Puntos clave
- El agentic commerce es la compra realizada por un agente de IA en nombre de una persona: recibe un objetivo en lenguaje natural, consulta comercios, compara con las restricciones del usuario, autoriza el pago dentro de los límites fijados y dispara el envío.
- Hay dos estándares abiertos compitiendo: el UCP (Universal Commerce Protocol, de Google y Shopify) y el ACP (Agentic Commerce Protocol, de OpenAI y Stripe). MCP funciona como capa de conectividad de datos por debajo de ambos.
- McKinsey estima que la IA agéntica influirá entre 3 y 5 billones de dólares del comercio minorista global en 2030. La pregunta operativa no es si llegará, sino si tu catálogo será legible para un agente cuando llegue.
- Lo que hay que hacer hoy no es exótico: datos de producto estructurados, stock y precio en tiempo real por API, políticas explícitas y checkout accesible por máquina. Casi todo es higiene de datos que además mejora el SEO clásico.
El agentic commerce (comercio agéntico) es la compra ejecutada por un agente de IA en nombre del usuario: el agente interpreta el objetivo, consulta catálogos, compara contra las restricciones fijadas, autoriza el pago dentro de unos límites y activa la entrega. Se apoya en protocolos abiertos como UCP y ACP, con MCP como capa de acceso a datos en tiempo real. Para el comerciante, cambia quién lee su ficha de producto: ya no es solo una persona.
Qué está cambiando exactamente
Durante veinte años, el e-commerce se ha optimizado para que una persona encuentre, compare y compre. Fotos que convencen, copy persuasivo, urgencia, prueba social. El agentic commerce introduce un intermediario nuevo: un agente que lee, compara y decide antes de que el humano vea nada.
El usuario ya no dice "busco unas zapatillas". Le dice a su asistente: "necesito zapatillas de trail talla 43, impermeables, que lleguen antes del viernes y por debajo de este presupuesto". El agente consulta catálogos, verifica stock real y plazo de entrega, descarta lo que no cumple y presenta dos o tres opciones. O directamente compra, si tiene autorización.
Lo que esto significa para un comercio: tus fotos y tu copy siguen importando para el humano que confirma. Pero el filtro previo lo hace una máquina que necesita datos estructurados, verificables y en tiempo real. Si tu talla no está normalizada, si tu stock no es consultable o si tu plazo de entrega no es explícito, el agente te descarta antes de que nadie vea tu producto.
Lo que NO es agentic commerce: no es un chatbot en tu web ayudando a comprar (eso es asistencia conversacional, y lo tratamos en agentes de IA para e-commerce). El agentic commerce es un agente externo, del comprador, que opera sobre tu catálogo desde fuera.
Los protocolos: UCP, ACP y MCP
Aquí hay confusión legítima porque los tres términos aparecen juntos y hacen cosas distintas.
UCP (Universal Commerce Protocol). Estándar abierto desarrollado por Google y Shopify. Permite a los agentes interactuar con catálogos de comercios, recuperar precios e inventario en tiempo real, gestionar carritos y completar compras a través de una única interfaz normalizada.
ACP (Agentic Commerce Protocol). Estándar de OpenAI creado junto a Stripe, con socios como Instacart, DoorDash, Shopify y Etsy. Cubre el mismo territorio funcional desde el ecosistema de OpenAI, con foco en el flujo de pago.
MCP (Model Context Protocol). No es un protocolo de comercio: es la capa de conectividad de datos que permite a un agente acceder a inventario, precios y detalles de producto en tiempo real. Funciona por debajo, y lo hemos tratado en detalle en MCP para empresas.
| Capa | Qué resuelve | Impulsores |
|---|---|---|
| MCP | Acceso a datos en tiempo real | Anthropic, ecosistema abierto |
| UCP | Catálogo, carrito y checkout para agentes | Google, Shopify |
| ACP | Descubrimiento y pago agéntico | OpenAI, Stripe |
Nuestra recomendación sobre la guerra de estándares: no apuestes por uno. La parte cara del trabajo —normalizar el catálogo, exponer stock y precio por API, hacer explícitas las políticas— es común a los tres. Haz esa parte y la adopción de cualquier protocolo será una capa fina encima. Elegir bando ahora es asumir un riesgo que no hace falta asumir.
Datos clave del mercado
- McKinsey estima que la IA agéntica influirá entre 3 y 5 billones de dólares del comercio minorista global en 2030, una cifra que sitúa el fenómeno como reconfiguración de canal, no como nicho.
- ChatGPT Shopping ya está disponible para todos los usuarios en Estados Unidos, recomendando productos y dirigiendo a los sitios de los comerciantes, con Etsy y más de un millón de comercios Shopify ya conectados (Launch Commerce, 2026).
- Google y Shopify impulsan UCP como estándar abierto para que los agentes accedan a catálogos, precios en tiempo real, inventario y checkout, mientras OpenAI y Stripe impulsan ACP con socios como Instacart, DoorDash y Etsy.
Nuestra lectura: el mercado español va con retraso respecto al estadounidense en adopción de compra agéntica, y eso es una ventaja temporal. Da margen para preparar el catálogo sin la presión de estar perdiendo ventas hoy. Ese margen se cierra rápido.
Qué hacer hoy: cinco frentes concretos
Lo bueno de este trabajo es que casi todo mejora también tu SEO clásico y tu conversión humana. No es una inversión especulativa.
1. Datos de producto estructurados y completos. Schema.org Product con offers, availability, price, sku, gtin, brand, y atributos técnicos normalizados. Un agente no interpreta "talla estándar" ni "colores varios": necesita valores discretos y comparables. Es la misma disciplina de datos estructurados que Google lleva años pidiendo, ahora con consecuencias más inmediatas.
2. Stock y precio en tiempo real, consultables. Si tu disponibilidad se actualiza cada noche, el agente trabajará con datos caducados y cancelará pedidos. La disponibilidad debe ser consultable en el momento, no un campo estático.
3. Plazos de entrega explícitos y por código postal. "Envío en 24-48 h" no es un dato utilizable si depende del destino y de la hora de corte. El agente filtra por fecha de llegada real: es una de las restricciones más frecuentes del usuario y uno de los descartes más rápidos.
4. Políticas legibles por máquina. Devoluciones, garantía, gastos de envío, condiciones. Un agente que no puede verificar la política de devolución antes de comprar tenderá a elegir al competidor que sí la expone claramente.
5. Checkout accesible. Aquí es donde entran UCP y ACP. Mientras decides, asegúrate al menos de que tu flujo de compra no depende de pasos que solo un humano puede superar sin fricción.
Casos de uso habituales
Caso 1 — Normalización de catálogo para lectura por agentes.
- Problema: atributos de producto inconsistentes entre categorías, tallas escritas de tres formas distintas, materiales en texto libre.
- Solución: taxonomía de atributos normalizada y extracción asistida por IA para completar los huecos del catálogo histórico, con validación humana por muestreo.
- Stack: modelo de extracción + esquema de atributos + validación por lotes + salida a Schema.org.
- Resultado: el catálogo pasa a ser comparable por máquina, y de paso mejora la navegación facetada para humanos.
Caso 2 — Exposición de stock y plazo en tiempo real.
- Problema: la disponibilidad publicada se actualiza por lotes y genera cancelaciones tras la compra.
- Solución: endpoint de consulta de disponibilidad y plazo por SKU y código postal, alimentado desde el ERP y el operador logístico.
- Stack: API de disponibilidad + integración ERP + reglas de plazo por zona.
- Resultado: el dato que ve el agente coincide con la realidad, y las cancelaciones por rotura de stock caen.
Caso 3 — Políticas estructuradas y verificables.
- Problema: las condiciones de devolución y garantía están en texto libre repartido por varias páginas.
- Solución: modelado de las políticas como datos estructurados y como funciones consultables, con la misma fuente alimentando la web y el agente.
- Stack: esquema de políticas + Schema.org + endpoint de consulta.
- Resultado: una sola fuente de verdad para humanos, agentes y equipo de atención.
Cómo prepararte paso a paso
- Audita tu catálogo desde la perspectiva de una máquina. Coge diez productos y pregúntate si un agente podría filtrar por talla, material, compatibilidad y fecha de entrega usando solo lo que publicas. Suele ser un ejercicio revelador.
- Normaliza la taxonomía de atributos antes de tocar protocolos. Es el trabajo más largo y el que condiciona todo lo demás. Y sirve igual para UCP, para ACP o para ninguno.
- Completa el Schema.org de producto.
availability,price,priceValidUntil,sku,gtin,shippingDetailsyhasMerchantReturnPolicyson los campos que marcan la diferencia entre ser legible y ser ignorado. - Expón disponibilidad y plazo por API en tiempo real. Si solo haces una cosa de esta lista, que sea esta. Es la que más descartes evita.
- Estructura las políticas de devolución, garantía y envío como datos, no solo como páginas de texto.
- Evalúa UCP y ACP cuando tu base esté lista, no antes. Sobre un catálogo normalizado, adoptar un protocolo es cuestión de semanas; sobre un catálogo caótico, es un proyecto entero.
- Mide el tráfico de agentes por separado. Empieza a identificar en tus logs los accesos automatizados de asistentes. Sin esa segmentación no sabrás cuándo el canal empieza a importar.
Errores comunes (y cómo evitarlos)
Error: esperar a que "se aclaren los estándares". → La realidad: el 90% del trabajo —normalizar catálogo, exponer stock, estructurar políticas— es común a todos los protocolos. Esperar solo retrasa la parte lenta.
Error: apostar todo a un protocolo concreto. → La realidad: UCP y ACP compiten y ambos tienen respaldo serio. Construye la base agnóstica y trata la integración con cada protocolo como una capa fina, sustituible.
Error: bloquear a los agentes en robots.txt sin analizarlo. → La realidad: hay una diferencia entre un rastreador de entrenamiento y un agente que está comprando en nombre de un cliente. Bloquear en bloque puede cerrarte un canal de venta. Conviene distinguir por agente de usuario y decidir con criterio.
Error: publicar stock desactualizado. → La realidad: un agente que compra sobre datos caducados genera cancelaciones, y las plataformas penalizan al comerciante poco fiable. El dato en tiempo real no es un lujo, es el requisito de entrada.
Error: pensar que el copy persuasivo deja de importar. → La realidad: el agente filtra por datos, pero en muchos flujos el humano confirma. El copy y las imágenes siguen decidiendo entre las dos o tres opciones que el agente presenta. Lo que cambia es que hay un filtro previo que no lee texto emocional.
Error: tratarlo como un proyecto de marketing. → La realidad: es un proyecto de datos de producto y de integración. El equipo que tiene que liderarlo es el que gestiona el catálogo y el ERP, no el de contenidos.
Tiempos y esfuerzo realistas
- Auditoría de legibilidad del catálogo por agentes: 1-2 semanas. Es barata y determina el alcance real de todo lo demás.
- Normalización de taxonomía de atributos: 4-10 semanas según el tamaño y el desorden del catálogo. Es el bloque largo, y se puede paralelizar por categorías.
- Schema.org completo de producto: 2-4 semanas una vez normalizados los atributos.
- API de disponibilidad y plazo en tiempo real: 3-6 semanas, según cómo de accesible sea el ERP.
- Integración con UCP o ACP: semanas, no meses, si la base está hecha. Sin base, es un proyecto entero.
- Dónde está el esfuerzo oculto: en el catálogo histórico. Los productos nuevos se dan de alta con la taxonomía correcta; los diez mil antiguos hay que sanearlos, y ahí es donde la extracción asistida por IA ahorra semanas de trabajo manual.
Métricas que medir desde el día 1: porcentaje de productos con atributos completos y normalizados, cobertura de Schema.org, latencia y precisión del endpoint de disponibilidad, tasa de cancelación por rotura de stock y —cuando puedas segmentarlo— tráfico y conversión procedente de agentes. Esa última métrica no existe en la mayoría de analíticas hoy: montarla ahora es lo que te permitirá saber cuándo el canal despega.
Preguntas frecuentes
¿Qué es el agentic commerce?
Es la compra realizada por un agente de IA en nombre de una persona: el agente recibe un objetivo en lenguaje natural, consulta catálogos de comercios, compara opciones contra las restricciones del usuario, autoriza el pago dentro de los límites fijados y activa la entrega. Se apoya en protocolos abiertos como UCP y ACP.
¿Qué diferencia hay entre UCP, ACP y MCP?
UCP (Google y Shopify) y ACP (OpenAI y Stripe) son protocolos de comercio que permiten a los agentes acceder a catálogos, gestionar carritos y completar compras. MCP es la capa de conectividad de datos que permite a un agente acceder a inventario, precios y detalles de producto en tiempo real, y funciona por debajo de ambos.
¿Qué tengo que hacer en mi tienda para que los agentes puedan comprar?
Datos de producto estructurados y normalizados, stock y precio consultables en tiempo real, plazos de entrega explícitos por destino, políticas de devolución y garantía legibles por máquina, y un checkout accesible. La mayor parte de ese trabajo mejora también tu SEO y tu conversión humana.
¿Debo elegir entre UCP y ACP?
No hoy. El grueso del trabajo —normalizar el catálogo, exponer disponibilidad, estructurar políticas— es común a ambos. Haz esa base primero y trata la integración con cada protocolo como una capa fina y sustituible. Apostar por un bando ahora es un riesgo innecesario.
¿Debo bloquear los agentes de IA en mi robots.txt?
Conviene distinguir. Un rastreador que recopila datos para entrenar modelos y un agente que está comprando en nombre de un cliente son cosas distintas, aunque ambos sean automáticos. Bloquear en bloque puede cerrar un canal de venta. La decisión debe tomarse por agente de usuario y con criterio comercial.
¿Deja de importar el copy y las fotos de producto?
No. El agente filtra por datos estructurados, pero en la mayoría de flujos el humano confirma entre las opciones presentadas, y ahí el copy y las imágenes siguen decidiendo. Lo que cambia es que ahora hay un filtro previo que solo lee datos, y no llegas a esa segunda fase si no lo superas.
¿Cuándo va a importar esto en España?
La adopción va por detrás del mercado estadounidense, donde ChatGPT Shopping ya está disponible de forma general y hay más de un millón de comercios conectados. Ese desfase es una ventaja temporal para preparar el catálogo sin urgencia, pero se cierra rápido.
¿Esto sustituye al SEO tradicional?
No lo sustituye, lo amplía. Los datos estructurados, la información precisa de producto y las políticas explícitas ya eran señales de SEO. La diferencia es que ahora, además de mejorar tu posición, determinan si un agente puede considerarte siquiera como opción.
¿Podría un agente de IA comprar en tu tienda hoy?
En Naxia preparamos catálogos para comercio agéntico: auditoría de legibilidad por máquina, normalización de atributos con extracción asistida por IA sobre el catálogo histórico, Schema.org completo, endpoints de disponibilidad y plazo en tiempo real, y políticas estructuradas. Base agnóstica primero, protocolo después.
Si quieres saber qué encontraría hoy un agente al mirar tu catálogo —y qué le falta— habla con nosotros. Sin compromiso y sin powerpoints de 40 páginas.
O si prefieres, explora primero nuestro proceso de implementación.