Así como el Cyber Monday cambió para siempre la forma en que los consumidores compran regalos navideños, los agentes de IA están a punto de transformar nuevamente ese proceso, al asumir un papel cada vez más importante en el descubrimiento y la recomendación de productos.

Ese futuro parece estar un poco más cerca después de que Meta lanzara Muse, un agente personal de IA capaz de navegar por la web, investigar productos y realizar compras una vez que el usuario aprueba la acción. Muse encabezó las listas de las tiendas de aplicaciones poco después de su lanzamiento y acumuló cerca de 3 millones de descargas en Estados Unidos desde el 8 de septiembre.

Mientras tanto, Anthropic presentó su modelo Claude Commerce Agent, que ofrece a marcas y plataformas de comercio recursos de referencia para desarrollar agentes para consumidores y comerciantes basados en Claude, en categorías que incluyen retail y viajes.

Estos lanzamientos acercan la adopción masiva de la IA en las compras a una realidad, pero los marketers no deberían esperar que los agentes se encarguen por completo del proceso de compra durante las fiestas de este año. Su mayor impacto se verá en las etapas previas a la compra: ayudarán a los consumidores a investigar productos, comparar precios, consultar reseñas y recibir recomendaciones de regalos, mientras mantienen el control sobre la decisión final de compra.

El informe Future Shopper de VML, publicado este mes, reveló que los motores de IA representan actualmente el 3,7% de la inspiración de productos, el 3,64% de las búsquedas y el 2,74% de las compras a nivel global. Sin embargo, la mitad de los compradores afirmó que preferiría indicarle a una IA qué busca, comparar precios y comprar en un mismo lugar, en lugar de navegar por los sitios web de los retailers, mientras que el 52% dijo que permitiría que una IA armara un carrito de compras. Un tercio de los encuestados, en tanto, afirmó que no permitiría que una IA realizara compras por ellos en ninguna categoría.

El informe de Circana sobre las tendencias de medios para la temporada navideña de 2026, publicado este mes, también reveló que el 25% de los consumidores había utilizado recomendaciones de IA para comprar productos de consumo masivo. El informe prevé que las semanas de mayor actividad de la temporada navideña llevarán a más consumidores a recurrir a la IA para comparar productos, generar ideas para regalos, resumir reseñas y reducir sus opciones.

Esto significa que el desafío inmediato para las marcas es asegurarse de que los agentes las recomienden en primer lugar.

A continuación, algunas de las estrategias que las marcas deberían considerar para una temporada de compras navideñas centrada en los agentes de consumo.

No bases tu estrategia de temporada en un solo agente

A principios de este mes, Amazon bloqueó a Muse para impedirle realizar compras en su sitio web, argumentando que Meta no había recibido autorización y que el agente no se había identificado al navegar por la página. Los compradores de medios señalaron que, si bien la medida no resultaba sorprendente por parte de Amazon —una compañía con su propia infraestructura de compras basada en agentes—, el caso pone de manifiesto una disputa más amplia sobre quién controla la interfaz de compra, las relaciones con los clientes y los datos de las transacciones.

Para las marcas, la lección es desarrollar una estrategia para la temporada que funcione con distintos agentes, ya que buena parte del trabajo de optimización fundamental se realiza a través de sistemas de IA. Aun así, existen matices específicos de cada plataforma.

Los datos de las marcas son como alimento para los agentes de IA, y cada plataforma tiene una dieta ligeramente diferente, según Molly Schonthal, directora general de comercio de agentes en WPP Enterprise Solutions. Muse, por ejemplo, está integrado en el ecosistema social de Meta y, por lo tanto, puede priorizar una fuerte presencia en redes sociales, mientras que los asistentes propiedad de los retailers tienen acceso directo a los datos de compra.

«No sabemos exactamente qué determina la dieta de Muse, pero sospecho que está muy influenciada por la afinidad, el gusto, la estética y las conexiones sociales», dijo Schonthal. «Lo más preocupante para las marcas es que Muse tomará decisiones interpretativas sobre el gusto y las preferencias basándose en esos factores… es un poco una incógnita».

Por su parte, el Claude Commerce Agent ofrece a las marcas un control más directo sobre la experiencia del consumidor dentro de una experiencia basada en agentes, aunque carece del alcance que puede ofrecer una herramienta como Muse entre los consumidores masivos.

«Las marcas pueden crear una experiencia que abarque desde el descubrimiento hasta la consideración y la compra en determinadas categorías», afirmó Schonthal. «Recomendamos a las marcas, cuando sea apropiado, utilizar estos componentes junto con nuestra propia plataforma de inteligencia abierta para construir una experiencia interactiva verdaderamente única».

Hacer que los productos sean legibles para las máquinas

El primer paso para optimizar la experiencia de compra mediante agentes es, sin duda, poco glamoroso y requiere habilidades de marketing poco convencionales.

Tory Lariar, vicepresidenta sénior y directora de búsqueda en Monks, afirma que las marcas deberían tratar a los agentes como un tipo más de comprador. Esto implica proporcionar información completa y precisa sobre tallas, colores, materiales, inventario, disponibilidad local y plazos de envío de los productos, junto con esquemas de productos estandarizados y feeds directos que los agentes puedan consultar.

Ese trabajo cobra especial importancia durante las fiestas, cuando las búsquedas pueden ser más específicas de lo habitual. Por ejemplo, un consumidor podría no buscar simplemente un suéter rojo, sino un suéter rojo de una talla determinada que llegue a tiempo para una fiesta navideña.

Craig Elimeliah, director creativo de Code and Theory, afirmó que las marcas están pasando de un mundo organizado en torno a las palabras clave y la atención a otro en el que «la propia máquina entiende realmente tu producto».

«¿Qué es este producto? ¿Por qué importa? ¿Qué lo hace único? ¿Con qué combina? ¿Llegará a tiempo? Estas no son cosas que las marcas suelan considerar», afirmó.

Las marcas también deberían comprobar si su propia tecnología está interfiriendo. Isabel Perry, vicepresidenta ejecutiva global de estrategia de Dept, afirmó que las reglas antiguas de los firewalls pueden impedir que agentes legítimos accedan a los sitios web de las marcas. Perry recomendó mantener la información importante sobre las ofertas navideñas en texto legible por máquina, en lugar de ocultar precios y promociones dentro de imágenes o videos.

Esto incluye dejar claros los precios del Black Friday: el precio anterior, el precio promocional, el porcentaje de descuento, la categoría y las fechas de la oferta deben estar claramente visibles en los feeds y en las páginas de producto. Circana llegó a una conclusión similar en su guía para las fiestas, al recomendar a los marketers estructurar los datos de los productos y mantener la coherencia del contenido en todos los puntos de contacto para que los asistentes puedan encontrar, comprender y recomendar productos.

Los agentes también modifican el propósito del texto de producto. Los consumidores pueden proporcionar a un agente mucho más contexto del que suelen ofrecer a un motor de búsqueda: a quién está destinado el regalo, cuál es su presupuesto, para qué ocasión lo busca, cuál es la fecha límite de entrega, cuáles son sus preferencias estéticas o qué problema específico intenta resolver.

Perry afirmó que las marcas deberían vincular esas situaciones con los beneficios del producto y hacer explícita esa conexión en sus contenidos. Las páginas de producto deben incluir los detalles aparentemente aburridos —materiales, garantías, afirmaciones científicas e instrucciones de cuidado— junto con los escenarios de la vida real en los que los productos resultan útiles.

Schonthal describió el problema como uno de «intercambiabilidad». Los agentes están diseñados para comparar productos similares, lo que significa que los atributos básicos por sí solos pueden hacer que un artículo parezca intercambiable con otro. Las marcas deben darle al sistema una razón para diferenciarlas: comunicar para qué sirve el producto, por qué alguien lo elegiría y a quién beneficia.

En lugar de intentar apropiarse de un concepto tan amplio como «cena», por ejemplo, una marca de alimentos podría centrarse en una misión mucho más específica, como alimentar a 20 personas durante una reunión festiva teniendo en cuenta las restricciones dietarias.

La construcción de marca no va a desaparecer

El auge de las compras con IA no resta importancia a la construcción de marca tradicional. Lariar afirma que los marketers siguen prefiriendo que los consumidores introduzcan información que ya incluya la marca —por ejemplo, pedirle a un agente que encuentre unas zapatillas Nike— en lugar de dejar todo el proceso de decisión en manos de un algoritmo.

El objetivo es, por un lado, generar preferencia humana antes de la búsqueda y, por otro, lograr que el producto sea comprensible una vez que el agente comience a investigar.

El informe de VML reveló que el 54% de los compradores globales afirmó que las sugerencias de IA los ayudaron a descubrir productos que, de otro modo, no habrían encontrado, mientras que el 46% dijo que las recomendaciones de IA habían cambiado las marcas que consideraban.

Sin embargo, los compradores siguen mostrándose escépticos ante estas recomendaciones: el 53% teme que las herramientas de compra con IA puedan estar influenciadas por el patrocinio de empresas, y el 58% afirma verificar los productos recomendados por la IA a través de otras fuentes antes de comprarlos. Esto convierte a las reseñas, la cobertura de editores y otra información de terceros en factores clave para el comercio electrónico.

Esto también significa que una mala experiencia del cliente puede influir en futuras recomendaciones si los agentes reciben quejas repetidas sobre factores como el calce, la durabilidad, el envío o las devoluciones. Perry afirmó que las marcas deberían identificar las inquietudes que aparecen en las reseñas y responderlas directamente en sus páginas de producto.

Unificar la información del producto en el sitio web de la marca, los listados de los retailers y los vendedores externos puede reforzar la información que el agente intenta corroborar.