Colocar seu produto no ChatGPT não é a parte difícil, passar pela finalização da compra é

Ofereço consultoria pro bono a um varejista localizado no Upper East Side da cidade de Nova York e, em nossa última videoconferência, abordamos alguns novos assuntos. Dados estruturados, feeds de catálogo, uma conexão com o Universal Commerce Protocol do Google ou com o Agentic Commerce Protocol da OpenAI. Mas não falamos sobre o que determina se uma venda acontece: uma vez que um agente de IA, e não uma pessoa, é quem conclui a transação, o checkout abaixo ainda funciona?

O presidente do Shopify, Harley Finkelstein, respondeu parte dessa pergunta na teleconferência de resultados da empresa em fevereiro de 2026, e o número não é pequeno. Os pedidos que chegam por meio de pesquisa com tecnologia de IA cresceram 15 vezes desde janeiro de 2025 e já estão sendo roteados por meio de três protocolos separados criados no ano passado: o Universal Commerce Protocol do Google, o Agentic Commerce Protocol da OpenAI e o Agentforce Commerce da Salesforce, que optou por se alinhar ao UCP em vez de construir um padrão concorrente. Os vendedores do Etsy entraram no ChatGPT primeiro, seguidos pelos comerciantes do Shopify, incluindo Glossier, Spanx e Vuori. Desde então, a OpenAI abandonou o checkout nativo por chat, transferindo as compras para aplicativos de varejistas, o que torna a questão subjacente mais nítida, em vez de menos relevante.

Mandei um e-mail para Konstantin Klyagin para descobrir o que acontece depois disso. Ele fundou a QAwerk em 2015 para fornecer ao software um parceiro de teste adequado, e desde então a agência testou mais de 300 projetos de clientes na América do Norte, Europa e África. Sua resposta à questão da visibilidade foi fazer com que um produto aparecesse nos resultados de uma plataforma de IA é a metade fácil, mas a maior parte do atrito atual ocorre posteriormente, na parte que ninguém está testando ainda.

Um agente não compra nada como uma pessoa

O enquadramento de Klyagin é simples quando você o ouve: um comprador humano navega em um ritmo inconsistente, se distrai, abandona um carrinho e volta a ele horas depois. Um agente de IA dispara chamadas de API rápidas e estruturadas, avalia um produto em relação aos critérios fornecidos e executa uma decisão em segundos. Essa velocidade é exatamente o que quebra os sistemas ajustados para os humanos.

A limitação de taxas e a detecção de bots existem para capturar comportamentos que parecem automatizados, que é exatamente a aparência de um agente de compras legítimo. A lógica de sessão construída em torno de uma visita humana contínua engasga com um agente que consulta um produto, fecha a sessão e retorna mais tarde para finalizar a compra. A equipe de Klyagin testou sistemas multiagentes em outros setores regulamentados e continua encontrando a mesma causa raiz: a maioria dos planos de controle de qualidade verifica se um sistema produz o resultado correto e quase nenhum verifica se a infraestrutura circundante tolera um ator não humano movendo-se através dele na velocidade da máquina.

É aqui que um produto bem classificado e otimizado ainda não consegue converter. O trabalho de SEO e visibilidade de IA no qual a maioria dos varejistas está focada agora está inteiramente a montante dele.

O padrão de falha não é o que você imagina

Pedi a Klyagin um exemplo real de falha no checkout, nos dados do produto ou no reembolso causada especificamente por um agente de IA, esperando uma história dramática. Ele não viu um incidente de produção verificado em que o próprio agente causou a falha no checkout de um cliente e não estava disposto a disfarçar um bug comum de comércio eletrônico como uma falha do agente e é exatamente por isso que sua resposta real vale mais do que uma anedota fabricada.

O que sua equipe descobriu repetidamente é um problema mais sutil que se torna sério no momento em que o comprador é um software e não uma pessoa. Em um projeto de cliente, um funil chamado Pridefit, os engenheiros descobriram que dois componentes separados mantinham suas próprias cópias dos mesmos dados do plano, com pequenas diferenças de preços e atributos entre os dois. Um comprador humano pode nunca perceber ou apenas atualizar a página. Um agente de IA não tem contexto visual nem julgamento ao qual recorrer. Se ele selecionar um plano com base em uma fonte de dados e o checkout for validado em outra, a incompatibilidade de preço, SKU ou disponibilidade poderá paralisar a transação em um estado que o agente não poderá resolver sozinho.

A equipe de Klyagin removeu a duplicação e centralizou os dados do plano, de forma que cada parte do funil fosse proveniente de uma única fonte. Mas o padrão que ele espera ver com mais frequência no comércio de agentes geralmente não é um agente escolhendo o produto errado. São sistemas que discordam sobre o estado de uma compra: um feed de inventário diz que uma variante está em estoque, enquanto o checkout diz que está esgotado, uma solicitação expirada é repetida em um endpoint que não é adequadamente idempotente ou um reembolso é liberado no lado do comerciante antes que o estado atualizado do pedido chegue ao agente que o iniciou. Muitas vezes uma pessoa pode ignorar uma inconsistência como essa e descobrir o que realmente aconteceu. Um agente precisa que cada API, cada feed de produto e cada status de pedido já estejam de acordo.

3 verificações que vale a pena executar antes de seguir um quarto protocolo

Klyagin indica aos clientes três testes específicos, e acho que todo varejista atualmente focado em sincronização de catálogo e marcação estruturada deveria executar todos os três antes de adicionar uma quarta plataforma de IA à lista.

• Faça um teste de carga da API de checkout da maneira como um agente realmente a acessa. Não uma sessão humana lenta por vez, mas muitas chamadas paralelas disparadas em rápida sucessão. Um caixa que administrou milhões de sessões humanas sem incidentes ainda pode falhar na primeira vez que encontrar esse padrão de tráfego, e a maioria dos varejistas que se conectam ao UCP ou ao ACP neste momento realmente não sabem se isso acontecerá.
• Verifique a precisão dos dados do produto da forma como uma máquina os lê, não da forma como um navegador os renderiza. Uma página que parece perfeitamente consistente para um visitante humano pode ser extraída de duas fontes discordantes abaixo, e um agente não tem como perceber a lacuna da mesma forma que uma pessoa que rola a página faria.
• Verifique reembolsos e devoluções corretamente na primeira tentativa. Quando uma máquina inicia a solicitação, não há representante de atendimento ao cliente no circuito para detectar uma falha parcial ou um status que nunca é sincronizado.

Nenhum desses três exige esperar que UCP, ACP ou Agentforce Commerce amadureçam ainda mais. Eles testam a base de que todos os três protocolos dependem, independentemente de qual deles, ou de qual combinação, acabe liderando o mercado.

Minha opinião

Acho que a indústria está com o sequenciamento ao contrário. Todo mundo está correndo para ser listado no ChatGPT e Gemini antes de verificar se o checkout pode realmente concluir a venda assim que um agente chegar lá, e isso está construindo visibilidade sobre uma base que ninguém testou. O SEO técnico garante ao produto um lugar nos resultados de um agente. Não há nada a dizer sobre se o agente pode comprá-lo e, neste momento, o segundo problema, mais difícil, é aquele em que quase ninguém está trabalhando.

Klyagin espera que o controle de qualidade se divida em duas áreas coordenadas nos próximos anos. Um que valida continuamente a experiência que um ser humano tem e um segundo que valida se um agente pode analisar os dados, concluir as chamadas de API e obter um resultado previsível quando se move pelo sistema na velocidade da máquina. Essa é aproximadamente a mesma mudança que as equipes de controle de qualidade de comércio eletrônico passaram construindo suítes de testes específicas para dispositivos móveis há uma década, e os varejistas que tratam isso como uma prioridade de engenharia agora, antes da mudança de volume que os próprios números do Shopify mostram já em andamento, terão uma vantagem real sobre todos ainda focados apenas em serem encontrados.

Se sua estratégia de comércio eletrônico para 2026 parar de aparecer nos resultados de uma plataforma de IA, então você resolveu a parte do problema que nunca foi realmente a parte difícil.

Mais recursos:

Imagem em destaque: tete_escape/Shutterstock