Existe uma pergunta desconfortável que quase nenhum gestor de e-commerce fez ainda:
quando um agente de IA comparar cinco lojas para o seu cliente, ele vai conseguir entender a sua?
Não é uma pergunta de futurologia. Em 4 de setembro de 2026, o estudo "Futuros Conversacionais 2027 e 2028", realizado pela WGSN em parceria com a Blip, apontou que o próximo grande desafio do varejo digital não é conquistar mais cliques — é ser escolhido sem que o consumidor sequer visite o site da marca.
A leitura central do estudo é dura para quem investiu anos em tráfego: a internet caminha para um cenário em que agentes pesquisam, interpretam informações e tomam decisões em nome do usuário, reduzindo a necessidade de navegação tradicional. Sites e aplicativos continuam existindo, mas deixam de ser necessariamente o destino final da jornada. Passam a funcionar como fontes de informação que precisam ser compreendidas por máquinas.
O que muda na prática: o modelo B2AI2C
O estudo descreve a evolução para um modelo chamado B2AI2C — Business to AI to Consumer. O agente ocupa uma posição intermediária entre empresa e consumidor. Nesse arranjo, a marca pode não ter contato direto com o cliente durante boa parte da jornada.
Como isso acontece: o agente pessoal consulta diferentes empresas, cruza informações, avalia alternativas e entrega ao usuário uma recomendação já filtrada. Para estar nessa lista, a empresa precisa oferecer dados estruturados e serviços acionáveis por sistemas externos.
O estudo é direto sobre a consequência: APIs, autenticação, autorização, integração de sistemas e confiança deixam de ser questões apenas técnicas e passam a fazer parte da estratégia comercial.
Existe ainda um segundo estágio previsto, o A2A — Agent-to-Agent. De um lado, o agente do consumidor, representando preferências e dados. Do outro, agentes das próprias empresas, conectados a estoque, preço, logística e atendimento. Em determinadas jornadas, a negociação acontece entre sistemas antes de qualquer decisão chegar a uma pessoa.
Ou seja: você passa a precisar convencer o agente, não só o comprador.
O estudo fala de 2027 e 2028. A tubulação já foi instalada em 2026.
Na NRF de janeiro de 2026, o Google apresentou o Universal Commerce Protocol, padrão aberto desenvolvido com a Shopify e outros parceiros do varejo, que permite a agentes de IA realizar compras diretamente com as marcas. O protocolo opera dentro de ambientes como Google AI Mode, Gemini, Microsoft Copilot e ChatGPT, e permite que descontos, programas de fidelidade, assinaturas e condições de venda sejam aplicados durante uma conversa. Marcas como Gymshark, Everlane e Keen já operam com a tecnologia.
Por ser padrão aberto, ele não é exclusivo de quem usa Shopify: marcas em outras plataformas podem colocar o catálogo na infraestrutura da Shopify através do Agentic Plan e ser descobertas por agentes de IA sem migrar de plataforma.
A escala projetada explica a corrida. A Gartner estima que até 2028, 90% das compras B2B — mais de US$ 15 trilhões — vão passar por plataformas de agentes de IA. E a Shopify reporta que catálogos sincronizados apresentam até duas vezes mais conversão nas experiências de compra via inteligência artificial.
Some a isso o que a OpenAI lançou no início deste mês: o GPT-6 Astra, modelo treinado para operar navegadores e computadores e executar fluxos de várias etapas com pouca intervenção humana. A peça que faltava para o agente sair da recomendação e ir até o checkout acabou de ficar mais rápida e mais barata por tarefa.
O problema real: seu catálogo foi escrito para humanos
Aqui está o ponto que separa quem vai participar dessa jornada de quem vai ficar de fora — e ele não tem nada de futurista.
A maioria dos e-commerces brasileiros tem catálogo montado para vender no olho: foto boa, descrição persuasiva, atributos incompletos, variação cadastrada de três formas diferentes por três pessoas diferentes, estoque que só é confiável depois da sincronização da madrugada, política de troca escrita em uma página institucional que nenhum sistema lê e prazo de entrega calculado apenas no checkout.
Um humano navega por cima disso, ele vê a foto, entende o produto, tolera a inconsistência. Já o agente lê campo, se o atributo não existe, o produto não entra no filtro. Se o preço no feed diverge do preço na página, a fonte perde confiabilidade. Se o estoque não é consultável em tempo real, a recomendação é arriscada, e o agente escolhe o concorrente que responde melhor.
A venda não é perdida no checkout. É perdida na etapa de leitura, e não existe relatório que mostre isso.
Já vimos esse filme. Quando o SEO se consolidou, quem tinha site sem estrutura semântica simplesmente não aparecia — e demorou anos para entender por quê. A diferença é que agora a camada que interpreta não é um índice de busca, é um sistema que decide e executa.
Checklist: sua operação está legível para agentes?
Sete perguntas objetivas. Cada "não" é um ponto de perda.
Catálogo estruturado. Seus produtos têm atributos completos e padronizados — material, medidas, compatibilidade, variação, categoria — ou a informação está solta dentro da descrição?
Preço, estoque e prazo são os mesmos na plataforma, no ERP, no marketplace e no feed? Se divergem, qual é a fonte oficial?
Estoque consultável em tempo real. Existe API respondendo disponibilidade ou tudo depende de sincronização agendada?
Troca, devolução, garantia e frete estão em dados estruturados ou apenas em texto corrido de página institucional?
Sua loja implementa Schema.org de produto, com preço, disponibilidade e avaliação marcados?
Quantos pontos da sua operação dependem de alguém exportar planilha e importar em outro sistema?
Se um agente fizer um pedido, sua operação consegue identificar a origem, medir a conversão desse canal e auditar o que foi executado?
Se você não sabe responder três ou mais dessas perguntas, o problema não é a IA. É que ninguém nunca precisou olhar para esses dados dessa forma — e agora eles viraram infraestrutura de venda.
O que fazer antes de investir em qualquer ferramenta
A tentação é contratar uma solução de IA. Quase sempre é a ordem errada.
Primeiro: audite o catálogo. Escolha os vinte produtos que mais faturam e verifique atributo por atributo o que uma máquina conseguiria interpretar sobre eles. É um exercício de meio dia e costuma ser desconfortável.
Segundo: mapeie onde o dado quebra. Todo ponto em que alguém exporta, copia ou digita de novo é uma integração que não existe — e é exatamente ali que preço e estoque divergem.
Terceiro: decida qual é a fonte de verdade da sua operação. ERP, plataforma ou PIM. Enquanto existirem três respostas possíveis, nenhuma automação vai ser confiável.
Quarto: só então avalie canais agênticos. Com catálogo limpo e integração estável, entrar nesses canais vira configuração. Sem isso, vira exposição de um dado ruim em escala.
Onde a 2Maker entra
A 2Maker trabalha exatamente nessa camada: e-commerce e Shopify, integração de sistemas, estruturação de catálogo e dado, automações e IA aplicada a processos reais de venda. Não vendemos "presença em IA". Preparamos a operação para que ela seja interpretável, integrada e confiável — que é o pré-requisito de qualquer canal novo, agêntico ou não.
Diagnóstico de prontidão para e-commerce. Uma análise da sua operação em três frentes, com entrega objetiva:
Catálogo e dado: o que uma máquina consegue interpretar dos seus produtos hoje e onde estão as lacunas de atributo, padronização e semântica.
Integrações: onde preço, estoque e prazo divergem entre sistemas, e quais pontos dependem de trabalho manual.
Plano de correção priorizado: o que resolver primeiro por impacto em receita, com estimativa de esforço.
Sem compromisso de contratação e com um documento que fica com você mesmo que decida seguir sozinho.
Agende o diagnóstico com a 2Maker. Trinta minutos de conversa para entender sua operação e definir o escopo da análise.
Fontes
Estudo "Futuros Conversacionais 2027 e 2028" — WGSN e Blip, noticiado em 4 de setembro de 2026 (Mercado&Consumo)
Universal Commerce Protocol — anúncio Google e Shopify, NRF 2026
Harvard Business Review — projeção Gartner sobre compras B2B via agentes até 2028
OpenAI — lançamento do GPT-6 Astra, 3 de setembro de 2026
