Prepará tu tienda para los agentes de IA que ya están comprando por tus clientes
Trabajamos con comercios cuyos clientes empezaron a pedirle a ChatGPT, Gemini, Claude o Perplexity que les hagan las compras. Algunas semanas esos agentes traen un lift inesperado. Otras semanas ignoran tu catálogo porque los datos no están limpios o el checkout no parece seguro. El desarrollo de comercio agéntico es el trabajo de ingeniería que cierra esa brecha.
Siblings Software entrega outsourcing de software desde Argentina desde 2014. Para comercio agéntico hacemos auditorías de feed, datos estructurados, endpoints descubribles, APIs de checkout firmadas, una suite de evaluación y la capa de gobernanza que mantiene cómodos a finanzas y legales. Nada de features de IA pegadas con cinta sobre la tienda. Trabajo a nivel de protocolo.
Qué es realmente el comercio agéntico
Hay varias definiciones dando vueltas. La que usamos, porque coincide con lo que los compradores efectivamente nos pagan por arreglar, es esta: comercio agéntico es la práctica de dejar que un agente de software — un sistema con LLM, herramientas y memoria — haga la investigación, la comparación y la compra que antes hacía una persona en un sitio web. El agente puede ser ChatGPT shopping, un asistente custom dentro de la app de un banco, un bot de procurement enterprise o un comprador con billetera embebido en una extensión del navegador.
Esto es un cambio real, no un slide de un proveedor. Shopify y Walmart reportaron públicamente que el tráfico y las órdenes originadas por IA crecen varias veces por año. McKinsey ubicó el valor potencial del comercio agéntico en billones de dólares hacia 2030. Podés discutir los números. No podés discutir honestamente que el comprador siga siendo el mismo.
La consecuencia para ingeniería es directa. El comprador ya no ve tu hero banner, tus animaciones CSS ni tu carrusel de testimonios. Lee tu feed de productos, tus datos estructurados, tu /robots.txt, el JSON que devuelven tus APIs y la ventana de garantía de precio que codificás en tu respuesta de checkout. La calidad que tenga tu sitio a nivel protocolo es la calidad que el comprador experimenta.
Como puntos de partida honestos, recomendamos la guía de datos estructurados Product de Google y el grupo de Agent Protocol del W3C.
Para quiénes construimos capacidades de comercio agéntico
Tres perfiles de comprador que vimos en cada llamada de discovery este año.
Retailers de marca propia
Vendés tus propios productos y empezaste a ver referrers de agentes IA en analytics. La señal es chica pero consistente, y el equipo de liderazgo te pregunta si la empresa debería abrazar la oportunidad o esperar que pase. Aportamos arquitectura técnica y modelo operativo para que la conversación de directorio tenga números y un roadmap detrás.
Marketplaces y agregadores
Tenés cientos de miles de SKUs de sellers terceros y la calidad de datos es despareja. Los agentes saltean productos ambiguos, lo que pone un techo estructural a los ingresos. Diseñamos los scorecards de seller, la validación de schema y la higiene de catálogo que rompe ese techo sin romper la experiencia de los sellers.
Plataformas de comercio vertical
Operás un comercio de nicho — farmacia, repuestos B2B, autos usados, hospitalidad — y querés una posición defendible antes de que los agentes genéricos aplanen tu categoría. Ayudamos a sacar APIs aptas para agentes que los competidores no van a poder copiar sin tu catálogo de dominio y tu cadena de abastecimiento.
Si tu situación no encaja en ninguno de los tres, esa también es información útil. Caminamos lejos de proyectos donde la respuesta más simple era una reescritura clara de e-commerce o un proyecto enfocado de AI e-commerce sobre el lado humano. Te lo decimos en la primera llamada.
Cómo dejamos lista una tienda para los agentes de compras
Corremos un programa de cinco fases. Cada fase produce un artefacto que tu equipo puede seguir usando. Deliberadamente no arrancamos por una feature insignia: un feature insignia montado sobre datos rotos falla en el demo day por más prompt mágico que tenga.
1. Auditoría de catálogo y reporte de gaps
Dos ingenieros y un PM senior pasan unas dos semanas corriendo diagnósticos sobre tu catálogo: atributos faltantes, precios en conflicto entre PIM y storefront, calidad del alt de imágenes, SKUs duplicados, cobertura de GTIN y drift de taxonomía. La entrega es un backlog priorizado con el impacto en dólares de cada arreglo, así finanzas y merchandising pueden elegir por dónde empezar.
2. Datos estructurados y frescura del feed
Implementamos el markup Schema.org Product, un modelo de offer con disponibilidad y precio, y un merchant feed limpio con un SLA de frescura firmado, normalmente bajo 60 segundos. Donde los agentes miran primero — el JSON-LD del PDP, el feed, el sitemap — nos aseguramos de que encuentren respuestas consistentes.
3. Endpoints descubribles para agentes
Agregamos un mapa de capacidades en /.well-known/agent.json, un servidor MCP que expone herramientas de lectura seguras (search, recommend, availability) y APIs públicas con rate limit. Los agentes que respetan convenciones pueden transar con vos. El resto recibe una negativa documentada.
4. API de checkout firmada y garantía de precio
Acá es donde se mueren la mayoría de los proyectos apurados. Implementamos un endpoint que emite order intents acotados en el tiempo, exige identidad de agente verificada y un token de consent, y devuelve una ventana de garantía de precio defendible. Trabajamos con tu pasarela de pago para que chargebacks y reembolsos reusen el mismo canal firmado.
5. Evaluaciones y gobernanza
Medimos task completion rate, alucinación, drift de precio entre feed y checkout, cobertura de traza de consent y completitud del log auditable. Diseñamos un dashboard de human-on-the-loop para acciones de alto riesgo y conectamos alertas que no inundan a tu on-call. Esta fase suele superponerse con nuestra práctica de observabilidad de agentes IA.
Tiempo típico: 8 a 14 semanas para un rollout completo, 3 a 4 semanas para el hito de auditoría más feed si liderazgo necesita una primera señal antes de comprometer el resto.
Modelos de contratación y rangos de precio honestos
Trabajamos en tres formas comerciales. Difieren en quién maneja el alcance y cómo se reparte el riesgo. Te decimos cuál encaja antes de que preguntes.
Proyecto cerrado
Entregamos el rollout de comercio agéntico end-to-end con presupuesto fijo y un proceso de control de cambios escrito. Rango: USD 38.000 a 160.000. Mejor cuando liderazgo quiere un entregable definido con handoff. Más en desarrollo por proyecto.
Equipo dedicado de comercio agéntico
Retainer multi-trimestral con un tech lead embebido en tu roadmap. Tres a seis ingenieros y un PM, dimensionado a tu catálogo y plataforma. Rango: USD 18.000 a 52.000 por mes. Más en equipos dedicados.
Staff augmentation
Ingenieros senior que se enchufan a tus squads con tus herramientas y ceremonias. Tarifa: USD 55 a 95 por hora según seniority y stack. Argentina, UTC−3, colaboración same-day con US Eastern. Detalles en staff augmentation.
Nota sobre precios. Compartimos rangos porque vimos comercios atascarse un trimestre entero mientras un competidor entregaba. Una cifra precisa requiere una llamada de scoping y, en programas grandes, un discovery pago corto. Los rangos son las bandas que efectivamente cotizamos en 2026 para trabajo nearshore senior.
Casos de uso reales de comercio agéntico
Dónde aterriza este trabajo dentro de una organización real, no en una diapositiva.
Visibilidad ante agentes de compras
Un retailer de indumentaria de tamaño medio notó que los agentes recomendaban competidores a pesar de tener mejor precio y stock. La solución fue datos estructurados, un merchant feed limpio y un endpoint público de disponibilidad. La participación en recomendaciones dentro del funnel de agentes pasó de un dígito a alrededor de un tercio en diez semanas.
Procurement y reposición B2B
Un marketplace B2B de repuestos expuso un servidor MCP y un checkout firmado para agentes de procurement enterprise. El tiempo de ciclo en órdenes repetidas bajó de cuarenta minutos por comprador a menos de dos, con el mismo flujo de aprobación del lado del cliente.
Productos configurados de alto AOV
Una marca de bicicletas con builds custom agregó un configurador que un agente puede operar. El agente responde preguntas, valida compatibilidad contra el PIM en vivo y produce un order intent configurado que el humano aprueba. Los errores de configuración en fulfillment cayeron a casi cero.
Suscripciones y reorden
Un retailer de alimento para mascotas integró un agente que maneja ventanas de reorden, ajustes de dosis y sustituciones cuando un sabor queda sin stock. La tasa de cancelación de suscripciones bajó porque el agente captó problemas que el humano nunca hubiera escrito por mail.
Reembolsos y atención
Un retailer de calzado dejó que un agente triage devoluciones hasta un umbral en dólares, escalando a humano sólo en casos de borde. El tiempo medio de resolución bajó de once minutos a menos de dos, y el CSAT en devoluciones manejadas por agente quedó levemente por encima del baseline humano.
Cross-border y agentes con múltiples monedas
Una marca de hogar vendiendo a LATAM y la UE usó un único checkout firmado que devuelve moneda, impuestos y aranceles estimados que el agente puede mostrar antes de confirmar. Menos sorpresas en la puerta, menos chargebacks en el banco.
Mini caso de estudio: comercio de pet supplies, diez semanas hasta la primera orden firmada por agente
Un comercio estadounidense de pet supplies con cerca de dos millones de visitas mensuales venía viendo tráfico de referencia desde asistentes de compras IA pero casi ninguna transacción completada. El PIM estaba lo suficientemente limpio para el sitio humano, pero el merchant feed se atrasaba hasta quince minutos en pico, el JSON-LD no tenía availability en la mitad del catálogo y no había API pública de checkout.
Armamos un squad de cuatro ingenieros durante diez semanas: un tech lead, un back-end enfocado en el feed, un full-stack en los endpoints de agente y un platform engineer senior en pagos y observabilidad. El equipo interno siguió siendo dueño de merchandising y atención.
Los números que medimos y reportamos cada dos semanas: primera orden firmada por agente en la semana cuatro, task completion rate del funnel agente +27 % sobre la baseline, ingresos atribuidos a agente corriendo a 3,4x el nivel previo en la semana diez, y abandono en el funnel de agente −19 %. No cambiamos el modelo. Arreglamos los datos y la superficie de contrato sobre la que el modelo se apoya.
Resumen del engagement
Modelo: proyecto cerrado + retainer 90 días
Equipo: 1 tech lead, 3 ingenieros senior, 1 PM part-time
Cadencia: sprints de 2 semanas, KPI report semanal
Resultado: TCR +27 %, ingreso por agente 3,4x, abandono −19 %
Para más contexto técnico, nuestra biblioteca de casos de estudio incluye trabajo relacionado en search de marketplaces e identidad. El patrón se repite: datos limpios, contratos firmados, evaluaciones — en ese orden.
Comercio agéntico vs las alternativas que comparan los compradores
Cuando esta conversación llega a procurement la comparación casi siempre es entre cuatro opciones. Somos honestos sobre dónde no somos la mejor respuesta.
Freelancers y marketplaces
Precio sticker más barato, varianza más alta. Sirve para una limpieza puntual de feed. Se cae cuando el trabajo toca pagos, identidad o gobernanza, porque nadie se hace cargo del on-call cuando algo falla a las 2 a.m.
Equipos in-house
La respuesta correcta a largo plazo cuando el comercio es core a tu negocio. La respuesta incorrecta cuando necesitás entregar en un trimestre, no tenés un platform engineer libre o contratar talento senior agéntico localmente es un ejercicio de varios meses. Setups híbridos funcionan: nosotros lideramos mientras tu equipo escala.
Consultoras grandes
Fuertes en estrategia y frameworks, generalmente más débiles en ingeniería productiva. Las estimaciones tienden a ser optimistas porque las firma alguien que no va a estar en la llamada cuando un checkout sea rechazado. Útiles cuando el directorio quiere un playbook externo. Menos útiles cuando necesitás una API funcionando para fin de trimestre.
Squad nearshore manejado (nosotros)
Tenés un tech lead, ingenieros senior, compromisos escritos, definición de éxito compartida y un reporte honesto cada dos semanas. El trade-off es una tarifa diaria mayor a la de un freelancer y la confianza en un partner con responsabilidad de delivery. Esa confianza se gana sprint a sprint, no página a página.
Riesgos que vimos y cómo los mitigamos
Los proyectos de comercio agéntico fallan en pocas formas reconocibles. Las mitigaciones son las que las dejan afuera.
Drift entre feed y storefront
Los agentes castigan la inconsistencia más que los humanos porque leen ambas superficies en paralelo. Agregamos SLA de frescura, una única fuente de verdad en el PIM y un job continuo de diff que pagina a alguien si el feed se atrasa más que la ventana acordada.
Abuso de garantía de precio
Actores maliciosos crearán miles de order intents para fijar precios viejos. Tratamos al order intent como un artefacto firmado, acotado en tiempo y rate-limited, con scoring de riesgo sobre la identidad del agente emisor. Patrones anómalos escalan a un humano-on-the-loop con traza auditable.
Atributos alucinados
Si tus datos son buenos, el agente no tiene nada que inventar. Empujamos fuerte sobre calidad de datos antes de agregar cualquier modelo elegante. Cuando podemos, restringimos al agente a atributos recuperados y logueamos cada atributo que muestra para detectar regresiones.
Compliance y consent
Jurisdicciones reguladas (UE, UK, partes de LATAM) esperan consent explícito para transacciones autónomas. Construimos una superficie de consent que el agente debe leer y un recibo firmado que el comercio guarda. Acá solemos apoyarnos en nuestra práctica de AI code security.
Lock-in con un proveedor de agentes
Algunos clientes llegan con un contrato empujado por un proveedor que fuerza una integración custom. Empujamos por integraciones a nivel protocolo — datos estructurados, checkout firmado, MCP — que sirven para cualquier agente bien comportado y evitan dolor futuro de migración.
Canibalizar el SEO orgánico
A veces los equipos separan los endpoints aptos para agente en un dominio paralelo o los bloquean con una política permisiva de robots que daña el ranking convencional. Alineamos canonicals, sitemaps y consent para que la misma inversión levante ambas superficies.
Por qué los comercios eligen Siblings Software para comercio agéntico
Siblings Software es una empresa argentina de outsourcing y staff augmentation que entrega trabajo productivo para clientes de Estados Unidos y LATAM desde 2014. En la última década entregamos plataformas de comercio, integraciones fintech, sistemas de healthtech y productos basados en IA. El bench que corre comercio agéntico es el mismo que corre nuestras prácticas de agentes IA y MCP.
Delivery senior
Cada squad lo lidera un ingeniero que puede diseñar protocolos, no sólo cerrar tickets. Hay juniors en los equipos pero no marcan dirección en trabajo regulado de comercio.
Solapamiento same-day con Norteamérica
Argentina está una a dos horas adelante del Eastern Time. Hacemos code review el mismo día, no con doce horas de retraso. Esa diferencia se nota la primera vez que un checkout falla un viernes a la tarde.
Referencias verificables
Engagements en farmacia, repuestos B2B, indumentaria, pet supplies y hogar. Cuando el scoping está lo suficientemente avanzado, te conectamos con un cliente previo para una llamada de referencia.
Seguridad y compliance integradas
Procesos SOC 2-ready, reviews alineadas con OWASP y checkouts conscientes de PCI. No pegamos compliance al final; lo construimos en la superficie de protocolo desde el sprint uno.
Plan de engagement por escrito
Antes del sprint uno recibís el squad charter, la Definition of Done, el sheet de KPIs, el risk register y el plan de roll-back. Nada de "lo vemos sobre la marcha".
Independencia de proveedor de agentes
Trabajamos con OpenAI, Anthropic, Google, Mistral y stacks open source como Llama y Qwen. La superficie de protocolo es la misma. La elección de proveedor es táctica, no estratégica.
Lo que los compradores suelen errar antes de llamarnos
Tres decisiones que vemos a los equipos de liderazgo lamentar más seguido. El presupuesto rara vez es la causa. El framing del día uno sí.
- Tratar el comercio agéntico como un experimento de marketing. Un piloto "a ver qué pasa con ChatGPT" liderado por contenidos no produce nada porque nunca se toca el catálogo ni el checkout. Empujamos por un programa con dirección de ingeniería y participación de marketing, no al revés.
- Comprar un agente IA antes de arreglar el catálogo. El agente nunca va a ser mejor que los datos detrás. Nos plantamos contra los equipos que quieren un demo insignia antes de la auditoría. Ese demo va a fallar frente al CEO si el feed está roto.
- Saltearse las evaluaciones. Sin un task completion rate medido y un watch sobre el drift de precio no podés defender la inversión frente a finanzas después de un trimestre. Las evaluaciones no son opcionales aunque parezcan poco glamorosas en el roadmap.
Preguntas Frecuentes
Es el trabajo de ingeniería que hace que una tienda sea localizable, comprensible y transable por agentes de compras IA en nombre de un comprador humano. Nos enfocamos en la capa de protocolo: catálogos limpios, datos estructurados, APIs de lectura aptas para agente, un endpoint de checkout firmado, evaluaciones y una capa de gobernanza.
El e-commerce tradicional optimiza para un humano navegando un sitio. El AI e-commerce suele agregar recomendaciones o asistentes de chat sobre ese mismo sitio. El comercio agéntico optimiza para agentes de software que hacen la búsqueda, comparación y checkout por sí mismos, muchas veces sin UI. Cambian las métricas, las integraciones y la confianza requerida.
Proyectos cerrados normalmente entre USD 38.000 y USD 160.000. Un equipo nearshore dedicado va de USD 18.000 a 52.000 por mes. Ingenieros senior bajo staff augmentation están entre USD 55 y 95 por hora. El precio final depende de la plataforma, los checkouts regulados y la cantidad de integraciones.
Un primer hito medible — típicamente un feed de productos limpio y un mapa de capacidades del agente — sale en tres a cuatro semanas. Un rollout completo con API de checkout firmada, suite de evaluaciones y dashboard de human-in-the-loop suele tomar 8 a 14 semanas.
Sí. Hemos entregado sobre Shopify y Shopify Plus, BigCommerce, Magento 2, Salesforce Commerce Cloud y stacks headless con Next.js, Remix, Astro e Hydrogen. La capa de protocolo y la suite de evaluaciones son agnósticas a la plataforma.
El endpoint de checkout firmado es la frontera de confianza. Los order intents son acotados en tiempo y atados a una ventana de garantía de precio, identidad y consent del agente se verifican y las acciones de alto riesgo van a humano-on-the-loop con traza auditable. Reembolsos y chargebacks reusan el mismo canal.
Bien hecho, no. Datos estructurados más limpios, feeds más rápidos y mejores atributos también ayudan al ranking convencional. El riesgo aparece cuando los endpoints para agente se agregan en aislamiento, así que planificamos canonicals, sitemaps y consent para ambas audiencias en el mismo release.
NUESTRO ESTÁNDAR
Ingeniería para un comprador que no ve tu hero image.
Cuando un agente de software es tu cliente, tu superficie de protocolo es tu storefront. Tratamos catálogos, feeds, JSON-LD, capacidades MCP y endpoints de checkout firmados como producto de primera clase, no como plomería de back-office. Cada release sale con los dashboards, runbooks y evidencia de evaluaciones que finanzas, legales e ingeniería pueden defender en la misma reunión.
Si querés la versión en inglés para stakeholders en Estados Unidos, está en nuestra página de agentic commerce development. Si no, el próximo paso es el formulario de contacto. Respondemos en un día hábil con un próximo paso escrito, no con una propuesta genérica.
Contactá a Siblings Software Argentina
Contanos tu idea y la construimos juntos.