O verdadeiro negócio do comércio eletrônico com IA está escondido antes do pagamento do usuário

Nos últimos trinta anos, a infraestrutura do comércio eletrônico quase sempre focou na otimização de uma mesma ação: fazer com que o usuário pressione o botão de compra de forma mais fluida. Pagamentos com um clique, tokens de prova de pagamento, reconhecimento facial e autenticação por impressão digital, tudo isso visa reduzir a fricção no momento do pagamento.

Mas, após a entrada do Agente de IA no fluxo de compra, as mudanças começaram a acontecer antes do pagamento. O que o Agente precisa resolver é como entender a intenção do usuário, filtrar produtos, construir o carrinho de compras e executar a próxima ação dentro de um escopo de autorização claro.

Portanto, o Comércio Agente-centrado não pode ser entendido apenas como uma questão de pagamento. O pagamento ainda é importante, mas é apenas o último elo da cadeia de compra. O que a IA reescreveu primeiro foi o conjunto de processos que ocorrem antes da aprovação da transação.

1. A intenção do usuário se torna uma restrição executável

No comércio eletrônico tradicional, as decisões de compra humanas geralmente envolvem um processo prolongado e com elementos de aleatoriedade, navegando por páginas web. O usuário pesquisa, entra na página do produto, compara avaliações, troca de plataforma, sendo influenciado por preço, design da página, promoções e recomendações, passo a passo.

Mas, quando o Agente age em nome do usuário, o processo de decisão antes do checkout é reorganizado. O usuário talvez não forneça uma plataforma ou produto específicos, mas uma descrição em linguagem natural contendo múltiplas restrições. Essas condições geralmente incluem: limite de orçamento claro, prazo de entrega específico, exclusão de marcas na lista negra e preferências de parâmetros personalizadas.

Essas condições, que antes eram apenas preferências na cabeça do usuário, agora se tornam regras de filtragem que o Agente deve aplicar ao executar tarefas. O que o Agente precisa fazer é transformar uma demanda em linguagem natural em restrições que o sistema possa entender, comparar e executar.

Isso mudará a distribuição de valor na cadeia de negócios. No passado, os comerciantes competiam por cliques e conversões na página do produto; no futuro, muitos produtos passarão primeiro pelo filtro do Agente. A página ainda será importante, mas os dados do produto, preços em tempo real, precisão de estoque, promessas de entrega, regras de devolução e estrutura de parâmetros determinarão se o produto entra na lista de candidatos.

2. Respostas geradas por IA se tornam a nova interface de exibição de produtos

Essas estruturas de parâmetros determinarão se o produto entra na lista de candidatos. E, após a decomposição da intenção do usuário em restrições, essas restrições serão inicialmente enviadas para motores de busca e modelos de IA, dando origem a uma nova interface de exibição de produtos.

Se a entrada do comércio tradicional era uma página de resultados de busca, a nova prateleira do comércio com IA é a própria resposta gerada pelo modelo.

No passado, ao buscar uma questão de consumo, o usuário via um conjunto de páginas, anúncios, avaliações e links de e-commerce. As marcas competiam por ranking, cliques e conversões; o usuário precisava abrir páginas, comparar parâmetros e julgar a veracidade das informações.

Agora, a busca generativa por IA encurta esse processo. Produtos como AI Overview, ChatGPT, Copilot condensam múltiplas fontes em uma resposta direta, apresentando candidatos, cenários de uso e recomendações de compra. O usuário talvez nem clique em vários links ou saiba exatamente quais fontes foram usadas na resposta. As marcas agora precisam lutar para que seus produtos apareçam na lista de candidatos do resposta gerada por IA.

Por isso, o GEO é mais sensível que o SEO, pois influencia não apenas a exposição, mas também o processo de julgamento do modelo. Na busca tradicional, marcas buscavam posições mais altas nos links; na busca generativa, competem por aparecer na lista de candidatos na resposta. Quando a IA compara produtos com tom aparentemente neutro, ela já faz uma pré-seleção para o usuário.

Por outro lado, a recomendação da IA não é criada do nada. Ela consulta rankings de avaliações, discussões em fóruns, vídeos curtos, comentários de e-commerce, relatórios do setor, e condensa essas informações em uma resposta que parece objetiva. As marcas podem não precisar comprar espaço publicitário direto, mas podem influenciar o conteúdo que o modelo acessa, moldando o que será considerado na busca e na síntese. Uma opinião comum pode parecer apenas uma avaliação de boca a boca, mas, se ela se repete em múltiplos canais, a IA pode interpretá-la como uma forte recomendação. Assim, a publicidade comercial pode não aparecer como anúncio, mas influenciar o julgamento da IA.

Isso explica por que o Google é mais cauteloso com o GEO, pois seu ativo mais valioso é a confiabilidade da busca. Os usuários confiam que o Google prioriza informações confiáveis; os anunciantes pagam por essa visibilidade. Na busca tradicional, o Google exibe links, que o usuário pode julgar a fonte; na Overview por IA, a resposta é direta. Se essa resposta for influenciada por avaliações falsas, fazendas de conteúdo ou conteúdo tendencioso, o Google não exibe apenas uma página de baixa qualidade, mas uma sugestão potencialmente enganosa.

Obviamente, a postura de diferentes plataformas em relação ao GEO também é influenciada por seus modelos de negócio. O Google busca manter a confiabilidade da busca, reforçando a qualidade do conteúdo; a Microsoft vê o GEO como uma porta de entrada para anunciantes no Copilot, Bing, Edge e futuros Agentes. Assim, no futuro, o GEO não terá uma única regra, mas evoluirá diferentes limites de governança e entradas comerciais entre busca, assistentes de IA e plataformas de modelos.

No entanto, para que marcas ganhem credibilidade na busca generativa, além de influenciar o modelo com conteúdo de opinião, há uma barreira técnica mais fundamental: o produto deve ser altamente legível por máquinas.

3. A diferenciação na vitrine do comércio eletrônico: dados para máquinas, gosto para humanos

Para obter a confiança e recomendação de agentes de IA, o produto precisa ser altamente estruturado para leitura por máquinas.

Nos primórdios da web comercial, as interfaces eram feitas sob medida para o olho humano. Imagens, descrições e botões de compra eram projetados para prolongar o tempo de permanência na página. Mas os agentes de IA não percebem esses elementos visuais; eles avaliam os produtos com base em dados estruturados: especificações de SKU, estoque em tempo real, preço líquido, SLA (Acordo de Nível de Serviço) e políticas de devolução estruturadas.

Essa mudança faz da legibilidade por máquinas uma vantagem competitiva fundamental na era do comércio com IA. Marcação Schema.org, arquivos llms.txt, APIs de estoque e preço em tempo real, políticas de devolução estruturadas — todos esses elementos influenciam se o Agente de IA consegue entender corretamente o produto. Grandes modelos de linguagem podem extrair informações de páginas não estruturadas, mas esses dados muitas vezes são incompletos, desatualizados ou contaminados por ruído. Em contrapartida, catálogos padronizados e estruturados podem informar diretamente ao Agente: especificações, preço atualizado, status de estoque, capacidade de entrega e regras de devolução. Essa é a barreira de entrada para que o produto seja filtrado e recomendado pelo Agente.

Porém, essa transformação não ocorre de forma uniforme para todos os produtos, mas pode ser dividida em duas categorias, dependendo do tipo de consumo:

Uma é o consumo de eficiência. Como comprar papel higiênico, cabos de dados, materiais de escritório ou passagens de avião e hotéis com preço comparado. Essas decisões têm critérios rígidos: preço, especificações, tempo de entrega. O usuário quer uma resposta rápida, sem precisar explorar muito. Nesses casos, o Agente de IA pode fazer a comparação e a compra de forma extremamente rápida, substituindo o usuário.

A outra é o consumo de gosto e autoexpressão, como escolher um sobretudo, uma luminária vintage ou uma obra de arte. Essas decisões carregam emoções, personalidade e estética. O processo de seleção, hesitação e comparação é parte do prazer. Nesses cenários, o valor do IA está mais na fase anterior ao pagamento: ajudar a organizar inspirações, entender estilos, agregar informações dispersas, tornar a exploração mais fluida.

Esse é o ponto de entrada do aplicativo de moda The Mall. Hoje, o acesso ao descobrimento de produtos online é fragmentado: sites de marcas, Instagram, TikTok, newsletters, sites de desconto, recomendações de amigos e criadores. Os consumidores precisam pular entre esses pontos dispersos. The Mall busca consolidar esses fragmentos em um espaço de shopping virtual, respondendo às necessidades de descobrir, acompanhar novidades, comparar, salvar e compartilhar marcas e produtos.

Nesse espaço, o comportamento do usuário é reorganizado. Pode seguir marcas, acompanhar lançamentos e descontos, salvar produtos, ver o que amigos ou criadores estão fazendo, e até usar IA para entender estilos, passando de uma peça para outra, descobrindo marcas menos conhecidas.

Isso mostra que o novo cenário de negócios com IA não se limita à etapa final de compra, mas também às fases iniciais de descoberta, comparação e expressão de gosto.

Quando a indústria discute como fazer o Agente ajudar na compra com um clique, o processo de hesitação, comparação e construção de preferência — antes do checkout — também pode ser transformado em uma oportunidade de negócio de alto valor.

Gerenciar esses fragmentos de intenção estética, além de criar maior confiança, gera dados de intenção que, a longo prazo, podem ter grande valor comercial. Ao organizar e registrar as preferências e comparações do usuário antes do pagamento, esses produtos podem se tornar um sistema de registro de gostos e intenções. Essa camada de descoberta, próxima da decisão, pode ter um valor de ativos de dados até maior que a comissão final de venda.

Assim, o futuro da vitrine do comércio eletrônico terá duas camadas. Uma voltada para máquinas, responsável pela granularidade, estruturação e verificabilidade dos dados, permitindo que o Agente faça comparações, compras e pedidos de forma eficiente. Outra voltada para humanos, que transmite a expressão da marca, o estilo, a experiência e a descoberta (Serendipity), incentivando o usuário a explorar, criar seu estilo único. No passado, os comerciantes focavam na experiência visual do site; no futuro, precisarão gerenciar simultaneamente um catálogo estruturado legível por máquinas e um espaço de intenção mais oculto, mais imaginativo.

4. A cadeia de promessas se move para o upstream: permitindo que o Agente aja dentro de limites de autorização

Quando o Agente conclui a descoberta de produtos, a filtragem de opções e a construção do carrinho, a transação só então entra no sistema de pagamento.

Do ponto de vista operacional, a rede de cartões moderna é, na essência, uma cadeia de promessas com atraso na liquidação. Na fase de autorização, o comerciante, via adquirente e organização de cartão, verifica a validade do comprovante junto ao banco emissor. Após a aprovação, o comerciante entrega o produto, e a liquidação real ocorre posteriormente, de forma assíncrona. Esse sistema se baseia na premissa simples de que a transação é iniciada por um humano e, no final, a responsabilidade também recai sobre ele.

A intervenção de IA quebra essa premissa. A autorização não é mais uma única transação confirmada, mas um fluxo de decisões autônomas impulsionado por software. Se o agente for atacado por prompts maliciosos, interpretar mal o contexto ou configurar parâmetros incorretos, pode realizar transações fora do escopo autorizado, gerando perdas cujo limite legal fica cada vez mais difuso.

Embora alguns gigantes do varejo tentem mitigar esse risco alterando seus termos de serviço (ToS), definindo por lei que transações iniciadas por terceiros agentes são sempre autorizadas pelo usuário, essa abordagem não resolve o risco técnico. O Comércio Agente-centrado precisa estabelecer restrições antes mesmo da transação ocorrer.

Nos sistemas financeiros tradicionais, essas restrições são feitas por autorização de gateways centralizados. Organizações como Visa e Mastercard estão desenvolvendo padrões para identidade de agentes, tokens de prova e intenções verificáveis, com o objetivo de limitar o escopo de ação do sistema antes da aprovação do pagamento. Na prática, isso significa transformar o comprovante de pagamento em uma fronteira programável: gerar um cartão virtual ou token de uso único na hora da compra, com limites de valor, tempo, categorias ou comerciantes específicos. Se o agente tentar ultrapassar esses limites, a rede pode interceptar a transação na fase de autorização.

Por outro lado, limitar apenas na fase de liberação de fundos ou na camada de gateway ainda é uma defesa relativamente tardia. Os gigantes de liquidação estão estendendo essa lógica para além do ponto de origem, chegando ao próprio início do processo de produção. Recentemente, a Visa fez um investimento estratégico não divulgado na plataforma de desenvolvimento de software Replit. Apesar de ainda estar em fase inicial, sem produtos conjuntos lançados, o sinal é claro: as redes de pagamento globais estão tentando conectar-se diretamente às fontes iniciais de geração de IA. Com a incorporação do Visa Intelligent Commerce e do Trusted Agent Protocol em plataformas de desenvolvedores, a Visa busca integrar a identidade do Agente, a intenção e o contexto do cliente desde a fase de desenvolvimento e implantação, e não apenas na finalização do checkout.

Isso é importante porque muitos Agentes de Transação no futuro podem não ser iniciados por aplicativos de varejistas, mas por softwares construídos por desenvolvedores, distribuídos entre diferentes ferramentas, atuando em nome de usuários ou empresas. Nesse cenário, a Replit deixa de ser apenas um ambiente de código e passa a ser uma porta de entrada para o comércio de agentes na camada de aplicação. Para a Visa, o futuro é que a capacidade da rede de cartões se torne uma infraestrutura nativa de máquina, acessível por API, capaz de identificar identidades e entender intenções.

Essa lógica também está presente em carteiras de agentes contratuais como o Cobo CAW Pact, que evita que o agente acesse diretamente o saldo completo da carteira, gerando um contrato temporário para uma tarefa específica, com limites de valor, caminho de transação e validade. Se a solicitação ultrapassar esses limites, o nó MPC rejeitará a assinatura. Antes da assinatura, os dados da transação podem ser traduzidos em uma intenção compreensível pelo usuário, permitindo sua confirmação.

A longo prazo, a cadeia de promessas está mudando de confiar no agente para restringi-lo. As redes de cartões colocam restrições na camada de gateway e começam a avançar para a camada de desenvolvimento; os sistemas na blockchain devem colocar restrições na camada de assinatura. Os sistemas de pagamento do futuro não apenas verificarão a identidade do pagamento, mas também se o comportamento da máquina está dentro dos limites permitidos.

Conclusão: O Comércio Agente-centrado precisa de uma nova cadeia de promessas

Tecnologia geralmente muda o meio do negócio, mas raramente elimina a responsabilidade em si.

O comércio eletrônico mudou o ambiente de transações, carteiras móveis alteraram os comprovantes de pagamento, APIs de emissão de cartão tornaram a autorização programável, e stablecoins começaram a impactar alguns processos de liquidação. Cada avanço acrescenta uma nova camada de capacidade ao sistema financeiro. Mas o que o sistema de pagamento realmente mantém é a autorização, liquidação, conciliação e resolução de disputas.

A razão é simples: assim que uma transação entra no sistema de negócios, alguém precisa confirmar que ela pode acontecer, alguém precisa prometer o pagamento, e alguém precisa assumir a responsabilidade por erros.

O Agente de IA torna essa cadeia mais longa. No passado, busca, comparação, adição ao carrinho e checkout eram feitos pelo próprio usuário; no futuro, esses passos podem ser delegados ao Agente, que executa automaticamente entre diferentes sistemas. A experiência será mais rápida, mas será mais difícil entender exatamente o que foi autorizado, até onde o Agente pode chegar, quais obrigações o comerciante assume e como a responsabilidade pelo pagamento é dividida.

Essa é a infraestrutura que o comércio inteligente precisa reconstruir. Ela exige uma nova cadeia de promessas: no instante do evento, vincular a intenção inicial do usuário, as permissões do agente, a promessa de pagamento e a responsabilidade por disputas, garantindo que todo o processo seja tecnicamente verificável e rastreável.

A transformação do Comércio com IA, na superfície, é uma questão de pagamento e automação; na essência, é uma questão de responsabilidade.