La inteligencia artificial está pasando de recomendar productos a comparar, elegir, armar carritos y pagar dentro de límites definidos por el usuario. Amazon ya convirtió parte de esa promesa en una operación funcional. Mercado Libre todavía no anunció un comprador autónomo equivalente, pero posee casi todas las piezas necesarias para construirlo en América Latina. El cambio puede redefinir la búsqueda, la publicidad, la logística, la marca y la forma en que un vendedor gana visibilidad.

La próxima transformación no ocurrirá en la publicación, sino antes de que el comprador llegue a verla

Durante años, la competencia en los marketplaces se organizó alrededor de una escena conocida. Una persona escribía algunas palabras en un buscador, recibía cientos o miles de resultados, aplicaba filtros, abría publicaciones, comparaba precios, miraba fotografías, leía reseñas y finalmente tomaba una decisión. Amazon y Mercado Libre construyeron buena parte de su poder sobre esa secuencia: concentraron demanda, ordenaron la oferta y diseñaron una interfaz capaz de convertir la intención en una transacción.

Ese modelo no va a desaparecer de un día para otro. Pero está comenzando a superponerse con otro. En lugar de recorrer una plataforma, el comprador podrá describir un resultado: “Necesito una notebook para editar video, con 32 GB de memoria, que llegue antes del viernes, tenga buenas reseñas y no supere determinado presupuesto”. También podrá pedir algo más simple: “Reponé el alimento de mi perro cuando quede poco, siempre que el precio no aumente más del 10%”. La diferencia es profunda. En el primer modelo, el usuario navega y decide. En el segundo, define criterios y delega una parte de la decisión.

El nombre que empieza a consolidarse para este fenómeno es comercio agéntico. No se trata solamente de utilizar inteligencia artificial para redactar descripciones, responder preguntas o recomendar productos. Un agente recibe un objetivo, lo descompone en tareas, consulta fuentes, compara alternativas, recuerda restricciones y ejecuta acciones. Dependiendo del nivel de autorización, puede limitarse a sugerir, preparar un carrito, esperar una confirmación o completar el pago.

Mi tesis es que este cambio no eliminará a Amazon ni a Mercado Libre. Por el contrario, puede volverlos todavía más importantes. Ambos reúnen lo que un agente necesita para operar: grandes catálogos, datos de comportamiento, reputación, pagos, logística, protección al comprador y capacidad de resolver la posventa. Sin embargo, también los enfrenta a un riesgo nuevo: que la relación con el consumidor pase a ser controlada por un asistente externo, como ChatGPT, Gemini, Perplexity o la próxima generación de sistemas operativos personales.

La disputa ya no será únicamente por aparecer primero en un listado. Será por definir quién interpreta la intención, quién selecciona las opciones, qué variables entiende como valor y quién tiene permiso para ejecutar la compra.

Voy a desarrollar un escenario prospectivo, pero no parte de la ciencia ficción. Amazon ya permite que su inteligencia artificial investigue, compare, arme carritos, siga precios, programe tareas de compra y adquiera productos dentro y fuera de su propia tienda. Google, OpenAI, Visa y Mastercard ya crearon protocolos e infraestructura para que los agentes se comuniquen con comercios y sistemas de pago. En América Latina ya se realizaron transacciones iniciadas por agentes sobre redes de pago. Mercado Libre, por su parte, viene incrementando su inversión en inteligencia artificial y controla dentro de su ecosistema casi todos los componentes necesarios para pasar de la recomendación a la ejecución.

Lo que sigue es una distinción necesaria entre tres planos:

• lo que ya existe y puede comprobarse;
• lo que probablemente ocurra por continuidad tecnológica y económica;
• lo que todavía depende de confianza, regulación, interoperabilidad y conducta del consumidor.

Sin esa separación, el comercio agéntico corre el riesgo de convertirse en una nueva etiqueta vacía. Con ella, en cambio, puede analizarse como lo que realmente es: una transformación de la arquitectura comercial de los marketplaces.

¿Qué es exactamente un agente de compras y por qué no es un chatbot más?

Una conversación agradable no convierte a un sistema en agente. La diferencia aparece cuando la inteligencia artificial puede actuar sobre herramientas y completar una secuencia con consecuencias visibles.

Un chatbot tradicional responde. Un recomendador sugiere. Un agente, en cambio, persigue un objetivo dentro de reglas. Puede consultar inventario, revisar precios, evaluar compatibilidad, comparar fechas de entrega, seleccionar una variante, agregarla al carrito y solicitar autorización para pagar. En un nivel superior, puede ejecutar la compra sin una nueva intervención porque el usuario ya estableció un mandato: monto máximo, frecuencia, marcas permitidas, comercios habilitados y condiciones de cancelación.

Conviene pensar la evolución en cuatro niveles:

Nivel	Qué hace la IA	Intervención humana	Estado actual
Asistencia	Explica, resume reseñas, compara y recomienda	El usuario investiga y compra	Ya está ampliamente disponible
Preparación	Selecciona productos, arma carritos y sigue precios	El usuario revisa y confirma	Ya funciona en grandes plataformas
Ejecución supervisada	Completa la compra con autorización puntual	El usuario aprueba la operación	Ya existe en entornos y comercios determinados
Delegación condicionada	Compra cuando se cumplen reglas previas	El usuario interviene solo ante excepciones	Operativa en casos acotados; todavía no es masiva

Esta gradación importa porque la adopción no será binaria. La mayoría de los consumidores no entregará de inmediato un permiso general para gastar. Primero delegará tareas de bajo riesgo: buscar, comparar, avisar, reponer o comprar por debajo de un monto. La confianza se construirá operación por operación.

La infraestructura de pagos también necesita distinguir entre tres identidades: la persona que posee el dinero, el agente que actúa y el comercio que recibe el pago. Debe existir evidencia de qué autorizó el usuario, qué límites fijó, qué producto eligió el sistema y por qué importe. Mastercard denomina a una parte de esta solución “Verifiable Intent”: un registro resistente a manipulaciones sobre la intención autorizada. En marzo de 2026, la empresa informó que bancos, procesadores y plataformas de América Latina y el Caribe realizaron transacciones agénticas con relativo éxito, de extremo a extremo, con consentimiento del titular y con el agente identificado dentro del flujo. Entre los participantes mencionó entidades de Argentina, Brasil, Colombia, México, Chile y otros mercados de la región. Fuente: Mastercard, 24 de marzo de 2026.

Visa también extendió en abril de 2026 su programa Agentic Ready a América Latina y Asia Pacífico. El programa permite que bancos y socios prueben pagos iniciados por agentes con tarjetas y comercios, y validen tokenización, autenticación, autorización y controles antes de un despliegue más amplio. Fuente: Visa, 29 de abril de 2026.

Por eso, el comercio agéntico no debe entenderse como una conversación que termina en un enlace. Su forma completa exige cinco capacidades conectadas:

1. interpretar la necesidad;
2. acceder a datos confiables y actualizados;
3. evaluar alternativas;
4. actuar con una autorización verificable;
5. sostener la trazabilidad durante pago, entrega, cancelación y devolución.

Amazon y Mercado Libre ya dominan buena parte de esa cadena. La pregunta es cómo la reorganizarán cuando el comprador deje de ser el único que mira la pantalla.

Amazon ya está mostrando el modelo que probablemente imitará el resto del mercado

Hasta hace poco, hablar de agentes que compraban dentro de un marketplace exigía una buena dosis de imaginación. En Amazon, esa etapa terminó.

Rufus, presentado originalmente en 2024 como asistente generativo de compras, fue renombrado Alexa for Shopping en mayo de 2026. El cambio de nombre no fue cosmético. Amazon integró la experiencia de búsqueda y compra con la memoria y el contexto personal de Alexa. Según la empresa, el sistema permite hacer preguntas desde la barra principal, crear guías personalizadas para compras importantes, resumir categorías, comparar productos, consultar hasta un año de historial de precios, buscar ofertas, armar carritos y automatizar compras rutinarias. Amazon afirmó además que Rufus había ayudado a más de 300 millones de clientes durante 2025. Fuente: Amazon, 13 de mayo de 2026.

Estas funciones se concentran actualmente en Estados Unidos y no deben interpretarse como una disponibilidad equivalente en todos los países donde opera Amazon. Su importancia para este análisis no está en la cobertura geográfica actual, sino en que muestran capacidades que ya fueron integradas a un marketplace de escala global.

El dato más significativo apareció en los resultados financieros del cuarto trimestre de 2025. Amazon informó que Rufus había sido usado por más de 300 millones de clientes y que había contribuido con casi US$12.000 millones en ventas incrementales anualizadas. Es una estimación de la propia compañía, no una auditoría independiente del efecto causal, pero alcanza para mostrar que Amazon ya mide la inteligencia artificial de compras como un motor económico y no como una función experimental. Fuente: resultados de Amazon, 5 de febrero de 2026.

Alexa for Shopping puede agregar productos a partir de una instrucción en lenguaje natural, reconstruir compras pasadas, comparar artículos elegidos desde los resultados y sugerir alternativas si algo no está disponible. Su función Scheduled Actions permite programar tareas como agregar snacks infantiles al carrito una vez por mes, reponer alimento para mascotas o avisar sobre el lanzamiento de un libro. En esos casos, el sistema investiga y deja la selección lista para revisión. Fuente: guía oficial de Amazon sobre Alexa for Shopping.

La delegación avanza un paso más con Auto Buy. Un usuario puede establecer un precio objetivo y pedir que el producto sea comprado automáticamente cuando alcance ese valor. Amazon explica que el sistema controla el precio, utiliza el medio de pago y la dirección predeterminados, y ofrece una ventana de cancelación. La empresa afirmó que los usuarios de esa función ahorran en promedio 20% por operación. Como todo dato proporcionado por la plataforma, debe leerse dentro de su contexto comercial, pero revela algo importante: el agente ya no espera que la persona vuelva a buscar. Vigila el mercado y actúa cuando se cumple una condición. Fuente: Amazon, actualización de funciones de Rufus.

Esta capacidad altera la relación entre precio y demanda. Hasta ahora, una promoción necesitaba coincidir con la presencia del comprador. En el modelo agéntico, cientos de miles de instrucciones latentes pueden activarse cuando una oferta cruza un umbral. Una baja de precio puede desencadenar compras acumuladas de usuarios que no estaban navegando en ese momento. Para el vendedor, esto abre oportunidades de volumen, pero también eleva el riesgo de quiebres de stock y ventas realizadas con un margen que no contempló la reacción automatizada.

Amazon también cruzó una frontera que parecía contradictoria con su modelo: empezó a comprar fuera de Amazon.

La función Buy for Me permite que el cliente encuentre dentro de la aplicación un producto que no se vende en el marketplace y le pida a Amazon que complete la compra en el sitio de la marca. El usuario confirma dirección, impuestos, envío y medio de pago; luego, el agente transmite de forma segura la información necesaria y ejecuta el checkout. La entrega, las devoluciones y el servicio siguen a cargo del comercio externo. Fuente: Amazon, 3 de abril de 2025.

En marzo de 2026, Amazon informó que su programa Shop Direct ya incluía más de 100 millones de productos de más de 400.000 comercios externos, y que decenas de millones podían comprarse mediante Buy for Me. Los comercios pueden sincronizar catálogo, precio e inventario a través de proveedores de feeds. El objetivo declarado es que Amazon ayude a encontrar y comprar un producto aunque no esté dentro de su propia tienda. Fuente: Amazon, 11 de marzo de 2026.

La consecuencia estratégica es enorme. Amazon deja de pensarse solamente como un marketplace con inventario propio y de terceros. Empieza a actuar como una capa de demanda capaz de recorrer el comercio digital externo. Si la interfaz, la confianza, el pago y el historial permanecen en Amazon, la empresa puede conservar la relación con el consumidor incluso cuando la operación ocurre en otra tienda.

Esto anticipa una posible evolución para todos los grandes marketplaces: transformarse de destinos a agentes universales de compra. Mercado Libre podría seguir un camino parecido en América Latina, aunque con características propias y una dependencia mucho mayor de la integración regional entre pagos, crédito y logística.

La nueva competencia será por controlar al agente, no solamente por recibir su tráfico

Amazon no es el único actor construyendo esta capa.

OpenAI presentó en septiembre de 2025 Instant Checkout y el Agentic Commerce Protocol, desarrollado con Stripe. La primera versión permitía comprar un artículo dentro de ChatGPT a vendedores de Etsy en Estados Unidos, con confirmación explícita de cada paso. OpenAI señaló que las recomendaciones eran orgánicas y que la disponibilidad, el precio, la calidad y la condición del vendedor formaban parte de la evaluación cuando había varios comercios para un mismo producto. Fuente: OpenAI, 29 de septiembre de 2025.

La experiencia cambió pocos meses después. En marzo de 2026, OpenAI amplió el protocolo hacia el descubrimiento de productos y reconoció que la versión inicial de checkout no ofrecía suficiente flexibilidad para los comercios. La empresa decidió permitir que los vendedores conservaran su propia experiencia de pago mientras ChatGPT se concentraba en la investigación, la comparación y la derivación de compradores con intención alta. Fuente: OpenAI, 24 de marzo de 2026.

Este ajuste es valioso porque demuestra que el modelo todavía está en construcción. Nadie ha resuelto de manera definitiva quién debe controlar el checkout, quién conserva los datos del cliente, cómo se aplican los programas de lealtad ni quién responde cuando el agente se equivoca.

Google lanzó en enero de 2026 el Universal Commerce Protocol, desarrollado con Shopify, Etsy, Wayfair, Target y Walmart, y respaldado por empresas de pagos y retail. El protocolo busca crear un lenguaje común entre agentes, comercios y proveedores de pago durante la búsqueda, la compra y la posventa. Google también presentó agentes de marca dentro de Search y atributos adicionales en Merchant Center para mejorar la presencia en conversaciones de compra. Fuente: Google, 11 de enero de 2026.

En marzo, Google agregó carritos con varios artículos, acceso a datos en tiempo real sobre variantes, inventario y precio, e integración de identidad para que el comprador conserve beneficios de membresía. Fuente: Google, 19 de marzo de 2026.

La existencia simultánea de estos protocolos revela la verdadera disputa. Si un agente externo puede consultar catálogos, comparar ofertas y comprar sin que el usuario abra Amazon o Mercado Libre, el marketplace corre el riesgo de quedar reducido a proveedor de inventario, reputación, logística y pago. Seguiría realizando una función crítica, pero perdería el momento donde se forma la preferencia.

Por eso, es razonable esperar una estrategia doble:

• los marketplaces desarrollarán agentes propios para mantener la relación directa;
• permitirán ciertos accesos a agentes externos mediante integraciones controladas, identificadas y auditables.

La tensión entre apertura y control ya produjo un conflicto visible. Amazon demandó a Perplexity por el acceso de su agente Comet a cuentas privadas de clientes, alegando que la automatización se presentaba como navegación humana. Perplexity sostuvo que los usuarios tienen derecho a elegir su agente. El caso, iniciado en noviembre de 2025, expuso una pregunta que excede a ambas empresas: ¿el permiso del consumidor alcanza para que una inteligencia artificial opere dentro de una plataforma, o el marketplace también debe autorizar y reconocer al agente? Fuente: Reuters, 4 de noviembre de 2025.

Esa discusión llegará a todos los ecosistemas relevantes. Mercado Libre difícilmente acepte que sistemas externos ingresen de manera opaca a cuentas, simulen conducta humana, lean información privada o ejecuten acciones sin un canal autorizado. Lo más probable es que cualquier apertura ocurra mediante APIs, protocolos, acuerdos y credenciales que identifiquen al agente.

El futuro no será simplemente “las inteligencias artificiales comprarán en los marketplaces”. Será una negociación permanente entre el agente del consumidor y el agente de la plataforma.

Por qué Mercado Libre está mucho más cerca del comercio agéntico de lo que parece

Las fuentes públicas revisadas para este artículo no muestran un anuncio de Mercado Libre equivalente a Alexa for Shopping o Buy for Me. No hay que convertir una inferencia en noticia. Pero tampoco sería serio analizar el tema como si la empresa comenzara desde cero.

Mercado Libre posee una combinación particularmente potente:

• un catálogo regional masivo;
• historial de búsquedas, visitas, compras y devoluciones;
• reputación de publicaciones y vendedores;
• una red logística integrada;
• Mercado Pago como infraestructura de pago;
• crédito dentro y fuera del marketplace;
• protección al comprador;
• Mercado Ads y datos de intención comercial;
• equipos propios de producto, tecnología e inteligencia artificial.

En el primer trimestre de 2026, MercadoLibre informó 84 millones de compradores activos únicos, 722 millones de artículos vendidos, un volumen bruto de mercadería de US$18.951 millones, 83 millones de usuarios activos mensuales en fintech y 4.640 millones de transacciones de pago. En el mismo documento explicó que el ecosistema integra Marketplace, Mercado Pago, Mercado Envíos, Mercado Ads y Clasificados. Fuente: presentación 10-Q de MercadoLibre ante la SEC, primer trimestre de 2026.

La integración importa más que el tamaño. Un agente necesita saber si un producto existe, cuánto cuesta, cuándo llega, quién responde, qué medio de pago puede utilizar y qué ocurre si la operación falla. Mercado Libre puede consultar todas esas capas sin abandonar su entorno.

El mismo reporte informa que los centros de fulfillment ya representan más de la mitad de los envíos y que Mercado Pago procesa y liquida todas las operaciones dentro del marketplace en los países donde funciona. También describe a Mercado Ads como una plataforma que aprovecha los datos generados por millones de consumidores que navegan y compran para construir audiencias granulares. Esa unión entre catálogo, entrega, pago, financiamiento y publicidad es exactamente la clase de infraestructura que un agente necesita. Fuente: 10-Q de MercadoLibre, primer trimestre de 2026.

Mercado Libre también viene mostrando capacidad interna para adoptar inteligencia artificial a escala. En su reporte anual de 2025 indicó que aproximadamente 95% de sus empleados utilizaba herramientas de IA, que alrededor de 30% del código que llegaba a producción se escribía con asistencia de IA y que ya empleaba agentes autónomos en tareas de ingeniería. Fuente: reporte anual 2025 presentado ante la SEC.

En el primer trimestre de 2026, los gastos de producto y tecnología alcanzaron US$699 millones, 26,8% más que un año antes. La empresa atribuyó US$41 millones del incremento a mantenimiento tecnológico y gastos de inteligencia artificial, y definió a las capacidades de producto, tecnología e IA como ventajas competitivas clave. Fuente: 10-Q de MercadoLibre, primer trimestre de 2026.

Otro indicio aparece en el problema del catálogo. Un artículo del equipo de tecnología de Mercado Libre explicó que la compañía gestionaba 450 millones de productos y utilizaba inteligencia artificial generativa para normalizar atributos, marcas mal escritas y diferencias de idioma. También describió el uso de modelos de lenguaje para moderación y detección de falsificaciones. Fuente: Mercado Libre Tech, 30 de enero de 2025.

Esto no prueba que exista un comprador agéntico secreto ni permite anticipar una fecha de lanzamiento. Sí demuestra que Mercado Libre ya trabaja sobre uno de los obstáculos más difíciles: transformar una oferta enorme, heterogénea y multilingüe en información que una máquina pueda interpretar.

La hipótesis más razonable es que Mercado Libre no incorporará el comercio agéntico como una función aislada. Lo integrará sobre la barra de búsqueda, las recomendaciones, el carrito, Mercado Pago, Mercado Crédito, Mercado Envíos y Mercado Ads. El resultado no necesariamente llevará la palabra “agente”. Para el usuario podría presentarse como una búsqueda que entiende mejor, compara de forma automática, prepara una compra y pregunta: “Encontré esta opción. Llega mañana, entra en tu presupuesto y tiene mejores antecedentes de posventa. ¿Querés que la compre?”.

Cómo cambiará la compra dentro de Amazon y Mercado Libre

1. La búsqueda dejará de comenzar con el nombre del producto

El buscador actual necesita que el usuario traduzca una necesidad en palabras clave. Quien quiere mejorar la señal de internet de su casa debe saber si busca un router, un repetidor, un sistema mesh o un adaptador. Quien necesita una herramienta para perforar hormigón debe conocer la diferencia entre taladro percutor y rotomartillo. Una parte del abandono ocurre antes de comparar productos: el comprador no sabe formular técnicamente lo que necesita.

El agente invierte ese proceso. El usuario describe el problema, el contexto y las restricciones. La inteligencia artificial transforma esa intención en una especificación de compra.

En Amazon, esta conducta ya aparece en consultas como organizar una fiesta temática, crear un estudio de fotografía o elegir una rutina de cuidado personal. El sistema puede identificar categorías, proponer un conjunto de productos y agregarlos al carrito. La compra deja de ser “buscar una cosa” y pasa a ser “resolver una misión”.

En Mercado Libre, la misma lógica podría aplicarse a situaciones muy propias de la región: equipar un comercio para aceptar pagos, preparar un taller, reemplazar una pieza compatible con un vehículo, armar un sistema de cámaras, comprar materiales para una refacción o seleccionar insumos de reposición según presupuesto y fecha.

Esto reducirá el peso relativo de la coincidencia textual simple. El título seguirá siendo importante, pero ya no alcanzará con repetir la palabra de mayor demanda. El agente necesitará comprender aplicación, compatibilidad, medidas, materiales, restricciones, contenido del paquete y casos de uso.

Para un vendedor, la oportunidad será aparecer ante consultas que hoy no contienen el nombre exacto de su producto. El riesgo será quedar excluido porque la publicación no ofrece suficientes datos para relacionarla con la necesidad.

2. El listado de cientos de resultados será reemplazado por un conjunto breve

La interfaz clásica distribuye atención a través de páginas de resultados. Aunque los primeros lugares concentran gran parte de las visitas, el comprador puede desplazarse, filtrar y explorar. Un agente tiende a comprimir.

Si recibe la instrucción “elegí tres opciones confiables”, su trabajo es descartar. Puede analizar cientos de publicaciones, pero el usuario verá pocas. La competencia por el top 10 puede transformarse en competencia por entrar en un grupo de tres, o incluso por convertirse en una única recomendación.

La OCDE advirtió en mayo de 2026 que los agentes pueden reducir costos de búsqueda y comparación, pero también limitar la autonomía al predeterminar qué ve el consumidor. El organismo señaló que estos sistemas pueden transformarse en nuevos guardianes de acceso y que existe un conflicto cuando la misma plataforma opera el marketplace y el agente que clasifica, recomienda y compra. Fuente: OCDE, “Competition and consumer policy in digital markets”.

Esta concentración de atención tendrá dos efectos opuestos. Un producto de nicho podrá ser descubierto aunque nunca haya ganado una palabra clave masiva, siempre que sea el mejor ajuste para una necesidad específica. Al mismo tiempo, una publicación genérica podría perder casi toda exposición si el agente no encuentra razones para incluirla.

No necesariamente ganará el producto más popular. Ganará el que obtenga mayor confianza para esa misión, ese comprador y ese contexto.

3. La publicación tendrá dos lectores: una persona y una máquina

Hasta ahora, gran parte de la optimización se diseñó para la percepción humana y para señales de ranking conocidas: título, imagen principal, precio, reputación, envío, ventas, clics y conversión. En el comercio agéntico aparece una segunda capa.

La máquina necesita información estructurada. No interpreta la ambigüedad como una oportunidad creativa; la interpreta como incertidumbre. Si no puede verificar si una funda sirve para una versión específica de un teléfono, si un repuesto incluye determinada pieza o si un mueble entra por una puerta, tenderá a no recomendarlo cuando la compatibilidad sea una condición crítica.

Por eso, los atributos dejarán de ser campos secundarios. Serán la gramática con la que el producto conversa con el agente.

Esto incluye:

• marca y modelo normalizados;
• medidas y peso;
• materiales;
• variantes;
• compatibilidades y exclusiones;
• contenido exacto del paquete;
• garantía;
• certificaciones cuando correspondan;
• disponibilidad;
• precio total;
• costo y plazo de envío;
• política de devolución;
• instrucciones de uso;
• respuesta a objeciones frecuentes.

Amazon ya abrió Shop Direct a feeds que sincronizan catálogo, precio e inventario en tiempo real. Google incorporó al Universal Commerce Protocol consultas sobre variantes, inventario y precio. OpenAI amplió su protocolo hacia datos de descubrimiento más completos y actualizados. Las tres decisiones apuntan al mismo lugar: el comercio agéntico se alimentará de datos, no solamente de páginas bonitas.

La creatividad seguirá cumpliendo un papel para convencer al ser humano. Pero antes de esa etapa, el producto deberá superar una evaluación de legibilidad y confianza algorítmica.

4. El precio dejará de competir solamente contra el producto de al lado

Un comprador humano compara durante un período limitado. Un agente puede observar el precio durante días o meses, analizar su historia y esperar una condición.

Amazon ya permite consultar 30, 90 y 365 días de precios, establecer alertas y autorizar una compra automática. Esto reduce la eficacia de algunas tácticas de urgencia y vuelve más visible la calidad de una promoción. Si el agente conoce el historial, un supuesto descuento basado en un precio inflado pierde credibilidad.

En Mercado Libre, un futuro agente podría evaluar no solo el valor publicado, sino cuotas, financiación, costo de envío, beneficio de membresía, devolución, reputación y fecha de entrega. Dos productos con distinto precio nominal pueden intercambiar posiciones cuando se calcula el costo total para un comprador concreto.

La consecuencia más relevante es que el precio se vuelve una variable programable. El usuario puede decir:

• comprar por debajo de cierto monto;
• elegir la opción de menor costo total;
• aceptar una marca alternativa si ahorra más de determinado porcentaje;
• priorizar entrega rápida hasta un sobreprecio máximo;
• esperar una promoción, salvo riesgo de falta de stock.

El vendedor no competirá contra una captura instantánea del mercado. Competirá contra reglas permanentes de decisión.

5. La promesa logística pasará de argumento comercial a condición de elegibilidad

Cuando una persona navega, puede flexibilizarse. Quizás encuentra un producto que le gusta y acepta esperar. Un agente que recibe la orden “necesito que llegue antes del viernes” debe excluir todo lo que no cumpla.

La logística se convierte así en una variable dura. No es solo un beneficio que mejora la conversión; puede ser el filtro que determina si una oferta ingresa al conjunto evaluado.

Amazon posee Prime, entrega en el día y servicios ultrarrápidos en mercados seleccionados. Mercado Libre construyó una red donde, según su reporte del primer trimestre de 2026, los centros de fulfillment ya participan en más de la mitad de los envíos. Ambas plataformas pueden informar al agente una promesa logística con un nivel de certeza que una tienda aislada difícilmente iguale.

Esto fortalecerá el valor de Full o Fulfillment. No porque exista un “premio mágico” para el vendedor, sino porque el inventario dentro de la red permite confirmar stock, ubicación, plazo y capacidad de cumplimiento. El agente necesita certezas operativas.

También aumentará el costo de los errores. Una demora ya no afectará solamente esa operación. Puede alimentar la memoria del sistema y reducir la confianza futura en esa publicación o vendedor para misiones sensibles al tiempo.

6. La reputación será traducida a riesgo esperado

Los compradores miran estrellas, comentarios y cantidad de ventas. Un agente puede ir más lejos: resumir patrones de reseñas, distinguir problemas recurrentes, evaluar devoluciones, identificar incompatibilidades y ponderar la experiencia según el caso de uso.

No todas las reseñas tienen el mismo valor. Para alguien que necesita auriculares para correr, las menciones sobre ajuste y resistencia al sudor importan más que la calidad de una funda. Para un comercio que compra una impresora, el costo de insumos y la disponibilidad de repuestos pueden pesar más que el diseño.

Amazon ya genera resúmenes y comparaciones dinámicas. Mercado Libre tiene acceso a preguntas, reclamos, devoluciones, tiempos de despacho y calificaciones. Es razonable inferir que un agente nativo podría convertir ese universo en una estimación de riesgo específica para cada compra.

Esto modifica el valor de la reputación. Ya no será un número agregado que decora la publicación. Será evidencia utilizada para responder: “¿Qué probabilidad existe de que este producto resuelva la necesidad sin producir una devolución, una demora o un reclamo?”.

7. El carrito dejará de ser un lugar y pasará a ser un plan

El carrito tradicional contiene productos elegidos manualmente. El carrito agéntico puede ser construido a partir de un objetivo.

“Armame todo lo necesario para instalar una cámara exterior sin superar este presupuesto” implica compatibilidad entre componentes, cantidad de unidades, herramientas y logística coordinada. “Reponé los consumibles de la oficina” implica memoria de compras, frecuencia, stock estimado y autorización recurrente.

La actualización de Google al UCP para soportar múltiples artículos no es un detalle técnico. Reconoce que la unidad de muchas compras no es el SKU, sino la tarea.

En Amazon, Scheduled Actions ya permite agregar productos de manera recurrente. En Mercado Libre, el paso lógico sería que una búsqueda conversacional construya carritos compatibles dentro de un mismo comercio cuando eso reduzca el costo de envío, o entre varios vendedores cuando mejore la solución total.

Para los vendedores, esto abre una nueva forma de competencia: no solo ser el mejor producto individual, sino ser la pieza más confiable dentro de una solución completa.

8. La posventa también será delegada

El comercio agéntico no termina en el pago. Un agente puede seguir el envío, avisar por una demora, solicitar una cancelación, iniciar una devolución, buscar un repuesto o pedir una factura.

La automatización de la posventa tendrá un enorme valor para el consumidor, pero también trasladará presión hacia vendedores y plataformas. Un sistema no se cansa de reclamar ni olvida una fecha. Puede comparar la promesa original con el cumplimiento y actuar en cuanto detecta una desviación.

Amazon ya integra los pedidos externos de Buy for Me dentro de una sección de seguimiento, aunque la atención y las devoluciones sigan en manos del comercio. Google diseñó UCP para cubrir el viaje completo, incluida la posventa.

Mercado Libre posee una ventaja en este punto: la protección al comprador, los pagos y buena parte de la logística están conectados. Un futuro agente podría resolver excepciones dentro del mismo ecosistema. Esa capacidad aumentaría la confianza, pero también obligaría a definir con precisión responsabilidades y evidencia.

Qué creo que hará Amazon en los próximos años

Amazon ya reveló la dirección general. La incógnita no es si incorporará más inteligencia artificial en compras, sino hasta dónde extenderá la autonomía y bajo qué modelo económico.

Amazon intentará convertirse en el agente de compras de toda la web

Shop Direct y Buy for Me muestran una ambición que supera el marketplace. Amazon quiere que el usuario empiece la compra dentro de su interfaz aunque el producto esté en otra tienda.

El beneficio es claro: conserva la intención, aprende de la necesidad, ofrece el pago, registra la operación y mantiene su posición como puerta de entrada. El comercio externo puede obtener una venta, pero Amazon controla el momento donde se origina.

Es probable que la empresa amplíe productos, países, comercios y servicios externos. También es probable que combine información de Alexa, historial de Amazon, dispositivos del hogar y suscripciones para anticipar necesidades. La integración anunciada entre Alexa+ y Alexa for Shopping ya permite que conversaciones y preferencias fluyan entre dispositivos y la tienda.

La compra recurrente avanzará antes que la autonomía total

Los casos más naturales son productos previsibles: limpieza, cuidado personal, alimentos no perecederos, mascotas, oficina y consumibles. El agente puede estimar frecuencia, vigilar precio y proponer reposición.

La autonomía plena en electrónica costosa, lujo o categorías emocionales avanzará más lento. Allí, la IA reducirá opciones y explicará diferencias, pero el consumidor conservará durante más tiempo la decisión final.

La publicidad no desaparecerá: se volverá conversacional y ejecutable

Existe una idea ingenua según la cual un agente “objetivo” eliminará la publicidad. Amazon ya demostró lo contrario.

En marzo de 2026, Amazon Ads llevó a disponibilidad general en Estados Unidos los Sponsored Products prompts y Sponsored Brands prompts. Estos formatos utilizan datos de la publicación, la tienda de marca y las campañas para abrir conversaciones relacionadas con productos. Las campañas existentes pueden ingresar automáticamente y el cobro se integra al modelo de costo por clic. Fuente: Amazon Ads, 10 de marzo de 2026.

En junio de 2026, Amazon lanzó Alexa+ Agentic Ads, un formato que permite pasar de la exposición a la compra dentro de una conversación. Los primeros casos incluyeron pedidos de comida y entradas para espectáculos en dispositivos Echo Show. Fuente: Amazon Ads, 23 de junio de 2026.

La publicidad, entonces, no quedará afuera del agente. Cambiará de forma. En vez de interrumpir con una pieza, podrá responder preguntas, comparar opciones y completar la acción.

El problema será la transparencia. Cuando una inteligencia artificial recomienda “la mejor opción”, el usuario deberá comprender si se trata de una conclusión orgánica, una oferta patrocinada o una combinación de ambas. La confianza del sistema dependerá de esa diferencia.

Amazon limitará a los agentes externos que no acepte controlar

El conflicto con Perplexity anticipa una política de acceso selectivo. Amazon puede abrir feeds para comercios externos y al mismo tiempo restringir automatizaciones que entren en cuentas privadas sin identificación.

Es probable que la empresa exija agentes registrados, permisos explícitos, canales técnicos autorizados y trazabilidad. El debate no será bots sí o no. Será qué agente, con qué identidad, bajo qué reglas y con acceso a qué datos.

Qué creo que hará Mercado Libre

En Mercado Libre, cualquier proyección debe ser más prudente porque no existe todavía un producto público equivalente. Sin embargo, la lógica de su ecosistema permite anticipar una secuencia probable.

Primero llegará la búsqueda conversacional integrada

El movimiento más natural es transformar la barra de búsqueda. El usuario podrá explicar una necesidad con lenguaje cotidiano, hacer preguntas sucesivas y refinar la decisión sin reiniciar.

No sería necesario lanzar una aplicación nueva. El agente puede aparecer dentro del flujo actual y combinar texto, voz e imágenes. Una fotografía de una pieza, un ambiente o un producto podría convertirse en una consulta. Amazon ya permite subir imágenes y listas manuscritas; Google y ChatGPT avanzan en comparación visual.

Para Mercado Libre, esta función resolvería un problema especialmente complejo: las variaciones lingüísticas entre países, el portugués y el español, los nombres locales, los errores ortográficos y la informalidad de muchas búsquedas. La experiencia acumulada en normalización de catálogos y lenguaje le da una base relevante.

Después aparecerán la comparación y el carrito asistido

Una vez comprendida la intención, el sistema puede seleccionar alternativas y explicar por qué cada una se ajusta. El comprador podría pedir:

• “compará estas tres heladeras por consumo, capacidad, garantía y entrega”;
• “elegí un celular con buena cámara, cuotas y llegada mañana”;
• “armá un kit completo para empezar a vender productos refrigerados”;
• “buscá el repuesto compatible con este modelo y evitá publicaciones con dudas de ajuste”.

El agente también podrá consolidar productos, reemplazar faltantes y equilibrar precio con plazo. Esta etapa exige menos confianza que una compra autónoma porque el usuario todavía aprueba el carrito.

Mercado Pago será la llave para pasar de recomendar a comprar

Mercado Libre tiene una ventaja que muchas plataformas de contenido no poseen: conoce medios de pago, historial transaccional y, en ciertos mercados, capacidad de crédito.

Un agente nativo podría calcular la opción más ajustada para cada persona: saldo disponible, tarjeta, cuotas, beneficio, costo financiero y límite. También podría pedir una autenticación adicional según monto o categoría.

No afirmo que Mercado Pago vaya a habilitar de inmediato mandatos generales de compra. Sí sostengo que la integración reduce de manera drástica la distancia tecnológica entre una recomendación y una operación.

Mercado Envíos será parte del razonamiento, no un dato posterior

La entrega probablemente se incorpore desde el inicio de la consulta. El agente no mostrará primero el producto para después descubrir el plazo. Evaluará disponibilidad y promesa logística antes de recomendar.

Eso favorecerá inventario bien posicionado, stock confiable y operaciones capaces de cumplir. También podría permitir compras condicionadas a una fecha: “comprá si llega antes del sábado”.

En categorías sensibles al tiempo, la logística podría pesar más que una diferencia moderada de precio.

Mercado Ads evolucionará hacia la conversación

Amazon ya estableció el precedente. Mercado Libre posee una red de retail media basada en intención y datos de compra. No parece razonable imaginar que esa monetización desaparezca cuando la interfaz se vuelva conversacional.

Lo probable es que Product Ads y formatos de marca encuentren nuevas superficies:

• productos patrocinados dentro de una respuesta;
• preguntas sugeridas que abren información de una marca;
• ofertas especiales para una intención concreta;
• recomendaciones patrocinadas con identificación;
• promociones activadas cuando el agente detecta alta probabilidad de compra.

La frontera delicada será la misma: relevancia versus pago. Si el agente recomienda una opción peor porque tiene mayor inversión publicitaria, destruirá confianza. Si excluye por completo la publicidad, debilitará un negocio estratégico para la plataforma. El equilibrio exigirá reglas visibles y métricas nuevas.

Mercado Libre intentará conservar la interfaz con el comprador

El escenario más probable no es que Mercado Libre se transforme pasivamente en un catálogo para ChatGPT o Gemini. Su ventaja económica depende de controlar la relación, la recomendación, el pago, la publicidad y la posventa.

Puede habilitar integraciones externas, pero buscará que ocurran con identidad, límites y acuerdos. También puede desarrollar su propio agente como primera opción para los usuarios del ecosistema.

La empresa enfrenta aquí una decisión estratégica: cerrarse demasiado podría empujar consultas hacia agentes externos; abrirse demasiado podría entregarles la relación con el comprador. Amazon ya está viviendo esa tensión.

América Latina no copiará el modelo estadounidense de forma exacta

El comercio agéntico puede avanzar en la región, pero lo hará bajo condiciones distintas.

La primera diferencia es la heterogeneidad. Monedas, inflación, cuotas, medios de pago, impuestos, tiempos logísticos, regulación y confianza varían entre países. Una recomendación válida en México puede ser inadecuada en Argentina o Brasil. El agente deberá comprender contexto local, no solamente traducir palabras.

La segunda es la importancia del financiamiento. En muchas compras, el mejor producto no es el de menor precio, sino el que puede pagarse en condiciones aceptables. Un agente regional necesita interpretar cuotas, tasas, promociones bancarias, saldo, crédito y costo financiero total.

La tercera es la logística. La promesa de entrega no tiene la misma estabilidad en todas las geografías. Una inteligencia artificial deberá evaluar cobertura, última milla, zonas extendidas, retiro y capacidad de devolución.

La cuarta es la confianza. En mercados con alta sensibilidad al fraude, la posibilidad de que una máquina gaste dinero puede generar resistencia. Al mismo tiempo, una plataforma conocida que ofrezca protección, autenticación y cancelación puede tener una ventaja frente a agentes desconocidos.

Los datos de Checkout.com muestran la tensión general. En una investigación publicada en junio de 2026, 33% de los consumidores encuestados esperaba que al menos 10% de sus compras fueran impulsadas por IA dentro de un año, pero 24% declaró que nunca delegaría compras y 27% dijo no confiar en ninguna organización para operar un agente. Los controles más demandados fueron límites de gasto, revocación inmediata y cancelación sencilla. Fuente: Checkout.com, 9 de junio de 2026.

No es un estudio específico de toda América Latina, por lo que no debe extrapolarse automáticamente. Pero la lógica es aplicable: la adopción no dependerá solamente de la calidad de la recomendación. Dependerá de quién administra el permiso y qué ocurre cuando algo sale mal.

La región tampoco parte de cero en pagos. Las transacciones informadas por Mastercard y la expansión de Visa Agentic Ready demuestran que la infraestructura puede reconocer operaciones iniciadas por agentes. Eso no equivale a adopción masiva, pero elimina la idea de que América Latina observará el fenómeno desde afuera durante una década.

Mi escenario base es que la región avanzará primero dentro de ecosistemas cerrados y conocidos. Un agente de Mercado Libre que utiliza Mercado Pago, muestra una compra, solicita confirmación biométrica y conserva la protección de la plataforma puede generar más confianza que un asistente desconocido operando en múltiples sitios.

La apertura vendrá después, cuando exista una identidad verificable del agente y reglas claras para pagos, datos y responsabilidad.

Qué categorías serán automatizadas primero

No todas las compras tienen la misma facilidad para delegarse.

Checkout.com encontró que, dentro de su muestra, los consumidores mostraban mayor disposición a delegar compras de alimentos y productos para el hogar, y menor disposición en servicios financieros. También informó que 57% permitiría que el agente cambiara de marca si encontraba una alternativa de mejor valor. Estas cifras no predicen por sí solas el comportamiento dentro de Amazon o Mercado Libre, pero permiten identificar una lógica: la automatización crece cuando el riesgo percibido es bajo, la necesidad es repetitiva y los criterios pueden expresarse con claridad. Fuente: Checkout.com, 9 de junio de 2026.

Tipo de compra	Ejemplos	Autonomía probable
Repetitiva y estandarizada	Limpieza, alimento para mascotas, oficina, consumibles	Alta; reposición y compra condicionada
Técnica con compatibilidad verificable	Repuestos, accesorios, cables, herramientas, insumos	Media-alta si los atributos son confiables
Funcional de valor medio	Electrodomésticos, electrónica, muebles, deporte	Asistencia intensa y confirmación humana
Emocional o de ajuste personal	Moda, decoración, regalos, lujo	Recomendación y curaduría; decisión humana más persistente
Alto riesgo o regulación compleja	Vehículos, inmuebles, finanzas, productos sensibles	Automatización limitada y mayor supervisión

Los repuestos merecen una observación especial. A primera vista parecen complejos, pero pueden ser ideales para agentes si la compatibilidad está bien estructurada. Una persona puede equivocarse por desconocimiento. Una inteligencia artificial con modelo, versión, año y especificación puede reducir el error. El problema no es la complejidad técnica; es la calidad del dato.

La moda presenta el caso inverso. Puede tener buenos atributos, pero la decisión incluye identidad, gusto, caída, color y percepción. La IA ayudará a buscar y comparar, pero la delegación completa será más lenta.

Los productos de reposición serán el laboratorio natural. Una vez que el agente demuestra que puede comprar detergente, alimento o tinta sin errores, el usuario puede ampliar sus permisos.

Qué cambiará para los vendedores de Amazon y Mercado Libre

El comercio agéntico no vuelve inútiles las prácticas actuales. Precio, reputación, disponibilidad, conversión, logística, reseñas y publicidad seguirán importando. La diferencia es que un agente combinará esas señales antes de que el comprador vea la publicación.

La calidad del catálogo pasará a ser un activo comercial de primer nivel

El vendedor deberá dejar de pensar los atributos como una carga administrativa. Cada campo incompleto reduce las posibilidades de responder una consulta específica.

Una publicación puede convertir bien entre quienes ya conocen el producto y, sin embargo, ser invisible para una inteligencia artificial que busca resolver una necesidad. Si la publicación no aclara compatibilidad, uso o limitaciones, el agente no puede asumir.

La prioridad será construir una fuente de verdad consistente entre título, ficha técnica, descripción, imágenes, variaciones, respuestas y documentación de marca. Las contradicciones elevan incertidumbre.

El título seguirá siendo importante, pero perderá su monopolio semántico

Durante años, muchos vendedores concentraron la optimización en el título. Era lógico: allí se encontraba buena parte de la conexión con la búsqueda.

En un entorno conversacional, el título será una señal entre muchas. Un producto puede ser relevante para una consulta aunque no repita sus palabras exactas. El agente relacionará concepto, función y contexto.

Esto no habilita títulos creativos o vagos. Al contrario: exige precisión. La diferencia es que la arquitectura completa de datos tendrá más peso.

Las objeciones deberán estar respondidas antes de que aparezca la pregunta

Un agente compara riesgos. Si una duda frecuente no tiene respuesta, puede elegir una alternativa que ofrezca más certeza.

Las publicaciones deberán explicar con claridad:

• para quién es y para quién no;
• qué problema resuelve;
• con qué es compatible;
• qué requiere para funcionar;
• qué incluye y qué no;
• qué garantía posee;
• cuáles son sus límites;
• cómo se instala, usa o mantiene.

Ocultar una limitación para evitar fricción puede funcionar en el clic, pero perjudicar la evaluación del agente y aumentar devoluciones.

La operación influirá antes de la venta

Stock, despacho, cancelaciones, reclamos y devoluciones ya afectan el rendimiento de un vendedor. Con agentes, esa información puede intervenir de forma más explícita en la recomendación.

El vendedor que promete rápido y falla pierde algo más que una transacción. Pierde confiabilidad para futuras tareas sensibles al tiempo.

La consistencia operativa será parte del marketing.

La marca deberá existir fuera de la publicación

Los agentes pueden consultar información de la web, reseñas, documentación y señales externas. Amazon afirma que Alexa for Shopping combina su catálogo con datos de otros sitios. ChatGPT y Google también construyen experiencias de descubrimiento sobre información comercial distribuida.

Una marca sin sitio claro, manuales, fichas, identidad consistente ni menciones confiables puede ser difícil de verificar. Esto no significa que deba abandonar el marketplace. Significa que la autoridad externa ayudará a la interpretación interna.

Un trabajo académico preliminar publicado en junio de 2026 analizó conversaciones opt-in en ChatGPT, Claude y Gemini junto con navegación posterior. Encontró que una recomendación de marca a usuarios sin interacción reciente se asociaba con aumentos en búsquedas de esa marca y visitas a sitios propios y páginas de retailers. Los autores aclaran que el diseño es observacional y no mide transacciones, por lo que no demuestra compras causadas directamente por la IA. Aun así, aporta una señal relevante: las menciones dentro de asistentes pueden modificar la ruta de descubrimiento. Fuente: Iannelli y Ai, “From Prompt to Purchase”, preprint de 2026.

Las promociones deberán contemplar demanda automática

Si numerosos usuarios establecen precios objetivo, una oferta puede activar compras concentradas. El vendedor necesitará coordinar promoción, stock, margen y reposición.

Las campañas masivas podrían generar picos más abruptos porque los compradores no necesitarán enterarse ni volver a visitar. El agente ya estará esperando.

Antes de bajar un precio será necesario conocer:

• margen mínimo;
• inventario disponible;
• velocidad de reposición;
• capacidad logística;
• efecto sobre otros canales;
• duración segura de la oferta.

El descuento dejará de comunicarse solo a personas. También será una señal que activa reglas.

La rentabilidad deberá evaluarse por misión, no solamente por SKU

Cuando el agente arma una solución, algunos productos pueden funcionar como entrada y otros como complemento. El vendedor necesitará comprender el margen del conjunto.

Un artículo con rentabilidad baja puede tener sentido si habilita un carrito rentable. Del mismo modo, ganar una recomendación por precio puede ser perjudicial si el costo de servir, devolver o financiar destruye el resultado.

El agente optimiza para el comprador. El vendedor debe conservar su propia función objetivo: crecer sin perder rentabilidad.

La competencia se volverá más específica

Hoy, dos publicaciones compiten porque comparten una palabra o una categoría. Mañana competirán porque pueden resolver la misma intención.

Un taladro puede competir con un servicio, un sistema mesh con un cableado, una cafetera con otro método de preparación. La inteligencia artificial amplía la definición de alternativa.

Esto obliga a analizar la demanda por problemas y no solamente por términos.

Mercado Ads y Amazon Ads: del clic a la inclusión en la respuesta

La publicidad en marketplaces nació alrededor de una superficie visual. Un producto patrocinado ganaba exposición en una lista, recibía clics y convertía.

En una conversación, la unidad publicitaria puede ser distinta:

• una opción patrocinada dentro de una comparación;
• una pregunta sugerida sobre una marca;
• una oferta exclusiva para una intención;
• una respuesta explicativa financiada;
• una operación que comienza y termina dentro del diálogo.

Amazon ya habilitó varios de esos formatos. Por eso, es probable que Mercado Ads evolucione en la misma dirección.

La métrica central no será solamente la impresión. Importará si la marca fue incluida en el conjunto evaluado, si el usuario pidió más información, si el agente mantuvo la opción después de aplicar restricciones y si la conversación terminó en compra.

Podrían aparecer indicadores como:

• participación en respuestas relevantes;
• tasa de inclusión en comparaciones;
• cobertura de intenciones;
• preguntas generadas por producto;
• avance de recomendación a carrito;
• conversión asistida por agente;
• costo por misión completada;
• rentabilidad posterior a devolución;
• participación orgánica y patrocinada dentro de respuestas.

ACOS y ROAS no desaparecerán, pero podrían volverse insuficientes. Una conversación puede influir en una compra que se completa después, en otro dispositivo o mediante una tarea programada. La atribución deberá reconocer secuencias más largas y menos dependientes del clic.

Adobe encontró que el tráfico proveniente de fuentes de IA hacia sitios de retail de Estados Unidos creció 393% interanual durante el primer trimestre de 2026. En marzo, esas visitas convirtieron 42% más que el tráfico no originado en IA. La encuesta complementaria indicó que 39% de los consumidores había utilizado asistentes para comprar online y que 85% de esos usuarios creía que habían mejorado la experiencia. Adobe advierte que el crecimiento parte de una base pequeña; aun así, la mejora de conversión sugiere que los asistentes están enviando usuarios más avanzados en su decisión. Fuente: Adobe Digital Insights, segundo trimestre de 2026.

En un marketplace nativo, parte de ese recorrido no generará tráfico externo. La investigación, la comparación y la compra ocurrirán dentro de la misma interfaz. Esto fortalecerá la medición cerrada de Amazon y Mercado Libre, pero puede volver más opaca la forma en que se construye la recomendación.

La transparencia publicitaria será una condición de confianza. El agente debe distinguir claramente qué recomienda por relevancia y qué muestra por inversión. De lo contrario, la promesa de asesoramiento personal se convierte en una nueva forma de subasta invisible.

La gran batalla será entre relevancia, margen y lealtad

El comercio agéntico puede favorecer al consumidor porque reduce tiempo, compara más opciones y detecta mejores condiciones. El gobierno británico señaló en un informe de marzo de 2026 que estos sistemas podrían disminuir fricción, carga cognitiva y costos de participación, y ayudar a obtener precios o propuestas más adecuadas si funcionan de manera confiable. Fuente: Department for Business and Trade del Reino Unido, “Agentic AI and consumers”.

Pero la eficiencia tiene consecuencias comerciales.

Una de ellas es la erosión de la lealtad pasiva. Muchos consumidores repiten una marca porque no quieren volver a investigar. El agente elimina ese costo. Puede reevaluar la decisión en cada compra.

El dato de Checkout.com según el cual 57% aceptaría un cambio de marca por mejor valor apunta en esa dirección. Las marcas de baja diferenciación enfrentarán una presión mayor. Si dos productos parecen equivalentes, el agente puede favorecer precio, entrega o reputación. Fuente: Checkout.com, 9 de junio de 2026.

La respuesta no será invertir únicamente en emoción ni abandonar la marca. Será convertir la marca en evidencia:

• calidad verificable;
• tasa de falla menor;
• garantía superior;
• compatibilidad clara;
• disponibilidad de repuestos;
• documentación;
• atención;
• comunidad;
• durabilidad;
• valor de reventa;
• consistencia.

Un agente puede ignorar un eslogan, pero no necesariamente ignora un historial de desempeño.

La otra tensión será el margen. Un agente entrenado para maximizar el valor del comprador puede intensificar la comparación y la sustitución. Los vendedores más débiles pueden responder con descuentos permanentes, iniciando una carrera hacia abajo.

Sin embargo, “mejor valor” no significa siempre menor precio. La tarea puede incluir entrega, financiación, devolución, calidad y riesgo. El desafío será hacer visibles esas variables.

Los riesgos que pueden frenar la adopción

Compras incorrectas y ambigüedad

Una instrucción puede estar incompleta. “Comprá tinta para la impresora” no aclara modelo, color, original o alternativa. Un agente responsable debe preguntar o utilizar historial confiable. Si asume demasiado, aumenta el error.

Autorización y responsabilidad

Si el agente compra algo no deseado, ¿responde el usuario, la plataforma, el proveedor del modelo, el medio de pago o el vendedor? La respuesta dependerá de los permisos y del país.

Los sistemas de intención verificable, tokenización y registro existen precisamente porque una transacción agéntica necesita más contexto que un pago tradicional.

Manipulación de la recomendación

Los vendedores intentarán optimizar contenido para agentes del mismo modo que hoy optimizan para buscadores. Algunas prácticas serán legítimas; otras buscarán contaminar datos, fabricar reseñas o insertar instrucciones diseñadas para influir en modelos.

Las plataformas deberán defenderse de contenido adversarial y mantener separación entre información del producto e instrucciones no confiables.

Concentración de poder

Si el agente muestra tres productos, controla un recurso más escaso que la primera página: controla la consideración.

La OCDE advierte que las plataformas integradas pueden tener incentivos para favorecer sus propios productos, servicios o anunciantes. Amazon y Mercado Libre operan marketplaces, publicidad, logística y, en diferentes grados, venta directa o servicios financieros. La gobernanza de recomendaciones será un tema competitivo central.

Privacidad

Cuanto más sabe el agente, más útil puede ser. Historial de compras, conversaciones, ubicación, calendario, familia, salud, presupuesto y hábitos permiten personalizar. También crean un perfil sensible.

La adopción dependerá de controles comprensibles: qué datos utiliza, por cuánto tiempo, con quién los comparte y cómo se eliminan.

Discriminación de precios

Un agente conoce cuánto está dispuesto a pagar el usuario. Un comercio puede querer utilizar esa información para personalizar el precio. El mismo sistema que negocia mejores condiciones puede facilitar una estimación más precisa de la disposición a pagar.

La OCDE ha señalado que la IA amplía la capacidad de implementar precios dinámicos y ofertas personalizadas. El límite entre personalización útil y discriminación abusiva será objeto de debate. Fuente: OCDE, “Artificial intelligence and competitive dynamics in downstream markets”, 2025.

Devoluciones automatizadas y abuso

Un agente puede simplificar reclamos legítimos, pero también escalar conductas oportunistas. Marketplaces y vendedores necesitarán detectar fraude sin bloquear automáticamente operaciones válidas.

Tres escenarios para Amazon y Mercado Libre entre 2026 y 2030

Las fechas exactas son inciertas. La siguiente tabla no es información anunciada por las empresas, sino una construcción prospectiva basada en productos disponibles, infraestructura y barreras observadas.

Escenario	Características	Probabilidad relativa
Asistencia dominante	La IA investiga, compara, resume y arma carritos; el usuario confirma casi todas las compras	Muy alta en el corto plazo
Ejecución supervisada	El agente compra con autenticación, sigue precios, repone categorías simples y gestiona posventa	Alta, con avance desigual por país y categoría
Delegación amplia	El agente administra presupuestos, negocia, cambia marcas y compra entre plataformas sin intervención frecuente	Posible, pero depende de confianza, regulación e interoperabilidad

Escenario base: 2026-2027

Amazon ampliará Alexa for Shopping, Auto Buy, Shop Direct y publicidad conversacional. La mayor parte de las compras seguirá incluyendo revisión humana, pero crecerán las tareas programadas y los carritos automáticos.

Mercado Libre profundizará IA en búsqueda, comparación, soporte y catálogo. Mi hipótesis es que la primera experiencia visible para compradores será conversacional y supervisada. La ejecución se apoyará en Mercado Pago, pero con autenticación y límites.

Segunda etapa: 2027-2028

Los agentes podrán manejar más carritos, reposiciones y compras condicionadas. Las plataformas crearán controles de gasto y permisos por categoría.

Mercado Ads y Amazon Ads medirán conversaciones, inclusión en respuestas y operaciones ejecutadas. Los vendedores comenzarán a recibir reportes sobre cómo los agentes interpretan sus productos.

Tercera etapa: 2028-2030

Si la confianza crece, los agentes podrán administrar una porción del consumo cotidiano. Las compras repetitivas serán casi invisibles para el usuario, salvo cambios de precio, faltantes o excepciones.

La competencia entre agentes propios y externos será más intensa. Los marketplaces buscarán convertirse en asistentes universales; los asistentes generales intentarán comprar dentro de los marketplaces.

McKinsey estimó en 2025 que el comercio agéntico podría orquestar entre US$3 y US$5 billones de ingresos globales hacia 2030 —trillion en la escala anglosajona— y hasta US$1 billón en retail B2C de Estados Unidos. Es una proyección, no una garantía, y depende de infraestructura, confianza y adopción. Su valor no está en tomar la cifra como destino inevitable, sino en reconocer el tamaño de la disputa económica. Fuente: McKinsey, 17 de octubre de 2025.

¿Qué debería comenzar a medir hoy un vendedor profesional?

Todavía no existen paneles universales para comercio agéntico en Mercado Libre. Sin embargo, un vendedor puede construir indicadores que anticipan su capacidad de ser entendido y recomendado.

1. Completitud estructural

Porcentaje de atributos críticos completos por categoría, consistencia de marca y modelo, cobertura de compatibilidades, calidad de variantes y ausencia de contradicciones.

2. Cobertura de intenciones

Cantidad de necesidades concretas que la publicación puede resolver. No se trata de llenar textos con frases, sino de mapear casos de uso y documentarlos.

3. Incertidumbre comercial

Preguntas repetidas, devoluciones por “no era compatible”, reclamos por contenido faltante, dudas sobre medidas y errores de variante. Cada una revela información que un futuro agente necesitará.

4. Confiabilidad logística

Stock, quiebres, tiempo de despacho, cumplimiento de promesa, cancelaciones y capacidad de reposición. La disponibilidad será condición de recomendación.

5. Calidad posterior a la venta

Devoluciones, motivos, fallas, reclamos, garantía y satisfacción. El agente puede utilizar estos resultados para estimar riesgo.

6. Rentabilidad por solución

Margen del carrito, contribución de complementos, costo logístico y costo publicitario total. Si la compra se organiza por misión, el análisis también debe hacerlo.

7. Visibilidad de marca fuera del marketplace

Consistencia entre sitio, fichas, manuales, reseñas y publicaciones. Una marca verificable ofrece más señales.

8. Capacidad de sincronización

Actualización de precio, inventario y datos mediante integradores o feeds. Amazon Shop Direct y los protocolos de Google y OpenAI muestran que el tiempo será una exigencia.

Estas métricas no reemplazan visitas, CTR, conversión, ventas, ACOS o rentabilidad. Agregan una dimensión: qué tan fácil es para una inteligencia artificial comprender, confiar y actuar sobre la oferta.

Prepararse no significa adivinar el algoritmo

Cada transformación tecnológica genera una industria de recetas prematuras. Ya aparecen promesas de “optimización para agentes” presentadas como si existiera una fórmula estable.

Sería un error repetir el viejo problema del SEO superficial: escribir para la máquina hasta volver inútil el contenido para las personas.

La preparación más sólida es menos espectacular:

• datos completos;
• oferta coherente;
• producto competitivo;
• precio rentable;
• stock confiable;
• buena logística;
• evidencia de calidad;
• marca verificable;
• sistemas capaces de actualizar información;
• control sobre margen y posventa.

Estas prácticas funcionan hoy y seguirán funcionando si el agente se convierte en intermediario.

La inteligencia artificial no hará competitivo a un producto que no lo es. Puede, en cambio, descubrir con mayor rapidez sus debilidades.

La conclusión: el próximo comprador seguirá siendo humano, pero ya no hará todo el trabajo

El comercio electrónico redujo la distancia entre una persona y una tienda. Los marketplaces redujeron la distancia entre la demanda y millones de ofertas. El comercio agéntico intenta reducir la distancia entre una intención y un resultado.

Amazon ya opera parte de ese modelo. Su agente compara, recuerda, sigue precios, arma carritos, programa tareas y compra dentro y fuera de la plataforma. La compañía ya incorporó publicidad conversacional y le atribuye un impacto comercial material a la experiencia.

Mercado Libre todavía no presentó públicamente un agente comprador equivalente. Pero sería difícil encontrar en América Latina una empresa con una posición más adecuada para construirlo. Posee catálogo, compradores, pagos, crédito, logística, protección, publicidad, datos y capacidad tecnológica dentro de un mismo ecosistema.

Lo más probable es que la transformación aparezca por capas. Primero, mejores conversaciones y comparaciones. Después, carritos preparados y compras confirmadas. Más tarde, reposición y ejecución dentro de límites. La autonomía total llegará solo donde el riesgo, el valor y la confianza lo permitan.

Para los vendedores, el cambio decisivo será dejar de competir únicamente por la mirada humana. Una publicación deberá convencer a una persona y, antes de eso, resultar comprensible para una máquina.

La nueva visibilidad dependerá de la posibilidad de demostrar, con datos y operación, que una oferta es adecuada para una intención concreta. El agente no reemplazará la demanda. La interpretará. No eliminará la competencia. La comprimirá. No hará desaparecer la publicidad. La introducirá dentro de la conversación.

Por eso, la pregunta estratégica no es cuándo una inteligencia artificial presionará el botón de compra. Amazon ya demostró que puede hacerlo. La pregunta es mucho más importante:

Cuando el consumidor delegue una decisión, ¿qué información encontrará el agente para elegir un producto, qué intereses influirán en esa elección y qué vendedor estará realmente preparado para ser recomendado?

Fuentes principales consultadas

1. Amazon: presentación de Alexa for Shopping, mayo de 2026.
2. Amazon: resultados del cuarto trimestre de 2025.
3. Amazon: funciones de Rufus, seguimiento de precios y Auto Buy.
4. Amazon: Buy for Me.
5. Amazon: Shop Direct y feeds de comercios externos.
6. Amazon Ads: Sponsored Products y Sponsored Brands prompts.
7. Amazon Ads: Alexa+ Agentic Ads.
8. MercadoLibre: reporte 10-Q del primer trimestre de 2026 ante la SEC.
9. MercadoLibre: reporte anual 2025 ante la SEC.
10. Mercado Libre Tech: uso de GenAI en datos y catálogo.
11. OpenAI: Instant Checkout y Agentic Commerce Protocol.
12. OpenAI: expansión del protocolo hacia descubrimiento de productos.
13. Google: lanzamiento del Universal Commerce Protocol.
14. Google: carritos, catálogo e identidad en UCP.
15. Mastercard: transacciones agénticas en América Latina y el Caribe.
16. Visa: expansión de Agentic Ready a América Latina.
17. Adobe Digital Insights: tráfico de IA y retail, 2026.
18. Checkout.com: demanda y confianza en comercio agéntico, 2026.
19. OCDE: competencia y política del consumidor en mercados digitales, 2026.
20. OCDE: inteligencia artificial y dinámica competitiva, 2025.
21. Gobierno del Reino Unido: Agentic AI and consumers, 2026.
22. McKinsey: The agentic commerce opportunity, 2025.
23. Reuters: disputa entre Amazon y Perplexity por agentes de compras.
24. Iannelli y Ai: From Prompt to Purchase, preprint 2026.

Nota editorial: Este artículo es un análisis prospectivo elaborado exclusivamente a partir de información pública. Las hipótesis sobre la evolución de Mercado Libre representan la opinión del autor y no constituyen anuncios, planes ni posiciones oficiales de la compañía.