Empresas de e-commerce na Índia começam a se preparar para um cliente que talvez nunca abra uma página de produto. Agentes pessoais de IA já conseguem pesquisar itens, comparar alternativas e, em alguns casos, executar compras em nome do usuário. Segundo o Economic Times, plataformas indianas de comércio eletrônico, viagens e seguros estão reconsiderando preços, custos de engajamento e mecanismos de verificação de bots à medida que esse comportamento avança.
A mudança mais importante não é simplesmente a chegada de outra interface de checkout. É a possibilidade de que software passe a ocupar a camada entre o varejista e uma parcela crescente de seus clientes, decidindo quais produtos merecem consideração antes mesmo de uma pessoa chegar à loja.
Isso abre uma questão mais relevante para o e-commerce: o que acontece com publicidade, custo de aquisição de clientes e pricing quando compradores começam a delegar descoberta e comparação a agentes?
Tráfego de IA já se comporta de forma diferente de outros canais
Os primeiros dados indicam que tráfego originado por IA pode ser economicamente mais valioso.
A Adobe identificou crescimento de 393% em um ano no tráfego vindo de fontes de IA para sites de varejo nos Estados Unidos no primeiro trimestre de 2026. Em março, esses visitantes apresentavam conversão 42% superior à de tráfego não originado por IA. Dados separados de maio mostraram compradores encaminhados por IA gerando 53% mais receita por visita e convertendo 54% mais.
Varejistas também começam a perceber essa diferença. A Ulta Beauty disse à Reuters que consumidores que chegavam aos seus produtos por Gemini e ChatGPT apresentavam aproximadamente o dobro da conversão e da intenção de compra de outros visitantes. Ao mesmo tempo, a empresa afirmou que ainda prefere que a transação seja concluída em seu próprio site.
Essa tensão importa diretamente para o CAC.
Se um assistente de IA filtra centenas de opções antes de encaminhar um comprador para uma loja, o varejista pode receber menos visitas, mas visitantes com intenção de compra muito maior. Nesse cenário, pageviews e volume bruto de tráfego passam a dizer menos sobre eficiência de aquisição. O evento de maior valor ocorre antes: fazer com que o produto seja selecionado pelo agente.
Para os lojistas, isso pode inicialmente transformar referrals de IA em um canal de aquisição aparentemente barato. Mas não significa que o custo de aquisição desaparece.
O Google já testa anúncios e Direct Offers dentro do AI Mode, permitindo que varejistas apresentem descontos quando seus sistemas identificam um consumidor próximo da decisão de compra. A publicidade, portanto, tende menos a desaparecer e mais a migrar para a camada de decisão dos agentes.
Feeds de produtos podem ganhar o peso que hoje pertence à vitrine
O e-commerce passou décadas otimizando páginas para pessoas: banners, recomendações, grids de produtos, escassez, avaliações e posicionamento promocional.
Agentes não necessariamente consomem uma loja dessa maneira.
O Universal Commerce Protocol, do Google, foi desenvolvido para permitir que agentes troquem informações estruturadas com lojistas durante descoberta e checkout. O Google também está ampliando atributos do Merchant Center para que sistemas de IA compreendam elementos como acessórios compatíveis, substitutos e respostas a dúvidas sobre produtos. O Agent Connect, da Mastercard, segue lógica semelhante ao permitir que agentes obtenham informações de catálogo e confirmem preço final, impostos, frete e fulfillment antes da transação.
Isso altera a superfície competitiva.
Uma loja ainda pode construir marca e experiência fortes, mas um agente comparando produtos equivalentes consegue avaliar preço, disponibilidade, prazo de entrega e especificações muito mais rapidamente do que uma pessoa alternando entre dezenas de abas.
Para produtos altamente substituíveis, isso pode reduzir o efeito de algumas técnicas tradicionais de merchandising e aumentar a transparência de preços. O impacto tende a ser menor onde marca, exclusividade, programas de fidelidade ou diferenciação de serviço continuam relevantes.
Os próprios varejistas já estão recebendo ferramentas para tornar essas diferenças legíveis por máquinas. O piloto de Direct Offers do Google começa com descontos, mas foi projetado para incluir atributos como bundles e frete grátis.
A disputa pode, portanto, deixar de ocorrer apenas pelo preço exibido na página e passar também por ofertas estruturadas que um agente consegue comparar automaticamente.
Attribution fica mais difícil quando o agente controla o checkout
Um segundo problema aparece quando o agente deixa de simplesmente encaminhar tráfego e começa a concluir a transação.
A Shopify já permite que lojistas elegíveis vendam diretamente por superfícies da Meta, incluindo o Muse onde disponível. Os produtos são descobertos pelo Shopify Catalog, enquanto o checkout pode ocorrer sem que o comprador visite o site do lojista.
Isso traz uma consequência importante para mensuração: a Shopify informa que pixels de analytics de terceiros não são disparados quando o checkout direto ocorre em uma superfície da Meta. O pedido passa a ser atribuído à Meta dentro da própria Shopify.
É um detalhe técnico com implicações relevantes para a economia da aquisição.
Historicamente, CAC é calculado a partir de canais identificáveis, cliques, sessões e conversões. Se um agente pesquisa em várias fontes, faz a recomendação e depois executa o checkout dentro de outra plataforma, determinar qual anúncio, conteúdo ou interação efetivamente adquiriu aquele cliente se torna mais difícil.
Isso não significa o fim da attribution, mas aponta para uma nova camada de mensuração cada vez mais controlada por plataformas de agentes, protocolos de comércio e sistemas dos próprios lojistas, em vez de cookies e pixels tradicionais.
Antifraude terá de aprender que alguns bots são clientes
O problema de segurança é quase o inverso daquele que varejistas passaram anos tentando resolver.
Sistemas tradicionais de bot management perguntam se determinado tráfego automatizado deve ser bloqueado. O comércio baseado em agentes exige outra pergunta: aquele visitante automatizado é um scraper malicioso ou um agente autorizado representando um cliente real?
A Visa apresentou o Trusted Agent Protocol especificamente para lidar com essa diferença. Agentes aprovados podem utilizar assinaturas criptográficas para comprovar identidade e intenção de compra, permitindo que varejistas reconheçam automação legítima sem simplesmente enfraquecer seus mecanismos de proteção contra bots.
A Mastercard trabalha no mesmo problema por meio do Verifiable Intent, que cria um registro resistente a alterações conectando o consumidor, as instruções dadas ao agente e a transação resultante. O objetivo é oferecer a varejistas e emissores uma evidência de que aquela compra automatizada foi efetivamente autorizada.
A Índia também começa a enfrentar a questão na infraestrutura de pagamentos. A Reuters informou neste mês que a National Payments Corporation of India desenvolve um registro para verificar e monitorar agentes de IA que realizam transações via UPI, dentro de uma estrutura planejada para pagamentos agentic. O projeto também levanta discussões sobre responsabilidade e proteção contra operações incorretas ou não autorizadas.
Para os lojistas, a consequência é direta: “humano ou bot” está se tornando uma regra insuficiente para antifraude. Identidade, delegação e comprovação de intenção tendem a ganhar importância ao lado de fingerprints de dispositivos, sinais comportamentais e credenciais de pagamento.
A loja tradicional ainda não está desaparecendo
A transição não deve ser superestimada.
Referrals de IA crescem rapidamente, mas compras autônomas executadas diretamente por agentes ainda representam uma parcela pequena e fragmentada do comércio. A John Lewis afirmou recentemente que pesquisas originadas por agentes de IA passaram de 0,3% para 2,5% em um ano.
A Reuters também informou que a OpenAI encerrou em março seu antigo produto Instant Checkout e redirecionou o foco para descoberta de produtos e checkout controlado pelo lojista.
Ao mesmo tempo, outras integrações avançam na direção contrária. A Shopify já suporta checkout direto em superfícies da Meta, enquanto o Google começa a implementar compras baseadas em UCP no AI Mode e Gemini para comerciantes participantes.
O mercado de curto prazo, portanto, provavelmente terá dois modelos coexistindo: agentes que recomendam produtos e encaminham consumidores às lojas, e agentes capazes de concluir compras sem uma visita convencional ao site.
A dimensão econômica dessa mudança ficará mais clara quando varejistas começarem a divulgar quatro indicadores de forma consistente: quanto de suas vendas começa em agentes, como esses clientes convertem e retornam, quanto custa adquiri-los e se a diferença de preços diminui em categorias nas quais agentes conseguem comparar ofertas quase instantaneamente.
Por enquanto, a mudança mais concreta já está visível. A infraestrutura do e-commerce está sendo adaptada para vender não apenas a uma pessoa olhando para uma tela, mas também a software agindo em nome dela. CAC, merchandising e antifraude foram construídos em torno do primeiro cliente. Agora começam a ser redesenhados para o segundo.
