El producto está ahí.
Está en la bodega, en la página web y en el anaquel de un supermercado. Tiene buenas reseñas. Un buen precio. Su empaque es de materiales reciclados y la marca trabaja con proveedores locales.
Entonces una persona le pide a su agente de IA que encuentre tres productos sustentables, disponibles para entrega inmediata y adecuados para su presupuesto.
El producto anterior no aparece.
Nadie lo rechazó. La persona nunca lo vio. El agente tampoco concluyó que fuera una mala alternativa. Simplemente no encontró una manera suficientemente clara de comprobar aquello que lo hacía valioso.
El poder ahora y siempre está antes del último clic
Cuando pensamos en una IA comprando por nosotros, imaginamos el momento final: un agente que selecciona un excelente producto, autoriza el pago y lo ordena. Es la escena más espectacular hacia el futuro y, por ahora, la menos importante.
Una encuesta de Gartner encontró que apenas 11% de los consumidores permitiría que una IA tome la decisión final incluso en categorías de bajo riesgo. Pero 31% acepta que la IA le recomiende las opciones de productos.
Las personas todavía quieren conservar el último clic, y parecen estar más dispuestas a entregar todo el proceso que sucede antes. El buscar, comparar y descartar, es decir determinar la información que resulta confiable para tomar la decisión final.
Conservamos la sensación de elegir porque seguimos presionando el botón de “comprar”.
El agente no necesita tomar la decisión final para convertirse en el actor más influyente del proceso. Le basta con controlar la lista de recomendaciones.
Esto modifica una pregunta clave que las marcas deben de hacerse. Ya no se trata únicamente de cómo ser elegidas, pero ¿cómo evitar ser eliminadas de esas recomendaciones algorítmicas?
Un anaquel que nadie puede ver
Durante años, las marcas siguen peleando por centímetros. La altura de un producto, su posición en la tienda, diseño de empaque y muchos otros factores que pueden cambiar su destino.
Ahora aparece otro espacio competitivo. Google Cloud lo denomina el anaquel invisible: el entorno en el que agentes de inteligencia artificial buscan, interpretan y comparan productos en representación de un consumidor.
No tiene pasillos ni cabeceras. Tampoco está limitado por el espacio físico. Pero sí tiene una restricción: los productos deben poder ser comprendidos por una máquina.
En ese anaquel, los datos funcionan como una segunda forma de empaque.
Si un producto utiliza materiales sustentables, pero esa característica no está estructurada y etiquetada, un agente que busque “empaque sustentable verificado” podría no encontrarlo.
En el anaquel físico, un empaque necesita llamar la atención. En el invisible, el producto necesita producir evidencia. Eso convierte tareas aparentemente administrativas, catálogos, taxonomías, especificaciones, certificaciones, políticas de devolución, disponibilidad y procedencia, en nuevas expresiones de la marca.
La información también tiene lugar de procedencia
Podría parecer que el anaquel invisible será más neutral que el físico. No se cansa, no coloca el producto de un anunciante a la altura de los ojos y, en teoría, puede comparar miles de alternativas con la misma paciencia. Pero los modelos no comienzan desde un vacío cultural. En 2026, investigadores de la Universidad del País Vasco y Cardiff University formularon 31,680 preguntas culturales en 24 idiomas a ocho modelos de lenguaje. Las preguntas cubrían temas como alimentación, educación, tradiciones y vida comunitaria, pero no especificaban una región.
Cuando los modelos tenían que elegir un referente cultural extranjero, Japón fue la opción dominante en seis de los ocho sistemas. Estados Unidos también apareció de manera desproporcionada. Los investigadores encontraron, además, que los procesos utilizados para convertir modelos base en asistentes “útiles” tendían a concentrar sus referencias en un grupo más reducido de países.
El estudio no examinó compras. No demuestra que un asistente recomiende automáticamente una marca japonesa o estadounidense sobre una mexicana. Pero sí muestra que las máquinas encargadas de organizar información tienen geografías internas: algunos ejemplos, países y formas de entender el mundo están más disponibles que otros.
Una respuesta escrita en español no garantiza una mirada latinoamericana.
Ése es el problema cultural escondido dentro del anaquel invisible. Si la máquina aprende qué significa “confiable”, “sofisticado”, “saludable” o “sustentable” a partir de unas cuantas culturas dominantes, no solamente ordenará productos. También establecerá qué formas de producir valor son la norma.
Una salsa puede contener una receta transmitida durante generaciones. Una empresa financiera puede haber construido confianza mediante relaciones comunitarias. Una marca de alimentos puede comprender hábitos familiares que rara vez aparecen en estudios globales.
¿Qué casilla recibe una tradición?
¿Cómo se etiqueta la pertenencia?
¿En qué campo del catálogo colocamos el humor, el arraigo o la memoria?
La máquina no necesariamente rechaza esos valores. Puede suceder algo más silencioso: que no tenga un lugar donde ponerlos.
Toda taxonomía es una teoría del mundo
Clasificar parece una actividad técnica. En realidad, es una decisión filosófica.
Una taxonomía establece qué diferencias importan. Determina qué puede compararse, qué puede medirse y qué debe quedar fuera. Es una teoría del mundo escondida dentro de una hoja de cálculo. Precio, peso, disponibilidad y tiempo de entrega caben con facilidad. Confianza, ritual, identidad y contexto cultural presentan mucha más complejidad. ¿Cómo aprender a traducirlos sin destruirlos?
La marca que permanezca completamente humana puede resultar invisible para los agentes. La que se optimice por completo para ellos corre un riesgo distinto: convertirse en una ficha técnica eficiente, predecible e intercambiable. Esa será una de las tensiones centrales del futuro del marketing: cómo diseñar una marca legible para máquinas y deseable para personas.
Las máquinas necesitan precisión. Las personas responden a ambigüedades, contradicciones, símbolos, recuerdos y emociones que no siempre pueden reducirse en una clasificación. Las máquinas buscan consistencia. Las culturas producen excepciones. Las máquinas necesitan saber qué hace diferente a un producto. Las personas quieren saber qué dice ese producto sobre ellas.
La respuesta será construir una marca con dos formas de expresión conectadas entre sí. Y entre ambas se requiere una tercera capacidad: traducir significado en evidencia sin convertir la diferencia en una serie de etiquetas genéricas.
Una marca ya no controla sola su presentación
El desafío tampoco pertenece exclusivamente al departamento de marketing. Cuando un agente investiga una marca, puede observar la ficha del producto, las evaluaciones, los reportes corporativos, la cobertura mediática, la disponibilidad y el comportamiento histórico de precios. Puede encontrar una promesa brillante en la publicidad y una realidad distinta en las devoluciones. La marca que la máquina interpreta es el resultado combinado de comunicación, tecnología, operaciones, servicio, datos y sobre todo lo que dicen empleados, medios y publicidad de ella. Ninguna campaña puede corregir por sí sola una contradicción distribuida por todo ese sistema.
Las compañías tendrán que hacerse preguntas que antes parecían demasiado técnicas para la construcción de marca: ¿Qué entiende un agente cuando investiga nuestro producto? ¿Qué información importante no encuentra? ¿Qué fuentes utiliza para verificar nuestras afirmaciones? ¿Nuestra marca aparece de la misma manera en México, Brasil y Estados Unidos? ¿Qué parte de nuestro valor cultural se pierde cuando el sistema intenta compararnos?
No se trata simplemente de llenar el internet con contenido diseñado para aparecer en respuestas generadas por IA. Si todas las marcas emplean las mismas palabras, estructuras y fórmulas de optimización, el resultado será un anaquel perfectamente legible y completamente indistinguible.
La ventaja pertenecerá a las empresas que consigan volver comprobable su diferencia sin volverla genérica.
El producto sigue ahí
Regresemos al producto del principio. Continúa en la bodega. Sigue en la página web del fabricante y en el anaquel del supermercado. Una persona podría encontrarlo, leer su historia y decidir que es exactamente lo que estaba buscando.
Pero esa persona ya pidió ayuda. Su agente revisó el mercado, seleccionó tres alternativas y construyó una realidad suficientemente pequeña para que elegir sea sencillo.
La llegada del consumidor no humano obliga a revisar una idea fundamental: elegir no consiste únicamente en tomar una decisión. También depende de quién organiza las posibilidades disponibles.
En el comercio agéntico, es una capacidad compartida por asistentes, modelos, plataformas, e-commerce y sistemas de recomendación. Cada uno aportará criterios, intereses y sesgos a una realidad que el consumidor recibirá ya ordenada. Por eso, la próxima gran competencia de las marcas no será sólo por atención, preferencia o conversión. Sino por el derecho a formar parte de lo que una máquina considera posible.
El futuro exige diseñar marcas suficientemente claras para ser comprendidas por máquinas y suficientemente singulares para seguir significando algo para las personas.
Tu próximo consumidor no es humano, y eso no significa que tu marca deba dejar de serlo.
