas correctas sobre precio, stock, compatibilidad, entrega y políticas.
• Conversión incremental: diferencia frente a un grupo o periodo comparable, no sólo compras que tocaron el chat.
• Valor y margen del pedido: un carrito mayor no siempre significa más rentabilidad.
• Escalado y repetición: cuántos usuarios llegan al equipo humano y cuántas veces deben explicar lo mismo.
• Errores de acción: carritos incorrectos, devoluciones improcedentes o modificaciones no autorizadas.
• Coste total: licencias, inferencia, integraciones, observabilidad y trabajo de revisión.

El 11 % comunicado por SharkNinja es interesante, pero una tienda debe definir su propio embudo: conversaciones elegibles, recomendaciones mostradas, clics, carritos, compras confirmadas, cancelaciones y devoluciones. Sin esa secuencia, la cifra de conversión puede ocultar selección previa o atribución incompleta.

¿Necesita tu ecommerce agentic commerce ahora?

Probablemente sí necesita prepararse, aunque todavía no necesite un agente que compre. Normalizar catálogo, exponer APIs seguras, actualizar contenidos, unificar stock y documentar políticas produce valor inmediato en SEO, feeds, marketplaces, soporte y automatización.

Una tienda está lista para un piloto cuando puede responder con claridad estas preguntas: ¿cuál es la fuente oficial de cada dato?, ¿qué acciones puede ejecutar el agente?, ¿quién confirma las acciones sensibles?, ¿cómo se transfiere una conversación?, ¿qué se registra?, ¿cómo se revierte un error? Si las respuestas dependen de procesos manuales o conocimiento informal, ése es el trabajo previo.

PsDevs puede ayudarte a convertir esa preparación en un plan técnico sobre tu plataforma actual: automatización de procesos, APIs, integración con ERP o soporte, optimización del catálogo y controles de seguridad. Cuéntanos qué operación quieres mejorar y evaluaremos si la IA es la pieza adecuada o si primero conviene corregir la base.

Fuentes y lecturas adicionales

1. Stellagent: análisis del despliegue de Agentforce y Shopper Agent en SharkNinja.
2. diginomica: entrevista con Velia Carboni, CIO de SharkNinja.
3. Salesforce: caso oficial de servicio y compra agéntica de SharkNinja.
4. Google Search Central: datos estructurados de producto para ecommerce.
5. Shopify Developers: comercio agéntico y Universal Commerce Protocol.
6. OWASP: guía de seguridad para agentes de IA.