Preguntamos a Claude, ChatGPT, Gemini y Perplexity cómo compran: la entrevista que explica el comercio agéntico

Si quieres entender hacia dónde va el ecommerce, deja de mirar solo a otras tiendas y empieza a escuchar a los nuevos intermediarios. Claude, ChatGPT, Gemini y Perplexity ya no actúan solo como buscadores con esteroides. Están empezando a comportarse como filtros, asesores y, en algunos casos, como futuros operadores de compra. Les preguntamos qué esperan de una tienda online, qué les hace desconfiar, qué les impide completar una compra y cómo imaginan el siguiente salto del comercio agéntico. La respuesta, vista en conjunto, es incómoda para muchas marcas y clarísima para quien quiera adelantarse.

Durante años el ecommerce compitió por tres cosas: tráfico, conversión y repetición. Todo giraba en torno a captar a un humano, llevarlo a una ficha, reducir la fricción y cerrar el pago. Ese modelo sigue vivo, pero ya no es el único. Hoy aparece una capa nueva entre el usuario y la tienda: el agente. Ese agente no compra como un humano. No se deja seducir por una foto hero. No interpreta bien la ambigüedad. No rellena huecos con intuición de marca. Necesita señales operativas. Necesita certezas. Y cuando no las encuentra, no protesta: simplemente no recomienda.

Eso es lo que hace tan valiosas estas cuatro voces. No hablan desde teoría abstracta. Hablan desde la lógica de ejecución. Desde la necesidad de comparar productos, validar stock, entender políticas, evaluar riesgo y decidir si una tienda merece o no la atención del usuario. En otras palabras: si quieres preparar tu ecommerce para el comercio agéntico, esta conversación no es una curiosidad editorial. Es una auditoría anticipada del canal que viene.

Claude fue el más exhaustivo. Su respuesta no se limitó a una lista de features: construyó un marco completo de lo que significa una tienda confiable para un agente. Empezó con algo que pocas marcas contemplan: la identidad operativa de la tienda. No solo el nombre comercial. El CIF, la dirección física verificable, la titularidad del dominio y la coherencia entre lo que dice el sitio y lo que confirman fuentes externas.

Para Claude, la confianza no es subjetiva. Es estructural. Una tienda en la que los textos del producto son vagos, los precios no incluyen IVA de forma explícita o las políticas de devolución requieren leer tres páginas para entender una condición, es una tienda que genera fricción cognitiva para el agente. Y esa fricción, en ausencia de instrucción del usuario, se traduce en abstención.

También destacó el papel de los datos estructurados. No como una buena práctica de SEO, sino como infraestructura de lectura directa. Schema.org/Product con precio, moneda, disponibilidad, condición, SKU y GTIN. Schema.org/Organization con nombre legal, país y contacto. BreadcrumbList. FAQPage cuando aplica. No como decoración semántica, sino como la única forma fiable de transmitir información sin depender de que el agente interprete HTML dinámico.

El checkout fue el punto donde Claude fue más directo. Señaló que muchos flujos de compra crean inconsistencias entre lo que se muestra en la ficha y lo que aparece en el carrito o en el resumen de pago. Precio sin IVA que aparece con IVA en la siguiente pantalla. Stock disponible que cambia al añadir al carrito. Producto presentado como "en stock" que en el checkout resulta tener un plazo de 3 semanas. Esas inconsistencias, para un agente que ha tomado una decisión basada en los datos iniciales, no son molestias menores. Son señales de que los datos del sistema no son de confianza.

La entrevista de ChatGPT, tal como aparece en el material compartido, es más resumida y editorial. No baja al detalle largo de Claude, pero sí deja algo importante: organiza la conversación alrededor de criterios de calidad, checklist técnico, MCP, WebMCP, checkout optimizado y un framework de madurez. Esa pista es útil porque refleja una lógica muy propia del ecosistema OpenAI: convertir un espacio confuso en una secuencia evaluable, donde cada capa de la tienda pueda puntuarse por nivel de preparación para agentes.

ChatGPT pone el foco en el MCP como protocolo de descubrimiento estructurado, no solo como una herramienta técnica. Una tienda que expone sus capacidades mediante MCP le dice al agente qué puede hacer, cómo puede hacerlo y qué restricciones aplican. Esa declaración explícita de capacidades reduce la necesidad de inferencia y aumenta la confianza del agente en que la integración va a funcionar como se espera.

También señala el checkout optimizado como uno de los vectores más importantes. Un checkout que puede ejecutarse desde un agente externo requiere no solo que el flujo funcione, sino que el flujo sea predecible. Que los mismos parámetros produzcan siempre los mismos resultados. Que los errores sean explícitos y manejables. Que no haya pasos que requieran interacción humana directa sin avisar al agente con anticipación.

Gemini llegó con la perspectiva de quien evalúa páginas web desde múltiples señales simultáneas. Su análisis no empezó por el producto ni por el checkout. Empezó por la coherencia entre lo que se ve y lo que se declara. Para Gemini, una tienda que tiene una imagen de producto de alta calidad pero sin texto alternativo, o una descripción larga pero sin estructura de headings, o un precio visible pero sin marcado schema, no es una tienda incompleta técnicamente. Es una tienda que está enviando señales contradictorias.

Esa incoherencia semántica, según Gemini, es uno de los principales obstáculos para que un agente pueda evaluar la credibilidad de una tienda de forma eficiente. Si el HTML dice una cosa, el JSON-LD dice otra y la URL dice una tercera, el agente tiene que resolver un conflicto de fuentes antes de poder usar ninguna de ellas. Ese trabajo extra no siempre se hace: muchas veces simplemente se descarta la fuente más ambigua, que suele ser la tienda.

Gemini también subrayó la importancia del rendimiento como señal de confiabilidad. No solo como métrica de velocidad, sino como indicador de que el sitio es mantenido activamente y que sus recursos están bajo control. Un sitio lento, con recursos no optimizados o con errores de consola que el usuario no ve pero los agentes sí detectan, transmite negligencia operativa. Y la negligencia operativa es un factor que pesa en la decisión de recomendación.

Perplexity es quizás el caso más relevante en este momento porque ya está en la transición entre buscador y agente de compra. Su perspectiva sobre el ecommerce es la de alguien que ya indexa, compara y recomienda productos en tiempo real. Lo que Perplexity señaló es que la mayoría de las tiendas están optimizadas para capturar un clic, no para responder una pregunta. Y esa diferencia es fundamental cuando el intermediario es un agente que evalúa respuestas, no páginas.

Para Perplexity, el contenido que rodea al producto importa tanto como el producto en sí. Una tienda que tiene una ficha de producto con 200 palabras de descripción genérica y ningún contexto sobre cuándo usarlo, a quién va dirigido, qué problemas resuelve o cómo se compara con alternativas, es una tienda que no puede responder las preguntas que un agente necesita responder para hacer una recomendación informada.

También destacó el papel del contenido editorial como señal de autoridad. Las tiendas que publican guías, comparativas, tutoriales o análisis relacionados con sus productos no solo mejoran su posicionamiento en búsqueda clásica. Le están dando al agente material para construir recomendaciones contextuales. Una tienda que solo tiene fichas de producto está diciéndole al agente: "aquí hay SKUs". Una tienda con contenido editorial está diciéndole: "aquí hay conocimiento sobre este espacio".

Más allá de las recomendaciones técnicas, lo más revelador de esta conversación es la imagen compartida de hacia dónde va el sector. Los cuatro agentes, con distintos matices, describen una transición en tres fases:

En ese modelo de fase 3, la tienda no necesita ser visitada. Necesita ser entendida. Sus capacidades, límites, precios y políticas tienen que estar disponibles de forma estructurada para que el agente del comprador pueda evaluar si la oferta es compatible con el mandato que ha recibido. Ese es el escenario para el que WebMCP fue diseñado: convertir una tienda en una superficie operativa para agentes, no solo en una página web con buena usabilidad.