La revolución de la IA en el comercio minorista está entrando en su tercera ola. Después de la IA predictiva y la IA generativa, los agentes autónomos capaces de completar las tareas de compra sin intervención humana se están convirtiendo en la próxima frontera. La última investigación de la industria de Salesforce revela que el 32% de las empresas de bienes de consumo ya han implementado completamente la IA generativa, con el comercio digital como área de enfoque principal. A medida que la tecnología evoluciona de responder preguntas a tomar medidas, las marcas y los minoristas se enfrentan a decisiones urgentes sobre cómo adaptar su presencia digital, contenido de productos y estrategias de medios.
La transición de la IA generativa a la IA agentiva representa un cambio fundamental en las capacidades. Mientras que los chatbots y asistentes como Rufus de Amazon pueden responder preguntas sobre los productos, los agentes autónomos pueden completar recorridos de compra completos, desde el descubrimiento hasta la compra, con una intervención humana mínima.
La evolución de la IA en la industria de bienes de consumo
Según el informe conjunto de Salesforce y Accenture "Industry Insights Report: AI Edition", estamos siendo testigos de una clara progresión en la capacidad de la IA.
Michelle Grant, Directora de Estrategia e Insights para Retail y Bienes de Consumo en Salesforce, ofrece una distinción útil entre la automatización tradicional con la que los especialistas en marketing probablemente estén familiarizados y los enfoques de IA más nuevos:
La automatización tradicional sigue pasos predefinidos, pero no es inteligencia artificial ni es agentiva. Por ejemplo, si alguien abre un correo electrónico, se agrega automáticamente al "Grupo A" y, si no, se envía un correo electrónico de seguimiento. No analiza datos, toma decisiones ni aprende con el tiempo, es una automatización basada en reglas.
La IA predictiva (Wave 1) utiliza modelos de datos históricos y estadísticos para predecir el futuro. Por ejemplo, la IA predictiva utiliza algoritmos de aprendizaje automático para analizar los datos históricos de interacción de un comprador y predecir el mejor momento para enviar un correo electrónico.
La IA generativa (Wave 2) se utiliza para crear nuevos contenidos utilizando LLM y datos. Algunos ejemplos son los resúmenes, los generadores de texto y los generadores de imágenes basados en indicaciones. Si bien puede producir contenido, no toma decisiones ni actúa de forma independiente.
Agentic AI (Wave 3) utiliza el aprendizaje automático y el procesamiento del lenguaje natural para realizar el trabajo de forma autónoma, sin necesidad de intervención humana.
Grant explica que la diferencia clave aquí es que la IA agentica puede tomar medidas en función de sus entradas para hacer cosas como enviar un correo electrónico generado, desarrollar estrategias de campaña a partir de sus conocimientos o agregar productos a los carritos en función de las preferencias del comprador.
Para los minoristas y las marcas, esta progresión no es meramente académica, sino que está remodelando la forma en que los consumidores descubren y compran productos. Las empresas de bienes de consumo ya están identificando sus casos de uso de agentes de IA más valiosos, con "ayudar a los compradores a encontrar productos en sitios web u otras plataformas digitales" ocupando el tercer lugar en prioridad.
De responder preguntas a tomar medidas
La distinción entre IA generativa y agentiva se hace más clara cuando se examinan las implementaciones del mundo real. Saks, por ejemplo, lanzó Agentforce (la plataforma de IA agentica de Salesforce) en septiembre de 2024 para mejorar la experiencia de sus clientes.
Dentro de su Chatbot Saks, Agentforce analiza las interacciones de los clientes y determina la siguiente mejor acción en función del contexto, al tiempo que automatiza y agiliza las tareas y consultas.
Un video de demostración de la integración de Agentforce de Saks muestra una interacción por SMS entre un cliente y el agente de IA de Saks, en la que el cliente comparte algunas fotos de la inspiración de un atuendo y el agente de Saks regresa con artículos similares. Conoce su tamaño habitual, tal como lo haría un yació personal, y ayuda a coordinar un pedido y un posterior cambio de talla.
SharkNinja, una compañía global de diseño de productos y tecnología detrás de las marcas Shark y Ninja, también está implementando Agentforce para permitir que SharkNinja construya y despliegue fácilmente agentes de IA que puedan tomar medidas de forma autónoma en cualquier función comercial. Con Agentforce, SharkNinja tendrá una fuerza de trabajo digital siempre activa disponible las 24 horas del día, los 7 días de la semana para guiar a los clientes a través del proceso de compra, responder preguntas sobre productos, solucionar problemas y administrar devoluciones.
Transformación de los medios minoristas con IA agentic
Para las redes de medios minoristas, el auge de los agentes de compras con IA crea tanto desafíos como oportunidades. Actualmente, el gasto en medios minoristas está muy sesgado hacia las conversiones en la parte inferior del embudo: en un análisis reciente que cubrí sobre los presupuestos de medios minoristas, más del 71% del gasto se produce en productos patrocinados o ubicaciones similares en la parte inferior del embudo.
Pero ¿qué ocurre cuando los agentes de IA, y no los humanos, toman o influyen en las decisiones de compra? El énfasis tradicional en desencadenantes creativos y emocionales llamativos puede dar paso a enfoques más estructurados y basados en atributos que persuaden a los algoritmos, no a las personas.
Por ejemplo, Walmart Connect o Amazon Advertising. Actualmente, las marcas pujan por palabras clave y ubicaciones para captar la atención de los consumidores. En un mundo de IA agentiva, es posible que necesiten optimizar los parámetros y los factores de clasificación que priorizan los agentes de compras de IA, lo que podría cambiar el gasto de los anuncios tradicionales de productos patrocinados a la optimización de estantes digitales y las iniciativas de datos estructurados.
Según el informe de Salesforce/Accenture, el segundo caso de uso más beneficioso de los agentes de IA consiste en optimizar las campañas de marketing y publicidad. Varias empresas tecnológicas ya están abordando esta necesidad mediante el desarrollo de plataformas de IA que pueden mejorar la gestión de campañas. Xnurta, por ejemplo, es una plataforma de gestión de anuncios impulsada por IA que mejora la gestión de campañas en Amazon y Walmart mediante la predicción de patrones de compra y la optimización en tiempo real (descargo de responsabilidad: Xnurta es cliente mío).
A medida que la IA agentica evolucione, es probable que estas plataformas pasen de ser herramientas de optimización a agentes de marketing autónomos capaces de gestionar campañas completas con una supervisión humana mínima.
Estrategia de contenidos en un mundo centrado en el agente
Las estrategias de contenido de marca también requerirán una recalibración. La investigación de Salesforce clasifica "Ayudar a los compradores a encontrar productos en el sitio web u otras plataformas digitales" como el tercer caso de uso de agentes de IA más beneficioso, lo que destaca la importancia del descubrimiento en la era de los agentes.
Actualmente, el contenido del producto a menudo mezcla información fáctica con apelaciones emocionales y narración de la marca. Sin embargo, es probable que los agentes de compras con IA prioricen los atributos, las especificaciones y los datos estructurados estandarizados a la hora de hacer recomendaciones. Las marcas que se destaquen en proporcionar información de productos completa, precisa y coherente en todos los canales obtendrán una ventaja a medida que los agentes de IA sean más frecuentes.
Considere un escenario de compra de zapatos deportivos. Hoy en día, un consumidor puede ser influenciado por imágenes atractivas o marketing de estilo de vida. En el futuro, un agente de compras de IA podría filtrar las opciones en función de especificaciones precisas (métricas de amortiguación, peso, puntuaciones de sostenibilidad y calificaciones de durabilidad), factores que muchas marcas no proporcionan sistemáticamente en todas las plataformas minoristas.
Varias startups de tecnología minorista están abordando este desafío mediante el desarrollo de soluciones que ayudan a las marcas a estructurar y estandarizar el contenido de sus productos en todos los canales. Estas tecnologías serán cada vez más valiosas a medida que los agentes de IA comiencen a mediar más en los recorridos de compra y a priorizar la información estructurada sobre el contenido de marketing tradicional.
El reto de la confianza
A pesar del entusiasmo por los agentes de IA, la investigación de Salesforce destaca los desafíos clave. La principal preocupación de los ejecutivos de bienes de consumo es "la calidad de los resultados" de los agentes de IA, seguida de la "aceptación de los empleados" y la "tecnología heredada".
Para las implementaciones minoristas, estas preocupaciones se traducen en problemas de confianza del consumidor, especialmente a medida que los agentes de IA pasan de la asistencia a la toma de decisiones autónoma. Las marcas y los minoristas deberán incorporar transparencia a los agentes de compras de IA, ayudando a los consumidores a comprender cómo y por qué se hacen las recomendaciones.
Preparándose para el futuro de los agentes
A medida que los agentes de IA pasan de responder preguntas a actuar en nombre de los consumidores, las marcas y los minoristas se enfrentan a un momento crucial. Aquellos que adapten su presencia digital, estrategia de contenido y enfoque de medios minoristas para este nuevo paradigma probablemente obtendrán ventajas a medida que los agentes de compras de IA se generalicen.
"No se trata solo de mantenerse competitivo", dice Grant. "Se trata de marcar el ritmo en una industria donde la agilidad y el enfoque en el cliente lo son todo".
La investigación sugiere que este cambio está ocurriendo rápidamente: el 55% de los ejecutivos de bienes de consumo predicen que más del 50% de sus empleados utilizarán IA generativa para 2026.
A medida que la IA generativa da paso a la IA agentiva, esos números pueden aumentar aún más, transformando no solo la forma en que se descubren los productos, sino también la forma en que se compran y consumen.
Para la industria minorista, el mensaje es claro: la era de los agentes de compras autónomos de IA está llegando antes de lo que muchos esperaban, y la preparación debe comenzar ahora.