Agentic commerce: por que a loja deixou de ser o centro e a malha de demanda assumiu

Em janeiro de 2026 o Google publicou o Universal Cart Protocol. Na prática, isso significa que um agente pode montar um carrinho com itens de várias lojas e fechar a compra sem que o consumidor abra nenhuma delas. Pare um segundo nesse detalhe. A conversão, que sempre foi o evento mais defendido do funil, agora acontece fora da sua interface. Você não controla a página onde o “comprar” é clicado. Você nem sabe se houve uma página.

Essa é a virada que poucos times de marketing levaram a sério. A loja online deixou de ser o centro do jogo. O centro agora é outra coisa: a malha que conecta a intenção do consumidor aos dados, aos agentes, aos canais, ao estoque, ao pagamento e à confiança. Quem ainda mede o sucesso pela quantidade de visitas à home está contando o público de um teatro que esvaziou.

O que exatamente o agente substituiu?

Ele substituiu a navegação. Durante vinte anos, o e-commerce otimizou a jornada: o banner que leva à categoria, a categoria que leva ao produto, o produto que leva ao carrinho. Cada clique era uma chance de persuadir. O agente comprime tudo isso em uma consulta e uma decisão. Ele não vê o seu hero banner. Ele lê o seu feed, cruza com avaliações, compara preço e disponibilidade, e recomenda.

A Bain estima que o agentic commerce movimente entre US$300 e US$500 bilhões nos Estados Unidos até 2030. Já hoje, 6% das buscas digitais são feitas diretamente por interfaces de IA, e mais de 60% das interações na chamada web zero-clique terminam sem nenhum clique para fora. O consumidor recebe a resposta e segue a vida. Se a sua marca não estava na resposta, ela simplesmente não existiu naquela decisão.

A pergunta deixou de ser “como faço o cliente chegar à minha loja”. Passou a ser “como faço a minha marca estar presente, correta e confiável no momento em que o agente decide por outra pessoa”.

Por que a vitrine perdeu valor e o que ganhou no lugar?

A estética da página de produto resolvia um problema humano: reduzir a fricção e a desconfiança de quem está prestes a pagar. O agente não tem esse problema. Ele não se encanta com uma foto de lifestyle nem hesita diante de um botão mal posicionado. Ele quer dados limpos e sinais de confiança verificáveis.

É por isso que estrutura passou a valer mais que superfície. Dados da indústria mostram que 71% das páginas citadas pelo ChatGPT têm dados estruturados, e que a presença de structured data multiplica por aproximadamente 3,1 vezes a chance de aparecer nos AI Overviews. Não é coincidência. O agente prefere a fonte que ele consegue ler sem ambiguidade.

A tabela abaixo resume o deslocamento de valor que estou descrevendo.

Ativo	Valor na era da loja-centro	Valor na malha de demanda
Página de produto bonita	Alto — reduzia fricção humana	Baixo — o agente não a lê como humano
Feed de catálogo estruturado	Operacional, escondido	Crítico — é o que o agente consome
Avaliações e prova social	Influência marginal	Sinal central de confiança para o modelo
Dados próprios (CDP, CRM)	Suporte a campanha	Combustível da decisão e da personalização
Disponibilidade e preço em tempo real	Detalhe de checkout	Pré-requisito para entrar na recomendação

Note o que mudou de quadrante. Aquilo que era plumbing invisível virou diferencial competitivo. E aquilo que recebia o maior orçamento de criação virou commodity para a máquina.

Marketing como infraestrutura: o loop que substitui a campanha

Aqui está a tese que defendo com mais convicção, porque já gastei orçamento testando os dois modelos. Campanha é um evento com começo, meio e fim. Infraestrutura é um sistema que não para. No agentic commerce, marketing precisa virar infraestrutura, porque os agentes consultam a sua marca o tempo todo, não na janela de um flight de mídia.

Eu organizo essa infraestrutura como um loop contínuo de nove etapas que se realimentam:

1. Audience — quem é o consumidor e qual a intenção real por trás da consulta.
2. Content — o conteúdo e os dados estruturados que descrevem produto, marca e contexto de forma legível por máquina.
3. Channel — onde a marca aparece: motores generativos, retail media, marketplaces, social.
4. Signal — os sinais que o agente capta (avaliações, menções, disponibilidade, autoridade).
5. Decision — o momento em que o agente seleciona e recomenda.
6. Offer — a oferta certa, no preço e na condição que o contexto pede.
7. Conversion — a transação, que pode acontecer fora da sua interface.
8. Retention — a recompra e o relacionamento, agora mediados por dados próprios.
9. Learning — o que cada ciclo ensina, devolvido para Audience e Content.

A diferença entre quem vai vencer e quem vai apanhar está no fechamento desse loop. Times que tratam Learning como um relatório de fim de trimestre perdem. Times que devolvem o aprendizado para a malha em ciclos curtos compõem vantagem.

Onde os dados próprios e o CDP entram nesse loop?

Eles são o que transforma um loop genérico em um loop com vantagem. A etapa Offer só é boa se Audience souber quem está do outro lado, e isso depende de dados próprios bem organizados num CDP capaz de disparar a próxima melhor ação. Sem isso, o agente recebe a mesma oferta para todo mundo, e a personalização que era o seu diferencial vira ruído.

O ponto sutil aqui é que o dado próprio passou a ter dois consumidores, não um. Antes, o CDP alimentava o seu próprio motor de e-mail e de recomendação on-site. Agora ele também precisa estar pronto para abastecer o agente externo com o contexto certo — disponibilidade, histórico, preferência declarada — no instante da decisão. A empresa que mantém esse dado em silos desconectados está, na prática, mandando o agente decidir às cegas sobre o seu cliente. E agente às cegas escolhe pelo critério mais simples que encontra, que costuma ser preço.

Onde o retail media e os marketplaces entram nesse loop?

Eles entram em Channel e Signal ao mesmo tempo. O retail media não é só um lugar para comprar impressão, e sim um lugar onde o agente colhe sinal de relevância e de disponibilidade. Quando você estrutura bem a sua presença em marketplace e em rede de retail media, você não está apenas comprando visibilidade humana — está alimentando o conjunto de dados que treina a recomendação do agente para a categoria inteira.

O erro comum é mandar o time de retail media operar isolado, com métrica de ROAS de curto prazo, enquanto o time de GEO cuida da legibilidade por máquina em outra planilha. São a mesma malha. Separá-los é como ter duas pessoas regando lados opostos da mesma planta sem se falar.

Como saber se a sua malha está saudável?

Comece olhando para fora da sua própria casa. A volatilidade nas citações de marcas pelos LLMs chega a variar de 40% a 60% mês a mês. Isso quer dizer que estar citado hoje não garante nada amanhã. A saúde da malha se mede pela consistência da presença, não por um pico isolado.

Três perguntas operacionais separam quem está pronto de quem está blefando. A sua disponibilidade e o seu preço estão expostos em tempo real para os agentes, ou ainda dependem de o consumidor abrir a página? Os seus dados próprios estão organizados a ponto de personalizar a oferta no momento da decisão, ou vivem em silos que ninguém cruza? E a sua confiança é verificável por uma máquina — avaliações estruturadas, identidade de marca consistente, dados que batem entre canais — ou depende de o consumidor “sentir” que a marca é séria?

Em junho de 2026, o Search Console passou a oferecer relatórios sobre recursos generativos, o que dá a primeira janela séria para acompanhar como a marca aparece em respostas de IA. Use isso, mas não como pódio de vaidade. Use para medir a etapa Signal do loop e fechar o ciclo com Content.

A decisão prática

Pare de orçar marketing como uma fila de campanhas e comece a orçá-lo como infraestrutura. Isso é uma decisão de alocação, não de criatividade. Na prática, significa três movimentos imediatos.

Primeiro, una os times. Quem cuida de GEO, quem cuida de retail media e quem cuida de CRM estão operando a mesma malha de demanda e precisam de uma única visão de loop. Segundo, audite a legibilidade da sua marca para máquinas antes de gastar mais um real em criação humana — dados estruturados, feed de catálogo, disponibilidade em tempo real e prova social verificável. Terceiro, instrumente o Learning para devolver aprendizado em ciclos de semanas, não de trimestres.

O próximo passo concreto é simples e revela quase tudo: peça hoje a três agentes de IA diferentes para recomendar um produto da sua categoria e veja se a sua marca aparece, se os dados estão corretos e se a confiança se sustenta. O resultado dessa consulta de cinco minutos vale mais que o seu último relatório de tráfego. É a sua malha de demanda respondendo se está viva ou não.