El agentic commerce (comercio agéntico) es la compra que hace un agente de IA en nombre de una persona. Para que te elija, tu tienda necesita datos de producto en Schema.org, stock y precio en tiempo real por API, políticas de envío y devolución legibles por máquina y un checkout compatible con UCP (Google) o ACP (OpenAI).
Puntos clave
El agentic commerce premia a las tiendas cuyo catálogo puede leer, comparar y comprar una máquina sin ayuda.
- 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, que Google lanzó en enero de 2026 con Shopify, Etsy, Wayfair, Target y Walmart) y el ACP (Agentic Commerce Protocol, de OpenAI y Stripe, septiembre de 2025). Los dos aceptan MCP como forma de conectar el agente con el comercio.
- El pago dentro del asistente todavía se está asentando: en marzo de 2026 OpenAI dejó que los comercios usen su propio checkout desde ChatGPT. La pregunta operativa no es si llegarán los agentes, sino si tu catálogo será legible para ellos cuando lleguen.
- 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.
Qué está cambiando exactamente
El agentic commerce cambia quién lee primero tu ficha de producto: un agente de IA filtra antes que el humano. 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
UCP y ACP son protocolos de comercio para agentes que compiten, y MCP es una conexión que aceptan los dos. Aquí hay confusión legítima porque los términos aparecen juntos y hacen cosas distintas.
UCP (Universal Commerce Protocol). Estándar de código abierto que Google anunció el 11 de enero de 2026, desarrollado junto a Shopify, Etsy, Wayfair, Target y Walmart (Google for Developers). 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. Su especificación admite REST, MCP y A2A, y Stripe entró en abril de 2026 en su consejo de gobierno junto a Google y Shopify.
ACP (Agentic Commerce Protocol). Lo desarrollaron OpenAI y Stripe y lo publicaron en código abierto el 29 de septiembre de 2025 con licencia Apache 2.0 (OpenAI, Stripe). Arrancó con el pago dentro de ChatGPT (Instant Checkout) para vendedores de Etsy en Estados Unidos, con los comercios de Shopify anunciados a continuación. Cubre el mismo territorio funcional desde el ecosistema de OpenAI, con foco en el flujo de pago, y el comercio puede publicar su checkout por API o por MCP (agenticcommerce.dev).
MCP (Model Context Protocol). No es un protocolo de comercio: es el estándar que conecta a un agente con herramientas y datos como inventario, precios y detalles de producto, y tanto UCP como ACP lo aceptan como forma de conexión. Lo hemos tratado en detalle en MCP para empresas.
AP2 (Agent Payments Protocol). Protocolo abierto de Google para autorizar pagos hechos por agentes, anunciado el 16 de septiembre de 2025 con más de 60 socios, que funciona como extensión de A2A y de MCP (Google Cloud).
| Protocolo | Qué resuelve | Impulsores |
|---|---|---|
| MCP | Conectar agentes con herramientas y datos; lo aceptan UCP y ACP | Anthropic, hoy la Agentic AI Foundation (Linux Foundation) |
| UCP | Catálogo, carrito y checkout para agentes | Google y Shopify, con Etsy, Wayfair, Target y Walmart |
| ACP | Checkout y pago agéntico | OpenAI, Stripe |
| AP2 | Autorizar pagos hechos por agentes | Google, con más de 60 socios |
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 todos. 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
La compra con agentes ya funciona a gran escala, pero el pago dentro del asistente todavía se está asentando.
- En marzo de 2026 OpenAI rectificó el pago dentro de ChatGPT: reconoció que la primera versión de Instant Checkout no daba la flexibilidad que buscaba y permite a los comercios usar su propio checkout mientras se centra en el descubrimiento de producto. Shopify afirma que "millones" de sus comercios están abiertos en ChatGPT, con la compra completada en la tienda del comercio desde un navegador integrado (OpenAI, 24 de marzo de 2026).
- UCP ya permite el pago directo de "cientos de miles de marcas y comercios" en los servicios de Google (Google, 16 de septiembre de 2026).
- El tráfico que llegó a las tiendas online de Estados Unidos desde herramientas de IA generativa creció un 693,4 % interanual en la campaña de Navidad de 2025, del 1 de noviembre al 31 de diciembre (Adobe, enero de 2026).
- La mitad de los consumidores ya usa la IA para buscar en internet, según McKinsey (octubre de 2025).
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
Preparar una tienda para los agentes de IA se resume en cinco frentes, y casi todos mejoran el SEO clásico. No es una inversión especulativa: el mismo trabajo mejora la conversión humana.
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 a 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
Los tres proyectos de agentic commerce más habituales son normalizar el catálogo, exponer la disponibilidad y estructurar las políticas.
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
Prepararse para el agentic commerce lleva siete pasos, y el catálogo va antes que cualquier protocolo.
- 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. Google acepta ya las políticas de envío y de devolución declaradas una sola vez para todo el negocio, enOrganization. - 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)
El error más común en agentic commerce es esperar a que se aclaren los estándares antes de preparar el catálogo.
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
Normalizar el catálogo es el bloque largo, de 4 a 10 semanas; después, integrar un protocolo lleva semanas.
- Auditoría de legibilidad del catálogo por agentes: 1 a 2 semanas. Es barata y determina el alcance real de todo lo demás.
- Normalización de taxonomía de atributos: 4 a 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 a 4 semanas una vez normalizados los atributos.
- API de disponibilidad y plazo en tiempo real: 3 a 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 (lanzado por Google con Shopify y otros comercios) y ACP (OpenAI y Stripe) son protocolos de comercio que permiten a los agentes acceder a catálogos, gestionar carritos y completar compras. MCP es el estándar que conecta a un agente con herramientas y datos como inventario, precios y detalles de producto, y los dos protocolos lo aceptan como forma de conexión.
¿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 más avanzada en Estados Unidos, donde empezó el pago con agentes: Instant Checkout arrancó en ChatGPT con vendedores de Etsy de ese país en septiembre de 2025. 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?
NAXIA prepara catálogos para el comercio agéntico, empezando por auditar qué encuentra hoy un agente en el tuyo. El trabajo incluye la 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.
Pide tu primera consulta gratuita
O si prefieres, explora primero nuestro proceso de implementación.
NAXIA es una agencia española de inteligencia artificial y automatización para empresas de todos los tamaños: diseña, implanta y mantiene agentes de IA, agentes de voz y automatizaciones integradas con los sistemas de cada cliente. Fundada en 2024, con sede en Pamplona (Navarra), trabaja con empresas de toda España y ha entregado más de 20 proyectos.