El tráfico de IA hacia sitios de retail en EE. UU. creció un 693% interanual durante la temporada navideña de 2025 (Adobe Digital Insights, enero de 2026). La mayor parte de ese tráfico fue de navegación. La ola de compras aún está formándose. Cuando llegue, los merchants cuyas infraestructuras de pago fueron diseñadas para flujos de checkout humanos descubrirán el problema en el peor momento posible: un fallo silencioso en el primer pedido de un agente, sin página de error, sin email de carrito abandonado y sin ningún cliente al que llamar.
Este artículo es el checklist que revisamos con merchants enterprise antes de ese momento. Cubre las cinco decisiones de infraestructura que determinan si los flujos de pagos de agentes de IA y agentic commerce se completan correctamente o fallan de forma invisible.
Puntos Clave
- El tráfico de IA hacia sitios de retail en EE. UU. creció un 693% interanual en la temporada navideña de 2025, con el volumen de compras acelerándose en 2026 (Adobe Digital Insights, enero de 2026).
- Los checkouts estándar orientados a humanos fallan en transacciones de agentes en la capa de autenticación: los desafíos 3DS, los CAPTCHAs y los flujos basados en sesión requieren que un humano los resuelva.
- Los merchants necesitan un almacén de credenciales tokenizadas, endpoints de catálogo legibles por máquinas y enrutamiento multi-PSP antes de que llegue el primer pedido de un agente.
- El Smart Routing con lógica de fallback es la principal defensa contra los rechazos falsos en transacciones iniciadas por agentes, que carecen de las señales de comportamiento que los emisores usan para aprobar sesiones humanas.
- Gartner proyecta que el 20% de las transacciones de comercio digital se ejecutarán a través de plataformas de IA para 2030 (Gartner), y Bain prevé que el agentic commerce en EE. UU. alcanzará entre 300.000 y 500.000 millones de dólares para ese año (Bain and Company).
¿Por Qué las Transacciones de Agentes de IA Fallan de Forma Diferente a las Humanas?
Las transacciones iniciadas por agentes fallan en un punto diferente de la infraestructura de pago que las iniciadas por humanos. Los fallos humanos se concentran en el ingreso de datos de la tarjeta, la fricción del 3DS y los rechazos suaves por detalles mal escritos. Los fallos de los agentes se concentran en la autenticación y la puntuación de comportamiento.
Los emisores usan señales de comportamiento para calibrar el riesgo en cada transacción: huella digital del dispositivo, duración de la navegación, movimiento del ratón y patrón de gasto histórico. Un agente de IA no presenta ninguna de esas señales. Llega al endpoint de pago habiendo omitido la página de producto, el carrito y el precalentamiento de sesión que los emisores esperan implícitamente. La transacción parece anómala incluso cuando la tarjeta subyacente es válida y el límite de gasto está bien.
Hemos visto este patrón en merchants enterprise de viajes, gaming y comercio de suscripciones. La tasa de aprobación en transacciones de sesión de agente, antes de la optimización del enrutamiento, es significativamente inferior a la línea base de sesión humana del mismo merchant. La solución no es una nueva regla de fraude. Es una infraestructura que enruta alrededor del problema antes de que el emisor detecte una sesión anómala.
¿Qué Significa Realmente una Infraestructura de Pago "Lista para Agentes"?
Una infraestructura de pago lista para agentes significa que la infraestructura de pago del merchant puede recibir, autenticar y enrutar una transacción iniciada por software, sin que ninguna interacción humana complete el flujo. Ese es un listón más alto de lo que parece.
Un checkout estándar diseñado para humanos tiene tres capas que bloquean a los agentes: un formulario de ingreso de tarjeta que asume que un humano está escribiendo, un desafío 3DS que requiere una interacción de navegador para resolverse y un token de autenticación basado en sesión que expira si el "usuario" no se comporta como un humano. Los agentes chocan contra los tres muros.
La infraestructura lista para agentes reemplaza esos puntos de fricción orientados a humanos con cuatro capacidades.
- Credenciales almacenadas con autorización limitada al agente: el agente presenta un token preaprobado, no un número de tarjeta sin cifrar. El token incluye límites de gasto y vinculación al merchant establecidos por el titular de la tarjeta.
- Resolución programática de 3DS: el flujo de autenticación se completa mediante un protocolo de intercambio, no mediante una redirección de navegador. El agente nunca necesita abrir una ventana de desafío.
- Endpoints de catálogo legibles por máquinas: el agente puede consultar precio, disponibilidad y condiciones a través de datos estructurados antes de iniciar una transacción. Los merchants sin esto pierden visibilidad antes de perder la venta.
- Enrutamiento multi-PSP con lógica de fallback: si el primer adquirente rechaza la transacción del agente, la capa de enrutamiento reintenta con un segundo adquirente antes de que el agente reciba una señal de fallo. Esta es la decisión de infraestructura con mayor impacto en la tasa de aprobación de pedidos de agentes.
La pregunta de fondo sobre los protocolos de agentic commerce y cómo los agentes navegan la decisión de compra se trata en detalle en cómo los agentes de IA compran de forma autónoma y los protocolos detrás de ello. Este checklist se centra en la infraestructura de pago del merchant, no en la capa de decisión del agente.
El Checklist de Cinco Puntos para Merchants Antes del Primer Pedido de un Agente
Ejecutar este checklist antes de tu primer pedido de agente cuesta un sprint. Descubrir una brecha después del primer pedido de agente cuesta una crisis operativa enterprise, un problema de conciliación de ingresos y una conversación sobre contracargos con tu banco adquirente.
1. ¿Puedes almacenar y servir credenciales sin exponer datos de tarjeta sin cifrar?
Los agentes pagan con credenciales almacenadas. Si tu vault guarda PANs sin cifrar en lugar de tokens de red, cada transacción de agente conlleva el riesgo de exposición completa de datos de tarjeta de una transacción de ingreso manual. Los tokens de red eliminan ese riesgo y mejoran las tasas de aprobación: los emisores reconocen las credenciales tokenizadas como de menor riesgo, lo que afecta directamente su decisión de autorización.
La plataforma de Yuno incluye una capa de Vault y Network Tokens que funciona en múltiples adquirentes. Los tokens sobreviven a un cambio de PSP, lo que importa porque los agentes pueden interactuar con tu catálogo en un horizonte temporal largo y a través de múltiples configuraciones de merchant-of-record.
2. ¿Tu configuración de 3DS admite un flujo sin navegador?
El 3DS estándar requiere una redirección de navegador a la página de autenticación del emisor. Un agente de IA no tiene navegador. Si tu implementación de 3DS no puede resolverse mediante un intercambio de desafío-respuesta programático, cada transacción de agente que active un 3DS fallará en la autenticación, no en el adquirente. Ese fallo es invisible en tu dashboard de tasa de aprobación: nunca se convierte en una transacción rechazada. Se convierte en un pedido abandonado sin registro.
Una infraestructura de autenticación que admita configuraciones de 3DS nativo y 3DS externo es un requisito previo para el agentic commerce, no una mejora opcional.
3. ¿Tu capa de enrutamiento toma decisiones por transacción o según reglas escritas hace seis meses?
Las transacciones de agentes llegan con un perfil de señales diferente al de las transacciones humanas. Una regla de enrutamiento escrita para gestionar a un consumidor del Reino Unido que paga con una tarjeta de débito Visa puede enviar una transacción de agente al adquirente completamente equivocado para ese tipo de tarjeta, región y contexto de sesión. Las tablas de enrutamiento estáticas tendrán un rendimiento inferior con el tráfico de agentes.
El Smart Routing que evalúa cada transacción frente a datos de rendimiento del PSP en tiempo real, tipo de tarjeta y señales geográficas es el enfoque correcto. Los datos de la plataforma de Yuno muestran un aumento promedio del 8% en la tasa de autorización entre merchants enterprise que usan Smart Routing (datos de la plataforma Yuno, 2026). En el tráfico de agentes específicamente, donde la línea base de comportamiento ya es más baja, ese incremento no es marginal. Es la diferencia entre un canal viable y uno roto.
4. ¿Tienes enrutamiento de fallback para rechazos suaves?
Cuando un emisor rechaza suavemente una transacción de agente, el agente puede reintentar de inmediato o puede reportar un fallo al usuario final y no reintentar. No hay email de recuperación de carrito abandonado. No hay comunicación al estilo NOVA con un humano para resolver el pago. La venta se pierde.
El enrutamiento de fallback captura los rechazos suaves antes de que se conviertan en fallos. Cuando el adquirente principal devuelve un rechazo suave, la capa de enrutamiento reintenta la transacción a través de un adquirente secundario en milisegundos. Los datos de la plataforma Yuno muestran que el 8% de las transacciones se recuperan mediante enrutamiento de fallback entre merchants enterprise (datos de la plataforma Yuno, 2026). En pedidos de agentes, donde no hay camino de recuperación humana, esa tasa de recuperación representa ingresos que de otro modo desaparecerían sin dejar rastro.
5. ¿Puedes identificar y conciliar las transacciones iniciadas por agentes de forma separada a las humanas?
Las transacciones de agentes no se comportarán como las transacciones humanas en tus reportes. Se concentrarán en horarios inusuales, mostrarán tasas de abandono de carrito más bajas y producirán un patrón de contracargos diferente si las credenciales se ven comprometidas. Mezclar datos de transacciones de agentes y humanos en un único flujo de reporting dificulta la optimización de ambas poblaciones.
Las preguntas de conciliación y responsabilidad que surgen cuando los agentes transaccionan de forma autónoma son más complejas de lo que parecen. Para una mirada más profunda sobre cómo las estructuras de merchant-of-record interactúan con los flujos de agentes, las preguntas de responsabilidad que el agentic commerce plantea a los merchants cubre las estructuras para las que la mayoría de los equipos legales y de pagos enterprise aún no están preparados.
¿Cómo Cambia el Agentic Commerce las Decisiones de Fraude y Riesgo?
El agentic commerce no elimina el riesgo de fraude; lo reubica. El riesgo se desplaza del punto de ingreso de la tarjeta al punto de emisión de credenciales.
Cuando compra un humano, el vector de fraude es el abuso de tarjeta no presente en el checkout. Cuando compra un agente, el vector de fraude son las credenciales de agente comprometidas. Si un atacante obtiene el token que el agente usa para pagar, puede transaccionar a escala sin activar las anomalías de comportamiento que detectan a los defraudadores humanos. El patrón de transacción del agente parece normal para tu modelo de riesgo porque parece igual que cualquier otra transacción de agente.
La mitigación correcta son las credenciales limitadas con controles de gasto y vinculación al merchant, combinadas con reglas de riesgo que marquen las sesiones de agentes que operen fuera de sus parámetros autorizados. El módulo de Risk Conditions de Yuno aplica lógica de riesgo basada en reglas a nivel de transacción, lo que resulta en una reducción del fraude del 29% entre los merchants que lo usan (datos de producto Yuno, 2026). Para el agentic commerce, la configuración específica importa: las reglas deben reflejar los patrones de sesión de agentes, no las líneas base de comportamiento humano.
Según nuestra experiencia con marketplaces enterprise, los merchants que configuran correctamente el fraude para el agentic commerce son los que tratan las credenciales de agentes como una clase de token separada de las credenciales de consumidores, con reglas independientes, límites de velocidad separados y umbrales de alerta distintos.
El Problema del Descubrimiento: ¿Pueden los Agentes de IA Encontrarte Antes de Pagar?
Estar listo para agentes en el lado del pago no sirve de nada si los agentes no pueden descubrir y evaluar tu catálogo antes de iniciar una transacción. La infraestructura de pago es el último paso. El descubrimiento es el primero.
El 58% de los consumidores ya ha reemplazado la búsqueda tradicional con herramientas de GenAI para recomendaciones de productos y servicios (Capgemini Research Institute, 2025). El agente al que delegan necesita poder consultar tu inventario, analizar tu precio y verificar tus condiciones antes de realizar un pedido. Los merchants sin datos de producto estructurados y legibles por máquinas pierden el pedido antes de que su infraestructura de pago sea invocada.
La capacidad de Agentic Commerce de Yuno aborda el ciclo completo: haciendo que los catálogos de merchants sean comprables dentro de ChatGPT, Claude, Gemini, Perplexity y Copilot mediante una única integración. La página de producto de Agentic Commerce explica cómo la integración se activa en las distintas superficies de compra de IA. Este checklist se centra en la capa de infraestructura de pago subyacente, porque el descubrimiento sin completar el pago es un funnel roto.
¿A Qué Se Enfrentarán los Merchants Que Esperen?
El coste de reconfigurar es mayor que el coste de prepararse. Los merchants que construyen infraestructura lista para agentes ahora lo hacen en un entorno de bajo volumen donde los fallos son observables y corregibles.
El 53% de los consumidores ya ha realizado una compra basada en una recomendación de GenAI (Capgemini "From hype to habit," diciembre de 2025). A medida que ese comportamiento escala, los agentes que ejecutan esas compras llegarán en volumen a los checkouts de los merchants. Los merchants que encuentren brechas de infraestructura a escala enfrentarán tres problemas acumulativos: pérdida de ingresos por transacciones de agentes fallidas, exposición al fraude por una gestión incorrecta de credenciales y errores de conciliación por datos de sesión de agentes no mapeados en sus reportes.
Bain prevé que el agentic commerce en EE. UU. alcanzará entre 300.000 y 500.000 millones de dólares para 2030 (Bain and Company). Morgan Stanley sitúa entre el 10 y el 20% de las ventas de eCommerce en EE. UU. como impulsadas por agentes para ese año (Morgan Stanley). Esas proyecciones describen un canal que, para la mayoría de los merchants enterprise, aún no tiene una línea en el roadmap de infraestructura de pago. Esa brecha es exactamente lo que este checklist está diseñado para cerrar.
Para los merchants que evalúan qué capas de orquestación de pagos ya admiten agentic commerce de forma nativa, una comparativa de orquestadores y su soporte para agentic commerce cubre las preguntas de integración específicas que los líderes de pagos están haciendo a sus proveedores de infraestructura ahora mismo.
El Punto de Partida Práctico para los Responsables de Pagos
La forma más rápida de evaluar la preparación para agentes es ejecutar una transacción de agente sintética contra tu infraestructura de producción actual. No un entorno de prueba. Producción.
Pide a un ingeniero que simule lo que haría un agente de IA: llamar a tu endpoint de producto sin una sesión de navegador, presentar un token almacenado sin un formulario de ingreso de tarjeta e intentar una transacción sin resolver una redirección de navegador 3DS. Donde falle, ahí está tu brecha.
En nuestras integraciones en verticales enterprise, los puntos de fallo más comunes son la configuración de 3DS (falla sin navegador), las reglas de enrutamiento (envía el tráfico de agentes al adquirente equivocado para el perfil de riesgo) y la arquitectura del vault (almacena PANs sin cifrar en lugar de tokens de red). Los tres son corregibles. Ninguno es una solución rápida si los detectas en medio del tráfico de agentes a escala.
El resumen del checklist para los responsables de pagos:
- Audita tu almacén de credenciales: tokens de red, no PANs sin cifrar, con límites de gasto limitados al agente.
- Prueba tu configuración de 3DS sin navegador. Si falla, fallará para cada agente.
- Revisa tus reglas de enrutamiento para las características de sesión de agentes: sin huella digital de dispositivo, sin historial de navegación y con tiempos de transacción inusuales.
- Añade enrutamiento de fallback para rechazos suaves en transacciones de agentes. No hay camino de recuperación humana si el primer adquirente dice no.
- Segmenta el reporting de transacciones de agentes del reporting de transacciones humanas antes de que el volumen haga que los datos combinados sean imposibles de interpretar.
Los merchants que actúen sobre este checklist ahora son los que capturarán ingresos impulsados por agentes de forma limpia cuando llegue el volumen. Los merchants que esperen pasarán el primer trimestre de 2027 explicando a sus CFOs por qué las tasas de aprobación cayeron y la exposición al fraude aumentó en un canal que no vieron venir.
