TITA Media

IA · 19 de nov de 2026

Qué controles necesita un agente de IA antes de operar en retail

Qué controles necesita un agente de IA antes de operar en retail

El 27 % de las personas que usan un agente personal de IA para comprar dice que su agente adquirió algo demasiado caro, según una encuesta de Salesforce a más de 2.500 compradores en cuatro países, publicada el 12 de noviembre de 2026. Ese error ocurrió en la billetera de un consumidor. Dentro de una empresa, la misma falla puede ser una orden de compra con el doble de unidades, un reembolso que no correspondía o un precio publicado por debajo del costo. Por eso los controles de agentes de IA se definen antes de que el agente toque cualquier sistema.

Las grandes plataformas avanzan con cautela. ChatGPT Wallet, que OpenAI lanzó el 13 de noviembre, exige que el usuario apruebe cada compra con huella o Face ID, y deja para más adelante los límites de gasto y las reglas por categoría que le darían más autonomía al agente, según TechCrunch. Incluso en el producto de consumo más visible del momento, la autonomía llega por etapas.

Dentro de una operación de retail aplica la misma lógica. Antes de que un agente cree una orden, cambie un precio o le responda a un cliente, la empresa necesita decidir qué puede hacer, con qué datos, dentro de qué límites y cómo se va a medir.

Los controles de agentes de IA empiezan por definir su nivel de autonomía

Antes de hablar de permisos o de registros, hay que decidir qué puede hacer el agente. Una escala de cuatro niveles ayuda a ponerlo por escrito. En el primero, el agente recomienda y una persona decide. En el segundo, alerta y prioriza lo que requiere atención. En el tercero, ejecuta dentro de reglas y parámetros aprobados. En el cuarto, opera de forma autónoma y escala solo las excepciones.

Cada nivel cambia la pregunta de control. Mientras el agente recomienda, lo que importa es si la sugerencia es correcta. Cuando ejecuta, lo que importa es qué pasa si se equivoca y cuánto cuesta revertir la acción.

Para decidir por dónde arrancar, el criterio más práctico es el costo de revertir un error. Si una acción se puede deshacer rápido y barato, como reordenar las alertas que recibe el equipo de tienda, el agente puede empezar un nivel más arriba. Si la acción mueve dinero o compromete al cliente, como un reembolso, un cambio de precio o una orden a un proveedor, conviene empezar en recomendación.

Cuatro controles antes de la primera acción

El primero es el lugar donde corre el agente. Desplegarlo en la nube, la VPC o la infraestructura que la empresa ya controla mantiene los datos de clientes, precios y ventas dentro de su perímetro de seguridad y bajo sus propias políticas.

El segundo es la trazabilidad. Cada decisión y cada acción del agente debería quedar registrada con la información que usó, la regla que aplicó y el resultado. Sin ese registro, un error no se puede explicar ni corregir de raíz.

El tercero es la protección de datos. El agente debería acceder solo a la información que su tarea requiere. Un agente de atención necesita ver el estado de un pedido, y no necesariamente el historial completo de pagos del cliente.

El cuarto son los límites configurables: reglas, permisos y umbrales definidos por el negocio. En retail se traducen en decisiones concretas. Un agente de inventario puede proponer reposiciones sin pasar de cierto número de unidades por referencia. Un agente de atención puede consultar pedidos y ofrecer un cambio, mientras los reembolsos por encima de un monto quedan reservados para una persona. Un agente de catálogo puede redactar fichas que pasan por revisión antes de publicarse.

Walmart ya puso controles de este tipo por escrito. El 21 de octubre de 2026 presentó Agent Gateway, un servidor MCP para que agentes aprobados busquen en su inventario y compren a nombre de sus clientes, junto con un perfil para cada agente y unos términos de uso, según TechCrunch. El cliente elige entre aprobar cada compra o fijar un límite de gasto dentro del cual el agente compra solo. El agente no accede a los datos de pago, solo ve la información que su tarea necesita y no puede ir más allá de lo que el comprador pidió. Si incumple los términos queda bloqueado, y el cliente puede borrar su perfil cuando quiera. Son controles pensados para agentes de terceros, y la misma lógica sirve para un agente que trabaja dentro de la empresa.

Cómo saber si un agente merece más autonomía

La autonomía se amplía con evidencia. En la encuesta de McKinsey publicada en agosto de 2026, las empresas que capturan más valor con IA tienen el doble de probabilidad de contar con procesos definidos para medir su impacto. Para un agente, esa medición se puede ordenar en cuatro indicadores.

La precisión mide cuántas recomendaciones o acciones del agente resultaron correctas al revisarlas. La tasa de excepciones muestra cuántos casos tuvo que escalar a una persona y si esa cifra baja con el tiempo. Las reversiones cuentan cuántas acciones hubo que deshacer y cuánto costaron. El impacto en el negocio conecta todo lo anterior con la métrica que justificó el agente, ya sea venta recuperada, horas liberadas o quiebres evitados.

Cuando la precisión se mantiene estable durante un periodo acordado y las reversiones son pocas y baratas, hay argumentos para subir un nivel. Si eso no ocurre, el agente se queda en su nivel actual mientras se ajustan sus reglas.

La revisión funciona mejor con una frecuencia fija desde el comienzo del piloto, semanal mientras el agente aprende, y con una persona del negocio que firme cada cambio de nivel. Con esa firma, darle más autonomía a un agente se vuelve una decisión con responsable, como cualquier otra delegación dentro del equipo.

Qué puede hacer un retailer en Latinoamérica antes de su primer agente

El punto de partida es un mapa del proceso que el agente va a apoyar, con cada decisión que hoy toma una persona. Sobre ese mapa se marca qué decisiones puede recomendar el agente, cuáles puede ejecutar y cuáles se quedan siempre en manos del equipo.

Luego conviene nombrar a un responsable por cada nivel de aprobación y acordar los umbrales por escrito antes de conectar el agente a cualquier sistema. El registro de decisiones se activa desde el primer día, aunque el agente solo recomiende, porque es la base para medir y para decidir después.

Por último, vale la pena revisar dónde van a vivir los datos que el agente consulta y quién puede verlos. Ese trabajo de infraestructura y datos suele definir cuánto tarda un piloto en pasar a operación. Sobre cómo deciden hoy los agentes de compra escribimos a propósito del benchmark de Visa.

¿Qué nivel de autonomía debería tener un agente de IA en su primera versión?

En la mayoría de los casos, el de recomendación. El agente analiza la información y sugiere una acción que una persona aprueba. Así se mide su precisión con datos reales, se ajustan reglas y umbrales sin costo de reversión y se construye la evidencia necesaria para darle más autonomía en un proceso acotado.

OpenAI decidió que cada compra con Wallet pase por la aprobación del usuario. ¿Cuántos procesos internos de un retailer tienen hoy reglas así de claras sobre lo que un agente puede hacer sin preguntar?

SOLUCIÓN RELACIONADA

AI & Custom Solutions · Agentes de IA y tecnología a medida

Conoce AI & Custom Solutions →

TAMBIÉN TE PUEDE INTERESAR

Hablemos de tu negocio.

Cuéntanos qué quieres resolver, mejorar o construir.

Nuestro equipo revisará tu caso para entender el contexto y definir si podemos ayudarte y por dónde tiene sentido empezar.

¿EN QUÉ PODEMOS AYUDARTE?

CUÉNTANOS SOBRE TI

Este sitio está protegido por reCAPTCHA y aplican la Política de privacidad y los Términos de servicio de Google.