Um assistente de IA é um programa que entende pedidos e age sozinho. Um cliente pode pedir a um assistente de IA para repor o café ou achar o tênis mais barato no tamanho certo. Quem ganha essa venda não é a loja com a vitrine mais bonita, e sim a loja cujo catálogo, preço e estoque são fáceis de ler por máquina.
Essa mudança tem nome: agentic commerce, ou seja, a compra feita por um agente de IA em nome do cliente. A prateleira deixa de ser uma página para humano ver e vira uma fonte de dados que o agente lê, compara e escolhe.
Em 2026, na feira NRF Big Show, o Google lançou o Universal Commerce Protocol (UCP). A Microsoft lançou o Copilot Checkout no mesmo evento, sinal de que a comunicação entre agentes e lojas saiu do laboratório. A consultoria McKinsey projeta que agentes de IA podem movimentar até US$ 1 trilhão em vendas no varejo dos Estados Unidos. Essa projeção vale até 2030, segundo a consultoria. Para o dono da loja, a pergunta não é mais se esse comprador-robô vai chegar, e sim se a loja estará pronta para ele.
No comércio por agentes, o agente de IA decide com base em dado estruturado: atributos, preço e estoque que ele lê via protocolos como GEO, MCP e UCP. A loja com catálogo limpo e API aberta é elegível; a loja com cadastro burocrático e dado desatualizado fica invisível, por mais bonita que seja a vitrine.
O que muda quando quem decide é uma máquina
O comércio digital foi construído para o olho humano: foto grande, texto de vendas caprichado, jornada pensada para convencer. O agente de IA não segue esse caminho. Ele lê uma versão organizada do produto, compara com as alternativas e decide sozinho a recomendação ou a compra.
A J.P. Morgan estima que, até 2030, o comércio por agentes pode chegar a 25% das vendas on-line dos Estados Unidos. A previsão é maior em categorias de compra recorrente e baixo risco, como mercearia e assinaturas.
A Gartner projeta que 20% das transações digitais serão executadas por plataformas de IA no mesmo prazo, no checkout próprio ou por agente.
O deslocamento de valor é claro: sai a página feita para o clique, entra o dado organizado para a leitura da máquina.
Legibilidade vira a nova prateleira: GEO, MCP e UCP
Três camadas técnicas definem se a sua loja é legível para agentes em 2026.
A primeira é a descoberta, chamada de GEO (fazer o ChatGPT e o Google citarem o seu negócio na resposta). Assistentes como ChatGPT, Gemini, Perplexity e Claude só encontram e citam o seu produto quando o dado conta a mesma história em três lugares. Esses três lugares são a página, o schema (o código que descreve o produto para o computador) e o feed de produto.
A segunda é o contexto, garantido pelo MCP: um conector que deixa o agente lembrar o que o cliente já viu, adicionou ou preferiu ao longo da conversa.
A terceira é a transação, feita pelo UCP do Google. É um padrão aberto, criado junto com Shopify, Etsy, Wayfair, Target e Walmart. Ele dá aos agentes, às lojas e aos meios de pagamento uma língua comum sobre os mesmos dados que o varejista já mantém.
O fio condutor das três camadas é o mesmo: um dado que descreve o produto da mesma forma em todos os sistemas.
Na próxima fase do comércio, o produto que não está estruturado para ser lido por um agente é, na prática, um produto que não está à venda.Síntese de análises da McKinsey e da NRF 2026 sobre comércio agêntico
O que o agente procura e o que falta na maioria das lojas
O agente de IA não tolera ambiguidade. Cada atributo ausente é um motivo para escolher o concorrente que preencheu; cada preço desatualizado é um motivo para nunca mais voltar. O problema é que boa parte do varejo ainda trata o catálogo como tarefa de cadastro, não como ativo competitivo. A tabela abaixo confronta o que um agente precisa encontrar com o que costuma faltar.
| O que o agente de IA precisa encontrar | O que falta na maioria das lojas |
| Atributos completos e padronizados (cor, tamanho, voltagem, compatibilidade, medidas) | Campos em branco, descrições livres e taxonomia inconsistente entre canais |
| Preço e disponibilidade em tempo real, confiáveis | Estoque defasado e preço divergente entre loja, marketplace e feed |
| Dado estruturado coerente (página, schema JSON-LD e feed dizendo a mesma coisa) | Página bonita sem schema; feed que contradiz a vitrine |
| API aberta e protocolos (MCP/UCP) para integrar e transacionar | Canal fechado, sem integração programática, invisível para o agente |
| Sinais de confiança verificáveis (avaliações, prazo cumprido, política de devolução) | Reputação dispersa, sem campo estruturado que o agente consiga ler |
Da vitrine ao feed: o que migrar de investimento
O instinto do varejista é reforçar a experiência visual. No comércio por agentes, parte desse orçamento precisa migrar para a organização dos dados. Isso acontece porque o agente não vê a vitrine: ele lê o feed, a lista de produtos que alimenta lojas e marketplaces.
Isso pede três mudanças de postura. A primeira é trocar a página bonita pelo feed estruturado, porque o produto precisa ser legível por máquina antes de ser bonito para humano.
A segunda é trocar a promoção pontual pelo preço confiável. Manter o mesmo preço em todos os canais vale mais que um destaque visual, porque o agente penaliza quem erra o estoque. A terceira é trocar o canal fechado pela integração aberta, porque conectar sistemas deixou de ser conveniência e virou condição para vender.
A adoção ainda esbarra na confiança. Apenas 14% dos consumidores dos Estados Unidos confiam numa IA para fechar pedidos em seu nome, aponta um levantamento de 2026 sobre o tema. O índice de confiança é mais alto entre os mais jovens. Isso dá ao varejista uma janela para estruturar o dado antes de a confiança do público crescer.
A janela é curta
A Gartner prevê que 40% das aplicações corporativas vão embarcar agentes de IA já em 2026, segundo suas próprias projeções. Os protocolos de comércio padronizados já têm adesão de mais de vinte empresas globais. A prontidão para o comprador-robô deixou de ser tese de futuro e virou tarefa de catálogo no presente.
Quem estruturar os atributos, sincronizar preço e estoque e abrir as integrações em 2026 estará pronto quando os agentes ganharem escala. Quem esperar vai disputar a atenção de uma máquina que já aprendeu a confiar em outro fornecedor. E essa confiança, uma vez perdida por um estoque que mentiu, é difícil de reconquistar.
Principais conclusões
- No comércio por agentes, o agente de IA decide com base em dado estruturado, não em vitrine. A legibilidade por máquina virou o novo fator de prateleira.
- Três camadas definem a prontidão: descoberta (GEO), contexto (MCP) e transação (UCP do Google), todas sobre o mesmo dado coerente entre página, schema e feed.
- O agente penaliza ambiguidade e mentira de estoque: atributo em branco ou preço defasado tira a loja da recomendação.
- A McKinsey projeta até US$ 1 trilhão orquestrado por agentes no varejo B2C dos EUA até 2030; a Gartner, 20% das transações de comércio digital via plataformas de IA no mesmo horizonte.
- A baixa confiança atual do consumidor (14% nos EUA, 2026) abre uma janela para estruturar o catálogo antes de o comprador-máquina escalar.
flowchart LR A[Catálogo no ERP] --> B[Dados estruturados: preço/estoque/atributos] B --> C[Legível por agentes (GEO/MCP)] C --> D[Agente de IA recomenda e compra] D --> E[Pedido entra no ERP]
Como a Onclick ajuda
Quando um agente de IA lê uma vitrine, ele não perdoa cadastro incompleto. O que falta de atributo, categoria ou ficha técnica simplesmente desaparece da resposta.
No ERP Onclick, o catálogo nasce estruturado, com atributos completos e classificação consistente. A APIECOMM publica produto, preço e disponibilidade por integração automática em tempo real.
O resultado é um dado coerente entre canais, pronto para ser lido por uma máquina. Essa é a base que qualquer padrão de comércio por agentes exige antes de citar a sua loja.
Perguntas frequentes
O que é agentic commerce e por que ele torna o catálogo legível tão importante?
É a compra feita por um agente de IA que recebe um pedido do consumidor, como reponha meu café ou ache o tênis mais barato no meu tamanho. Ele sozinho percorre catálogos, compara preços e finaliza a compra sem a pessoa visitar a loja. Como quem decide é uma máquina, ela lê dado estruturado, não vitrine. Ganha a venda a loja cujo catálogo, preço e estoque estão limpos e legíveis por agentes. A McKinsey projeta até US$ 1 trilhão em receita movimentada por agentes no varejo dos Estados Unidos até 2030.
O que são GEO, MCP e UCP no contexto do varejo?
São as três camadas que tornam uma loja legível para agentes. GEO (Generative Engine Optimization) é fazer assistentes como ChatGPT, Gemini, Perplexity e Claude encontrarem e citarem seu produto. Isso acontece via dado estruturado coerente entre página, schema JSON-LD e feed. MCP (Model Context Protocol) é o conector universal que dá ao agente o contexto da loja e mantém a sessão da conversa. O Google anunciou o UCP (Universal Commerce Protocol) na feira NRF de 2026, um evento do varejo mundial. É o padrão aberto que cria uma língua comum entre agentes, lojas e pagamentos, criado junto com Shopify, Etsy, Wayfair, Target e Walmart.
Qual o tamanho projetado do agentic commerce?
As projeções de 2026 são expressivas. A McKinsey estima que, até 2030, agentes de IA podem orquestrar até US$ 1 trilhão em receita no varejo B2C dos Estados Unidos. A J.P. Morgan calcula que o comércio agêntico pode chegar a 25% das vendas online dos EUA até 2030, concentrado em categorias recorrentes como mercearia e assinaturas. A Gartner projeta 20% das transações de comércio digital via plataformas de IA no mesmo horizonte, em checkout próprio ou por agente.
O que um agente de IA precisa encontrar no meu catálogo?
Cinco coisas. Atributos completos e padronizados, como cor, tamanho, voltagem, compatibilidade e medidas. Preço e disponibilidade em tempo real e confiáveis. Dado estruturado coerente entre página, schema JSON-LD e feed. API aberta com protocolos como MCP e UCP para integrar e transacionar. E sinais de confiança verificáveis, como avaliações e prazo de entrega cumprido. Cada atributo em branco é um motivo para o agente escolher o concorrente que preencheu; cada preço defasado é um motivo para ele evitar a loja.
Por que a vitrine bonita perde para o dado limpo?
Porque o agente de IA não percorre a jornada visual: ele consulta uma representação estruturada do produto, cruza com alternativas e decide. A foto grande e o texto de vendas caprichado não pesam na escolha de uma máquina; pesam atributos completos, preço confiável e estoque sincronizado. Por isso parte do orçamento de experiência visual precisa migrar para a organização dos dados. No comércio por agentes, o produto que não está estruturado para ser lido por um agente é, na prática, um produto que não está à venda.
Os consumidores já confiam em agentes de IA para comprar?
A confiança ainda é o gargalo. Um levantamento de 2026 indicou que apenas 14% dos consumidores dos EUA confiam em uma IA para fechar pedidos em seu nome. Esse índice é mais alto entre a Gen Z e os millennials. Isso não enfraquece a tese: abre uma janela. A adoção deve crescer com a maturidade dos protocolos (UCP, MCP) e dos checkouts por conversa apresentados na feira NRF em 2026, segundo especialistas. O varejista que estruturar o catálogo agora estará pronto quando a confiança e o volume aumentarem.
Como a Onclick prepara o varejo para o agentic commerce?
Pela fundação de dados. O ERP Onclick estrutura o catálogo com atributos completos e taxonomia consistente; a APIECOMM expõe produtos, preços e disponibilidade via integração programática em tempo real para marketplaces e canais digitais; e o PDV Web mantém estoque e venda sincronizados na origem. Juntos garantem dado limpo, coerente entre canais e legível quando um agente de IA decidir comprar em nome do cliente. A Onclick entrega a base operacional sem a qual nenhum padrão de comércio por agentes, seja GEO, MCP ou UCP, encontra um catálogo que valha a pena ler.