Hace un tiempo, la conversación sobre inteligencia artificial en el comercio giraba en torno a la adopción: cuántos usuarios probaban un asistente, cuántas marcas lanzaban un chatbot y cuánto crecía cada aplicación mes a mes. Ahora puedo decir que este ciclo empieza a cerrarse.
En su informe Agentic Commerce Pulse del primer trimestre de 2026, la compañía de prevención de fraude Riskified encontró que el 61,5% de los consumidores en Estados Unidos y el Reino Unido ya usa herramientas de inteligencia artificial para descubrir y comparar productos, pero el 55% no se siente cómodo con que un agente compre en su nombre, una cifra que revierte abruptamente el 70% que decía sentirse cómodo apenas un trimestre antes.
El 46,5% directamente no confía en ninguna empresa para gestionar sus compras, y la mitad cree que la plataforma de inteligencia artificial debería hacerse responsable si una compra no autorizada sale mal.
La velocidad de adopción y la de confianza dejaron de moverse juntas, y esa distancia tiene un nombre: costo reputacional. No es un problema técnico que se resuelve con un mejor modelo, es un problema de autoridad, de quién responde cuando el agente se equivoca frente al cliente.
La señal también aparece del lado de la oferta. Un reporte de Sensor Tower difundido en diciembre pasado mostró que el crecimiento de usuarios de ChatGPT se desaceleró a apenas 6% entre agosto y noviembre, mientras que Gemini crecía 30% en el mismo período, un indicio de que la carrera ya no se gana solo por la escala de usuarios, sino por lo que esos usuarios están dispuestos a delegar.
Gartner, tras encuestar a más de 3.400 líderes empresariales, proyectó que más del 40% de los proyectos de inteligencia artificial agéntica serán cancelados antes de fines de 2027, no por falta de inteligencia en los modelos, sino por costos crecientes, un valor de negocio poco claro y controles de riesgo insuficientes. El patrón se repite en las tres fuentes: la tecnología avanza más rápido que la estructura que la sostiene.
Para entender qué falta, conviene un marco simple, el mismo que uso cuando explico esto en salas de directorio: pensar en un agente de inteligencia artificial como la armadura de Iron Man. La armadura sin Tony Stark adentro es solo metal costoso que nadie autorizó a decidir nada. Debe haber cuatro piezas para que la armadura funcione sin poner en riesgo a nadie.
El kernel es el reactor
Kernel significa núcleo. En este marco, lo uso para referirme al núcleo de datos confiables y a las reglas de negocio que orientan las decisiones del agente: dónde consultar el precio vigente, cómo verificar si hay stock disponible y qué condiciones debe respetar antes de comprometer una entrega. Pensemos en alguien que acaba de incorporarse a una empresa: puede hablar muy bien y tener iniciativa, pero necesita conocer cómo funciona el negocio y qué compromisos puede asumir. Con la inteligencia artificial ocurre algo parecido. El kernel conecta su capacidad de respuesta con la realidad operativa. Su importancia radica ahí: una respuesta convincente puede convertirse en una promesa imposible si no se apoya en información válida y en reglas explícitas. Por eso, en esta analogía, el reactor es quien sostiene el funcionamiento de toda la armadura, aunque el cliente nunca lo vea.
La armadura es la capa de protección, los permisos concretos, los montos máximos, las categorías de producto en las que el agente puede actuar por sí solo y aquellas en las que debe pedir confirmación humana. Jarvis es la inteligencia que ejecuta, la que conversa con el cliente, compara precios y arma el carrito. Y “Tony Stark” es la persona o la empresa que finalmente responde cuando algo sale mal: la que da la cara ante el cliente, el regulador y la prensa.
Un agente sin kernel improvisa reglas sobre la marcha. Un agente sin armadura ejecuta sin límites. Un Jarvis sin “Tony Stark” habla en nombre de una marca que después nadie asume. Las tres fallas terminan en el mismo lugar, un cliente que pierde plata, tiempo o confianza y una marca que no tiene quien responda por eso.
Ese es precisamente el punto que revela el dato de Riskified. El 73,9% de los consumidores ya no pide que la inteligencia artificial sea más simpática o más rápida, pide autenticación fuerte, biometría o clave de un solo uso, antes de que un agente pueda gastar su dinero. El consumidor dejó de evaluar si la tecnología es capaz. Empezó a evaluar si la empresa detrás de esa tecnología es responsable. Es el mismo desplazamiento que atravesó el comercio electrónico hace veinte años, cuando la pregunta pasó de si un sitio web podría vender a si un sitio web merecía la tarjeta de crédito del cliente.
Pero autenticar al comprador apenas resuelve una parte del problema: comprobar quién es no equivale a saber qué autorizó. Entre pedir una recomendación y permitir una compra, debe existir un contrato de delegación claro: qué resultado busca la persona, qué información puede utilizar el agente, qué acciones puede ejecutar y en qué momento debe volver a preguntar. Si le pido que encuentre un regalo, ¿puede elegirlo, pagarlo y compartir la dirección del destinatario, o solamente mostrarme opciones? Esa diferencia tiene que quedar explícita, con la posibilidad de retirar el permiso y un camino claro para corregir errores. Es lo que planteo desde Human Augmented IA: ampliar nuestra capacidad de decisión, manteniendo el control sobre aquello que delegamos. La confianza empieza cuando el cliente puede entender hasta dónde llega su autorización y cómo recupera el mando.
Construir esa autoridad no es un ejercicio de comunicación, es un ejercicio de diseño previo al lanzamiento. Antes de que un agente hable con un cliente, alguien dentro de la empresa tiene que haber decidido qué categorías de producto puede resolver solo, qué monto dispara una confirmación humana, qué hacer si el agente le promete al cliente algo que la empresa no puede cumplir y quién recibe el reclamo cuando eso ocurre. Ese trabajo de gobierno suele quedar relegado ante la presión de lanzar rápido, y es justo ahí donde nace el costo reputacional. La marca no pierde confianza porque el agente se equivocó una vez. La pierde cuando el cliente descubre que nadie había previsto qué pasaría si se equivocaba.
El siguiente paso es llevar esa responsabilidad al tablero del negocio. Propongo que cada decisión delegada deje una huella que permita reconstruir qué pidió el cliente, qué autorizó, con qué información actuó el agente y qué resultado produjo. Porque una compra completada puede esconder una promesa de entrega incumplida, una devolución evitable o un descuento que se llevó todo el margen. Hay que mirar la conversión junto con la contribución después de los costos de atención, entrega y reparación, y observar si ese cliente vuelve a elegirnos. Así se construye un círculo de aprendizaje: una delegación acotada produce evidencia; esa evidencia permite corregir y, cuando los resultados lo justifican, ampliar la autonomía. Gobernar la complejidad es el nuevo crecimiento: significa poder explicar qué mejoró, para quién y a qué costo antes de darle más poder de decisión a la máquina.
La región tiene una oportunidad concreta en este momento. Todavía no existe una arquitectura dominante de agentes de compra en el mercado hispanohablante, lo que significa que las empresas que construyan primero el kernel y la armadura, antes de lanzar el Jarvis más vistoso, captarán la confianza que sus competidores todavía están gastando en velocidad. La pregunta que cada directorio debería llevarse de esta columna no es cuándo lanzar un agente de compra. Es quien, dentro de la organización, es el Tony Stark que firma cada decisión que ese agente toma sin supervisión.
El comercio agéntico no se va a frenar. Pero va a premiar de forma distinta a quien construyó autoridad antes de construir velocidad. Los próximos capítulos de esta transformación no se escribirán en la sala de producto. Se van a escribir en la sala de gobierno, donde alguien decide, con nombre y apellido, hasta dónde puede llegar la máquina antes de que un humano intervenga.
