En las compras, la IA no recomienda sitios: recomienda productos. Google arma las respuestas de compra de AI Mode con su Shopping Graph, que tiene más de 50.000 millones de fichas, y más de 2.000 millones se actualizan cada hora. Para que un asistente recomiende tu producto, sus datos (precio, disponibilidad, variantes, reseñas) tienen que estar completos, al día y coincidir en todas partes.
¿Cómo arma Google sus respuestas de compra?
Google presentó en mayo de 2025, en I/O, su experiencia de compras en AI Mode: combina Gemini con el Shopping Graph, una base que según Google supera las 50.000 millones de fichas de producto, de grandes minoristas y de tiendas pequeñas, cada una con reseñas, precios, colores y disponibilidad. Más de 2.000 millones de esas fichas se actualizan cada hora. Para pedidos específicos, AI Mode lanza varias búsquedas a la vez antes de mostrar productos.
La consecuencia práctica es que la recomendación depende de los datos de cada producto. Un buen sitio con fichas incompletas compite en desventaja frente a uno con datos completos, actualizados y coherentes en todas partes.
¿Por qué vale la pena ahora?
Porque el tráfico que llega desde los asistentes ya es relevante y llega decidido. Adobe midió que las visitas desde herramientas de IA al retail de Estados Unidos crecieron 393% interanual en el primer trimestre de 2026 y que en marzo convirtieron 42% mejor que el resto. La persona que llega desde una recomendación ya comparó; si tu producto no estaba en la respuesta, compró otro.
¿Qué datos de producto conviene completar?
Lo mínimo es lo que permite comparar y comprar: un nombre que diga qué es, identificadores como el GTIN cuando existen, precio, disponibilidad, variantes (talla, color, capacidad), costo y plazo de envío, política de devoluciones y reseñas reales. Esos datos deben estar en la página, en los datos estructurados de producto y en tu feed de Merchant Center, con los mismos valores en los tres lugares.
Después viene el contenido que responde preguntas de compra: para qué sirve, para quién no sirve, cómo se compara con la alternativa más cercana, qué incluye la caja. Son las respuestas que un asistente necesita para recomendar con seguridad. Y las reseñas, solo si son reales: inventarlas viola las políticas de Google y destruye la confianza que buscas construir.
En el comercio con IA, la ficha de producto es la nueva página de inicio. Si sus datos están incompletos o se contradicen, el asistente recomienda a otro sin explicarte por qué.
¿Qué pasa con la compra dentro del asistente?
El paso siguiente es que el asistente no solo recomiende, sino que compre. El checkout dentro de ChatGPT, basado en el protocolo ACP, está disponible en Estados Unidos, y Google impulsa su propio protocolo, UCP. Lo explicamos en el análisis de ACP y UCP. Para la mayoría de las tiendas de la región no es la prioridad inmediata, pero los mismos datos completos que hoy sirven para ser recomendado son los que mañana harán posible vender por esa vía.
¿Qué muestra el ranking de retail en Chile?
En marketplaces y compras online, el ranking de noviembre de 2026 muestra la forma del problema: Mercado Libre aparece en el 85% de las respuestas, Falabella en el 78% y Paris en el 67%, pero el promedio de las quince marcas medidas es 37%.
| Industria | Marca más visible | Visibilidad | Promedio de la industria |
|---|---|---|---|
| Marketplaces | Mercado Libre | 85% | 37% |
| Electrodomésticos | Samsung | 80% | 29% |
| Calzado deportivo | Asics | 78% | 40% |
| Mejoramiento del hogar | Sodimac | 94% | 62% |
| Colchones | Rosen | 93% | 50% |
La diferencia entre las filas es la tesis de este artículo: en electrodomésticos y calzado la IA recomienda marcas de producto —LG, Samsung, Asics, Adidas— con visibilidades de 76% a 80%, mientras que las tiendas que los venden compiten en un promedio de 31%. El asistente responde «qué comprar» antes que «dónde comprar». Para una tienda, la vía de entrada es la ficha: si tu página del producto es la que mejor describe el modelo, su precio y su disponibilidad en Chile, el motor tiene una razón para nombrarte junto a la marca.
La ficha también carga reputación. En el ranking de electrodomésticos, las marcas más visibles aparecen con cautela en una parte de las respuestas: Samsung en el 14% de las suyas, LG en el 17% y Hisense en el 17%. Cuando un asistente recomienda, suele agregar el «pero» que leyó en reseñas y foros, y ese tono viaja con el producto a la tienda que lo vende. Por eso las reseñas reales en la ficha, con su fecha y su respuesta, no son un adorno: son la parte de la ficha que el motor usa para decidir si recomienda con o sin reservas.
¿Qué cambia para un e-commerce de LatAm?
La infraestructura regional se está moviendo: Visa lanzó en abril de 2026 Visa Agentic Ready, un programa para preparar a los emisores de Latinoamérica y el Caribe para pagos iniciados por agentes de IA. El mercado es grande: AMVO cuenta 77,2 millones de compradores online en México en su estudio de 2026. Y en la región pesan mucho los marketplaces, así que la consistencia de precios, stock y descripciones entre tu sitio y marketplaces como Mercado Libre importa tanto como tu propia tienda.
Para una tienda con catálogo grande, la prioridad no es completar todas las fichas sino las que el asistente ya recomienda o debería recomendar: los productos que aparecen en las respuestas de tu categoría y los veinte más vendidos. Revisar esa lista cada mes contra lo que responden ChatGPT, Claude y Gemini convierte la ficha en una métrica: qué productos tuyos recomienda, con qué datos y con qué reservas. Lo que no aparece en esa revisión es la siguiente ficha que hay que completar.
Qué hacer esta semana
- Elige tus 20 productos más vendidos y revisa que cada ficha tenga precio, disponibilidad, variantes, envío y devoluciones.
- Compara esos datos entre tu sitio, tu feed de Merchant Center y tus marketplaces, y corrige las diferencias.
- Agrega a cada ficha las respuestas a dos o tres preguntas de compra reales.
- Pregunta a dos asistentes por tu categoría y mira qué productos recomiendan y con qué datos.
- Revisa qué reservas pone el asistente al recomendar tus productos más vendidos y si tus reseñas reales las responden.
- 01Google (vía Axios) · Shop with AI Mode (Shopping Graph: más de 50.000 millones de fichas, más de 2.000 millones actualizadas cada hora) · 20.05.2025
- 02Adobe Digital Insights · tráfico desde IA al retail de EE. UU. +393% interanual (1T 2026) y conversión +42% en marzo · 04.2026
- 03Visa (cobertura de prensa: Mercado, El Congresista) · lanzamiento de Visa Agentic Ready para Latinoamérica y el Caribe · 29.04.2026
- 04AMVO · Estudio de Venta Online 2026 (México): 77,2 millones de compradores · 2026
- 05Google Search Central · Write high quality reviews · actualizada el 10.12.2025
- 06Bison Agents · rankings de visibilidad en IA por industria, Chile, noviembre de 2026: marketplaces y compras online, electrodomésticos, calzado, mejoramiento del hogar y colchones · 2026
- 07Google Merchant Center · especificación de datos de producto: identificadores, precio, disponibilidad y variantes · vigente a oct 2026


