¿Le darías tu tarjeta de crédito a un agente de IA? El comercio electrónico entra en la era de las compras supervisadas

En esta oportunidad, me he centrado en investigar el estado actual del uso de la inteligencia artificial y de los agentes de IA para realizar compras en nuestro nombre. ¿En qué punto nos encontramos? ¿Qué tan cerca estamos de delegar en estos agentes decisiones de compra y transacciones reales? ¿Cuál es el estado del arte en esta materia?

Con la ayuda de la IA, he identificado algunos estudios y publicaciones muy interesantes que nos permiten comprender mejor hacia dónde se dirige esta tecnología, cuáles son sus avances y qué desafíos plantea. Quiero compartir con ustedes tres referencias que considero especialmente relevantes.

La primera es un artículo de Greg Ulrich, director de IA y Datos de Mastercard, titulado “Introduciendo la capa de inteligencia”, en el que se presenta la visión de la compañía sobre el comercio agéntico y la evolución de los sistemas de pago para permitir que los agentes de IA puedan realizar transacciones en nombre de los usuarios.

La segunda es el último informe Signals de Mastercard, titulado “Codificando la confianza: la carrera por la intención, el consentimiento y el control en el mundo de los agentes”. Esta publicación aborda uno de los grandes interrogantes del comercio agéntico: ¿hasta qué punto están dispuestos los consumidores a confiar en los agentes de IA y delegarles sus decisiones de compra? También explora cuestiones fundamentales como el consentimiento, la confianza y el control que los usuarios deben conservar.

Finalmente, incluyo un estudio de Wharton que analiza cómo ciertos factores adicionales pueden influir en las decisiones de compra de los agentes de IA. Sus hallazgos ayudan a entender cómo responden estos sistemas ante distintas variables y qué implicaciones tiene su comportamiento para el futuro del comercio electrónico.

Estas tres referencias ofrecen perspectivas complementarias sobre un tema que está comenzando a transformar la relación entre los consumidores, las plataformas digitales y los medios de pago. Considero que vale la pena revisarlas para entender no solo lo que ya es posible, sino también los retos tecnológicos, comerciales y de confianza que debemos resolver para que los agentes de IA se conviertan en verdaderos asistentes de compra.

Una nueva forma de comprar

Durante años, la inteligencia artificial nos ha ayudado a encontrar información, comparar productos y tomar decisiones de compra. Ahora comienza una nueva etapa: delegar también la ejecución de esas decisiones.

Imaginemos una instrucción sencilla: “Busca una computadora portátil con al menos 16 GB de RAM, buena batería y un precio inferior a US$800. Compara las opciones, revisa las opiniones y compra la mejor alternativa, siempre que cumpla mis condiciones”.

Un agente de inteligencia artificial podría encargarse de investigar diferentes tiendas, evaluar las características de los productos, identificar descuentos y preparar una compra. Si cuenta con las integraciones y los permisos adecuados, también puede completar el proceso de pago.

Este modelo recibe el nombre de comercio agéntico o agentic commerce. Su promesa es reducir el tiempo que dedicamos a las compras digitales, pero también plantea una pregunta fundamental: ¿estamos preparados para permitir que una inteligencia artificial utilice nuestros medios de pago?

De recomendar productos a ejecutar transacciones

La diferencia entre un asistente de compras tradicional y un agente de IA es la capacidad de actuar.
Un chatbot convencional puede sugerir una marca, resumir opiniones o recomendar una tienda. Un agente con acceso a herramientas puede ir más allá: buscar productos, consultar precios, completar formularios, añadir artículos al carrito y, cuando dispone de la infraestructura y autorización necesarias, ejecutar una transacción.
El usuario deja de interactuar con cada página y empieza a definir objetivos, restricciones y resultados esperados.
Por ejemplo, podría autorizar al agente a comprar productos de uso cotidiano por un máximo de US$100 semanales, siempre que respete determinadas marcas, precios y condiciones de entrega. Si una compra supera ese límite o requiere una decisión no contemplada, el sistema debería detenerse y solicitar autorización.
La clave está en distinguir entre automatizar una tarea y conceder autonomía ilimitada. Un agente útil no necesita tener libertad absoluta para gastar; necesita disponer de permisos específicos para resolver una tarea concreta.

Mastercard y Visa preparan el camino para los pagos agénticos

El cambio no depende exclusivamente de que los modelos de inteligencia artificial sean más capaces. También requiere una infraestructura financiera que permita identificar a los agentes, proteger las credenciales de pago y comprobar que las operaciones corresponden a instrucciones legítimas.

Mastercard presentó Agent Pay como parte de su estrategia para habilitar transacciones iniciadas por agentes de IA. Entre sus componentes figuran credenciales tokenizadas, mecanismos de seguridad y herramientas destinadas a vincular las operaciones con usuarios y permisos concretos.

La tokenización permite utilizar credenciales de pago protegidas sin exponer directamente los datos originales de la tarjeta en cada interacción. Sin embargo, por sí sola no garantiza que el agente haya entendido correctamente una instrucción: esa validación requiere controles adicionales.

En septiembre de 2026, Mastercard, Visa y Ant International anunciaron una iniciativa para desarrollar estándares comunes de identificación y verificación de agentes de IA capaces de comprar en nombre de los usuarios.

El objetivo es facilitar que los comercios, las redes de pago y las plataformas tecnológicas puedan reconocer cuándo interviene un agente y bajo qué condiciones está autorizado a actuar.

La evolución es importante porque el desafío no consiste solamente en habilitar un pago automático. También hay que determinar quién autorizó la operación, qué límites se aplicaban, qué sucede si el agente compra el producto equivocado y quién debe responder cuando ocurre un error.

¿Qué dicen los estudios sobre la confianza de los consumidores?

La posibilidad técnica de delegar una compra no significa que las personas estén dispuestas a entregar el control de sus tarjetas.

Un informe de Mastercard Signals publicado en agosto de 2026, titulado Encoding Trust: The Race for Intent, Consent and Control in the Agentic World, analizó las condiciones necesarias para que el comercio agéntico gane aceptación.

Entre sus resultados, la compañía reportó que:

• El 85 % de los consumidores estaría dispuesto a colaborar con un agente de IA para encontrar la mejor opción.
• El 74 % aceptaría que un agente completara determinadas tareas comerciales cuando se lo solicita.
• Solo el 10 % estaría dispuesto a permitir que el agente completara una compra de forma autónoma.

Las cifras muestran una diferencia significativa entre aceptar ayuda y ceder la decisión final. Muchas personas quieren que la IA haga el trabajo de investigación y comparación, pero prefieren conservar la aprobación de la compra.

El informe estima, además, que el gasto de los consumidores asistido por agentes podría alcanzar entre US$3 y US$5 billones para 2030. Se trata de una proyección, no de un volumen de transacciones ya alcanzado.

Un experimento de Wharton revela un problema adicional

La confianza no es el único desafío. También importa la calidad de las decisiones que toma el agente.

En agosto de 2026, investigadores de Wharton Generative AI Labs publicaron el informe Agentic Shopping is Complicated and Contingent. El equipo realizó aproximadamente 26.000 pruebas para estudiar la estabilidad de las recomendaciones de compra de agentes de IA.

Los investigadores observaron que las recomendaciones podían cambiar cuando introducían información contextual adicional, como reseñas, fuentes competidoras, el orden en que se presentaban los datos o recuerdos incorporados al contexto del usuario.

El hallazgo tiene implicaciones prácticas: un agente puede elegir productos diferentes no solo por sus características, sino también por cómo recibe y organiza la información disponible.

En una compra real, esto podría afectar la selección de un producto, la evaluación de una oferta o la comparación entre dos proveedores. Por eso, la supervisión debería incluir no solo límites monetarios, sino también la posibilidad de revisar las opciones seleccionadas y comprender por qué se eligieron.

La investigación académica apunta a la misma dirección

Un experimento publicado en la revista Multimodal Technologies and Interaction: When Interfaces “Act for You”: An Eye-Tracking Experiment on Delegation, Transparency Cues, and Trust in Agentic Shopping Assistants, estudió cómo las señales de transparencia influyen en la confianza hacia asistentes de compras capaces de actuar en nombre del usuario.

El experimento incluyó a 72 participantes y comparó sistemas que solo recomendaban productos con otros que podían ejecutar acciones, además de interfaces que ofrecían información previa sobre lo que iba a ocurrir y por qué.

Los resultados mostraron una tensión entre eficiencia y control: permitir que el agente actuara redujo el tiempo necesario para completar las tareas, pero también aumentó la inquietud y disminuyó la confianza y la percepción de control. La posibilidad de revisar o modificar las acciones era parte de la evaluación.

Aunque se trata de un experimento de laboratorio y no de una medición de todas las compras reales, sus resultados respaldan una conclusión importante: cuanto mayor es la autonomía del sistema, más necesario resulta explicar sus acciones y permitir la intervención humana.

Cómo debería funcionar una compra supervisada por IA

El modelo más razonable para las primeras etapas del comercio agéntico no es dejar que la IA haga cualquier compra, sino establecer un proceso de delegación gradual.

1. El usuario define el objetivo. Indica qué necesita, el presupuesto máximo, las características imprescindibles y las condiciones que el agente debe respetar.

2. El agente investiga y compara. Consulta productos, precios, disponibilidad, reseñas, gastos de envío y políticas de devolución. Debe distinguir la información verificada de las inferencias o los datos incompletos.

3. El sistema presenta una propuesta. Antes de comprar, muestra el producto seleccionado, el precio total, los impuestos y el envío, la tienda, la fecha estimada de entrega y las condiciones relevantes.

4. El usuario aprueba la operación. En el modelo más conservador, la compra no se ejecuta hasta que la persona confirma el importe y el producto. En otros escenarios, puede existir una autorización anticipada para operaciones que cumplan criterios muy específicos.

5. El pago se procesa con mecanismos de seguridad. Se utilizan las credenciales y los controles admitidos por el proveedor de pagos. Los límites, las restricciones y la trazabilidad deben estar definidos de antemano.

6. La operación queda registrada. El usuario recibe una confirmación y puede consultar qué se compró, cuánto costó, qué instrucciones se aplicaron y cómo gestionar una devolución o reclamación.

Este modelo permite automatizar buena parte del trabajo sin eliminar la capacidad de decisión del consumidor.

¿Qué riesgos aparecen cuando una IA puede gastar dinero?

Los principales riesgos no se limitan al fraude bancario. También abarcan errores de interpretación, información comercial manipulada y decisiones que no coinciden con las preferencias del usuario.

Errores de compra. El agente puede interpretar mal una característica, elegir una talla incorrecta o confundir el precio anunciado con el importe final.

Manipulación de las recomendaciones. Las descripciones, las reseñas falsas y la presentación sesgada de productos pueden influir en las decisiones del sistema.

Cambios de precio o disponibilidad. Una oferta puede desaparecer entre la comparación y el pago, o el coste final puede superar el presupuesto inicial.

Exposición de datos financieros. Los sistemas deben proteger las credenciales de pago y evitar que se compartan datos personales innecesarios.

Responsabilidad por los errores. Sigue siendo necesario establecer cómo se resuelven las operaciones no autorizadas, las compras equivocadas y los desacuerdos entre consumidores, comercios, plataformas y proveedores de pago.

Una autorización bien diseñada debería ser específica, revocable y comprensible. También debería permitir establecer límites por importe, categoría, comercio o frecuencia de compra, cuando la plataforma lo admita.

El impacto para el comercio electrónico y el marketing digital

La llegada de agentes capaces de comprar puede modificar la relación entre consumidores, marcas y tiendas online.

Hasta ahora, buena parte de las estrategias digitales se han concentrado en atraer visitas, conseguir clics y optimizar la conversión dentro del sitio web. En un entorno agéntico, una parte de la investigación y de la selección podría realizarse fuera de la tienda, mediante asistentes que consultan información estructurada y comparan alternativas.

Esto plantea nuevos retos para el SEO, el AEO y el GEO.

• SEO: seguir siendo localizable en buscadores y mantener páginas técnicamente accesibles.
• AEO: ofrecer respuestas claras y verificables a preguntas concretas sobre productos, condiciones y servicios.
• GEO: mejorar las posibilidades de que los sistemas generativos recuperen, comprendan y utilicen la información de una marca como fuente.

A estas disciplinas se añade una exigencia práctica: disponer de catálogos actualizados, precios consistentes, inventarios fiables, políticas legibles y datos estructurados. Si un agente no puede determinar con seguridad qué vende una tienda, cuánto cuesta el producto o cuáles son sus condiciones, será más difícil que la recomiende y complete una compra correctamente.

Para los comercios, el objetivo no será simplemente convencer a una persona de hacer clic. También será proporcionar información fiable que permita a un agente evaluar la oferta sin perder de vista los intereses del consumidor.

¿Estamos ante el fin del checkout tradicional?

Todavía no, pero hemos iniciado un camino que no tiene vuelta atrás. El comercio agéntico se encuentra en una fase de desarrollo y adopción desigual. La capacidad técnica de realizar transacciones existe en determinadas implementaciones, pero no todas las plataformas, comercios, tarjetas o países ofrecen las mismas posibilidades.

La transición probablemente será gradual. Primero veremos agentes que investigan y comparan; después, asistentes que preparan carritos y solicitan aprobación; y, en operaciones más rutinarias, sistemas que ejecutan compras dentro de límites previamente autorizados.

El elemento decisivo no será la autonomía por sí sola, sino la combinación de utilidad, seguridad y confianza.

Un agente que ahorra tiempo, respeta el presupuesto, explica sus decisiones y permite corregir errores tiene más posibilidades de convertirse en una herramienta habitual que otro que actúa de manera impredecible.

Delegar la compra no significa renunciar al control

La posibilidad de que una inteligencia artificial compre en internet con una tarjeta de crédito representa un cambio significativo en la evolución del comercio digital. Mastercard, Visa y otros actores están construyendo las bases para que los agentes puedan operar con identidades verificables, credenciales protegidas y permisos específicos.

Los estudios disponibles muestran, sin embargo, que la aceptación depende de algo más que la tecnología: los consumidores necesitan comprender qué puede hacer el agente, qué información utiliza y qué mecanismos existen para detenerlo o corregir sus errores.

El futuro de las compras mediante IA no tiene por qué ser un sistema en el que las máquinas gasten dinero sin supervisión. Puede ser un modelo en el que las personas deleguen tareas repetitivas, establezcan sus condiciones y mantengan el control sobre las decisiones importantes.

La verdadera innovación no consiste en entregar una tarjeta a un algoritmo. Consiste en construir un sistema en el que podamos delegar la ejecución de una compra sin delegar por completo nuestra capacidad de decidir.