En un almacén de recambios, una venta puede empezar con una llamada, una referencia enviada por WhatsApp o la fotografía de una pieza que alguien necesita con urgencia. Detrás de esa consulta hay un vehículo parado, un taller que ha organizado su jornada y una persona que espera una solución. El precio importa, pero también la compatibilidad, la disponibilidad y la capacidad de cumplir lo prometido.
Ahora empieza a tomar forma otra posibilidad: que quien haga la primera búsqueda, compare las ofertas e incluso tramite una compra sea un agente de inteligencia artificial, actuando por encargo de ese cliente.
No significa que mañana desaparezcan los comerciales ni que todos los talleres vayan a delegar sus pedidos. Significa que una parte de la relación comercial podría trasladarse a sistemas capaces de interpretar una necesidad y ejecutar acciones dentro de unos permisos. Para quienes trabajamos en compras y marketing, la pregunta merece atención: ¿está preparada nuestra información para que alguien compre con ella sin tener que llamarnos tres veces?
La actualidad: de recomendar productos a ejecutar operaciones
El 16 de septiembre, Mastercard informó sobre su Innovation Forum España 2026 y destacó los pilotos de compras reales realizados por entidades financieras mediante agentes de IA y su solución Agent Pay. La compañía sitúa esta actividad dentro del llamado comercio agéntico: asistentes que intervienen en distintas fases de la compra, desde la búsqueda hasta el pago. [1]
Hay un antecedente concreto. El 2 de marzo, Santander y Mastercard anunciaron una operación de pago ejecutada por un agente en un entorno controlado, utilizando infraestructura real y autorizaciones previamente definidas. Conviene mantener esa precisión: una prueba controlada acredita una capacidad en determinadas condiciones; no acredita que cualquier agente pueda comprar cualquier producto sin supervisión. [2]
En septiembre, Mastercard también anunció Agent Connect, orientado a conectar comercios con experiencias de compra mediante agentes, inicialmente en Estados Unidos. Su comunicación contempla el acceso a catálogos y la ejecución de transacciones autorizadas, con una evolución condicionada por la disponibilidad del producto y las necesidades del mercado. [3]
Son anuncios de empresas interesadas en desarrollar este negocio. Aportan información directa sobre sus iniciativas, pero no deben confundirse con una medición independiente de su implantación. Tampoco demuestran que los almacenes españoles de recambios ya estén recibiendo pedidos de forma habitual por esta vía.
La aplicación al aftermarket que sigue es mi análisis de ese escenario, no una descripción de una implantación generalizada.
El cliente sigue siendo una persona; cambia quién realiza la búsqueda
Un agente de compras puede entenderse como un sistema que recibe un encargo, consulta herramientas y realiza acciones permitidas para intentar completarlo. Su capacidad práctica depende de las conexiones, los datos y las autorizaciones disponibles. Una conversación convincente, por sí sola, no lo convierte en un comprador fiable.
La diferencia entre pedir información y autorizar una operación es decisiva. Podemos permitir que un sistema compare cinco ofertas sin permitirle confirmar ninguna. Podemos autorizar una reposición recurrente dentro de un límite y exigir aprobación para cambiar de marca. También podemos dejar que prepare un pedido y reservar la validación final al responsable de compras.
Por eso, el título de este artículo plantea una provocación comercial, no un cambio en quién tiene la necesidad. El taller sigue necesitando la pieza. La empresa sigue pagando. Las personas siguen teniendo que resolver las consecuencias. Lo que podría cambiar es quién filtra primero las opciones y cómo llega una oferta a la decisión final.
Un ejemplo hipotético: la pieza correcta antes de mañana
Imaginemos un taller que dispone de un agente conectado a proveedores autorizados. Le encarga localizar un componente identificado, con entrega antes de las diez de la mañana siguiente. El presupuesto máximo está definido y cualquier sustitución exige aprobación.
El sistema encuentra tres ofertas. La primera tiene el menor precio, pero muestra una disponibilidad genérica. La segunda cuesta algo más y confirma existencias en una ubicación concreta, aunque requiere verificar una variante técnica. La tercera confirma la referencia exacta y un compromiso de entrega compatible con el encargo.
Una comparación útil debe mostrar esas diferencias. Elegir automáticamente el importe más bajo podría incumplir la necesidad original. Elegir la tercera opción tampoco sería correcto si el sistema ha confundido una estimación comercial con una entrega garantizada.
En este ejemplo no hay un resultado real ni una promesa de ahorro. Hay un problema que conocemos bien: convertir una necesidad operativa en criterios de compra comprobables.
Desde mi perspectiva de compras y postventa, ese es el punto central. Una pieza barata que no corresponde a la aplicación o llega cuando ya no sirve para organizar el trabajo puede acabar siendo la opción más costosa. La automatización necesita comprender las restricciones que el comprador experimentado tiene presentes antes de mirar la tarifa.
El catálogo deja de ser solo un escaparate
Si un agente va a interpretar una oferta, la información ambigua se convierte en un obstáculo. Expresiones como «consultar disponibilidad», «compatible con varios modelos» o «entrega rápida» pueden ser suficientes para iniciar una conversación humana, pero no bastan para decidir una operación con condiciones precisas.
Mi propuesta para un distribuidor sería revisar cada ficha desde seis preguntas:
| Pregunta del comprador | Información que debería poder comprobar |
|---|---|
| ¿Qué producto es? | Referencia, fabricante, denominación y variante |
| ¿Sirve para esta aplicación? | Datos técnicos y fuente de compatibilidad, con sus límites |
| ¿Puedo disponer de él? | Existencias vendibles, ubicación y momento de actualización |
| ¿Cuándo lo recibiré? | Plazo, hora de corte y condiciones de transporte |
| ¿Cuánto pagaré realmente? | Precio aplicable, impuestos, portes y otros cargos |
| ¿Qué sucede si hay una incidencia? | Condiciones comerciales y procedimiento de devolución |
No se trata de publicar datos confidenciales de clientes ni tarifas negociadas en una página abierta. La información pública y la accesible mediante identificación comercial pueden ser distintas. Lo importante es que el canal autorizado entregue datos coherentes con el acuerdo del comprador.
En el recambio, además, una equivalencia debe tratarse con cuidado. Dos referencias parecidas o una descripción coincidente no prueban por sí solas que una pieza sea adecuada. Ante una duda técnica, el proceso debe detenerse y recurrir a una fuente fiable o a la persona responsable.
El stock publicado tiene que parecerse al stock que podemos servir
Uno de los primeros controles que haría no sería sobre el modelo de IA. Sería sobre la disponibilidad que estamos comunicando.
Existencias físicas, unidades reservadas, material pendiente de revisión y pedidos en tránsito no representan lo mismo. Si el canal comercial mezcla esas situaciones, un agente puede aceptar una disponibilidad aparente que el almacén no está en condiciones de cumplir.
También importa cuándo se confirmó el dato. Entre la consulta y la autorización, otra venta puede consumir la última unidad. Un proceso de compra debería volver a comprobar disponibilidad y precio antes de confirmar, y disponer de un mecanismo para evitar pedidos duplicados si una conexión falla o se repite una solicitud.
Son requisitos operativos que propongo para evaluar una implantación. La IA no elimina las necesidades de reserva, trazabilidad y conciliación entre sistemas. En algunos casos las vuelve más urgentes, porque acelera el número de operaciones posibles.
Esta preparación conecta con la guía profesional de aprovisionamiento: automatizar una compra exige empezar por distinguir correctamente las cantidades y los compromisos que intervienen en ella.
Del marketing que atrae al marketing que permite comprobar
El marketing seguirá necesitando explicar por qué merece la pena trabajar con una empresa. Sin embargo, en un escenario con intermediarios automatizados también habrá que traducir parte de esa promesa en información verificable.
«Tenemos un gran servicio» expresa una intención. Definir las zonas de reparto, las horas de corte y las condiciones de atención ayuda a evaluar una oferta. «Somos especialistas» puede ganar credibilidad cuando las fichas técnicas están cuidadas y las respuestas distinguen lo comprobado de lo pendiente.
Mi hipótesis es que, cuando los agentes comparen proveedores, la calidad de esa información influirá en qué opciones pueden evaluar y presentar. No existe aquí una garantía de aparecer primero: cada plataforma puede aplicar criterios distintos, acuerdos comerciales o restricciones de acceso.
Tampoco hay un atajo consistente en llenar la web de palabras sobre IA. El trabajo útil empieza con páginas claras, productos identificables y datos que no se contradigan entre catálogo, atención comercial y sistema de gestión.
Para una empresa pequeña, esta puede ser una preparación sensata incluso si el comercio agéntico tarda en llegar a su mercado. Un catálogo mejor también ayuda al cliente actual y reduce las consultas que solo existen porque falta información básica.
Autorizar una búsqueda no equivale a autorizar una compra
Una implantación seria necesita permisos concretos. «Compra lo que haga falta» es una instrucción demasiado abierta para una operación profesional.
Yo separaría tres niveles: consultar información; preparar una propuesta o un borrador de pedido; y confirmar una operación. El paso entre niveles debería depender de reglas conocidas por el usuario.
Entre ellas incluiría proveedores admitidos, presupuesto por operación, límite acumulado, referencias autorizadas y condiciones para aceptar sustituciones. Un límite por pedido no basta si el sistema puede repetir muchas compras pequeñas hasta superar el presupuesto total.
También definiría cuándo debe pedir ayuda: discrepancias de compatibilidad, cambios de precio relevantes, condiciones de devolución desconocidas o imposibilidad de cumplir la entrega. Detenerse en esos casos puede ser una buena respuesta del sistema.
En el artículo sobre IA y criterio profesional defendía que la herramienta debe ampliar nuestra capacidad de decidir. Aplicado a las compras, eso exige saber qué se ha delegado y conservar la posibilidad de intervenir.
La devolución también forma parte de la compra
Una demostración puede terminar cuando aparece el mensaje de pago completado. El trabajo del almacén continúa después: preparación, expedición, entrega, factura y posibles incidencias.
Antes de automatizar pedidos, exigiría que cada operación dejara un registro comprensible: encargo original, producto seleccionado, condiciones aceptadas, persona o regla que autorizó el pedido y referencia de la transacción. Ese registro debe poder consultarse cuando la pieza vuelve, no solo cuando todo sale bien.
Conviene aclarar además quién atiende el caso. Si el cliente hizo el encargo mediante un agente y el proveedor utiliza otro sistema automatizado, ambos necesitan un camino sencillo para llegar a una persona con capacidad de resolver.
Como expliqué en el coste oculto de las devoluciones en el recambio, la rentabilidad de una operación no termina al entregar la pieza. Una automatización que ahorre minutos en el pedido y genere horas de reclamaciones necesita revisión.
Cómo empezaría en un almacén pequeño
No empezaría concediendo acceso de compra a todo el catálogo. Escogería un conjunto limitado de referencias con identificación clara, demanda conocida y pocas excepciones técnicas.
La primera fase sería de observación: el sistema prepara comparaciones y una persona decide. Revisaría las diferencias entre la propuesta y la decisión final para identificar datos insuficientes, restricciones olvidadas o reglas mal definidas.
Después, si los resultados lo justifican, probaría operaciones acotadas con autorización explícita. Antes de ampliarlas, comprobaría no solo cuántas se completan, sino cuántas requieren corrección, cuánto trabajo de supervisión generan y qué ocurre cuando el proceso falla.
Los indicadores que utilizaría serían sencillos: pedidos correctos a la primera, entregas cumplidas, coste total, devoluciones por error de selección y tiempo humano dedicado a resolver cada operación. Registrar muchos pedidos automáticos no demuestra una mejora si también aumentan las incidencias.
El aprendizaje del piloto debería actualizar tanto las reglas como los datos. Si una persona corrige siempre la misma propuesta, la solución no consiste en pedirle que revise más deprisa. Consiste en investigar por qué el sistema repite el error.
La oportunidad está en ser un proveedor fiable
Todavía no sabemos qué ritmo de adopción tendrá este modelo en el recambio español ni qué plataformas concentrarán la relación con los compradores. Presentar una fecha de sustitución del comercial o un porcentaje de ventas automatizadas sería adelantar conclusiones que las fuentes citadas no permiten sostener.
Sí podemos prepararnos para una exigencia razonable: que la información con la que vendemos permita tomar una buena decisión.
Desde compras y marketing, veo aquí una oportunidad para revisar prácticas que ya nos cuestan tiempo: catálogos incompletos, existencias poco claras, condiciones dispersas y devoluciones sin trazabilidad. Corregirlas tiene valor antes de recibir el primer pedido de un agente.
El próximo intermediario entre un taller y su proveedor podría ser una inteligencia artificial. Pero la necesidad seguirá siendo muy humana: conseguir la pieza correcta, en el momento adecuado, con un coste comprensible y alguien que responda si algo falla.
La empresa que pueda demostrar esas cuatro cosas tendrá una propuesta comercial sólida, tanto si la consulta llega por teléfono como si la realiza un agente por encargo del cliente.
Fuentes
- Mastercard, 16 de septiembre de 2026. Del Agentic Commerce a las stablecoins: así será la próxima generación del comercio y los pagos.
- Mastercard y Santander, 2 de marzo de 2026. Pago real ejecutado por un agente de IA en un entorno controlado.
- Mastercard, 9 de septiembre de 2026. Agent Connect y herramientas para experiencias de compra mediante agentes.
Las fuentes describen anuncios e iniciativas de sus promotores. El ejemplo del taller y las propuestas de implantación son análisis del artículo, no resultados observados de esas iniciativas. Información revisada el 27 de septiembre de 2026.
Deja un comentario