El auge de las compras agénticas

A los agentes de IA no les importa tu logotipo. Les importan tus datos.

Hoy en día hay un temor muy extendido en las salas de juntas: el juego de la IA está amañado a favor de los gigantes. La lógica parece sólida. Los grandes modelos de lenguaje (LLM) requieren cantidades masivas de datos, y las marcas tradicionales llevan décadas acumulándolos.

La sabiduría convencional sugiere que los líderes globales dominarán los resultados de búsqueda con IA, expulsando de hecho a los competidores ágiles del digital shelf.

Pero Joe Davis, CEO de Bazaarvoice, sostiene que la naturaleza fundamental de cómo «piensa» la IA sugiere lo contrario.

Estamos pasando de la era de la búsqueda (palabras clave y scroll infinito) a la era del shopping agéntico (bots que investigan y recomiendan). Aunque la tecnología es nueva, el consumidor ya ha cambiado.

Nuestra última investigación sobre el shopping y la optimización para motores generativos (GEO) reveló que el 83 % de los compradores ha usado una herramienta con IA en los últimos seis meses, y que el 50 % considera que mejora la fase de investigación de su recorrido.

Ahora, el legado de una marca importa menos que la transparencia de los datos.

La muerte del recuerdo de marca y el auge de la relevancia de los atributos

En los motores de búsqueda tradicionales, las marcas dominantes ganaban por disponibilidad mental. Escribimos “running shoes” y hacemos clic en el logotipo más reconocible. Es un juego de memoria.

Pero los agentes de IA son inmunes a la nostalgia. No dan prioridad a una marca por un anuncio de la Super Bowl o por un eslogan de hace décadas. En su lugar, priorizan los parámetros específicos del prompt del usuario.

Las grandes marcas han dependido históricamente de mensajes de marketing amplios y de atractivo masivo como “Just Do It” u “Open Happiness”. Los agentes de IA no pueden procesar ese nivel de abstracción. Necesitan datos granulares, a nivel de atributo.

Davis señala que este cambio en la mecánica modifica la definición de «poder de mercado». «La naturaleza de un prompt de IA, a diferencia de una búsqueda en Google, suele dar lugar a una solicitud más detallada y matizada. Para responder con precisión a un prompt detallado, un modelo LLM necesita información de producto en profundidad para hacer una buena recomendación», explica.

Piensa en el cambio en el descubrimiento:

• Búsqueda antigua: «Mejor crema facial» (Ventaja: grandes marcas).

• Nuevo prompt: «Búscame una crema facial sin perfume por menos de $40 que funcione bien bajo el maquillaje en pieles secas y que no haga bolitas.» (Ventaja: marcas aspirantes).

La IA no busca cuota de mercado. Busca una coincidencia semántica con sin fragancia, menos de $40 y sin bolitas. Si una marca aspirante tiene reseñas auténticas que mencionan específicamente esos detalles de nicho, y un gigante consolidado se apoya en textos de marketing genéricos, la IA recomendará a la aspirante. Siempre.

La autenticidad es la API

Si la IA es el motor, los datos son el combustible. Estamos entrando en una guerra de datos en la que el factor diferencial ya no es el volumen, sino la calidad.

Esto plantea un reto único para los modelos de IA: son fundamentalmente reacios al riesgo. Para evitar las “alucinaciones” (el término del sector para los errores generados por la IA), estos modelos están ávidos de validación humana. Quieren citar fuentes para demostrar que han “hecho los deberes”.

Los compradores confían en la palabra de otros compradores más que en la mayoría de la publicidad, y todos los grandes modelos LLM parecen tener esa misma confianza.

- Joe Davis, CEO, Bazaarvoice

Nuestra investigación valida este enfoque «people-first». A pesar del revuelo en torno a la IA, persiste un déficit de confianza. Solo el 12 % de los compradores confía en los resúmenes generados por IA, mientras que el 45 % sigue confiando en las reseñas humanas. Para cerrar esta brecha, la IA debe demostrar que su recomendación se basa en la experiencia del mundo real.

Para un responsable de marketing, la estrategia está clara. Ya no estás optimizando solo para una persona que echa un vistazo rápido a una página durante cinco segundos. Estás optimizando para una máquina que lee cada palabra de cada reseña para validar un caso de uso concreto.

El mandato para 2026: optimizar para la especificidad

La transición hacia las compras con agentes no está por llegar; ya está aquí. Nuestros datos muestran que al 73 % de los consumidores le parece cómodo investigar productos de moda y belleza a través de un chatbot de IA.

• Sobre los datos: Citado de la GEO Shopping Bazaarvoice Consumer Survey, noviembre de 2025. N = 3.093 adultos (A18+) en EE. UU., APAC y EMEA. Esta investigación analiza cómo utilizan los consumidores las herramientas con IA, incluida la IA generativa (ChatGPT/Gemini), los motores de recomendación y los asistentes de voz, a lo largo del recorrido de compra.

Entonces, ¿cómo puede una marca aspirante aprovechar este cambio? Centrándose en tres elementos tácticos.

Audita los atributos, no solo el sentimiento

Deja de ver tu valoración con estrellas como la métrica principal. Empieza a fijarte en los atributos que aparecen en tu contenido generado por los usuarios (UGC).

«Si quieres aumentar las probabilidades de que un agente de IA elija tu producto, necesitas más reseñas y reseñas más detalladas», aconseja Davis.

¿Tus reseñas mencionan el ajuste, la textura, la durabilidad y los casos de uso? Si los datos no están en las reseñas, la IA no los encontrará.

Alimenta la máquina con la verdad

En la era de la IA, la perfección es una señal de alarma. Los agentes de IA están programados para desconfiar de las anomalías. Este instinto humano está ahora codificado en la lógica de las máquinas.

Davis señala que los compradores humanos siempre han buscado la fricción como señal de confianza. «Personalmente, lo único que nunca me salto son las peores reseñas ... El nivel de descontento que veo en las reseñas negativas me da los mejores insights», explica.

Los modelos de IA utilizan las «señales de descontento» como una forma de detección de bots. Un agente de IA que analiza un producto con 5.000 reseñas de cinco estrellas y cero matices lo marca como «sintético». Un producto con debate, matices y la insatisfacción ocasional de clientes reales parece «humano». Si tu perfil de reseñas carece de esto, los filtros de seguridad del LLM pueden marcar todo tu catálogo como spam generado por bots.

Asegurarte de que tus reseñas estén libres de spam de bots ya no es solo una decisión ética; es una estrategia de visibilidad. Para que te elija la IA, primero tienes que demostrar que eres real.

Sal de los jardines amurallados

Retailers como Amazon o Walmart suelen construir «jardines amurallados» para proteger sus datos propietarios, de modo que la IA solo se entrene con su inventario específico.

Sin embargo, las marcas necesitan que sus datos sean «libres» y portátiles. Si tus datos de reseñas están encerrados en el ecosistema de un único retailer, sigues siendo invisible para los LLM agnósticos como ChatGPT o Gemini.

«Los retailers se resisten a ceder sus datos propios a un modelo que podría provocar que una venta se produzca en un competidor», explica Davis.

Esto es una cuestión de estrategia de negocio, no solo técnica. Como responsable de marca, tienes que luchar por la syndication. Tienes que asegurarte de que tu contenido auténtico sea accesible en todos los lugares donde busca la IA.

La estrella polar

La era de comprar el primer puesto en los resultados de búsqueda se está acabando. En un mundo agéntico, te ganas la recomendación gracias a la densidad de datos.

Para las marcas aspirantes, esta es la puerta abierta. No necesitas un presupuesto publicitario global para generar miles de reseñas detalladas y auténticas que describan exactamente cómo tu producto resuelve un problema de nicho. Solo necesitas una comunidad.

«Las marcas siguen necesitando entender qué es lo que buscan los consumidores e intentar ofrecérselo», concluye Davis.

La misión no ha cambiado, pero las herramientas sí. Y por primera vez en una década, las herramientas favorecen a los ágiles.

¿Listo para que tus productos sean descubiertos, se ganen la confianza y sean elegidos tanto por la IA como por las personas? Echa un vistazo al blog que aparece más abajo.

Leer ahora