Los agentes de inteligencia artificial que buscan productos, navegan por tiendas y ejecutan tareas en nombre de los consumidores están creando un nuevo problema para el comercio electrónico: parte de ese tráfico puede registrarse como si viniera de personas, mientras que otra parte ni siquiera aparece en los sistemas tradicionales de analytics. La brecha llevó a NIQ y Similarweb a anunciar, el miércoles (2), una solución específica para medir descubrimiento, tráfico, conversión y ventas influenciadas por IA.
El problema surge porque los agentes capaces de operar navegadores pueden ejecutar acciones similares a las de un consumidor. Abren páginas, hacen clic, rellenan formularios, buscan productos y llegan al carrito. Cuando la tienda o la plataforma publicitaria no identifica que la interacción fue automatizada, estos eventos pueden entrar en las métricas utilizadas para evaluar tráfico y campañas.
La consecuencia ya alcanza la publicidad digital. Un agente que activa un anuncio puede generar impresiones o clics cobrados al anunciante, incluso si ningún consumidor ha visto directamente ese anuncio. Esto puede inflar los indicadores de rendimiento y llevar a las marcas a destinar más presupuesto a canales que parecen generar más interacción humana de la que realmente generan.
En una prueba reportada por DoubleVerify, un asistente de IA recibió la tarea de comprar un champú que estaba agotado. En lugar de simplemente abandonar la búsqueda, el sistema llegó a hacer clic 10 o 20 veces en diferentes partes del sitio para intentar completar la tarea. Para las herramientas de analytics, una secuencia de este tipo puede parecerse a una sesión altamente interactiva.
El problema va más allá de los clics
La distorsión puede avanzar a lo largo del embudo de ventas. El tráfico automatizado capaz de disparar eventos de página, carrito o píxeles de publicidad puede contaminar los datos utilizados en retargeting, atribución y optimización automática de campañas. Los sistemas de medios pasan entonces a tomar decisiones basadas en una mezcla de comportamiento humano y actividad de máquinas.
Al mismo tiempo, existe el problema opuesto: algunos agentes no navegan por la tienda como un usuario convencional. Pueden consultar datos estructurados o interactuar directamente con APIs de catálogo y checkout, sin cargar páginas de la manera esperada por herramientas basadas en sesiones y JavaScript. En ese escenario, una interacción comercial legítima puede quedar subestimada o ser atribuida al canal equivocado.
Esa diferencia hace insuficiente la antigua división entre 'humano' y 'bot'. Un crawler malicioso, un robot de fraude y un agente autorizado por un consumidor son tráfico automatizado, pero tienen objetivos completamente diferentes. Las plataformas de detección ya trabajan para clasificar por separado a los agentes declarados, no declarados y evasivos, en lugar de simplemente bloquear toda actividad no humana.
El avance de la IA en el proceso de compra aumenta la presión por esa separación. Datos de Adobe muestran que el tráfico enviado por herramientas de IA a los sitios de comercio minorista de Estados Unidos creció 393% en el primer trimestre de 2026 en comparación con el mismo período del año anterior. En marzo, los consumidores dirigidos por esos servicios convirtieron un 42% mejor que los visitantes provenientes de otras fuentes. Estas cifras miden principalmente a los usuarios que llegan a las tiendas desde plataformas de IA, y no a agentes autónomos, pero muestran la rapidez con la que la IA está ganando espacio en el recorrido de compra.
La solución anunciada por NIQ y Similarweb pretende monitorear cinco áreas: la intención de los consumidores dentro de los asistentes de IA, la presencia de los productos en las recomendaciones, la calidad de los datos disponibles para los agentes, el tráfico impulsado por IA y las conversiones efectivamente asociadas a esas interacciones. La primera versión está prevista para el cuarto trimestre de 2026.
Para minoristas y anunciantes, el cambio significa que métricas como sesiones, clics, abandono de carrito y conversión pasan a exigir una nueva pregunta antes de orientar las decisiones de marketing: ¿quién — o qué — realizó esa acción?
