El próximo escaparate del retail puede que no tenga cristal

A lo largo de los años he visto muchas veces cómo las tiendas físicas compensan las debilidades de sus propios datos. El mismo producto tiene nombres distintos en el TPV, el ERP y el sistema contable. Las actualizaciones de stock llegan tarde. Los detalles de una promoción los conoce el personal y nunca llegan a la ficha del producto. Nada de esto frena a un cliente, que entra, ve el artículo en el lineal y pregunta a un empleado lo que le falta.

Hasta hace poco, las consecuencias de ese desorden se quedaban dentro de la empresa. Distorsionaban los informes, complicaban la gestión del stock y generaban trabajo extra, el coste del que ya he escrito. A medida que más clientes empiezan a buscar productos a través de la IA, esas mismas incoherencias empiezan a decidir otra cosa: si la oferta de un retailer llega a verse.

La IA entra en el proceso de compra antes de que el cliente abra una web o cruce una puerta. Ayuda a la gente a formular lo que necesita, comparar alternativas y reducir un mercado amplio a unas pocas opciones plausibles. Los agentes empiezan a ir más allá: comprueban precio y disponibilidad, montan cestas, reservan productos y, dentro de los límites que fija el usuario, completan el pago.

La búsqueda cambia antes que la compra

La infraestructura ya está tomando forma. El Universal Commerce Protocol de Google da a los agentes una forma de obtener en tiempo real las variantes, el inventario y los precios del catálogo de un retailer (marzo de 2026). Shopify activó por defecto a sus comerciantes en los canales de compra con IA ese mismo mes: ChatGPT, Copilot, el AI Mode de Google, Gemini. Adyen conectó catálogos de producto, carritos y pagos en una sola integración en junio, aunque por ahora solo con disponibilidad limitada para grandes comerciantes en Estados Unidos. Y en julio, Visa informó de agentes que completaban compras reales en comercios participantes de toda Europa, no en tiendas de prueba.

Es pronto para hablar de un paso masivo a la compra autónoma, y las encuestas lo dicen claramente. Gartner observó que la disposición a dejar que la IA tome la decisión final de compra llegaba como máximo al 11 %, y eso en categorías de poco riesgo como el cuidado personal y los productos para el hogar. La disposición a dejar que la IA acote las opciones era mayor: un 31 % en productos para el hogar y un 28 % en electrónica personal. Fueron 322 consumidores estadounidenses encuestados en enero de 2026, una muestra pequeña en un solo mercado, que conviene tomar con cautela.

Para un retailer, sin embargo, la lista corta ya importa más que la caja. Adobe midió que el tráfico de los servicios de IA generativa hacia webs de retail en Estados Unidos creció un 393 % interanual en el primer trimestre de 2026, tras una subida del 693 % en la campaña navideña de 2025. El mismo informe es honesto sobre la forma de esa curva: solo marzo subió un 269 %, así que la tasa de crecimiento se modera desde una base muy baja aunque las cifras absolutas sigan aumentando. NIQ vio que el 42 % de los consumidores estadounidenses había usado al menos una herramienta de IA para comprar en el último mes, con una muestra mensual de unas 500 personas.

La cifra que me cuesta más descartar no es el tráfico. En marzo de 2026 ese tráfico procedente de la IA convertía un 42 % mejor que todo lo demás; un año antes convertía un 38 % peor.

Todas las cifras de consumidores que cito son estadounidenses, salen de muestras de unos cientos de personas, y ninguna debe confundirse con una cuota comparable de las ventas minoristas en Europa. Aun así, la dirección es difícil de ignorar. Parte del descubrimiento de productos se está trasladando a un entorno en el que el cliente recibe un puñado de recomendaciones en lugar de una página de enlaces, y quedarse fuera de ese puñado puede acabar costando tanto como perder la venta en caja.

Un escaparate digital sin e-commerce

Esto lleva a algo menos evidente. Un retailer que no tiene intención de montar una tienda online convencional puede necesitar igualmente un escaparate digital.

No requiere cuentas de cliente, pago online, adquirencia ni entrega a domicilio. Su primer propósito es más modesto: que una persona, o un agente que actúa por ella, entienda qué vende el retailer, dónde está disponible un producto, cuánto cuesta y qué puede pasar después. Piensa en una petición corriente: encuéntrame cerca dos packs de agua mineral sin gas que pueda recoger hoy después de las 20:00, comprueba si se me aplica el descuento de fidelización y resérvalos.

Para eso no basta con saber que una cadena vende agua embotellada. El agente tiene que identificar los formatos adecuados, comprobar la disponibilidad tienda por tienda, conocer sus horarios, aplicar las reglas de fidelización y averiguar si se puede reservar. Una tienda puede estar a la vuelta de la esquina, tener el producto y ofrecer el mejor precio, y aun así quedarse fuera de la consideración porque nada de eso existe en una forma que un sistema pueda usar. La transacción puede seguir ocurriendo en la caja física. Lo que se ha trasladado a internet es la elección de adónde ir.

Un escaparate así tiene que ser legible para los dos públicos a la vez. Un cliente ve páginas normales de productos y de tiendas. Un agente necesita atributos estructurados, precios e inventario legibles por máquinas, catálogos de producto y acciones claramente definidas. Un subdominio propio puede alojarlo todo, pero publicar unas cuantas páginas web no hace por sí solo que un retailer sea visible para los sistemas de IA.

Primero, una visión coherente del negocio

Crear páginas de producto es técnicamente mucho más fácil que asegurarse de que lo que muestran es cierto.

El catálogo maestro vive en un sistema, las ventas actuales en otro, los precios de compra en documentos contables y las promociones en otro sitio completamente distinto. Los traspasos entre tiendas se registran tarde. Las devoluciones y las bajas siguen sus propios procedimientos. El inventario total puede parecer perfectamente plausible mientras su reparto entre ubicaciones ya no refleja la realidad: la diferencia entre un total y un desglose que decide la mayoría de las investigaciones.

Un responsable con experiencia sabe moverse entre esas incoherencias. Sabe qué informe merece una segunda mirada, a quién llamar y qué correcciones lleva el personal en la cabeza. Un agente externo no tiene acceso a ese conocimiento informal, ni forma de preguntar.

Por eso la normalización tiene que ir antes que la publicación. Hay que conciliar identificadores de producto, variantes, unidades de medida, categorías y ubicaciones. El retailer tiene que establecer qué sistema manda para el precio y cuál para el inventario, y con qué rapidez llega un cambio a cada canal. La siguiente capa es el contexto en el que opera el negocio: un producto vinculado a tiendas concretas, su ubicación y horarios, opciones de entrega y recogida, servicios adicionales, reglas de cambio y programas de fidelización. Ese grafo de conocimiento operativo es lo que permite a un sistema entender en qué condiciones se puede vender realmente un producto, en lugar de tratarlo como una entrada aislada del catálogo.

En marql lo abordamos desde dentro del entorno operativo. Los datos del TPV, el ERP, la contabilidad y otros sistemas se conectan en modo solo lectura y se reúnen en un modelo coherente de productos, tiendas, ventas e inventario. Hasta ahora esa base ha servido para el análisis de gestión y las recomendaciones operativas. La misma base puede servir para que el negocio sea legible para los clientes y para los agentes de IA externos.

Dos modelos prácticos

Ninguno de los dos que describo a continuación es algo que marql ofrezca hoy. Lo que existe es la base sobre la que se apoyan: el modelo normalizado de productos, tiendas, ventas e inventario descrito arriba, que funciona con conexiones de solo lectura a sistemas que las cadenas ya tienen. Esto es lo que pretendemos construir sobre ella.

Cuando una cadena de tiendas ya tiene web o aplicación, el primer modelo pondrá un agente B2C dentro de ese canal existente. El cliente hablaría directamente con el retailer: hacer preguntas, comprobar disponibilidad, comparar productos, montar una cesta para una receta o una celebración, reservar artículos en una tienda concreta.

La misma interfaz podrá llevar instrucciones de compra recurrentes: un pedido fijo de agua para beber o una cesta básica de alimentación, con el calendario, el presupuesto, las sustituciones permitidas y las acciones que aún requieren confirmación definidas de antemano. Ahí importarán los límites claros. La comodidad de una compra recurrente no debe convertirse en un derecho ilimitado a gastar el dinero del cliente, que es la misma cuestión de fronteras que decide dónde puede actuar por su cuenta un sistema automatizado dentro del negocio.

Para los retailers con poca o ninguna presencia online, el segundo modelo será un escaparate alojado en un subdominio propio, preparado a la vez para personas y para agentes. El recorrido del cliente podría terminar en una reserva, una llamada, la ruta hasta la tienda más cercana o una visita en persona. El e-commerce completo puede llegar más tarde; ya no es la única vía hacia la visibilidad digital.

Los dos empezarían con el mismo trabajo: datos operativos recogidos, normalizados, comprobados y enriquecidos con el contexto del negocio. Si te saltas esa fase, el nuevo escaparate solo expone al mundo exterior las incoherencias internas de la empresa.

Aunque el comercio agéntico avance más despacio de lo que prevén ahora las plataformas, este trabajo no se pierde. Unos datos de producto coherentes mejoran los informes, la gestión del surtido, el control del stock y los canales de venta que ya existen. Estar preparado para los agentes de IA se convierte en un retorno adicional de una infraestructura que ibas a necesitar de todos modos, y ese es el argumento para tratarla como algo que mantienes en marcha y no un proyecto que terminas.

Las tiendas físicas seguirán importando, igual que la marca, el merchandising y el consejo de una persona. Lo que está cambiando poco a poco es el orden en que el cliente se encuentra con ellos. Antes de que un comprador vea la tienda, un sistema puede haber decidido ya qué tiendas merecen tenerse en cuenta. El próximo escaparate puede que no tenga ni cristal permanente ni sala de ventas. Puede que exista unos segundos dentro de una conversación, montado con la versión del producto, el precio, la disponibilidad y las condiciones de servicio que el retailer pueda respaldar en ese momento.