Agentic Commerce: qué es y por qué Google está cambiando el eCommerce con IA

La compra online está entrando en una fase nueva: la decisión ya no depende solo de lo que el usuario ve en una web, sino de lo que una IA entiende, compara y recomienda. A esto se le está llamando agentic commerce: un modelo en el que agentes de IA asisten (o automatizan parcialmente) el descubrimiento, la evaluación y la compra.

En enero de 2026, Google ha acelerado esta transición con un anuncio que combina estandarización (protocolos), nuevas superficies de compra en IA (Search y Gemini), herramientas para retailers y nuevos formatos orientados a oferta.

El impacto es directo: si parte del proceso de compra se desplaza hacia experiencias conversacionales, las marcas compiten menos por “clics” y más por elegibilidad, relevancia estructurada y capacidad de conversión sin fricción.

TABLA DE CONTENIDOS

• Qué es Agentic Commerce

• Qué ha anunciado Google sobre Agentic Commerce 

• Por qué es importante para eCommerce, retail y marcas

Qué es Agentic Commerce

Agentic commerce es la evolución del eCommerce hacia un entorno donde un “agente” (IA) puede:

• entender necesidades (consulta conversacional),
• filtrar opciones,
• comparar atributos,
• recomendar productos, y, en algunos casos, facilitar el checkout o la gestión postcompra.

No es solo “búsqueda con IA”. Es comercio guiado por IA, donde la recomendación se construye con señales estructuradas: catálogo, disponibilidad, precios, condiciones, envío, devoluciones y confianza.

Y aquí hay un matiz importante: cuando el usuario pregunta a una IA, no suele hacerlo en formato keyword (“zapatillas running”), sino en formato contexto (“quiero unas zapatillas para correr 10K, neutras, para asfalto, y que no me destrocen el presupuesto”). Para responder bien, la IA necesita datos (atributos) y reglas (qué es relevante en ese contexto). Esa es la base del cambio.

Fuente: Google

Qué ha anunciado Google sobre Agentic Commerce

Google ha presentado varias piezas que, juntas, apuntan a un nuevo estándar de compra mediada por IA.

1) Universal Commerce Protocol (UCP)

Un protocolo abierto para que agentes de IA y sistemas de retailers “hablen el mismo idioma” a lo largo del journey: descubrimiento, compra y postventa. La idea es reducir integraciones ad hoc y permitir que el ecosistema escale con menos fricción técnica.

En la práctica, UCP busca resolver un problema clásico: si cada nuevo “agente” requiere una integración distinta con cada retailer, el mercado se fragmenta. Con un estándar, el objetivo es que la conexión entre catálogo, condiciones comerciales y capacidad de compra sea más reutilizable y escalable.

2) Checkout dentro de AI Mode (Search) y Gemini

Google plantea un flujo de compra más directo dentro de experiencias con IA (AI Mode y Gemini), apoyándose en métodos de pago integrados. Esto puede reducir el “salto” a la web en ciertos casos y, por tanto, reconfigurar el rol de la web dentro del funnel.

La implicación real no es “adiós web”, sino “adiós a la web como único lugar donde ocurre la conversión”. En journeys de baja fricción (compras rápidas, reposición, productos claros), el usuario puede avanzar mucho sin abandonar el entorno conversacional. Y en journeys complejos, la IA se convierte en la capa que ordena la decisión.

3) Business Agent

Un agente de atención/comercial dentro de Search: el usuario hace preguntas y la marca responde con información útil de producto y compra, con gestión desde Merchant Center (según elegibilidad).

Esta pieza es especialmente relevante porque introduce una nueva capa de relación: la marca no solo “aparece” con anuncios o fichas; puede interactuar (con límites y bajo el marco de Google) para resolver dudas, orientar y empujar a conversión.

4) Merchant Center más “conversacional”

Google introduce la necesidad de atributos más ricos para responder mejor a preguntas conversacionales: FAQs de producto, compatibilidades, accesorios, sustitutos y señales similares. Esto eleva el catálogo a un activo aún más estratégico.

Aquí está uno de los grandes “giros” del anuncio: Merchant Center deja de ser solo el sitio donde subes un feed para Shopping y pasa a convertirse en un cerebro de producto para IA. Si AI Mode y Gemini responden a preguntas complejas, necesitarán:

• información que reduzca incertidumbre (FAQs),
• información que habilite decisión (compatibilidades),
• información que mejore el valor del carrito (accesorios/bundles),
• información que capture demanda alternativa (sustitutos).

Esto no es un detalle técnico: es un cambio en cómo se construye la visibilidad. En un entorno agentic, la pregunta ya no es “¿sales?” sino “¿la IA puede justificar por qué tú eres la mejor opción?”.

5) Direct Offers (pilot)

Un piloto publicitario en AI Mode orientado a ofertas exclusivas cuando el sistema detecta alta intención de compra. En otras palabras: la oferta y el valor (descuento, bundles, envío, etc.) se integran aún más en el momento de decisión.

Esto mueve la competencia hacia una lógica más “retail”: no ganas solo por presencia, ganas por propuesta de valor cuando el usuario está listo para comprar. Y en un flujo conversacional, ese momento puede ser más evidente (porque el usuario está explicando intención y condiciones en la propia conversación).

Por qué es importante para eCommerce, retail y marcas

1) El embudo se reordena: de “clic” a “decisión”

El modelo clásico (Search → Web → Conversión) no desaparece, pero pierde monopolio. Si parte de la evaluación y la compra ocurre en superficies IA, el foco cambia:

• menos dependencia del clic,
• más dependencia de señales estructuradas,
• y una nueva “capa de recomendación” que decide qué aparece como opción óptima.

Implicación SEO: ya no basta con “rankear”; hay que ser comprensible y seleccionable para sistemas que responden por el usuario. Y eso se construye con datos (atributos), contenido útil (FAQs) y experiencia (políticas, envío, devoluciones).

2) El catálogo deja de ser operativo: pasa a ser ventaja competitiva

En un entorno agentic, el catálogo no es un repositorio: es un “motor de decisión”.
Si tu feed está incompleto, inconsistente o poco enriquecido, el problema no es solo rendimiento: puede ser elegibilidad.

Aquí es donde en Adsmurai solemos insistir en un punto poco glamuroso pero muy real: la gobernanza de catálogo (normalización + reglas de negocio + actualización consistente) es lo que permite escalar y sostener performance cuando el entorno se automatiza.

Y este contexto lo hace más evidente: si la IA necesita datos para recomendar, la diferencia entre un catálogo “correcto” y un catálogo “optimizado” ya no es un 5% de rendimiento. Puede ser estar o no estar en la conversación.

3) Nace un nuevo “inventario” de alto valor: la recomendación + la oferta

Direct Offers apunta a un cambio importante: la monetización se acerca al punto de decisión.

En vez de competir solo por impresiones o clics, se compite por:

• ser la opción recomendada,
• con la oferta adecuada,
• en el momento exacto.

Esto afecta a retail media, SEM, estrategia de pricing/promos y a cómo conectas inventario con campañas. En un ecosistema donde la IA puede filtrar por disponibilidad, condiciones y valor, la oferta deja de ser “algo que activas en paid” y se convierte en una variable del motor de recomendación.

4) Medición: más presión sobre first-party y sobre incrementalidad

Si el journey se reparte entre superficies (y algunas son menos “clic-dependientes”), atribución last-touch y modelos simplistas pierden capacidad explicativa.

Gana peso: first-party data y señales propias, medición server-side donde aplique, tests incrementales, y enfoques tipo MMM para decisiones estratégicas (inversión, canales, promos).

El punto importante: no es solo medir “conversiones”, es entender qué está generando demanda incremental y qué está capturando demanda ya existente en un funnel donde el clic no siempre será la unidad central.

Cierre: qué deberían priorizar las marcas a partir de ahora

El anuncio de Google no es únicamente una innovación en interfaces; es una señal de hacia dónde se mueve el comercio digital: más conversación, más automatización, y más decisiones mediadas por IA.

Para competir en ese escenario, las marcas deberían priorizar tres fundamentos:

1. Catálogo gobernado y enriquecido: no como una tarea operativa, sino como infraestructura de crecimiento.
2. Oferta y condiciones claras: porque el valor (precio, envío, bundles, devoluciones) se integra cada vez más en el momento de decisión.
3. Medición preparada para journeys híbridos: menos dependencia del clic y más foco en señales propias e incrementalidad.

La pregunta clave para 2026 ya no es “¿estoy en Google?”. Es:

¿mi catálogo, mi propuesta de valor y mi medición están preparados para un entorno donde una IA puede elegir primero?

Si la respuesta es “más o menos”, hay buenas noticias: esto no va de magia. Va de sistema. Y eso se puede construir.