El 8 de septiembre de 2026, Meta lanzó Muse, un agente personal de Inteligencia Artificial diseñado para actuar en nombre del usuario: completar formularios, comparar alternativas, negociar condiciones, reservar viajes y formalizar compras. Apenas doce días después, Amazon bloqueó el acceso de Muse a su plataforma, alegando que cualquier agente de terceros debe identificarse previamente y obtener autorización expresa del comercio antes de operar en nombre de un comprador.

A primera vista, la disputa entre Meta y Amazon podría parecer una simple discrepancia técnica sobre protocolos de acceso a un sitio web. En realidad, marca un cambio tectónico en la historia del comercio digital.

Durante más de tres décadas, gigantes como Amazon han controlado de forma indiscutida cómo descubrimos, comparamos y compramos productos dentro de sus interfaces cerradas. La irrupción de agentes autónomos plantea un paradigma radicalmente opuesto: el cliente llega al punto de venta respaldado por un agente que ya sabe con exactitud lo que necesita, evalúa las opciones de forma imparcial y puede ejecutar transacciones sin ceder el control de la decisión al distribuidor.

En este contexto disruptivo, Sangeet Paul Choudary —asesor de alta dirección en estrategia de plataformas e IA, Senior Fellow en la Universidad de California en Berkeley, autor incluido en cuatro ocasiones en HBR 10 Must Reads y autor del libro Reshuffle, centrado en el impacto económico de la inteligencia artificial— analiza el gran dilema estratégico que enfrentan marcas, marketplaces y tiendas digitales: es posible conservar la transacción, el catálogo e incluso el tráfico del cliente, y al mismo tiempo perder por completo el control sobre la decisión que lo llevó hasta allí.

Desde Data & Co, analizamos las seis reglas que transforman la relación comercial cuando el consumidor delega su voluntad en un representante algorítmico.

El espejismo del tráfico: Más interacción, menor control

Las métricas tradicionales pueden resultar engañosas. Según datos de Adobe relativos al primer trimestre de 2026, el tráfico procedente de fuentes de IA hacia portales de comercio minorista en Estados Unidos creció un 393% interanual. Los visitantes llegados a través de estos canales demostraron un mayor compromiso (engagement): permanecieron un 32% más de tiempo en las páginas, exploraron un 10% más de contenido y su tasa de rebote inmediato se redujo un 27%.

Sin embargo, que las cifras macro de tráfico y ventas se mantengan saludables esconde una trampa estratégica: si la deliberación, el filtrado y la ponderación de alternativas se realizan fuera del entorno de la marca, el vendedor queda relegado a un rol logístico invisible. Pierde la capacidad de influir en el conjunto de productos considerados, pierde las ventas cruzadas (cross-selling), deja de comprender los motivos por los que un cliente rechazó una opción y debilita la recurrencia directa.

El retailer asume la carga operativa de servir el pedido, mientras el agente del usuario retiene el valor estratégico y gobierna la relación.

Las 6 nuevas reglas del juego según Sangeet Paul Choudary

1. Dominar el descubrimiento ya no garantiza la propiedad del cliente

La búsqueda conversacional ha atraído enormes inversiones porque permite a los compradores expresarse en lenguaje natural en lugar de batallar con filtros y menús. No obstante, optimizar el descubrimiento interno no equivale a retener la fidelidad del cliente.

Cuando un agente personal puede realizar consultas simultáneas entre múltiples operadores, cada marketplace se convierte en una simple fuente de consulta secundaria.

• En octubre de 2025, Zillow se convirtió en la primera aplicación inmobiliaria integrada dentro de ChatGPT. Cinco meses más tarde, su competidor directo, Realtor.com, lanzó su propia integración en la misma interfaz, neutralizando la ventaja.
• En el sector de viajes, Booking.com, Expedia y Tripadvisor comparten el mismo espacio conversacional.
• En retail, Walmart y Target adoptaron el protocolo abierto Universal Commerce Protocol de Google para disponibilizar sus catálogos dentro de Gemini.

En la era agéntica, la ventaja no radica en aparecer en el listado de resultados, sino en proporcionar datos estructurados y trazables que permitan al agente del usuario tomar una mejor decisión que en cualquier otro canal. Esto exige registrar con precisión qué interacciones culminaron en oferta, cuáles en contrato y cuáles se frustraron tras la fase de descubrimiento.

2. Los efectos de red tradicionales ya no son una barrera infranqueable

Históricamente, los efectos de red constituían la mayor defensa competitiva: para captar compradores hacía falta concentrar vendedores, y viceversa. Hoy, la Inteligencia Artificial permite sortear esta barrera sin replicar toda la red desde cero.

Un competidor emergente puede apoyarse en un acceso privilegiado a un solo lado del mercado y utilizar IA para ordenar el extremo opuesto:

• El caso Upwork vs. Mercor: Mientras Upwork construyó su foso agregando cientos de miles de perfiles en ambos lados de la oferta y la demanda, Mercor empleó evaluaciones automatizadas mediante IA para extraer datos granulares de candidatos y emparejarlos directamente con las vacantes empresariales. Sustituyó la amplitud de la red por la profundidad analítica del dato.
• El modelo Ramp en aprovisionamiento: La plataforma de gestión de gastos y cuentas a pagar aprovecha los datos de facturas reales de las empresas para evaluar proveedores, negociar acuerdos y orientar compras corporativas, sin haber necesitado construir previamente una red de suministros propia.

3. El conocimiento vertical es superado por el contexto de vida del usuario

Comprender la intención de compra dentro de una categoría específica (electrónica, moda o viajes) permitía afinar recomendaciones. Sin embargo, un asistente personal opera con una visión holística que trasciende cualquier catálogo vertical.

Herramientas como Muse, Instinct o los ecosistemas de inteligencia personal vinculados al correo, fotografías y calendario (como el entorno de Google) disponen de un historial multidimensional: recibos de compras pasadas, reservas de hotel, patrones de movilidad y compromisos familiares.

Un marketplace solo sabe qué mira el cliente cuando entra en su web; el agente sabe por qué lo necesita, cómo encaja en su presupuesto mensual y qué restricciones vitales condicionan la elección.

El contraste de Tripadvisor ilustra esta brecha: sus más de 1.000 millones de reseñas fueron un activo formidable durante décadas. Hoy, las interfaces de IA sintetizan la opinión general en segundos sin que el usuario visite el portal. En cambio, las ramas puramente transaccionales de la compañía (Viator y TheFork), que crecieron a doble dígito y representan ya casi el 60% de sus ingresos, mantienen su relevancia porque están situadas en el punto exacto donde se genera el dato transaccional real, el cual retroalimenta los modelos de decisión.

4. Retener la oferta no basta para controlar la demanda

Plataformas como Airbnb, Amazon o Upwork construyeron altos costes de cambio (switching costs) integrando a sus proveedores en herramientas operativas cotidianas (calendarios, facturación, pasarelas de pago, envíos y mensajería).

Con los agentes de IA, el bloqueo se debilita en ambas direcciones:

1. Portabilidad de la demanda: El agente del consumidor compara precios y disponibilidad cruzando Airbnb, Booking.com, Vrbo y páginas web de hoteles independientes.
2. Portabilidad de la oferta: El propietario o anfitrión utiliza agentes de gestión inmobiliaria para sincronizar calendarios, tarifas dinámicas, comunicación con huéspedes y servicios de limpieza entre múltiples canales simultáneamente.

La fidelidad al canal se disuelve: la demanda es portátil gracias al agente del comprador y la oferta es portátil gracias al agente del vendedor.

5. Lanzar un agente propio no resuelve el problema si se pierde el checkout

Contar con un asistente conversacional propio puede elevar el ticket medio, pero no asegura la propiedad del vínculo comercial si la transacción se liquida en un tercero.

La trayectoria de Walmart entre finales de 2025 y principios de 2026 resulta paradigmática:

• Con su asistente de compras Sparky, los clientes que completaban pedidos generaban cestas un 35% más voluminosas.
• En otoño de 2025, Walmart permitió realizar compras directas desde ChatGPT mediante la pasarela de OpenAI, y en enero de 2026 se integró en Gemini.
• Sin embargo, al comprobar que las compras integradas directamente en el chat convertían a un tercio de la tasa observada en su propia web, Walmart rectificó su estrategia: retiró el checkout genérico de terceros y pasó a incrustar su propia experiencia de compra, carrito y fidelización dentro de los entornos conversacionales.

El asistente (Sparky) era idéntico en ambos casos. La diferencia residió en dónde se ejecutaba la transacción: al controlar el checkout, Walmart preservó la identidad de la cuenta, la trazabilidad del carrito y la visibilidad sobre los productos descartados durante el proceso.

6. Los datos de navegación palidecen frente a los datos de resultado en bucle cerrado

Los registros de navegación, clics e impresiones sirvieron para calibrar recomendaciones humanas. Sin embargo, los agentes de IA requieren datos de desenlace (outcome data): señales precisas sobre qué decisiones se ejecutaron, cuáles se cancelaron y qué alternativas se prefirieron.

El modelo de compra recurrente de supermercado (como el de Instacart) ofrece una ventaja estructural frente a plataformas de compra esporádica. Al registrar compras semanales cerradas dentro de su propio entorno, su sistema aprende de forma continuada:

• Qué marcas sustitutivas acepta el hogar cuando no hay stock.
• Cómo varía la tolerancia al precio a final de mes.
• Qué ingredientes se eliminan sistemáticamente por alergias o preferencias dietéticas.

Ese bucle cerrado de retroalimentación de alta frecuencia (high-frequency feedback loop) genera un activo de datos mucho más valioso para instruir decisiones agénticas que millones de horas de navegación pasiva sin conversión final.

Implicaciones estratégicas para Data & Co

Las advertencias formuladas por Sangeet Paul Choudary conectan directamente con la misión de Data & Co: en un mercado donde los intermediarios algorítmicos filtran la atención del usuario, la calidad, veracidad y estructuración de la información determinan la viabilidad comercial de las empresas.

1. Datos diseñados para el razonamiento agéntico: Las empresas deben auditar si sus catálogos, políticas de precios y especificaciones técnicas son legibles e interpretables por modelos LLM y agentes de compras (APIs abiertas, esquemas semánticos, inventarios en tiempo real). Si un agente no puede verificar la disponibilidad y condiciones de un producto en milisegundos, ese producto no entrará en la terna de decisión.
2. Defensa del canal transaccional directo: Facilitar que terceros descubran nuestra oferta no puede implicar regalar el punto de cierre. Las marcas deben blindar el registro de usuarios, el programa de fidelización y la captura del consentimiento expreso en el momento de la compra, evitando quedar desintermediadas por pasarelas universales.
3. Mapeo de motivos de rechazo: Para alimentar la inteligencia de negocio ya no basta con monitorizar el embudo de ventas exitoso. El verdadero valor reside en capturar y analizar la telemetría de lo que el cliente (o su agente) descartó, correlacionando precios, plazos de entrega y atributos de producto.

El equilibrio de poder en el comercio electrónico ha entrado en una fase inédita. Disponer del mayor inventario o de una marca consolidada ya no garantiza la lealtad de un usuario cuyos consumos son cribados por un asistente algorítmico independiente.

Como concluye Sangeet Paul Choudary, las ventajas tradicionales de plataforma se han vuelto portátiles. El liderazgo ya no pertenecerá a quien intente retener al usuario dentro de un jardín vallado, sino a aquella organización capaz de conectar la intención del consumidor con una ejecución impecable, registrar el desenlace real de la decisión y utilizar ese aprendizaje para ofrecer un valor insustituible en la siguiente interacción.

En la era de la inteligencia artificial agéntica, ser el dueño del cliente significa, ante todo, ganarse el derecho de representarlo.