2026 es el año en el que los agentes de shopping IA salen de la demo. Operator de OpenAI, Claude Computer Use de Anthropic, ChatGPT Shopping, Perplexity Buy with Pro, Gemini Shopping — cada uno, a su manera, propone a un usuario ejecutar una compra en su lugar: encontrar un producto, comparar, añadir al carrito, incluso validar el checkout. Para el comerciante e-commerce, es un cambio de paradigma: una parte creciente del tráfico se convierte en agentes, no en humanos, y un catálogo mal preparado se vuelve invisible para esta nueva audiencia.
Este artículo responde a tres preguntas concretas: ¿qué constituye ya una parte medible del tráfico en 2026? ¿Cómo «lee» realmente un agente IA una ficha producto? ¿Y qué acciones técnicas llevar a cabo en un catálogo PrestaShop para seguir siendo descubrible?
Lo que realmente está desplegado en 2026
El ecosistema, en el momento en que se escribe este artículo, se compone aproximadamente de:
- ChatGPT Shopping (desde 2024-2025): un visitante plantea una pregunta de intención de compra («mejor patinete eléctrico adulto plegable por menos de 800 €»), ChatGPT responde con una short-list clicable. El clic lleva a la tienda fuente. La inclusión está condicionada por la calidad de los datos estructurados y del IndexNow/sitemap.
- Perplexity Pro Shopping: integrado al motor de respuesta Perplexity, propone productos clicables al margen de las respuestas «compra». Muy visual, fuente directa desde los marcados Schema.org y Open Graph.
- Google AI Overviews Shopping: integrado directamente a las SERP de Google. Selección basada en el Shopping graph (que depende del Merchant Center y de los marcados Product/Offer).
- Operator (OpenAI) y Claude Computer Use (Anthropic): agentes que controlan un navegador. Más raros en 2026 pero en crecimiento. Navegan realmente el sitio, hacen clic en los botones, rellenan los formularios. Es un visitante sintético, que sigue el DOM y el renderizado visual.
- Agentes integrados a otras apps: Microsoft Copilot Shopping, Amazon Rufus (lado Amazon), agentes WhatsApp Business nacientes.
Volumen estimado en tiendas moda/decoración/tech B2C españolas mid-market en 2026: 2 a 8 % del tráfico referente proviene ya de agentes IA, en rápido crecimiento. Aún no mayoritario, pero ya no marginal.
Cómo un agente IA «lee» una ficha producto
Dos modos de lectura coexisten y coexistirán en 2026:
Modo 1: data-first (la mayoría)
El agente no carga la página renderizada. Interroga una API pública o aspira el marcado Schema.org estructurado. Fuentes prioritarias:
- JSON-LD Schema.org embebido en la página (Product, Offer, AggregateRating, hasMerchantReturnPolicy, shippingDetails).
- Meta Open Graph (og:title, og:description, og:image, og:type=product).
- Flujo Google Merchant Center (XML o API Content).
- Archivo llms.txt si existe (que puede apuntar a una versión estructurada del catálogo).
- Sitemap XML producto con fechas de modificación y prioridades.
Ningún JavaScript ejecutado, ningún renderizado mostrado. Si la información no está en el HTML estático o en los flujos estructurados, no existe para el agente.
Modo 2: browser-first (Operator, Computer Use)
El agente carga la página como lo haría un humano — ejecuta JS, ve el DOM renderizado, toma capturas de pantalla, identifica los botones, hace clic. Su lectura está más cerca de un visitante real, pero con algunas particularidades:
- Necesita elementos interactivos nombrados y etiquetados (botones con aria-label, formularios con labels asociados). El trabajo de accesibilidad hecho para WCAG 2.2 sirve directamente aquí.
- Es sensible a los popups bloqueantes y a las modales sin botón de cierre claro. Un banner de cookies imposible de cerrar con teclado bloqueará al agente tanto como a un usuario con discapacidad.
- Prefiere los recorridos lineales y los checkout en una sola pantalla. Un funnel de seis etapas es más arriesgado que un one-page checkout.
La checklist de optimización para catálogo PrestaShop
1. JSON-LD Schema.org completo y actualizado
Es el cimiento. Ver el artículo dedicado a Schema.org Product 2026: hasMerchantReturnPolicy, shippingDetails, ProductGroup para variantes, AggregateRating reales, GTIN/MPN/brand informados. Sin esto, un agente IA no puede vincular la ficha producto con una intención de compra.
2. Archivo llms.txt en la raíz
El estándar llms.txt (impulsado por Anthropic desde finales de 2024) propone un archivo markdown en la raíz del dominio que describe el sitio y apunta a los recursos estructurados más útiles a los modelos. Para una tienda e-commerce, el llms.txt típico contiene:
- Identidad del comerciante y sectores cubiertos.
- URL del sitemap producto.
- URL de un flujo JSON catálogo (si está disponible).
- Política de devolución y de envío resumida.
- Información de contacto para agentes (email machine-friendly).
En DataFirefly, el módulo dfllmstxt genera este archivo automáticamente para tiendas PrestaShop, con actualización diaria y personalización por tienda del multi-shop.
3. Open Graph producto limpio
Más allá de Schema.org, los agentes IA y las redes sociales interrogan las etiquetas Open Graph y Twitter Card. og:type=product, og:image en formato 1200×630, og:title claro, og:price:amount y og:availability cuando es pertinente. Muchos temas PrestaShop olvidan og:price.
4. URL canónicas estables
Un agente que vuelve a una ficha debe encontrar la misma URL. Las URL con parámetros dinámicos (id_lang=1, controller=product, etc.) son menos fiables que las URL reescritas estables. El SEO y el AEO se encuentran aquí.
5. Disponibilidad y precio fiables del lado servidor
El agente lee el HTML renderizado del lado servidor. Si el precio real se calcula en JavaScript del lado cliente (caso frecuente con módulos de promoción dinámica), el agente verá el precio por defecto. Verificar que el precio mostrado en el HTML estático corresponde al precio real.
6. Robots.txt y política de crawl explícita
Los principales crawlers de agentes IA se identifican ahora con user-agents reconocibles: GPTBot, ClaudeBot, PerplexityBot, ChatGPT-User, Anthropic-Verifier, Google-Extended. En un robots.txt 2026, se autorizan explícitamente los que se quieren acoger y se bloquean los que se rechazan. Bloquear ciegamente todos los bots IA es tentador pero corta a la tienda de la audiencia futura.
7. Rendimiento y estabilidad del renderizado servidor
Los agentes browser-first abandonan si la página tarda más de unos segundos en cargar o si el DOM se mueve constantemente (CLS elevado). El trabajo Core Web Vitals hecho para Google sirve directamente a los agentes — es el mismo criterio técnico, simplemente aplicado por un agente en lugar de un robot de indexación.
8. Checkout machine-friendly
Para los agentes que llegan hasta comprar (Operator, Computer Use): checkout one-page o muy corto, sin captcha bloqueante, pago expreso disponible (Bizum, Apple Pay, Google Pay), resumen claro antes de la validación. Un carrito abandonado por culpa de un captcha impuesto en checkout para un agente IA es una venta perdida — y en 2026 empieza a contar.
Medir la parte agente en su tráfico
Los agentes IA dejan generalmente su huella en el user-agent y a veces en el referrer. Los principales a monitorizar en 2026 en los logs servidor o GA4:
- GPTBot, ChatGPT-User (OpenAI).
- ClaudeBot, Claude-User, Anthropic-Verifier (Anthropic).
- PerplexityBot, Perplexity-User (Perplexity).
- Google-Extended (Gemini / AI Overviews).
- CCBot (Common Crawl, alimenta varios modelos).
- Applebot-Extended (Apple Intelligence).
Añadir una dimensión custom en GA4 o un filtro en la herramienta de analytics del lado servidor para aislar este tráfico permite medir el crecimiento y calcular el ROI real de la inversión AEO.
Los riesgos que anticipar
Tres escollos para tener en mente:
- El fraude por agente: un agente mal alineado o desviado puede intentar compras en masa, hacer scraping de precios, o peor. La protección pasa por rate-limiting inteligente (bloquear los patrones sospechosos sin bloquear los agentes legítimos) y autenticación step-up para carritos atípicos.
- La desintermediación marca-cliente: si el agente completa el funnel de principio a fin sin que el usuario pase por el sitio comerciante, la marca pierde la oportunidad de comunicación (newsletter, retargeting, cross-sell). Tendencia que se amplificará y que hay que integrar en la estrategia de fidelización.
- El contenido generado por IA en las reseñas: una desviación ya observada. Invertir en reseñas verificadas garantiza la autenticidad de la señal y la conformidad con las exigencias de Google sobre la calidad de las reseñas.
Conclusión: preparar su catálogo no es opcional
El AEO de 2025 era una opción interesante. El AEO en 2026 es una condición de acceso al tráfico. Las tiendas que no hayan actualizado su marcado Schema.org, publicado su llms.txt y configurado su robots.txt para los agentes IA verán su cuota de mercado sobre el tráfico IA tender a cero mientras sus competidores captan los primeros efectos de red.
Buena noticia: estas acciones técnicas están entre las menos costosas del marketing digital 2026. Unas pocas semanas de trabajo bien dirigido bastan para entrar en la categoría «catálogo legible por agentes». La verdadera competición se juega ahora en la calidad del producto, del precio y del servicio — no en la fricción técnica de acceso a la información.
