Durante los últimos años, la pregunta que se hacían muchas empresas frente a la inteligencia artificial era relativamente simple: ¿me encuentra? ¿me menciona? ¿me recomienda cuando alguien pregunta por mi rubro?
Esa pregunta sigue siendo válida. Pero empezó a aparecer otra, y es distinta: ¿qué pasa cuando la IA no solo responde, sino que además elige y compra?
No es una hipótesis lejana. En julio de 2026, Visa anunció que más de treinta bancos europeos ya habían completado transacciones reales ejecutadas por agentes de inteligencia artificial. Entre ellos, cuatro entidades españolas: Abanca, Bankinter, BBVA y CaixaBank.
Este artículo explica qué es el Agentic Commerce, qué se probó exactamente, y qué implica para una empresa que quiere seguir siendo considerada cuando quien busca ya no es solamente una persona.
¿Qué es el Agentic Commerce?
Agentic Commerce —o comercio agéntico— es un modelo en el que un agente de inteligencia artificial puede buscar, comparar, seleccionar y eventualmente ejecutar una compra en nombre de una persona, dentro de límites y autorizaciones que esa persona definió previamente.
La diferencia con lo que ya conocías es de naturaleza, no de grado. Un asistente conversacional te entrega información: te sugiere opciones, te compara alternativas, te deja un enlace. Tú decides y tú compras.
Un agente, en cambio, actúa. Recibe una instrucción con condiciones —un presupuesto, una fecha, unas características— y avanza por el proceso hasta cerrarlo, siempre bajo los permisos que le diste.
Esa distinción importa para tu empresa por una razón concreta: cuando una IA solo recomienda, tú apareces en una lista que un humano después interpreta. Cuando una IA además selecciona, aparecer en esa lista deja de ser el final del recorrido.
¿Qué probaron exactamente Visa y los bancos?
Conviene ser preciso, porque hay bastante exageración circulando sobre este tema.
Lo verificable es lo siguiente. Las entidades emisoras que completaron transacciones reales ejecutadas por agentes de IA en comercios participantes incluyen a Abanca, Alpha Bank, Bankinter, Barclays, BBVA, CaixaBank, Commerzbank, HSBC UK, ING, Klarna, Lloyds Banking Group, NatWest, Nordea Bank, Revolut y varias más. No fueron cuatro bancos: fue un grupo europeo amplio, del cual cuatro son españoles.
El anuncio se hizo en el Visa Payments Forum celebrado en París. Las primeras operaciones se realizaron en sectores como viajes, comercio electrónico y retail, con comercios como lastminute.com, Frasers, Cleverbridge y BrickDepot.
Tres precisiones que vale la pena retener:
No fue una demostración en laboratorio. La operación se cerró con datos reales de tarjeta y en comercios abiertos al público, no en un entorno de pruebas cerrado. Esto marca una diferencia con la fase anterior del programa, que sí había ocurrido en entornos controlados.
Tampoco es un despliegue masivo. Se trata de pilotos. Se están implementando los primeros proyectos piloto en comercios participantes de sectores como el retail o los viajes. Que exista la capacidad técnica no significa que mañana todas las compras se hagan así.
El control sigue siendo del usuario. Durante el proceso, los agentes navegaron por catálogos de productos, seleccionaron artículos e iniciaron compras, siempre dentro de los parámetros definidos por el consumidor. La autenticación se resolvió mediante Visa Payment Passkeys, para cumplir los requisitos europeos de autenticación reforzada.
La tecnología detrás es Visa Intelligent Commerce, el conjunto de iniciativas con que Visa busca habilitar experiencias de compra basadas en IA manteniendo las protecciones que ya existen en la red de pagos.
De buscar información a tomar acciones
Lo interesante de este caso no es el volumen —es marginal— sino lo que señala.
Hasta ahora, la IA generativa ocupaba un lugar acotado en el recorrido de compra: el de la consulta. Preguntabas, te respondía, y el resto lo hacías tú.
Lo que estos pilotos muestran es que ese límite empezó a moverse. Y cuando un sistema automatizado participa en la selección, cambia el tipo de información que necesita para funcionar.
Una persona que entra a tu sitio web compensa lo que falta. Ve una fotografía y deduce a qué te dedicas. Lee un mensaje ambiguo y lo interpreta con contexto. Encuentra un teléfono desactualizado y busca en otra parte. La ambigüedad le cuesta, pero la resuelve.
Un agente de IA no compensa igual. Depende de que la información esté disponible, sea consistente entre fuentes y esté expresada de forma que pueda procesarla. Si tu propuesta de valor solo se entiende mirando el diseño de tu sitio, es probable que un agente no la capte.
Encontrabilidad → Comprensión → Recomendación → Selección
Para ordenar esto, en OMETRIA usamos un modelo de cuatro etapas. No es una escalera que se sube automáticamente: cada etapa depende de que la anterior esté resuelta.
Encontrabilidad
La IA debe poder acceder a información suficiente sobre tu empresa. Si tu sitio bloquea a los rastreadores, si tu información vive solo dentro de imágenes, o si simplemente no existe presencia digital más allá de una red social, la cadena se corta en el primer eslabón.
Comprensión
Encontrar no es entender. Aquí la pregunta es si la IA puede establecer con claridad qué hace tu empresa, qué vende, para quién, dónde opera y cuáles son sus atributos relevantes.
Una empresa puede ser perfectamente encontrable y aun así ser mal comprendida: descrita en el rubro equivocado, asociada a una ciudad donde no opera, o confundida con otra organización de nombre similar.
Recomendación
Con esa comprensión, la IA puede considerarte cuando alguien consulta por tu rubro o compara alternativas. Aquí entra en juego algo que no controlas por completo: la evidencia externa. Menciones, presencia en directorios, referencias de terceros.
Selección
En un escenario de comercio agéntico, un agente podría participar en la selección de una alternativa y facilitar o ejecutar determinadas acciones de compra, dependiendo del sistema, del comercio y de las autorizaciones disponibles.
Conviene decirlo con precisión: no todos los agentes pueden hoy completar este recorrido, y no en todos los comercios. Lo que existe son pilotos funcionando en sectores específicos. La etapa es real, pero está en formación.
¿Qué necesita entender una IA sobre tu empresa?
Si bajamos el modelo a lo concreto, hay información que un sistema automatizado necesita resolver sin ambigüedad:
- Qué haces. Descrito en términos que alguien fuera de tu industria entendería, no en jerga interna.
- Qué vendes. Productos o servicios identificables, no categorías vagas.
- Para quién. Tipo de cliente, tamaño, sector.
- Dónde operas. Ciudad, región, país, cobertura.
- Qué te diferencia. Y aquí no sirve "calidad y servicio": necesita ser algo verificable y comparable.
- Cómo contactarte y comprar. Consistente en todos los lugares donde apareces.
Si esa información está incompleta, dispersa o se contradice entre tu sitio, tu ficha de Google y tu perfil de LinkedIn, cada inconsistencia es una oportunidad de que un sistema te descarte o te describa mal.
¿Qué cambia para el SEO y el GEO?
Una aclaración necesaria: el SEO no desaparece.
Buena parte del trabajo tradicional de SEO —estructura clara, contenido útil, sitio accesible y rápido, información técnica bien marcada— sigue siendo la base sobre la que se construye todo lo demás. Los motores de IA también se alimentan de la web indexada.
Lo que aparece es una capa adicional, que se conoce como GEO (Generative Engine Optimization): optimizar para que un motor generativo comprenda y represente correctamente a una entidad, no solo para posicionar una URL en una lista de resultados.
La diferencia práctica es de unidad de análisis. El SEO clásico trabaja a nivel de página: qué URL responde a qué búsqueda. El GEO trabaja a nivel de entidad: qué sabe el sistema sobre tu empresa como organización, sumando todas las señales disponibles.
Son complementarios. Un sitio con buen SEO técnico y contenido pobre en claridad puede posicionar bien en Google y ser mal entendido por una IA. Y al revés: información clarísima en un sitio que nadie puede rastrear no llega a ninguna parte.
¿Cómo puede prepararse una empresa para los agentes de IA?
Recomendaciones concretas, en orden de esfuerzo:
1. Revisa que tu sitio sea accesible para rastreadores de IA. Verifica tu archivo robots.txt. Si bloqueas a los rastreadores de los motores generativos, el resto del trabajo no tiene dónde apoyarse.
2. Haz explícito lo que hoy es implícito. Si tu propuesta de valor se entiende mirando fotos, escríbela en texto. Si tus servicios están solo en un PDF descargable, súbelos como contenido de la página.
3. Marca tu información con datos estructurados. El marcado schema (Organization, Product, FAQPage) le entrega a las máquinas una versión inequívoca de lo que tu página comunica.
4. Unifica tu información entre fuentes. Mismo nombre, misma dirección, mismo teléfono, misma descripción en tu sitio, Google Business Profile, LinkedIn y directorios sectoriales.
5. Construye evidencia externa. Menciones en medios, casos documentados, testimonios verificables. Esta es la parte más lenta y la que más cuesta acelerar.
6. Escribe pensando en fragmentos autocontenidos. Párrafos que se entiendan aunque se lean fuera del contexto del artículo completo. Es como funcionan las respuestas generativas: por extractos.
¿Cómo saber si las IA entienden correctamente tu empresa?
El problema práctico es que no puedes evaluar esto por intuición. Preguntarle una vez a ChatGPT por tu empresa te da una anécdota, no un diagnóstico.
En OMETRIA desarrollamos el AIO Score, un indicador de 0 a 100 que mide qué tan preparada está una empresa para ser encontrada, comprendida y representada correctamente por motores de inteligencia artificial. Se compone de seis dimensiones:
| Dimensión | Puntos | Qué evalúa |
|---|---|---|
| Claridad | 20 | Si se entiende sin ambigüedad qué hace la empresa, qué vende y para quién |
| Autoridad | 20 | Evidencia externa que respalda la existencia y confiabilidad de la empresa |
| Cobertura | 20 | Amplitud de la presencia digital y de la información disponible |
| Consistencia | 15 | Coherencia de la información entre las distintas fuentes donde aparece |
| Indexabilidad IA | 15 | Accesibilidad técnica para que los sistemas puedan procesar el contenido |
| Diferenciación | 10 | Qué distingue a la empresa de sus alternativas, en términos verificables |
Los niveles del score son: Deficiente (0–39), Básico (40–59), Intermedio (60–74), Avanzado (75–89) y Óptimo (90–100).
La razón por la que estas dimensiones se vuelven más relevantes en un escenario de comercio agéntico es directa: cuando un sistema debe comparar alternativas y no solo listarlas, las diferencias entre empresas dejan de ser matices y pasan a ser criterios de decisión.
Una empresa con información ambigua no queda en segundo lugar. Queda fuera del conjunto de opciones comparables.
Conclusión
La pregunta ya no es solamente si una IA puede encontrar o recomendar tu empresa. A medida que avanzan los agentes de IA, también empieza a ser relevante preguntarse si una IA dispone de suficiente información para entenderla, compararla y eventualmente considerarla al tomar una decisión.
Los pilotos de Visa con más de treinta bancos europeos no significan que el comercio agéntico ya esté instalado. Significan que dejó de ser solo una idea de conferencia.
Y si esa dirección se consolida, la información que hoy tienes publicada sobre tu empresa deja de ser solo material de marketing para personas: pasa a ser también el insumo con el que un sistema decide si te considera.
¿Qué dicen hoy ChatGPT, Gemini, Perplexity y Claude sobre tu empresa?
En ometria.cl puedes obtener tu AIO Score y ver cómo te describen actualmente los motores de inteligencia artificial. El diagnóstico es gratuito y toma menos de tres minutos.
OMETRIA Chile es una plataforma chilena de medición de visibilidad en motores de inteligencia artificial para empresas y pymes. No tiene relación con Ometria, la empresa británica de CRM para retail.
Preguntas frecuentes
¿Qué es el Agentic Commerce?
El Agentic Commerce o comercio agéntico es un modelo en el que un agente de inteligencia artificial puede buscar, comparar, seleccionar y eventualmente ejecutar una compra en nombre de una persona, dentro de los límites y autorizaciones que esa persona definió previamente. Se diferencia de un asistente conversacional en que el agente no solo entrega información, sino que avanza en el proceso de compra.
¿Los agentes de IA ya pueden comprar por mí?
En pilotos específicos, sí. En julio de 2026 Visa anunció que más de treinta bancos europeos habían completado transacciones reales ejecutadas por agentes de IA en comercios como lastminute.com, Frasers, Cleverbridge y BrickDepot. No se trata de un despliegue masivo: son proyectos piloto acotados a determinados comercios y sectores, y requieren autorización explícita del titular de la tarjeta.
¿Qué diferencia hay entre SEO y GEO?
El SEO tradicional optimiza páginas para posicionarlas en resultados de búsqueda. El GEO (Generative Engine Optimization) optimiza para que un motor generativo comprenda y represente correctamente a una empresa como entidad. El SEO trabaja a nivel de URL, el GEO a nivel de organización. Son complementarios: el GEO se apoya en muchas de las bases técnicas del SEO.
¿Qué información necesita una IA para entender mi empresa?
Fundamentalmente: qué hace, qué vende, para quién, dónde opera, qué la diferencia de sus alternativas y cómo contactarla. Esa información debe estar disponible en texto accesible, ser consistente entre las distintas fuentes donde aparece la empresa y, en lo posible, estar marcada con datos estructurados.
¿Qué es el AIO Score?
Es un indicador de 0 a 100 desarrollado por OMETRIA que mide qué tan preparada está una empresa para ser encontrada, comprendida y representada correctamente por motores de inteligencia artificial. Se compone de seis dimensiones: Claridad (20 puntos), Autoridad (20), Cobertura (20), Consistencia (15), Indexabilidad IA (15) y Diferenciación (10).
¿Mejorar mi AIO Score garantiza que la IA me recomiende?
No. El AIO Score mide qué tan preparada está tu empresa para ser encontrada y comprendida correctamente por motores de inteligencia artificial. Los sistemas generativos consideran múltiples factores que ninguna herramienta controla, y sus resultados varían entre motores y en el tiempo. Mejorar las condiciones bajo tu control aumenta las probabilidades de ser considerada, no la garantiza.
