900 Millones de Usuarios y Grillos: Por Qué tu IA Está Atrapada en un Ciclo de Activos Semanales

Este es un artículo extenso de más de 3,000 palabras. Toma tu café.

Resumen TL;DR

• Una reciente discusión en Hacker News reveló que a pesar de una base de usuarios masiva de 800-900 millones, OpenAI ve principalmente un compromiso semanal, no diario, con solo el 5% de los usuarios pagando. Esto señala un defecto crítico: tenemos poderosas herramientas de IA, pero no verdaderos agentes de IA que estén integrados en la vida diaria [4].
• La brecha entre una herramienta impulsada por el usuario y un agente proactivo y autónomo es un abismo arquitectónico. El estado actual del "comercio agentic" depende de frágiles llamadas a APIs y soluciones de intervención humana—lo que una fuente llama "humanos alquilables" [3]—porque nos falta un protocolo universal para que los agentes se comuniquen, transaccionen y negocien.
• Para lograr la preparación de storefront agentic, las marcas deben cambiar el enfoque de construir chatbots aislados a contribuir y prepararse para un mundo impulsado por protocolos. Esto significa obsesionarse con datos estructurados para la búsqueda de IA, crear laboratorios de experiencia de IA en entornos controlados y diseñar sistemas para interacciones auditables impulsadas por agentes.

Estaba atrapado en el tráfico en la 405 el lunes pasado, volviendo a Venice desde DTLA, cuando vi algo que resume perfectamente el estado de la IA. Un SUV eléctrico nuevo de seis cifras, silencioso y elegante, estaba siendo remolcado. Toda esa tecnología futurista, un conjunto de conducción autónoma que puede navegar por una autopista, se volvió completamente inútil debido a un neumático pinchado. La autonomía de la máquina chocó contra una pared en su primer encuentro con un problema mundano y del mundo real que no estaba diseñado para resolver. El propietario estaba al teléfono, presumiblemente coordinando una solución—actuando como la API humana para un hardware muy costoso y muy atascado.

Este es el exacto problema que aqueja al mundo de la IA, y quedó expuesto en un hilo de Hacker News que llamó mi atención esta semana [4]. La discusión se centró en cómo OpenAI, con sus asombrosos 800-900 millones de usuarios, puede competir a largo plazo. Pero la reveladora cifra enterrada en esa conversación no se trataba de la competencia de China o de rivales de Silicon Valley. Era una única y devastadora estadística: la gran mayoría de esos usuarios son activos semanalmente, no diariamente. Y solo el 5% está pagando.

Para cualquiera que haya pasado años construyendo sistemas que viven o mueren por usuarios activos diarios, esta estadística es un signo de alarma estridente. Nos dice que, a pesar de todo el entusiasmo desbordante, hemos construido una herramienta fenomenalmente poderosa que la gente utiliza como una calculadora de lujo—la sacan cuando tienen un problema específico y luego la guardan. No hemos construido un agente proactivo e indispensable que funcione en el fondo de nuestras vidas. Tenemos una característica, no un socio. Y en el comercio, esta distinción es todo.

Este no es un fallo de la inteligencia del modelo. Es un fallo de arquitectura. Tu IA puede escribir un soneto sobre un amor perdido, pero no puede negociar un retorno de un par de zapatillas que llegaron rayadas. Puede generar una imagen fotorrealista de un bolso hecho a medida, pero no puede coordinar con tres diferentes proveedores para que se entregue a una suite en el Chateau Marmont antes de un vuelo de último minuto. Tu IA es el EV al lado de la 405—un poderoso potencial, esperando que un humano haga una llamada telefónica.

¿Estamos Construyendo Agentes o Solo Mejores Calculadoras?

El bajo compromiso diario para una plataforma tan poderosa como OpenAI debería forzar un momento de reconocimiento para cada marca que está invirtiendo millones en "estrategia de IA" [4]. Estamos obsesionados con las métricas equivocadas. Realizamos pruebas A/B sobre los colores de la ventana de chat y medimos el "compromiso de sesión" en minutos, pero estamos a millones de millas de la única métrica que importa para un verdadero comercio agentic: la finalización autónoma de tareas.

Un agente no espera una indicación. Un agente tiene un objetivo y un mandato. Anticipa necesidades. Opera de manera asincrónica. Tu Roomba es más un agente que el 99% de los “asistentes de IA” que existen. Tiene un solo objetivo (limpiar el suelo), navega su entorno, maneja excepciones (chocando con el sofá) y regresa a su base para recargarse—todo sin tu intervención. Trabaja para ti mientras duermes.

Ahora compara eso con el chatbot de tu marca. Es un sistema reactivo. Una barra de búsqueda glorificada con personalidad. Puede responder a preguntas, pero solo si el usuario aparece y las pregunta. Puede guiar a un usuario hacia un producto, pero no puede notar que ha estado buscando botas de senderismo durante tres semanas en varios sitios y sugerir proactivamente una nueva llegada de Patagonia que es perfectamente adecuada para su próximo viaje a las Sierras. Representa un malentendido fundamental de lo que es un agente.

Esta tabla aclara las diferencias arquitectónicas y funcionales con las que estamos lidiando:

Esa discusión en Hacker News destaca una base de usuarios que principalmente interactúa cuando necesita escribir un correo electrónico, depurar código o crear una presentación [4]. Estas son tareas discretas. Este es un comportamiento basado en herramientas. El salto al comportamiento agentic—donde la IA gestiona tu viaje, ejecuta operaciones comerciales o maneja tu tienda—no es un paso iterativo. Es una revolución arquitectónica que aún no ha sucedido.

La Ausencia Desgarradora de un Protocolo Universal de Comercio

Durante dos décadas, construimos comercio en torno a APIs. REST y más tarde GraphQL se convirtieron en la lengua franca. Un producto es un objeto Product. Un pedido es un objeto Order. Era limpio, estructurado y predecible. Todo este paradigma es una carga en la era agentic.

Un agente de IA no piensa en llamadas a APIs rígidas. Piensa en objetivos. Un objetivo como, "Necesito devolver este suéter, pero quiero el azul en su lugar, y necesito que se entregue a mi oficina en Santa Mónica el viernes porque vuelo a una reunión."

¿Cómo representas eso con un endpoint POST /returns? No puedes. La arquitectura actual obliga al usuario (o a un representante de servicio al cliente humano) a actuar como el orquestador, ensamblando una docena de diferentes llamadas a APIs y procesos manuales:

1. Verificar si el suéter azul está en stock.
2. Verificar si puede ser entregado a la oficina de Santa Mónica.
3. Verificar plazos de entrega.
4. Iniciar una devolución del suéter original.
5. Generar una etiqueta de envío.
6. Realizar un nuevo pedido para el suéter azul.
7. Aplicar un crédito de la devolución a la nueva compra.

Es un flujo de trabajo frágil y patético. Un agente autónomo, dado un mandato, debería poder negociar todo este proceso con el propio agente autónomo de la marca. Pero no tienen un lenguaje para comunicarse. Nos falta la capa fundamental: un Protocolo Universal de Comercio (UCP) o algo equivalente.

Sin un protocolo compartido para la comunicación de agente a agente, quedamos atrapados en la realidad presente. El "agente" es solo un modelo de lenguaje que se ha vuelto muy bueno en traducir el objetivo de un usuario en una serie de llamadas a APIs predefinidas. Esto no es autonomía; es scripting elaborado.

Así es como se ve el flujo de datos hoy en día en comparación con cómo debería verse en un mundo impulsado por protocolos:

La diferencia es abismal. El primero es un script lineal y frágil. El segundo es una negociación resiliente y orientada a objetivos entre dos sistemas autónomos. El protocolo es la magia, no el modelo. Proporciona los verbos: proponer, aceptar, negociar, confirmar, ejecutar. Sin estos, toda la inteligencia del mundo está atrapada detrás de un simplista gateway de API.

Tu IA Necesita "Humanos Alquilables", Y Eso es una Mala Señal

Hasta que un protocolo como el UCP exista, nos vemos obligados a tapar los huecos en las capacidades de nuestra IA con personas. Un fascinante artículo de Hackernoon hace hincapié en este concepto, llamándolo la necesidad de "humanos alquilables" [3]. El artículo argumenta que, en lugar de construir robots físicos, las IAs necesitan acceso a una red de humanos que puedan pagar para realizar tareas que no pueden hacer digitalmente—el problema del último kilómetro de la agencia.

Esto no es una predicción futurista; ya está ocurriendo. Cuando tu "IA" programa una reunión compleja, a menudo es un humano asistido por IA en un servicio de programación quien realiza las llamadas. Cuando un sistema agentic promete reservar un restaurante, podría estar llamando al número público del restaurante y utilizando voz a texto para navegar por el árbol telefónico, o peor aún, despachando una tarea a un humano en una plataforma de trabajo temporal.

Esta es una muleta arquitectónica. Es una señal de que la autonomía de tu sistema es una delgada capa sobre un proceso manual. Si bien puede ser un puente pragmático para llevar un producto al mercado, depender de ello como estrategia a largo plazo es construir tu casa sobre arena. Las APIs humanas son lentas, costosas y no escalan. Son la grúa de remolque al lado de la 405.

Los Modos de Fallo del Humano-en-el-Circuito

Como arquitecto de comercio, el modelo de "humano alquilable" me produce comezón. Introduce una enorme superficie para errores que son difíciles de depurar e imposibles de auditar. ¿Qué pasa cuando el API humano tiene un mal día? ¿Escucha mal el pedido? ¿Escribe la dirección incorrecta? Tu sistema prístino y determinista ahora está sujeto al caos de la falibilidad humana. ¿Quién es responsable cuando un humano despachado por IA comete un error que le cuesta a tu marca un cliente valioso?

De la API Humana a Datos Estructurados

La única forma de eliminar el "humano alquilable" es convertir implacablemente procesos desestructurados y centrados en humanos en procesos estructurados y legibles por máquina. Las horas de operación de tu tienda no deberían estar enterradas en una JPG en tu Instagram. Deberían exponerse como datos estructurados que un agente pueda analizar. Tu política de devoluciones no debería ser un PDF de 10 páginas lleno de jerga legal; debería ser un conjunto de reglas legibles por máquina. Este es el trabajo poco glamoroso y fundamental de la preparación de storefront agentic. Se trata de construir una fachada digital tan limpia y bien documentada que un agente de IA no tenga necesidad de pedir ayuda a un humano.

Una Lección del Mundo de la Seguridad: El Validador de IA de HackerOne

Mientras el comercio lucha, el espacio de la seguridad de la información está proporcionando una maestría en desplegar agentes efectivos de alcance limitado. HackerOne, una importante plataforma de recompensas por errores, lanzó recientemente un agente de IA que valida informes de vulnerabilidades [2]. Esto es brillante, y deberíamos estar tomando notas.

Piénsalo bien. Un investigador presenta una posible vulnerabilidad. En el pasado, un analista humano en HackerOne tenía que pasar tiempo intentando reproducir el error para ver si era legítimo. Esta es una tarea repetitiva y que consume tiempo—un trabajo perfecto para un agente. El nuevo agente de IA toma el informe, intenta validar la vulnerabilidad automáticamente y la señala para un humano si tiene éxito. Tiene un objetivo claro y medible. Opera en un entorno restringido. Su éxito o fracaso es binario y fácilmente auditado.

Ahora contrasta eso con el caos ilimitado de un agente de compras. "Encuéntrame un atuendo genial para una fiesta en Silver Lake." ¿Qué es "genial"? ¿Qué tipo de fiesta? ¿Cuál es el presupuesto? El contexto es infinito. Los criterios de éxito son subjetivos.

Esta es la razón por la que estamos viendo un compromiso semanal, no diario, con modelos generalizados [4]. El costo del fracaso es demasiado alto para que los usuarios deleguen tareas significativas y ambiguas. Nadie va a delegar toda su compras navideñas a un LLM que podría alucinar un regalo terrible o pedir de la tienda equivocada. Pero puede delegar absolutamente la tarea "Avísame en el momento en que el nuevo equipaje de cabina en beige esté de nuevo en stock en su tienda de Abbot Kinney y haz un pedido si el precio está por debajo de $120."

Esa es una tarea verificable, restringida y automatizable. El éxito del agente de HackerOne nos enseña que la primera ola de verdaderos agentes comerciales no serán oráculos omniscientes. Serán trabajadores hiperespecializados, de una sola tarea que ejecutan a la perfección dentro de un dominio restringido.

Lo Que Esto Significa Para Tu Marca: Deja de Jugar, Comienza a Arquitectar

Tu equipo de marketing probablemente esté ejecutando un "Laboratorio de Experiencia de IA", que se traduce en una docena de suscripciones a diferentes herramientas de IA generativa para crear copias de anuncios e imágenes para redes sociales. Esto es una pérdida de tiempo y dinero si tu arquitectura comercial básica no puede soportar una verdadera agencia.

Necesitas cambiar tu enfoque de las llamativas aplicaciones front-end a la aburrida, crítica infraestructura de back-end. Necesitas preparar todo tu sistema para ser legible y navegable por agentes autónomos.

Aquí tienes tu lista de verificación para la preparación de storefront agentic:

1. Realiza una Auditoría de Esquemas: Revisa cada pieza de datos que describe tus productos, políticas y operaciones. ¿Está estructurada? ¿Es legible por máquina? ¿Puede un agente determinar tu política de devolución para artículos comprados en oferta y enviados a una dirección APO sin analizar un muro de texto? Este es el trabajo de datos estructurados para búsqueda de IA y su hermano, Optimización del Motor Generativo (GEO). Si tus datos son un desastre, tu agente será inútil.

2. Construye un Sandbox de Agentes Internos: Antes de que alguna vez dejes que un agente frente al cliente funcione libremente, construye uno para tu equipo interno. Crea un agente con el único objetivo de monitorear tu inventario y logística. ¿Puede predecir cuándo se te acabará un SKU específico basado en la velocidad de ventas y los datos de la cadena de suministro? ¿Puede señalar un pedido que va a perder su ventana de entrega? Utiliza las operaciones internas como terreno de entrenamiento para construir agentes auditables y confiables.

3. Arquitecta para Negociación, No Solo Transacciones: Tu plataforma de comercio de nueva generación no debería tener solo una API de Order. Necesita una API de Negotiation. Necesita endpoints que permitan a un agente hacer una propuesta, recibir una contraoferta y obtener autorización para un objetivo modificado. Comienza a pensar sobre cómo tus sistemas manejarían el ir y venir del diagrama de UCP anterior. Este es el dominio de un verdadero arquitecto de comercio AI.

En CTO.LA, mi equipo y yo pasamos nuestros días diseñando estos sistemas para marcas que entienden la diferencia entre un chatbot y una fuerza laboral agentic. No solo nos estamos conectando a un LLM; estamos reconstruyendo la plomería del comercio para prepararnos para un mundo donde tus clientes más valiosos son algoritmos. Si eres una marca en Los Ángeles, o en cualquier lugar, y estás listo para ir más allá del juguete de activos semanales y construir un sistema que impulse un comercio real y autónomo, hablemos.

Tu IA No Puede Ir de Compras en Melrose, Aún

La prueba definitiva del comercio agentic no será un flujo de pago perfecto. Será cuando una IA pueda replicar el desordenado, hermoso proceso humano de descubrimiento. ¿Puedo enviar a mi agente con el objetivo: "Tengo un presupuesto de $500. Encuéntrame una chaqueta única en algún lugar entre Fairfax y La Brea que pueda usar en una inauguración de galería este fin de semana. Me gustan los estilos minimalistas y ligeramente desgastados. Sorpréndeme."?

Para que un agente realice esto, necesita hacer más que consultar una base de datos de inventario. Necesita entender la cultura. Necesita analizar los datos no estructurados de las historias de Instagram de boutiques locales. Necesita leer reseñas, entender las estéticas de la marca e incluso inferir el ambiente de un vecindario. Necesita negociar ventas en la acera y métodos de pago solo para ventas privadas.

Estamos muy lejos de esta realidad, y las bajas cifras de compromiso diario de las IA más avanzadas del mundo son la prueba [4]. Todavía estamos enseñando a las máquinas a hablar. Ni siquiera hemos comenzado a enseñarles cómo tener una conversación, y mucho menos cómo hacer compras. Las marcas que ganarán la próxima década no son las que tienen la demostración de IA más llamativa hoy. Son las que están construyendo silenciosamente la robusta arquitectura impulsada por protocolos que permitirá a los agentes de mañana finalmente salir del coche y hacer algo útil.

• agentic commerce
• commerce ai architecture
• ucp
• generative engine optimization
• ai