Cómo definió Visa una decisión de compra correcta
El 5 de noviembre de 2026, Visa publicó la primera ronda de Agentic Commerce Benchmark. Participaron 22 modelos de 12 laboratorios; cada uno recibió tres intentos en 15 escenarios relacionados con productos como un televisor, un portátil o un aparato de cuidado personal. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Cada escenario incluía requisitos que el comprador no revelaba al principio. El modelo debía descubrirlos mediante conversación, justificar su decisión y elegir un producto compatible. Si no había opción adecuada, negarse a comprar era correcto. Acertar por casualidad sin identificar las condiciones no bastaba. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Visa declara una tasa total de éxito del 57,2%. El mejor modelo aprobó el 82,2% de los intentos y el peor el 28,9%. Los cinco que descubrieron más requisitos ocultos promediaron un 70,2%, frente al 44,4% de los cinco que descubrieron menos. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
La repetibilidad fue menor que el resultado aislado: los tres intentos aprobaron solo en el 34,2% de las combinaciones de modelo y escenario. En el 54% de los fallos, el sistema eligió comprar, ya fuera un producto inadecuado o antes de descubrir todos los requisitos. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Qué puede aprender el comercio y qué no mide aún la prueba
La prueba muestra que la calidad del agente depende de algo más que buscar en el catálogo. El modelo debe preguntar, convertir respuestas en restricciones y saber detenerse. Para el comercio, la conversión por sí sola no mide calidad: puede haber compra aunque no se satisfaga la necesidad. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Un mayor coste de cómputo no garantizó precisión. Los cinco modelos más caros promediaron un 67,1% de éxito, frente al 50,2% de los cinco más baratos. La métrica práctica es el coste de cada tarea correcta, incluidos reintentos, revisión humana, devoluciones y contactos con atención al cliente. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
La primera ronda no cubrió pago, finalización ni realización del pedido; Visa prevé añadir esas etapas. La publicación tampoco identifica los modelos ni ofrece resultados por escenario, por lo que no permite saber qué arquitecturas o categorías originaron la mayoría de los errores. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026] [2 · Visa Payments Frontier · plataforma pública de la prueba]
Antes de implantar un agente, el comercio necesita pruebas con su catálogo real: especificaciones incompatibles, opciones ausentes y límites de presupuesto, entrega o devolución. El sistema debe demostrar que pregunta, rechaza correctamente y repite el resultado antes de obtener acceso al pago. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Fuentes
- Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026 — Fuente primaria sobre el método y los resultados de la primera ronda: 22 modelos, 15 escenarios, tres intentos por escenario y tasas de éxito.
- Visa Payments Frontier · plataforma pública de la prueba — Sitio oficial de Visa que aloja Agentic Commerce Benchmark y su prueba interactiva.
Comentario experto
El resultado confirmado se limita a elegir producto: la tasa media fue del 57,2% y todavía no se probaron el pago ni los pedidos reales. Por eso no equivale a una tasa de compras correctas en tiendas activas. Mide la dificultad de reconstruir una necesidad a partir de una conversación incompleta y decidir bien. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Para el comercio electrónico, preocupa que el 54% de los fallos terminara aun así en una elección de compra. El agente puede elevar la conversión visible y empeorar la adecuación del producto. El coste aparece después en cancelaciones, devoluciones, disputas, soporte o pérdida de confianza. «Pedido realizado» puede premiar el error. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
La diferencia entre el 70,2% de los modelos que descubrieron más requisitos y el 44,4% de los menos inquisitivos resalta el papel del diálogo. El catálogo debe exponer compatibilidad, restricciones, entrega y la posibilidad de que nada encaje, no solo nombre y precio. Sin datos estructurados, incluso un modelo fuerte tendrá que adivinar. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
La baja repetibilidad cambia el control de calidad. Si los tres intentos aciertan solo en el 34,2% de las combinaciones, una demostración aislada dice poco sobre fiabilidad. El comercio necesita repetir consultas idénticas, registrar las razones de cada elección y fijar un umbral para ceder la decisión a una persona o pedir confirmación. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Los modelos más caros rindieron mejor en promedio, pero no eliminaron los errores. La decisión económica debe usar el coste completo de una compra correcta: cómputo, revisión, soporte, devoluciones y margen perdido. Un modelo barato con una buena regla de parada puede superar a otro costoso que elige con seguridad un producto inadecuado. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]
Las próximas rondas serán decisivas en pago y finalización: integridad del importe, conservación del consentimiento, reacción a cambios de precio y posibilidad de cancelar. En producción conviene medir rechazos correctos, compras inadecuadas, preguntas, repetibilidad, devoluciones y reclamaciones. Esas métricas demuestran valor mejor que el aumento de pedidos iniciados. [1 · Visa · Agentic Commerce Benchmark · 5 de noviembre de 2026]