Una persona quiere comprar un televisor. Tiene una marca en mente, un presupuesto que no ha contado y ciertas condiciones técnicas que ni siquiera sabe cómo explicar. El asistente de IA le recomienda uno. Parece una buena experiencia, hasta que descubres que nunca preguntó por lo que realmente importaba.
Ese escenario se parece a uno de los desafíos del nuevo Visa Agentic Commerce Benchmark, publicado el 5 de noviembre de 2026.
Visa evaluó 22 modelos de 12 laboratorios en 15 situaciones de compra: el 42,8 % de las ejecuciones no superó la prueba. Más inquietante todavía, el 54 % de las ejecuciones fallidas terminó con una decisión de compra.
Son simulaciones del benchmark, no una tasa de errores de las compras reales del ecommerce. Y esa diferencia importa.
La conclusión incómoda es otra: automatizar la acción de comprar puede ser más fácil que entender cuándo una compra tiene sentido.
Qué reveló realmente la prueba de Visa
El benchmark no se limita a preguntar si la IA encuentra un producto. El modelo debe conversar, descubrir necesidades que el usuario todavía no ha expresado y decidir si compra o se abstiene cuando ninguna opción cumple las condiciones.
Los modelos alcanzaron un 57,2 % de aprobación global. El mejor resultado fue del 82,2 %, mientras que el peor llegó al 28,9 %. Cuando se repitió tres veces el mismo escenario, las tres ejecuciones acertaron solo en el 34,2 % de las combinaciones evaluadas.
No se estaba midiendo todavía la autorización del pago, el procesamiento del checkout ni la entrega del pedido; Visa anunció que esas etapas se incorporarán más adelante.
El estudio mide algo anterior y decisivo: la calidad de la decisión de compra.
Para una marca que vende tecnología, moda, dermocosmética o repuestos, ese punto separa una recomendación útil de un problema costoso.
Una referencia incorrecta no solo produce una venta frustrada. Puede generar devolución, transporte adicional, contacto con servicio al cliente y pérdida de confianza.
El problema empieza antes de la transacción
Durante años, el ecommerce ha intentado reducir los clics del proceso de compra. Pero cuando un agente toma decisiones, eliminar pasos sin entender su función puede aumentar el riesgo.
Preguntar por compatibilidad, talla, restricciones de uso o presupuesto no es fricción innecesaria: muchas veces es el momento en que se evita una mala compra.
Piensa en una persona que busca zapatos para correr.
Un catálogo puede identificar talla, precio y color. Pero también necesita distinguir si el producto es adecuado para asfalto o montaña, si la persona prioriza estabilidad o amortiguación y si existe disponibilidad de la variante exacta.
Una ficha que solo diga “tenis deportivos de alto rendimiento” no resuelve esas preguntas.
La conversación del agente depende de dos sistemas que deben funcionar juntos.
El primero comprende las restricciones del comprador. El segundo aporta datos confiables del catálogo: atributos técnicos, compatibilidades, inventario, precio, condiciones de envío y devoluciones.
Una respuesta segura no nace de un modelo convincente; nace de una decisión respaldada por información verificable.
Cómo debería funcionar un agente de compras confiable
Una arquitectura responsable comienza por identificar la intención del usuario y registrar sus condiciones obligatorias.
Después consulta fuentes autorizadas, contrasta atributos y descarta productos incompatibles. Solo cuando hay coincidencia suficiente presenta una recomendación con la información que sustenta la elección.
El siguiente paso no siempre debe ser comprar.
Para productos de alto valor, con atributos críticos o condiciones poco claras, el sistema necesita un umbral de confianza y una salida explícita: pedir más información, solicitar autorización humana o no ejecutar la operación.
El cliente debe poder distinguir entre una recomendación, una solicitud de confirmación y una compra efectivamente autorizada.
En retail, la gobernanza deja de ser una política abstracta cuando llega al checkout.
Los límites de gasto, permisos, registros de decisión, validación de disponibilidad y capacidad de reversión son controles operativos.
No representan un retroceso tecnológico. Son las condiciones para que una automatización merezca confianza.
Qué medir antes de ampliar la autonomía
Evaluar un agente únicamente por compras completadas premiaría incluso las decisiones equivocadas.
Un tablero serio debe observar la precisión de la recomendación, el porcentaje de restricciones relevantes identificadas, las compras rechazadas correctamente, las correcciones humanas, los pedidos con problemas de compatibilidad, las devoluciones relacionadas y el tiempo de resolución de incidencias.
También importa medir la consistencia.
Si una misma necesidad recibe recomendaciones incompatibles en tres intentos consecutivos, el agente puede parecer competente en una demostración y resultar difícil de operar a escala.
Los escenarios de prueba deben incluir casos ambiguos, productos agotados, cambios de precio, variantes sin stock e instrucciones contradictorias.
El costo de una mala decisión puede estimarse por pedido: margen comprometido, logística inversa, compensaciones, tiempo de atención y probabilidad de recompra.
Esa medición permite comparar el ahorro de automatización con sus riesgos reales, en lugar de asumir que toda compra delegada es una ganancia.
Lo que un retailer latinoamericano puede hacer hoy
No hace falta entregar el checkout completo a un agente para empezar.
Una primera fase puede enfocarse en consultas de compatibilidad, selección asistida o recuperación de dudas previas al carrito.
Allí se detecta qué información falta en el catálogo y qué preguntas humanas siguen siendo indispensables.
El ejercicio útil es elegir una categoría con suficientes consultas, atributos complejos y valor económico, documentar los errores actuales y construir un conjunto de casos de prueba con respuestas correctas.
Después se conectan las fuentes oficiales del negocio y se prueba el agente con supervisión, antes de habilitar acciones irreversibles.
La verdadera madurez no se reconoce cuando un asistente logra comprar cualquier cosa.
Se reconoce cuando puede explicar por qué recomienda un producto y tiene la disciplina para no comprarlo cuando no corresponde.
¿Qué significa el resultado de Visa para el agentic commerce?
Significa que los agentes tienen capacidades reales de descubrimiento y selección, pero su fiabilidad todavía es desigual en escenarios simulados.
El 42,8 % es una tasa de fallo del benchmark de Visa, no una predicción del porcentaje de pedidos erróneos en tiendas reales.
Para el retail, la prioridad es evaluar decisiones, validar datos y establecer supervisión antes de ampliar la autonomía.
