Agentes de compra con IA: las preferencias pueden variar entre el carrito y el pedido

Product.ai ya había publicado una comparación útil: el 18,7 % de los 550 participantes permitiría que un agente añadiera artículos al carrito sin preguntar, mientras que el 16,9 % permitiría que hiciera un pedido sin preguntar. Esas cifras describen cada tarea por separado. No muestran cuántas personas pertenecen a ambos grupos. Nuestra aportación consiste en vincular las dos respuestas de cada participante. ^{[1] [2]}

La distinción general ya se conoce. El estudio de NMI de 2026 describe a consumidores que agradecen la ayuda para comprar, pero quieren mantener el control sobre la compra. Aquí planteamos una pregunta más concreta: cuando la misma persona responde sobre el carrito y el pedido, ¿qué preferencias aparecen juntas? Usamos una sola fuente y un par de preguntas, en lugar de comparar porcentajes de encuestas con participantes y formulaciones diferentes. ^[7]

Había 103 personas en el primer grupo y 93 en el segundo. Solo 53 pertenecían a ambos. Otras 50 aceptarían añadir al carrito sin preguntar, pero querrían que se les preguntara antes de hacer un pedido o nunca permitirían hacerlo. Por su parte, 40 dieron la combinación inversa: pedidos sin preguntar, junto con preguntar antes o nunca para añadir al carrito.

Esto importa cuando un briefing describe a un único público como cómodo con las compras autónomas. Totales parecidos pueden ocultar personas y expectativas distintas. Un equipo que solo leyera los dos porcentajes principales no sabría qué participantes esperaban el mismo trato para ambas acciones.

La tabla siguiente conserva las nueve combinaciones. Lee una fila para ver cómo respondió a la pregunta sobre pedidos un grupo concreto definido por su respuesta sobre el carrito. Lee una columna para ver las respuestas sobre el carrito dentro de un grupo definido por su respuesta sobre pedidos. Las celdas representan personas de este panel seleccionado, no etapas completadas de un proceso de compra ni ajustes de un asistente en uso.

Partimos de las 103 personas que permitirían que un agente añadiera artículos sin preguntar. Sus respuestas sobre hacer pedidos se dividen en tres grupos: 53 también lo permitirían sin preguntar, 40 querrían que el agente preguntara antes y 10 nunca lo permitirían. Los porcentajes correspondientes son el 51,5 %, el 38,8 % y el 9,7 %. ^[3]

El cálculo es este: suma las 40 respuestas de preguntar antes y las 10 de nunca; después, divide 50 entre 103. Al multiplicar por 100 y redondear, el resultado es el 48,5 %. El denominador es el grupo que aceptaría añadir al carrito sin preguntar. No son los 550 participantes, todos los compradores de Estados Unidos ni todas las personas que usan un agente de compra con IA.

Distinguir entre las 40 personas y las 10 resulta útil. Preguntar antes sigue dejando al agente un papel en la realización del pedido. No permitir nunca esa tarea es otra respuesta. Unirlas describe un límite a actuar sin preguntar; no significa que las 50 rechacen la ayuda de la IA para comprar.

Para un comercio, el resultado sugiere separar dos preguntas de investigación que una medida general de entusiasmo puede confundir. ¿Quiere el cliente ayuda para reunir una selección de productos? ¿Qué querría revisar, si acaso, antes de que el asistente haga el pedido? La encuesta da un motivo para preguntar por ambas cosas por separado. No prescribe una pantalla de revisión ni demuestra que añadirla mejore las ventas.

Un relato sencillo situaría a todo el mundo en una misma escala: primero permitir informarse, después añadir al carrito y, por último, hacer pedidos. Estas respuestas emparejadas no justifican esa escala. De las 259 personas que querrían que se les preguntara antes de añadir al carrito, 32 permitirían hacer pedidos sin preguntar. De las 188 que nunca permitirían añadir al carrito, ocho permitirían hacer pedidos sin preguntar. Juntas forman las 40 respuestas inversas.

Las demás celdas fuera de la diagonal también importan. Había 52 personas que querrían que el agente preguntara antes de añadir al carrito, pero nunca le permitirían hacer un pedido. Otras 28 nunca permitirían añadir al carrito, pero sí hacer pedidos si se les preguntara antes. Conservar estas respuestas evita convertir la encuesta, sin explicarlo, en una única escala de disposición.

En el conjunto de respuestas emparejadas, 380 personas eligieron la misma categoría para ambas tareas y 170 eligieron categorías distintas: el 69,1 % y el 30,9 %. Aquí, coincidencia significa dar la misma respuesta a dos preguntas sobre tareas diferentes. No mide la coherencia, la fiabilidad ni la calidad de la respuesta de una persona. ^[3]

No podemos saber si las respuestas inversas reflejan distintas interpretaciones del carrito, una situación de compra concreta, ruido de medición o preferencias reales. Este análisis no puso a prueba ninguna de esas explicaciones. En vez de descartar a esas personas o adivinar sus motivos, un comercio puede aprovechar la ambigüedad para mejorar una futura entrevista: describir la acción y preguntar al cliente qué cree que ocurriría.

La implicación práctica es aclarar la tarea antes de interpretar una respuesta como apoyo a una función. «¿Usarías un asistente de compra con IA?» deja sin explicar demasiado del comportamiento propuesto. Una persona puede agradecer ayuda para elegir un artículo y querer revisar el pedido por sí misma. Otra puede imaginar que repite un pedido sin tener que crear un carrito nuevo.

En el briefing de un comercio, describe la ayuda con el carrito y la realización del pedido en frases separadas. Para la primera, aclara si el asistente sugeriría un artículo o lo añadiría realmente, y si el cliente podría revisar la selección. Para la segunda, explica qué significa «hacer un pedido» en la experiencia propuesta y cuándo vería el cliente los detalles. Son cuestiones que el equipo debe concretar, no detalles que aporte esta encuesta.

Después, mantén separadas las tres posibilidades: realizar la tarea indicada sin preguntar, preguntar antes de hacerla o no hacerla. Evita resumir las dos primeras como una única preferencia por la automatización. La respuesta de preguntar antes incluye una condición que esa etiqueta más amplia borraría.

Conserva las dos respuestas vinculadas a la misma persona en el resumen de la investigación. Los porcentajes separados siguen siendo útiles, pero responden a otra pregunta. Una tabla emparejada permite ver si quienes aceptarían una acción también aceptarían la otra, incluidas combinaciones que no encajan con la secuencia que esperaba el equipo.

Estas recomendaciones se refieren a la investigación y la comunicación. Una preferencia declarada no concede facultades para realizar pagos, no constituye un proceso de consentimiento jurídicamente suficiente ni indica que deban cambiarse los ajustes de un cliente. Esas decisiones operativas necesitan sus propios requisitos. La utilidad más concreta aquí es que el briefing plantea una pregunta más clara antes de prometer lo que hará un asistente.

Imagina una tienda de artículos para el hogar que prepara una demostración de un asistente de compra con un creador de contenido. Es un ejemplo inventado, no un negocio observado en la encuesta. El briefing inicial pide al creador que muestre cómo el asistente ayuda a un cliente a elegir una lámpara de escritorio y completar la compra. Esa frase no aclara cómo interviene el cliente en cada paso.

El briefing revisado separa las acciones. Una parte muestra cómo se añade la lámpara elegida al carrito. Otra muestra los detalles del pedido y el momento en que la experiencia propuesta pediría al cliente que los revisara. El comercio aún tendría que comprobar que el producto real funciona como se describe. La encuesta no establece que ese diseño concreto sea el adecuado.

Antes de grabar, el equipo puede mostrar la formulación propuesta a posibles clientes y pedirles que expliquen qué esperan que haga el asistente. Una pregunta útil es si su respuesta cambia entre añadir la lámpara y hacer el pedido. Si alguien da una combinación inversa, quien entrevista debería preguntarle qué significa cada tarea para esa persona, en lugar de marcar la respuesta como incorrecta.

El creador necesita entonces una promesa precisa, no el porcentaje de la encuesta como argumento de venta. Por ejemplo, el briefing de una demostración podría exigir que distinguiera entre elegir un artículo, añadirlo al carrito y confirmar un pedido. Cualquier afirmación de que se pregunta antes al cliente debe comprobarse en la experiencia real antes de aparecer en contenido publicado.

El resultado de 50 de 103 tiene sentido en la justificación interna: muestra por qué una sola preferencia sobre el carrito puede no bastar para conocer la preferencia sobre pedidos. No debe aparecer en la demostración como «la mitad de los clientes necesita esta función». El estudio utilizó un panel seleccionado y no midió qué ocurrió después de que alguien viera la interfaz propuesta.

Un briefing reutilizable puede empezar así: «Estamos evaluando cómo quieren los clientes que el asistente gestione la incorporación de artículos al carrito y la realización de pedidos». Mantén juntos los campos siguientes para que el futuro resumen de campaña pueda vincularse a las preguntas que se respondieron realmente.

Tareas y contexto: «En esta versión de la experiencia, añadir al carrito significa [describe la acción]. Hacer un pedido significa [describe la acción]. Antes de responder, el cliente ve [describe la explicación o demostración]». Los espacios importan: responder sobre un asistente sin concretar no equivale a responder sobre un funcionamiento del producto que se ha mostrado.

Preguntas y respuestas: «Para cada tarea, ¿querrías que el asistente actuara sin preguntar, preguntara antes o no la realizara?». Registra ambas respuestas de la misma persona. Si un cliente da una combinación que el equipo no esperaba, consérvala y pídele que explique lo que entendió. No conviertas la respuesta en una categoría más conveniente.

Resultados y denominador: «Entre [número] personas que cumplían los criterios y respondieron a ambas preguntas, [número] eligieron cada combinación. Entre [número] personas que aceptarían añadir al carrito sin preguntar, [número] dieron cada respuesta sobre pedidos». Incluye por separado las respuestas ausentes. Mantén distintas las opciones de preguntar antes y nunca, aunque un titular también las agrupe.

Decisión y responsable: «Estas respuestas servirán para decidir [la formulación o demostración concreta]. [Persona responsable de la revisión] comprobará las promesas de la campaña frente al funcionamiento real del producto. Antes de decidir [otra cuestión operativa], aún necesitamos [las pruebas pertinentes]». Así se evita que un resumen de investigación con clientes se convierta, sin explicarlo, en una especificación para hacer pedidos de forma autónoma.

En el lanzamiento hipotético de artículos para el hogar, la decisión inmediata podría ser qué momentos debe explicar el creador y qué afirmaciones puede respaldar el comercio. No sería una previsión de cuántos clientes comprarán. El hábito útil es conservar la relación entre dos respuestas antes de convertir cualquiera de ellas en una afirmación general sobre un público.

Usamos la edición 2 de Product.ai, publicada el 14 de octubre de 2026. El trabajo de campo se realizó del 27 de agosto al 1 de septiembre de 2026 mediante Alchemer, con un panel de adultos de Estados Unidos que compran por internet o en tiendas. La fuente informa de cuotas por edad, género y región, sin ponderación según las distribuciones del censo. No aporta detalles de captación, probabilidades de inclusión ni incentivos. Product.ai vende productos de verificación para el comercio y publica el estudio, un interés comercial pertinente para este tema. ^{[1] [5]}

El archivo publicado contiene 1.493 respuestas completas. La pregunta Q12 identifica a 550 personas que dijeron haber usado un asistente de IA para informarse sobre un producto que se planteaban comprar en los 90 días anteriores. Conservamos ese grupo definido por la fuente, incluidas las personas que compran por internet y las que solo compran en tiendas. Haberse informado recientemente sobre productos no demuestra que alguien haya usado un agente de compra autónomo o completado un pedido con ayuda de IA.

Las 550 personas que cumplían los criterios respondieron a los dos ítems seleccionados de Q36 con una de las tres opciones permitidas. Las otras 943 tenían campos vacíos porque el recorrido del cuestionario omitía para ellas las preguntas a usuarios de IA. Comprobamos esos recorridos, los identificadores únicos, las fechas de la fuente y los valores de respuesta antes de construir la tabla emparejada. Ningún campo vacío se convirtió en una respuesta de nunca y ninguna respuesta se eliminó porque su combinación pareciera inesperada. Los porcentajes publicados por separado para ambas tareas se reprodujeron con la precisión indicada de un decimal. ^{[2] [5]}

El análisis fijó el par carrito/pedido, las nueve combinaciones, el reparto dentro del grupo que aceptaría añadir al carrito sin preguntar y las combinaciones inversas antes de calcular los resultados conjuntos. Cada celda está disponible como recuento, porcentaje de las 550 personas, porcentaje de su fila de carrito y porcentaje de su columna de pedido. Esos tres porcentajes tienen denominadores distintos y no deben sustituirse entre sí. ^{[3] [4]}

Presentamos recuentos y porcentajes descriptivos, sin intervalos de confianza poblacionales, pruebas de significación ni afirmaciones causales. Que el grupo al que se dirigieron las preguntas tenga respuestas completas no elimina la incertidumbre de selección o medición. Q12 trata de la búsqueda de información pasada; Q36, de tareas hipotéticas sin periodo de recuerdo. Las respuestas no forman una secuencia observada desde un carrito hasta una compra completada.

Una implementación independiente reprodujo los agregados preespecificados a partir del CSV original publicado. La descarga incluye la tabla completa, comprobaciones de la fuente, definiciones y código, con atribución y la huella digital del archivo original. No contiene registros ni identificadores de participantes. Los materiales de investigación indicados por Product.ai tienen licencia CC BY 4.0; los cálculos, la interpretación y las traducciones son de Influence IQ, sin que ello implique el respaldo de Product.ai. ^[6]