«Le pregunto a la IA, pero luego compro yo»
Preguntarle a ChatGPT o a Claude cuál comprar ya no sorprende a nadie. Lo hacemos todos.
Pero eso sigue siendo la fase de «ayúdame a comparar». Tú recibes la lista corta y decides tú.
A Hex-ko le pasa igual. Pide opciones, las lee, piensa «mejor lo miro yo» y acaba comprando a mano.
El paso siguiente no es comparar. Es elegir y comprar.
Y ahí cambia algo gordo: cambia la definición de quién es el comprador.
Cambia el comprador, y ya no basta con el anuncio bonito. Hay que revisar la puerta de entrada a la compra.
Varios equipos le han puesto números. Vamos a verlos.
¿Cuánto falta para que la IA compre sola?
En su resumen del ShopTalk 2026, PwC recoge las previsiones. Lo interesante es que no coinciden entre ellas.
eMarketer calcula que en 2029 el 8,8 % de las transacciones de comercio electrónico pasará por agentes de IA.
Pero Merkle se va mucho más arriba: hasta el 50 % con agentes o (answer engines) de por medio.
Strategy& se queda en medio. Prevé hasta un 15 % del gasto europeo, con una adopción hasta cuatro veces más rápida que la del comercio electrónico clásico.
Son previsiones, no hechos. Podrían moverse en los dos sentidos.
¿Con cuál te quedas? Con la cifra baja ya es un canal al que pondrías a alguien.
Con la alta es el canal.
Ahora bien, la realidad es que el consenso del sector no dice «la máquina lo compra todo».
Dice bastante menos: el 60 % de los consumidores que reciben una recomendación se van igualmente a investigar por su cuenta.
De hecho, hoy la IA se usa sobre todo para descubrir y comparar, no para pagar.
Es decir: los motores de respuesta se han quedado con la primera mitad de la compra. No con toda.
Pero no es poco. Ahí es donde se arma la lista corta.
Y a esa lista o entras, o no juegas.
Lo que cambia de verdad: quién compra
Stéfano Puntoni, de Wharton, plantea una idea que parece obvia durante cuatro segundos.
Luego deja de serlo. El marketing siempre ha dado por hecho que quien compra y quien usa son la misma persona.
Con agentes de por medio, ya no.
Llamémoslo . Quien usa el producto sigue siendo una persona.
Pero el modelo controla la entrada: comparar y preseleccionar. Así que tienes que explicarte ante dos públicos a la vez.
¿Y quieren lo mismo? Ni de lejos.
Un mensaje pensado solo para emocionar pierde en la comparación de la máquina. No hay nada que comparar.
Uno pensado solo para la máquina se lee como una ficha técnica. Pero ahí pierdes a la persona.
Por eso este es el terreno de juego de los próximos años. No se resuelve eligiendo bando.
Cambias de modelo y cambian las marcas
Aquí viene la parte que más impresiona.
Kamruzzaman, Nguyen y Kim compararon recomendaciones de marca en GPT-4o, Llama-3-8B, Gemma-7B y Mistral-7B. El trabajo se presentó en EMNLP 2024.
Misma tarea, cuatro modelos. El patrón salió clarísimo:
- Preguntando por países de renta alta, recomendaron marcas de lujo entre el 88 % y el 100 % de las veces.
- Preguntando por países de renta baja, marcas que no son de lujo entre el 84 % y el 98 %.
- Gemma-7B llegó al 100 % de recomendaciones de lujo en todas las categorías para países de renta alta.
Y encima hay un segundo sesgo montado sobre el primero.
Laurito y su equipo lo describieron en un artículo publicado en PNAS en 2025. Lo llamaron (AI-AI bias).
GPT-4 prefirió las descripciones de producto escritas por IA en el 89 % de los casos. Las personas, solo en el 36 %.
Cuanto más compara el modelo, más manda su criterio. Y ese sesgo suyo podría colarse en tu lista corta.
Al revés de lo que mucha gente asume, esto no es un escaparate único con un único ranking.
Es más bien una entrevista de trabajo. Cambia el entrevistador y cambian los criterios.
La era de Google como ventanilla única no te sirve de mapa aquí.
Conclusión: monta dos escaparates, no uno mezclado
Los agentes se están quedando con la primera mitad de la compra. Así que tu marca necesita algo más que una buena historia emocional.
Necesita información que un modelo pueda comparar.
Pero el error más habitual es mezclarlo todo en una página que ni emociona ni compara.
Empieza por lo más barato. Lanza cada semana la misma pregunta de compra a ChatGPT, Claude y Gemini.
Apunta qué marcas salen y con qué argumentos.
En un mes, el sesgo de cada modelo deja de ser teoría. Se convierte en una tabla.
Ese es tu escaparate para máquinas.
Y luego el otro. En la ficha de producto, deja el dato primario a la vista: precio, especificaciones, condiciones de devolución, condiciones de uso.
Escrito en claro, no insinuado con una foto de estilo de vida. La persona lo ojea, el modelo lo cita.
Misma página, dos lectores.
Por dónde empezar depende de lo que vendas. El efecto no es igual en todo el catálogo.
Eso lo desmenuzamos en qué productos rinden de verdad con el tráfico de IA.
Fuentes
- Puntoni, S., «AI Is Upending Marketing on Two Fronts», Harvard Business Review, 2026-02-23, hbr.org
- PwC, «AI Commerce Is Here: Key Takeaways from ShopTalk 2026», 2026-03, pwc.com
- Kamruzzaman, M., Nguyen, H.M. y Kim, G.L., «Global is Good, Local is Bad?: Understanding Brand Bias in LLMs», EMNLP 2024, aclanthology.org
- Laurito, W. et al., «AI-AI bias: Large language models favor communications generated by large language models», PNAS, vol. 122(31), 2025, pnas.org
