La preparación empieza por datos de producto confiables y un recorrido de compra verificable. Una integración no corrige stock desactualizado, variantes ambiguas ni condiciones ocultas.
El comercio agéntico plantea un recorrido donde un asistente ayuda a descubrir, comparar y avanzar hacia una compra. Para una tienda, la pregunta útil no es solamente cómo aparecer, sino qué información recibirá ese asistente y qué ocurrirá cuando el cliente decida comprar.
Las iniciativas de OpenAI sobre descubrimiento de productos y el Agentic Commerce Protocol muestran esa dirección. No significan que todas las tiendas, países o categorías tengan automáticamente acceso a las mismas funciones.
Separá descubrimiento, integración y transacción
Un producto puede ser encontrado en la web sin que la tienda tenga una integración de compra dentro de una conversación. También puede existir una integración técnica sin que el producto sea elegido para una recomendación. Son capacidades diferentes, con requisitos y responsables distintos.
Antes de contratar un desarrollo, pedí que la propuesta identifique la experiencia objetivo, la documentación vigente, la elegibilidad y dónde se completa el pago. Anotá qué parte corresponde al catálogo, cuál a la plataforma y cuál a la tienda. Esa distinción ayuda a evaluar un presupuesto y evita vender como disponible una función anunciada para un grupo limitado de comercios.
Fuentes: OpenAI: Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol · OpenAI: Powering Product Discovery in ChatGPT
Elegí una fuente confiable para el catálogo
Empezá con un lote acotado de productos que la empresa pueda mantener. Para cada uno, registrá identificador, nombre descriptivo, marca, variantes, imágenes propias o autorizadas, precio, moneda, disponibilidad y URL de destino. Cada dato necesita un responsable y una regla de actualización; un archivo perfecto hoy puede ser engañoso mañana.
Nuestra recomendación es tratar las variantes como una decisión comercial, no como una nota secundaria. Si cambia la talla, el color o la presentación, comprobá que la imagen, el precio y el stock correspondan a la selección. Si un dato todavía no es confiable, resolvé el proceso que lo produce antes de automatizar su distribución.
Hacé coincidir lo visible con lo estructurado
Google documenta distintas vías para aportar información de productos, incluidas las páginas con datos estructurados y los feeds de Merchant Center. Esa documentación sirve para revisar coherencia; no demuestra que una integración de otro proveedor esté completa ni garantiza aparición en una respuesta de IA.
Comprobá el mismo producto en la página, en el catálogo exportado y en el carrito. Registrá diferencias de moneda, precio, variante y disponibilidad. Evitá que un descuento vencido siga en un feed o que la página muestre una promoción distinta del checkout. El objetivo es que una persona pueda verificar la oferta que encontró, cualquiera sea el canal de descubrimiento.
Fuentes: Google Search Central: Introduction to Product structured data
Ejemplo ilustrativo: un producto disponible en la ciudad equivocada
Imaginá una tienda con entrega en una sola zona que publica el mismo catálogo para todo el país. Un asistente puede ayudar a descubrir un producto, pero el cliente recién conoce la restricción al ingresar la dirección. Este ejemplo es hipotético: no representa una prueba realizada sobre un cliente de Patagonia.
El trabajo inicial sería hacer visible la cobertura, definir si el stock depende de una ubicación y comprobar cómo se comunica la restricción antes del pago. Después revisaríamos las fuentes de datos que alimentan la experiencia elegida. Agregar una conexión sin resolver esos límites puede llevar más personas a un recorrido que termina en frustración.
Probá las excepciones que afectan la confianza
Una compra de prueba exitosa no cubre los problemas habituales. Prepará escenarios con variante agotada, dirección fuera de cobertura, cambio de precio, cupón inválido, pago rechazado y solicitud de devolución. Usá un entorno de prueba cuando exista y coordiná cualquier transacción real con la persona responsable de la tienda.
En cada escenario registrá el mensaje que ve el comprador, qué pedido queda creado y cómo responde soporte. No compartas información personal ni datos de pago en documentos de prueba. El equipo debe poder explicar quién vende, quién cobra, cómo se confirma la compra y cómo se resuelve una incidencia. Esos detalles son parte de la experiencia comercial.
Decidí el siguiente paso con criterios de operación
El primer entregable debería ser una matriz pequeña: producto, calidad de datos, error detectado, responsable y dependencia técnica. Elegí después un piloto con criterios de aceptación, por ejemplo coherencia de variantes y correcta explicación de cobertura. Medí errores, finalización del recorrido y consultas a soporte antes de ampliar el catálogo.
Si la tienda aún no controla sus datos, priorizá catálogo y diseño web. Si esos elementos funcionan, evaluá una integración específica según la plataforma y el mercado. Patagonia puede ayudar a conectar la revisión comercial y técnica; la disponibilidad del canal y los resultados de venta se verifican por separado. Prepararse bien conserva valor aunque cambie la experiencia de compra de un proveedor.
REFERENCIAS
Fuentes y revisión
Documentación consultada el 24 de octubre de 2026. Las plataformas y sus funciones pueden cambiar; revisa la fuente oficial antes de implementar.
- Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol OpenAI
- Powering Product Discovery in ChatGPT OpenAI
- Introduction to Product structured data Google Search Central
Esta guía ofrece criterios generales. No garantiza posiciones en buscadores ni sustituye una revisión de tu negocio, sus ubicaciones y sus datos.