Um estudo divulgado em setembro colocou um número incômodo na mesa do varejo brasileiro. Segundo o Global Digital Shopping Index 2026, da PYMNTS Intelligence em parceria com a Visa, 74% dos estabelecimentos comerciais no Brasil esperam que agentes de IA respondam por pelo menos 5% das suas vendas digitais nos próximos dois anos. Apenas 15% dizem estar preparados para operar num ambiente de compras mediado por essa tecnologia. E só 21% conseguem identificar quando uma venda começou numa plataforma de inteligência artificial.
A distância entre expectativa e preparo é grande, mas o dado mais revelador é o último. A maioria das lojas não sabe se já vende por esse canal. Antes de falar em estratégia para agentes de IA no varejo, vale entender o que “estar preparado” significa na prática, porque a resposta é menos futurista e mais operacional do que parece.
Principais pontos do artigo
- 74% dos varejistas brasileiros esperam vendas via agentes de IA em dois anos, mas só 15% se dizem preparados.
- Estar preparado envolve quatro camadas: dados, acesso, pagamento e medição.
- O ponto mais negligenciado é o acesso: regras que bloqueiam todo tráfego automatizado passam a barrar também compradores legítimos.
- Protocolos ainda estão em disputa; a base técnica que serve para qualquer um deles já pode ser construída.
- O Magento tem cobertura de API suficiente para expor catálogo, carrinho e pedido sem reescrever a loja.
O consumidor já está usando, e mais rápido do que o varejo
O mesmo estudo mostra o outro lado da equação. Mais da metade dos brasileiros entrevistados, 53%, afirmam ter usado inteligência artificial durante o processo de compra, percentual acima dos 46% registrados nos Estados Unidos. O uso de ferramentas de IA generativa para pesquisar produtos saltou de 2% em 2024 para 32% em 2026. E 70% dos consumidores esperam usar agentes de IA para apoiar suas compras nos próximos dois anos.
Esses números não significam que o consumidor vai delegar toda compra a um robô amanhã. Significam que a etapa de descoberta e comparação já está migrando. Quando alguém pergunta a um assistente qual a melhor cafeteira até determinado valor, a loja que não aparece na resposta não entra na disputa, por melhor que seja o seu checkout.
As quatro camadas de preparo
Em setembro, publicamos uma análise sobre o que o agentic commerce muda de fato no catálogo. A conclusão foi que a lacuna real é de dados, não de protocolo. Este artigo parte daí e amplia o olhar, porque dado bom é condição necessária, mas não suficiente. Um agente precisa encontrar a loja, ser autorizado a navegar nela, conseguir pagar e deixar rastro que permita medir o resultado.
1. Dados: o agente só recomenda o que entende
Atributos completos, preço e estoque consistentes entre canais, descrições que respondem às perguntas reais do comprador e marcação estruturada nas páginas de produto. Esse é o alicerce. Sem ele, as outras camadas não têm o que entregar.
2. Acesso: o agente precisa conseguir entrar
Essa é a camada que quase ninguém discute e que mais nos preocupa. Nos últimos anos, as lojas aprenderam, com razão, a se defender de robôs. Firewalls de aplicação, regras de limitação de requisições e soluções anti-bot bloqueiam tráfego automatizado por padrão. O problema é que um agente de compras agindo em nome de um cliente real também é tráfego automatizado.
Uma política que bloqueia tudo o que não parece humano protege a loja contra raspagem de preços e ataques de credenciais, mas passa a barrar compradores legítimos que chegam por meio de assistentes. A resposta não é abrir a porta. É diferenciar. Isso exige revisar regras de firewall, políticas de acesso para rastreadores de IA e critérios do antifraude, que precisa distinguir o agente autorizado do bot malicioso. Tratamos a outra face desse tema no artigo sobre fraude com inteligência artificial no e-commerce, e as duas discussões precisam acontecer juntas.
3. Pagamento: o agente precisa conseguir pagar com segurança
Para a loja virtual, o pagamento mediado por agentes tende a chegar pelos trilhos que o e-commerce já usa, com credenciais tokenizadas que as bandeiras e os meios de pagamento vêm desenvolvendo. Isso é uma boa notícia: não será preciso reinventar o checkout. Mas é preciso confirmar com o gateway e o antifraude como essas transações serão identificadas e tratadas, e se as regras atuais de análise não vão recusar compras legítimas por comportamento atípico.
4. Medição: saber se o canal existe
O dado de que apenas 21% dos varejistas conseguem identificar vendas originadas em IA mostra que a maioria está operando às cegas. Parte do tráfego vindo de assistentes chega com origem identificável, parte chega como acesso direto. Sem uma configuração específica na ferramenta de análise, esse canal fica diluído e nunca ganha orçamento, porque ninguém consegue provar que ele existe.
Por que não recomendamos correr atrás de protocolos agora
O mercado está cheio de siglas. Diferentes empresas propõem padrões para que agentes consultem catálogos, montem carrinhos e concluam compras. A Adobe anunciou em abril um servidor MCP para a plataforma, com acesso a catálogo, carrinho, preços, estoque, promoções e checkout, além de suporte a protocolos abertos de comércio agêntico. É um sinal importante de direção.
Mesmo assim, nossa recomendação é não escolher protocolo antes de resolver as quatro camadas acima. Os padrões ainda estão em disputa e alguns já passaram por recuos. Qualquer protocolo que vencer vai depender de dados estruturados, de APIs estáveis, de um checkout confiável e de um antifraude calibrado. Esse trabalho rende retorno hoje, na busca tradicional e na conversão, e continua útil seja qual for o padrão que prevalecer.
Onde o Magento ajuda e onde exige trabalho
O Magento tem uma vantagem estrutural nesse cenário: a plataforma já expõe catálogo, preços, carrinho, checkout e pedidos por APIs REST e GraphQL. Não é preciso reescrever a loja para que um agente possa consultá-la de forma organizada.
O trabalho está nas bordas. Extensões que alteram o preço ou a disponibilidade sem refletir isso nas APIs, customizações que só funcionam na interface visual, integrações de estoque com atraso de horas e regras de firewall configuradas sem critério. São esses detalhes que fazem uma loja tecnicamente capaz parecer despreparada quando um agente tenta interagir com ela.
Um diagnóstico de noventa minutos
Para sair do grupo dos 85% sem transformar isso num projeto de seis meses, sugerimos um diagnóstico curto com quatro perguntas, uma por camada:
- Dados: os cinquenta produtos mais vendidos têm todos os atributos preenchidos e marcação estruturada válida?
- Acesso: as regras atuais de firewall e anti-bot bloqueiam os rastreadores dos principais assistentes de IA? Isso foi uma decisão consciente?
- Pagamento: o gateway e o antifraude têm posicionamento documentado sobre transações iniciadas por agentes?
- Medição: a ferramenta de análise separa o tráfego vindo de assistentes de IA em um canal próprio?
As respostas mostram onde está o gargalo. Na maior parte das lojas que avaliamos, o gargalo não é tecnologia nova. É configuração antiga que ninguém revisou à luz do novo comportamento do consumidor.
Como a Trezo trata esse cenário
A Trezo acompanha operações Magento em setores como eletrônicos, beleza, farma e alimentos, e usa essa visão para antecipar como mudanças de comportamento do consumidor chegam a cada segmento. Nosso diagnóstico de preparo para agentes de IA cobre dados, acesso, pagamento e medição, com recomendações priorizadas por impacto. A infraestrutura é gerenciada na AWS e os processos seguem a certificação ISO 27001, o que é especialmente relevante quando a pauta envolve abrir a loja para novos tipos de tráfego com segurança.
Se você quer saber em qual grupo a sua loja está, dos 15% ou dos 85%, fale com nossos especialistas.
Perguntas frequentes
Sim. A Adobe anunciou em 2026 um servidor MCP para o Adobe Commerce, que dá acesso seguro e em tempo real a catálogo, carrinho, preços, estoque, promoções e checkout. No Magento Open Source, as APIs REST e GraphQL da plataforma já permitem expor essas informações de forma estruturada.
Não. A recomendação é diferenciar: permitir rastreadores e agentes identificados dos assistentes relevantes para o seu público e manter as proteções contra raspagem abusiva e ataques automatizados. A decisão deve ser documentada e revisada periodicamente.
Depende do estado do catálogo e das regras de acesso. Em lojas com dados organizados, os ajustes de acesso e medição levam semanas. Quando o catálogo precisa de revisão ampla, o trabalho de dados costuma ser o mais demorado e deve ser priorizado pelos produtos de maior venda.
