Agentic Commerce: o que é e como funciona

Agentic commerce (comércio agêntico) é a compra conduzida por agentes de software, nos dois sentidos: do lado do cliente, agentes de IA descobrem, avaliam e, cada vez mais, compram em nome do cliente; do lado do varejo, agentes autônomos ajustam preço, merchandising, promoções e o relacionamento pós-compra em tempo real. O lado do varejo otimiza a loja que existe hoje. O lado do comprador substitui a jornada de compra — e é a metade menos compreendida e mais rápida.

O que empurra o varejo nessa direção, do lado da loja, é o limite da operação manual. Um time de merchandising administra dezenas de categorias e um punhado de estratégias promocionais. Um agente percorre milhões de combinações de produto e cliente, milhares de cenários de preço e dezenas de canais, de forma contínua. Grandes varejistas como a Amazon usam comércio algorítmico há anos; o agentic commerce leva esse padrão ao varejista de médio porte por meio de frameworks de agentes de IA acessíveis e de plataformas de Agentic CDP, que entregam a base de dados de cliente unificada de que os agentes precisam.

O agentic commerce se apoia no comércio digital (digital commerce) e acrescenta uma camada de decisão autônoma. Comércio digital nomeia os canais e a infraestrutura da venda on-line; agentic commerce nomeia o modelo operacional de decisão autônoma sobreposto a esses canais. É o equivalente, do lado do comércio, do marketing agêntico (agentic marketing): o mesmo ciclo autônomo de planejar, executar e aprender, aplicado à loja em vez da campanha.

Quando o agente se torna o comprador

O agentic commerce tem dois lados, e eles não são igualmente compreendidos. O lado do varejo — preço dinâmico, merchandising personalizado, otimização de checkout — é uma história de otimização. O lado do comprador é a mudança estrutural: o agente do cliente, e não o cliente, conduz a descoberta, a comparação e, cada vez mais, o checkout e o pagamento.

É no lado do comprador que a evidência se acumula. O tráfego de sites de varejo dos EUA vindo de ferramentas de IA generativa cresceu 693,4% em um ano na temporada de fim de ano de 2025 (Adobe Analytics, 7 de janeiro de 2026), e a análise da Adobe sobre a mesma temporada constatou que o visitante indicado por IA converteu 31% mais que as demais origens de tráfego. A base ainda é modesta: o que existe hoje são pilotos — o checkout por agente dentro do ChatGPT, no protocolo OpenAI–Stripe descrito adiante — e experimentos de varejistas, não canais em escala. Metade dos consumidores já usa IA para pesquisar na internet (McKinsey, 17 de outubro de 2025). E a delegação começou: 24% dos consumidores dizem já se sentir confortáveis em ter um agente de IA comprando por eles, índice que sobe a 32% na geração Z (Salesforce, publicação de 29 de outubro de 2024). A McKinsey estima a oportunidade em US$ 900 bilhões a US$ 1 trilhão da receita B2C do varejo dos EUA orquestrada por agentes até 2030, e entre US$ 3 trilhões e US$ 5 trilhões no mundo (McKinsey, 17 de outubro de 2025).

De páginas a dados de produto legíveis por máquina

Quando quem compra é o agente, a superfície do varejo deixa de ser a página e passa a ser o dado. Uma pessoa tolera uma tabela de frete desatualizada ou uma política de devolução enterrada em uma FAQ; um agente lê preço, disponibilidade e política como campos e age sobre eles ao pé da letra. Dados de produto, preço, estoque, promessa de entrega e as condições que cercam a transação — devoluções, garantias, regras de igualação de preço — tornam-se a interface que o agente lê. Agentes interpretam dados; pessoas navegam. O varejo precisa servir os dois a partir da mesma fonte da verdade.

A McKinsey descreve a mesma exigência: os varejistas que vencerem incorporarão metadados semânticos e comportamentais aos catálogos de produtos e exporão interfaces autenticadas para agentes, em vez de presumir que uma pessoa olha para uma página renderizada (McKinsey, 17 de outubro de 2025). Os protocolos do lado do varejo tornam a exigência concreta. No Agentic Commerce Protocol (ACP), padrão aberto desenvolvido por OpenAI e Stripe, a resposta da sessão de checkout do varejista precisa retornar o estado autoritativo do carrinho — itens, preços, impostos, taxas, frete, descontos, totais e status (especificação ACP, 17 de abril de 2026). O sistema do varejista, e não a memória que o agente guarda da página, é a fonte da verdade sobre o que o pedido contém e quanto custa. O snapshot de 17 de abril de 2026 acrescentou uma especificação de feed de produtos, que estende a superfície legível por máquina do estado do checkout ao catálogo — o feed é o que permite ao agente comparar disponibilidade e preço antes de qualquer carrinho existir.

Como funciona o agentic commerce

Descoberta de produtos

O e-commerce tradicional depende de busca por palavra-chave e de páginas de categoria curadas à mão. No agentic commerce, agentes de descoberta inferem a intenção do cliente a partir de sinais comportamentais: padrão de navegação, termos buscados, compras anteriores e comportamento da sessão em curso. O agente reordena os resultados de busca, ajusta o layout da página de categoria e destaca produtos conforme a preferência prevista para aquela pessoa, e não conforme o ranking de mais vendidos.

Um exemplo: quem comprou tênis de corrida e agora navega por roupa esportiva recebe uma página que enfatiza tecido técnico e avaliações sobre durabilidade, em vez do layout genérico exibido para todo mundo.

Precificação e promoções dinâmicas

Agentes de preço ajustam valores e ofertas conforme sinais de demanda, nível de estoque, preço da concorrência, valor de vida do cliente (customer lifetime value) e sensibilidade a preço prevista. Em vez de uma promoção uniforme para o site inteiro, o agente diferencia a oferta: o cliente fiel, que compra a preço cheio, recebe acesso antecipado a lançamentos; o cliente sensível a preço recebe um incentivo dirigido para converter.

Essas decisões acontecem dentro de guardrails, ou seja, limites que pessoas definem antes: margem mínima, regra de paridade competitiva e política de desconto compatível com a marca. No Brasil, dois limites adicionais entram no mesmo conjunto de guardrails. O Código de Defesa do Consumidor exige informação clara de preço e das condições de pagamento em toda oferta. A LGPD exige base legal para tratar os dados pessoais que sustentam a oferta e, no artigo 20, dá ao titular o direito de pedir a revisão de decisão tomada apenas por tratamento automatizado. Na prática, o agente de preço precisa registrar o critério de cada oferta: a ANPD fiscaliza esse tratamento e o titular pode pedir a explicação.

Merchandising personalizado

Agentes de merchandising decidem como o catálogo é ordenado e apresentado ao longo da compra: ordem dos produtos, recomendação de venda cruzada (cross-sell) e de venda adicional (upsell), sugestão de kit e escolha do conteúdo exibido, como avaliações, tabela comparativa e vídeo de demonstração. O agente trata a página inteira do produto como superfície de personalização, não apenas o bloco de recomendação.

Checkout e conversão

Agentes de checkout ajustam o funil de compra a partir dos dados comportamentais (behavioral data) de cada cliente: ordem dos meios de pagamento, apresentação do frete, estratégia de recuperação de carrinho abandonado e incentivo de última hora. Quando o agente detecta hesitação, como tempo longo na página de pagamento ou movimento do cursor em direção ao botão de voltar, ele dispara uma intervenção contextual: aviso do valor que falta para o frete grátis, destaque do parcelamento ou indicador de prova social.

No Brasil, o meio de pagamento faz parte da decisão do agente. O Pix, sistema de pagamento instantâneo do Banco Central, liquida a transação em segundos e é acessível por API nas instituições participantes, o que dá ao agente a confirmação do pagamento dentro da própria sessão, em vez de horas ou dias depois, como no boleto. Essa confirmação imediata muda o passo seguinte: o agente libera o pedido, inicia a comunicação de pós-compra e atualiza o perfil do cliente sem esperar a conciliação bancária. O Pix Automático, modalidade de cobrança recorrente que o Banco Central colocou em operação em junho de 2025, estende esse caminho à recompra programada. A autorização da cobrança continua sendo decisão do cliente, não do agente.

Experiência pós-compra

O agentic commerce continua depois da transação. Agentes de pós-compra cuidam da comunicação do pedido, da experiência de entrega, da resolução proativa de problemas (avisar o atraso antes de o cliente perguntar), do pedido de avaliação no momento em que o produto já foi usado e das campanhas de reposição ou de venda cruzada no momento previsto de necessidade. No Brasil, boa parte desse fluxo acontece no WhatsApp, e a política da Meta exige opt-in antes de mensagens de marketing por modelo. Essa verificação cabe à camada de dados do agente, não à pessoa que revisa a campanha depois.

Contexto do cliente: por que CDP mais agente de IA é o stack mínimo

Um agente só compra bem para uma pessoa se conhece a pessoa. Preferências, histórico de compras, tamanhos, restrições da família e consentimento viajam com o comprador — e, do lado do varejo, o mesmo contexto decide se a transação é inteligente ou genérica. A qualidade da decisão de um agente de comércio, portanto, é limitada pelo contexto que ele consegue ler. A McKinsey descreve o alvo como camadas persistentes de contexto do cliente, acessíveis a agentes por API (McKinsey, 17 de outubro de 2025). Uma plataforma de dados do cliente (CDP, ou Customer Data Platform) entrega a base unificada que conecta navegação, histórico de compra, resposta a campanha, atendimento e preferência de canal em um único perfil, por meio da resolução de identidade (identity resolution).

Sem CDP, cada agente decide com uma parte do cliente. O agente de preço define a oferta só com dados transacionais e dá desconto a quem já estava decidido a comprar, porque não enxerga o sinal comportamental de alta intenção. O agente de descoberta personaliza a busca só com o histórico de navegação do site e ignora a compra feita na loja física. O agente de pós-compra dispara o e-mail de reposição em calendário fixo, em vez de prever o momento real do consumo.

Antes disso, o consentimento faz parte do contexto, e não é nota de rodapé. O que o cliente autorizou (quais canais, quais usos, quais dados) precisa ser um campo que o agente consiga ler; por isso o gerenciamento de consentimento (consent management) pertence ao stack de comércio em vez de ficar ao lado dele. Sem contexto unificado, cada agente decide com uma parte do cliente. A Agentic CDP reúne resolução de identidade, análise preditiva (predictive analytics) e canais nativos de ativação na mesma plataforma. O ciclo de feedback fechado é o que sustenta o ganho ao longo do tempo: cada interação volta para o perfil e para os modelos do agente, e a decisão seguinte parte de uma leitura melhor do cliente. Este é o caso do lado do varejo para uma Agentic CDP: CDP mais agente de IA é o stack mínimo do agentic commerce — o agente é quem decide, a CDP é a memória.

A infraestrutura da transação: checkout para agente, mandatos de pagamento e disputas

Venda precisa de infraestrutura. A pergunta que todo varejista precisa responder é estreita e implacável: quando o agente monta o carrinho, quem autoriza o pagamento? Existem hoje três estruturas.

Agentic Commerce Protocol (ACP). Padrão aberto, licença Apache 2.0, mantido por OpenAI e Stripe — o conjunto ainda é pré-estável; o snapshot mais recente, de 17 de abril de 2026, é o primeiro marcado como estável. O varejista implementa endpoints de criação, atualização e conclusão da sessão de checkout; o agente monta o pedido dentro de superfícies como o ChatGPT, e o varejista processa o pagamento em seus próprios trilhos. Uma especificação à parte, Delegated Payments, permite que credenciais viajem como tokens — o Shared Payment Token da Stripe é a primeira implementação (agenticcommerce.dev; github.com/agentic-commerce-protocol).

Agent Payments Protocol (AP2). Apresentado pelo Google em setembro de 2025 como extensão dos protocolos Agent2Agent e Universal Commerce (McKinsey, 17 de outubro de 2025; ap2-protocol.org). O AP2 responde à autorização com mandatos: um mandato de checkout (Checkout Mandate) assinado pela pessoa — vinculado por hash ao checkout assinado pelo varejista, ou limitado por mandatos abertos assinados pela pessoa nos fluxos sem humano presente — dá ao varejista prova criptográfica de que o agente estava autorizado a comprar aquele carrinho, e o mandato de pagamento (Payment Mandate) dá à provedora de credencial, à bandeira e ao processador prova de que o agente estava autorizado a pagar. O protocolo define dois modos: com humano presente, em que o cliente aprova o carrinho exato, e sem humano presente, em que o cliente define restrições e o agente age dentro delas (especificação AP2, v0.2).

Credenciais de agente em nível de rede. O Mastercard Agent Pay emite credenciais de pagamento construídas para agentes. A transação fica restrita a agentes registrados (know your agent), com intenção verificada da pessoa e consentimento explícito antes de cada ação (mastercard.com, Agent Pay).

Disputa faz parte da infraestrutura, não é detalhe para depois. Os mandatos do AP2 se encadeiam em uma trilha de auditoria não repudiável, desenhada para sustentar a resolução de disputas; do lado do varejo, ainda é preciso um fluxo de reembolso e devolução que aceite solicitações iniciadas pelo agente dentro da política, e um registro do pedido que vincule mandato, checkout, pagamento e entrega.

A confiança vira o gargalo de conversão

No comércio mediado por agentes, a confiança deixa de ser sentimento de marca e vira variável de conversão: um agente que não consegue verificar com quem está tratando, ou se os dados são honestos, trava a transação. Três camadas decidem.

Identidade verificada. Os dois lados da transação precisam ser demonstráveis — a autoridade do agente para comprar (mandatos, checagem de agente registrado) e a legitimidade do varejo por trás do endpoint. O requisito de agente registrado da Mastercard e as credenciais verificáveis do AP2 são os mecanismos que emergem.

Consistência de marca. O dado que o agente lê precisa bater com a experiência que o cliente recebe. Um preço, um prazo de entrega ou uma política de devolução que difere entre o feed e o sistema de fulfillment quebra a promessa que o agente já fez em nome do varejista — e o cliente culpa o varejista, não o agente.

Integridade de avaliações. Agentes pesam avaliações, notas e estatísticas de devolução como dados. Avaliação fabricada ou incentivada distorce a decisão do agente em escala de máquina, porque o agente não contorna o problema navegando, como faria uma pessoa desconfiada. Quem investe em sinais honestos de avaliação facilita, na prática, a leitura do próprio catálogo pelo agente.

O consumidor está impaciente: 72% confiam menos nas empresas do que há um ano, e 65% dizem que as empresas são imprudentes com os dados de cliente (Salesforce, pesquisa de 16 de julho a 16 de agosto de 2024, publicada em 31 de outubro de 2024). Quase 75% querem saber quando estão tratando com um agente e não com uma pessoa, e 45% dizem que um caminho claro de escalonamento os torna mais dispostos a usar um agente (Salesforce, 31 de outubro de 2024). Um agente de compras que representa uma marca herda essa desconfiança — as obrigações de transparência do varejo viajam com ele. A superfície dessa mudança voltada ao consumidor é o AI shopping assistant (assistente de compras por IA), e as mesmas regras de confiança valem nos dois sentidos.

Checklist de prontidão do varejo para o agentic commerce

1. Catálogo legível por máquina. Preço, disponibilidade, promessa de entrega, política de devolução e termos de garantia existem como campos estruturados, atualizados na velocidade da transação, não apenas como páginas renderizadas.
2. Checkout chamável por agente. Um endpoint de checkout que retorna o estado autoritativo do carrinho (itens, preços, impostos, frete, totais, status) e aceita sessões iniciadas pelo agente, no estilo ACP.
3. Uma resposta para a autorização do pagamento. Um caminho decidido para quem autoriza quando o agente paga: suporte a token na PSP (pagamentos delegados do ACP, Shared Payment Token da Stripe), mandatos de pagamento no estilo AP2 ou credenciais de agente da bandeira — e o fallback quando um mandato falha.
4. Contexto do cliente com consentimento. Perfis unificados com preferências, histórico e flags de consentimento, servidos em tempo real pela CDP, para que a decisão do agente considere o cliente inteiro.
5. Identidade e verificação do agente. Um registro de quais agentes externos podem transacionar, verificado no endpoint — a metade do varejo do know your agent.
6. Um caminho de disputa para pedidos liderados por agente. Fluxos de reembolso e devolução que aceitam solicitações iniciadas pelo agente, com trilha de auditoria vinculando mandato, checkout, pagamento e entrega.
7. Monitoramento da integridade de avaliações e conteúdo. Verificação contínua de que notas, avaliações e páginas de política batem com a realidade do fulfillment, porque agentes agem sobre elas como dados.
8. Medição do canal de agentes. Tráfego, conversão e margem vindos de agentes reportados separadamente dos totais misturados, com holdouts onde a decisão de agente está ativa.

Sequenciamento: os itens 1, 4 e 8 são o núcleo de 0 a 90 dias. O item 2 é o mais demorado — esforço de engenharia de vários trimestres, do qual os itens 3 e 6 dependem — e por isso começa primeiro, mesmo entregando por último. Os itens 5 e 7 são operação contínua, não projeto.

FAQ

Qual a diferença entre agentic commerce e personalização de e-commerce?

A personalização de e-commerce é um recurso que recomenda produtos; o agentic commerce é um modelo operacional em que agentes autônomos conduzem toda a experiência de compra. A personalização tradicional usa filtragem colaborativa para sugerir itens: quem comprou X também comprou Y. No agentic commerce, os agentes interpretam a intenção, decidem, executam a ação e aprendem com o resultado em descoberta, preço, merchandising, checkout e pós-compra.

Que tipo de varejista ganha mais com agentic commerce?

Ganham mais os varejistas com catálogo grande, público diverso e alto volume de pedidos, porque a superfície de decisão fica maior do que uma equipe consegue administrar à mão. Moda, eletrônicos, supermercado e marketplaces são casos naturais. Lojas especializadas, com poucos SKUs e público homogêneo, costumam ir bem com curadoria humana: quando o espaço de decisão é pequeno, o ganho da automação é marginal.

O agentic commerce exige dados em tempo real ou funciona em lote?

O agentic commerce exige dados em tempo real nas capacidades de sessão e aceita processamento em lote no pós-compra. A personalização dentro da sessão, que cobre descoberta de produtos e checkout, responde ao comportamento atual e precisa de leitura de perfil em menos de um segundo. A precificação costuma funcionar com atualização de hora em hora. A comunicação de pós-compra funciona com carga diária.

O que a LGPD exige de um agente que decide preço e oferta?

A LGPD exige base legal para o tratamento dos dados pessoais, informação clara ao titular sobre a finalidade e, no artigo 20, o direito de o titular pedir revisão de decisão tomada apenas por tratamento automatizado. Na prática, o agente registra quais dados sustentaram cada oferta e a empresa mantém um caminho de revisão humana. A fiscalização cabe à ANPD, e o Código de Defesa do Consumidor continua exigindo informação clara de preço e de condições.

Termos relacionados

• AI Shopping Assistant (em inglês) — o assistente de conversa que recomenda e ajuda a comprar, aplicação dentro do modelo mais amplo de agentic commerce
• Conversational Commerce (em inglês) — a venda e o atendimento por chat, mensagem e voz, superfície de diálogo em que o agentic commerce atua
• Conversion Rate Optimization (em inglês) — a disciplina de aumentar a taxa de conversão, que o agentic commerce passa a executar de forma autônoma
• Ecommerce Marketing (em inglês) — as estratégias de marketing do varejo on-line às quais o agentic commerce acrescenta autonomia
• Real-Time CDP (em inglês) — a infraestrutura de dados que sustenta as decisões de agentic commerce dentro da sessão

Este artigo também está disponível em: Agentic Commerce · エージェンティックコマースとは？意味と仕組みを解説