«Parece que ahora las compras las hace la IA»
Alguien lo suelta en una reunión, los demás asienten y se pasa al punto siguiente.
Y una semana después llega la pregunta de verdad: vale, ¿y qué cambiamos en el escaparate? Ahí se hace el silencio. Hex-ko ha estado en ese silencio, y tampoco tenía respuesta.
Todo el oficio que habíamos construido para personas (subir las reseñas, cuidar cómo se ve el precio, comprar posición) nunca se había probado con un comprador que lee una lista en formato JSON y no tiene ojos. Nadie había comprobado si algo de eso se traslada.
Un día le pasó a un modelo un titular del que estaba bastante orgullosa, escrito para emocionar, y vio cómo lo ignoraba por completo.
Alguien montó un mercado falso y lo midió en serio, así que vamos a por lo que salió.
¿En qué se fija un agente de IA para comprar?
En la posición, en las etiquetas de patrocinio y en el sello de recomendación de la propia plataforma. Y reacciona con fuerza a los tres.
En el mercado simulado, la etiqueta «Patrocinado» bajaba la probabilidad de ser elegido, mientras que el distintivo de «lo más recomendado» de la plataforma la subía con claridad (el estudio de 2025, Allouah, Besbes y otros, arXiv:2508.02630). Los autores se reparten entre MyCustomAI, la Columbia University Graduate School of Business y Yale University.
O sea que parte de lo aprendido con la publicidad para humanos funciona al revés. La señal que dice «alguien ha pagado para ponerte esto delante» es justo la que el agente descuenta.
Con la posición no vale el olfato publicitario de siempre
El experimento se hizo sobre un mercado simulado construido por los propios autores, llamado ACES, donde posición, etiquetas, precio y valoraciones se alteraban al azar mientras se medía el efecto en la probabilidad de que cada producto acabara elegido. Compraban varios modelos punteros: GPT-4.1, GPT-5.1, Gemini y Claude, entre otros.
El sesgo de posición resultó fuerte, y su dirección cambia según el proveedor e incluso según la versión del modelo. Entre GPT-4.1 y GPT-5.1, la posición preferida se invertía casi por completo.
¿Y si se quitan las imágenes? En la condición «sin interfaz», pasándole solo una lista en JSON, el mismo sesgo vuelve a aparecer. No es cosa de cómo procesa la maqueta de la página: es una propiedad del modelo.
Decirle expresamente «ignora la posición» tampoco lo suavizó apenas. Hay un techo en lo que se arregla escribiendo mejor el prompt, y conviene saberlo antes de que alguien del equipo lo proponga.
Una reescritura, y la cuota de elecciones se movió
Este es el experimento al que Hex-ko vuelve una y otra vez. Los autores dejaron que un agente comercial de IA leyera los datos de ventas de la competencia y reescribiera una sola vez su propia ficha de producto, y midieron el efecto contra seis modelos compradores distintos.
| Modelo que compra | Subida de cuota |
|---|---|
| Gemini 3 Pro Preview | +0,32 pt |
| Claude Sonnet 4 | +3,66 pt |
| Claude Opus 4.5 | +7,38 pt |
| GPT-4.1 | +8,37 pt |
| Gemini 2.5 Flash | +14,79 pt |
| GPT-5.1 | +14,89 pt |
En cinco de los seis la subida fue estadísticamente significativa. Del total de experimentos, el 33% dio un aumento significativo con esa única reescritura.
No es «funciona siempre». Pero una palanca que rinde una de cada tres veces, al precio de reescribir un párrafo, sale barata para lo que suelen costar las palancas de marketing.
Lo que estos números no cubren
Cuatro límites, y Hex-ko los diría los cuatro antes de que la tabla entre en ninguna presentación.
Es un mercado simulado. La magnitud del efecto en una tienda real, con inventario real y compradores reales, puede quedar en otro sitio.
Solo el 33% de los experimentos alcanzó significación, así que en la mayoría no se vio movimiento apreciable.
El sesgo de posición cambia de dirección entre generaciones de modelos: la posición que funciona hoy no tiene ninguna obligación de funcionar el mes que viene (más o menos como leerse el horóscopo una vez y planificar la década con eso).
Y dos de los cinco autores trabajan en MyCustomAI, que vende optimización de comercio electrónico para agentes de IA. «Reescribe las fichas y subirá tu cuota» es la conclusión que vende ese producto: te quedas con el hallazgo y descuentas la pendiente.
reescribe las fichas pensando en un lector que no tiene ojos
Empieza por el texto de tus productos principales. Léelo una vez como lo leería un modelo: ¿está el precio?, ¿están las especificaciones?, ¿están respondidas con palabras concretas las preguntas de comparación que haría quien compra? Comprar posición y espacios patrocinados sigue siendo el reflejo antiguo, y estos datos dicen que apoyarse solo en eso ya no basta.
Con la etiqueta de patrocinio, cuidado especial. En este experimento el propio distintivo empujaba la probabilidad de elección hacia abajo, así que pagar por el hueco sin arreglar también las palabras de debajo puede dejarte peor que no hacer nada.
Y como el sesgo de posición se mueve cada vez que sale un modelo nuevo, conviene revisarlo con calendario y en varias IA a la vez, en lugar de darlo por hecho una sola vez. Así te enteras de que te están reordenando el escaparate mientras pasa, y no un trimestre después.
Fuentes
- Amine Allouah (MyCustomAI), Omar Besbes (Columbia University Graduate School of Business), Josué D. Figueroa (MyCustomAI), Yash Kanoria (Columbia University Graduate School of Business), Akshit Kumar (Yale University), «What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence, & Emerging Implications for Agentic E-Commerce», arXiv:2508.02630, 2025-12-17, arxiv.org (Experimentos realizados sobre ACES, un mercado simulado construido por los autores, con posición, etiquetas, precio y valoraciones asignados al azar. La etiqueta «Patrocinado» bajaba la probabilidad de elección, mientras que el distintivo de recomendación de la plataforma la subía con claridad. El sesgo de posición fue fuerte y su dirección variaba según el proveedor y la versión del modelo —casi invertida entre GPT-4.1 y GPT-5.1—, se reprodujo en una condición «sin interfaz» con solo una lista JSON y apenas se redujo al pedirle al modelo que ignorase la posición. Dejar que un agente comercial de IA reescribiera una vez la ficha del producto produjo subidas de cuota estadísticamente significativas en cinco de seis modelos compradores: Gemini 3 Pro Preview +0,32 pt, Claude Sonnet 4 +3,66 pt, Claude Opus 4.5 +7,38 pt, GPT-4.1 +8,37 pt, Gemini 2.5 Flash +14,79 pt, GPT-5.1 +14,89 pt; el 33% del total de experimentos mostró un aumento significativo. Es un entorno simulado, así que la magnitud puede diferir del comercio electrónico real; dos de los cinco autores trabajan en MyCustomAI, empresa que vende optimización de comercio electrónico para agentes de IA.)
