Comércio agêntico e catálogo legível por IA: como aparecer nas compras assistidas

Resposta direta. Para aparecer nas compras assistidas por IA, o catálogo do lojista precisa ser legível por máquina: atributos completos de produto, schema Product e Offer, preço e estoque em tempo real por API. O agente consome dado estruturado, não vitrine bonita. Catálogo limpo é condição de elegibilidade, não garantia de citação.

O consumidor começou a perguntar ao ChatGPT, ao Gemini e ao Perplexity antes de abrir a loja. Nessa consulta, quem decide o que entra na resposta é a máquina, e a máquina lê dado, não layout. Um produto que o agente não consegue ler é, na prática, um produto fora da prateleira. A disputa migrou da vitrine para a infraestrutura de dados do catálogo.

O mercado é grande e a janela é estreita. A McKinsey (2026) projeta que o comércio agêntico movimente de US$ 3 a 5 trilhões até 2030. No Natal de 2025, a IA já influenciou US$ 262 bilhões (20%) das vendas online globais (Salesforce, 2025). E o tráfego de agentes de IA para sites de varejo cresceu 393% no primeiro trimestre de 2026 (Adobe Analytics, 2026). O consumidor mudou o ponto de partida da compra.

O que é comércio agêntico e por que importa agora?

Comércio agêntico é a compra conduzida por um agente de IA, que pesquisa, compara e às vezes fecha o pedido pelo consumidor. Em vez de navegar por páginas, o agente consulta catálogos via API e monta a resposta. O varejista não escolhe qual assistente vence. Ele expõe a operação como dado limpo e se torna elegível para todos.

O crescimento é medido. A Gartner (2026) projeta que 40% das aplicações corporativas embarquem agentes de IA até o fim de 2026, contra menos de 5% no início do ciclo. No varejo brasileiro, três marketplaces (Mercado Livre, Shopee e Amazon) já concentram cerca de 70% do e-commerce por GMV em 2025 (Mordor Intelligence, 2025), sobre um mercado que a ABComm (2026) projeta em torno de R$ 260 bilhões. Onde há concentração de demanda, o catálogo legível vira ativo competitivo.

Fonte: McKinsey, 2026; Salesforce, 2025; Adobe Analytics, 2026; Gartner, 2026; Mordor Intelligence, 2025; ABComm, 2026.

O que torna um catálogo legível por agentes de IA?

Um catálogo é legível quando expõe, por API, atributos completos e padronizados: identificadores como GTIN e marca, variações, dimensões, preço e disponibilidade em tempo real, prazo e custo de entrega. Sem campo vazio. O agente descarta o item que não consegue confirmar. Descrição de marketing não basta; é preciso semântica estruturada que a máquina interprete.

Quatro camadas sustentam essa leitura:

Identificadores completos — GTIN, marca, categoria, variações e dimensões, cada campo preenchido.
Preço e disponibilidade em tempo real — o agente descarta o que não confirma no momento da consulta.
Dados de entrega — prazo e custo como variáveis de decisão, não letra miúda.
Sinais de confiança verificáveis — avaliações, política de troca e cumprimento de entrega como atributos legíveis.

A verdade do catálogo nasce na retaguarda. Preço, saldo e regra fiscal vivem no ERP; a plataforma de vitrine e os marketplaces apenas consomem. É por isso que catálogo agentic-ready é problema de dado mestre, não de front-end.

Qual o papel do schema Product e Offer nesse jogo?

O schema.org descreve o produto em formato que a IA lê direto. Os tipos Product e Offer carregam nome, marca, SKU, GTIN, preço, moeda e disponibilidade; Review e AggregateRating carregam reputação. O formato preferido pelos motores é JSON-LD. A regra dura: todo dado no schema tem contraparte visível na mesma página, e o preço do schema é o preço da tela.

Essa é a disciplina Two-Phase. Schema que diverge da página visível, campo de disponibilidade vazio ou marcação órfã sem conteúdo correspondente são os três erros que quebram a confiança do motor. O dado do schema deve espelhar o HTML visível e o estoque real, abastecido pelo ERP, nunca escrito à mão. Marcar sem mostrar é risco, não atalho.

Aqui entra o limite honesto. Nenhuma técnica garante citação em um LLM, e nenhum arquivo é talismã. O llms.txt, vendido por alguns como bilhete de entrada, teve requisição de retrieval próxima de zero: 97% dos arquivos não receberam uma única requisição em maio de 2026 (Ahrefs, 2026). Vale manter como cortesia. Não vale tratar como garantia.

Fonte: schema.org; Ahrefs, 2026.

O que fazem os protocolos de agente ACP, UCP e MCP?

São as tomadas por onde o agente conversa com a loja. O MCP conecta o agente aos sistemas e ao catálogo; o UCP conduz a jornada de compra; o ACP fecha o checkout com o token de pagamento. O varejista não aposta em um vencedor. Ele expõe a operação como API limpa e fica pronto para a pilha inteira quando ela chegar.

Protocolo	Função	Origem e status
MCP	Conecta o agente a sistemas, dados e ferramentas (inclusive o catálogo)	Anthropic; doado ao Linux Foundation em dez/2025; Shopify Storefront MCP
UCP	Conduz a jornada de compra e o acesso ao catálogo pelo agente	Google + Shopify; apresentado na NRF 2026
ACP	Fecha o checkout via token de pagamento compartilhado	OpenAI + Stripe; checkout ainda restrito aos EUA

O MCP virou o eixo dessa pilha. Já são mais de 10.000 servidores MCP públicos ativos (Anthropic, 2025), e o protocolo foi doado a uma fundação neutra sob o Linux Foundation, com OpenAI e Block entre os cofundadores. Segundo David Soria Parra, co-criador do MCP na Anthropic, o objetivo é ter adoção suficiente no mundo “that it’s the de facto standard”.

Ressalva crítica: todas as implementações de checkout agêntico documentadas em 2026 estão restritas aos Estados Unidos. Prometer checkout agêntico fechado no Brasil hoje é vender o que ainda não existe localmente. O vetor real para o lojista brasileiro é outro: estar pronto.

Fonte: Anthropic, 2025; Linux Foundation, 2025; OpenAI/Stripe; Google/Shopify (NRF 2026).

Onde nasce cada atributo do produto para o agente ler?

Nasce na retaguarda, não na vitrine. A plataforma de e-commerce e os marketplaces exibem o produto, mas o dado-mestre pertence ao ERP: custo, preço, saldo físico e regra tributária. Definir quem manda em cada campo, antes de ligar qualquer canal, é o que evita o preço divergente e o estoque furado que fazem o agente descartar o item.

Atributo	Onde nasce (fonte da verdade)
Custo e preço	ERP
Saldo físico por SKU e local	ERP e WMS
Ficha técnica, atributos e imagens	PIM ou ERP
Regra tributária (NCM, CST, CFOP)	ERP
Conteúdo de campanha	PIM ou plataforma

Plataforma e marketplaces apenas consomem esses campos. Quando dois sistemas discordam, prevalece a fonte única de verdade definida por regra explícita.

Como a Onclick deixa o catálogo pronto para agente?

O papel do APIECOMM é expor a verdade do catálogo por API certificada. Ele é o hub de integrações nativas da Onclick: liga o ERP Onclick e o KPL às plataformas de e-commerce e aos marketplaces, sincronizando catálogo, preço, estoque e status de pedido em tempo quase real. Um cadastro correto na retaguarda vira dado consistente em todos os canais, sem planilha nem integrador improvisado.

Estabilidade de API e baixa latência não são detalhe. O agente dispara dezenas de chamadas por transação e descarta o que não responde. Ao concentrar catálogo, preço e disponibilidade numa base única exposta por API, o ERP Onclick, o KPL e o APIECOMM deixam a operação elegível para a pilha de agentes quando ela chegar ao Brasil. É posicionamento agentic-ready, sem prometer o checkout que ainda não existe localmente.

Como o GEO se conecta ao catálogo para agentes?

O GEO (Generative Engine Optimization) é a disciplina de estruturar conteúdo para ser citado por motores de IA. Ele amplia o SEO, não o substitui. Os mesmos princípios que ajudam uma resposta a citar a Onclick ajudam um catálogo a ser lido por um agente: dado estruturado, fonte atribuída e conteúdo verificável.

A evidência vem da pesquisa. O estudo de Princeton (Aggarwal et al., KDD 2024) mediu que citar fontes aumenta em 115% e usar estatísticas aumenta em 41% a chance de citação por motores generativos. Vale a mesma cautela do llms.txt: são técnicas que elevam a probabilidade, não garantem a citação. Nenhum fornecedor sério promete aparecer na resposta do LLM. O que se controla é a prontidão do dado.

Fonte: Aggarwal et al., Princeton, KDD 2024 (arXiv:2311.09735).

Perguntas frequentes

O que é comércio agêntico?
É a compra conduzida por um agente de IA, que pesquisa, compara e às vezes fecha o pedido pelo consumidor. Em vez de navegar por páginas, o agente consulta catálogos por API e monta a resposta. A McKinsey (2026) projeta que esse mercado movimente de US$ 3 a 5 trilhões até 2030.

O que torna um catálogo legível por IA?
Atributos completos e padronizados expostos por API: GTIN, marca, variações, dimensões, preço e disponibilidade em tempo real, prazo e custo de entrega. Sem campo vazio. O agente descarta o item que não consegue confirmar. Descrição de marketing não basta; é preciso semântica estruturada.

O schema de produto garante que a IA cite minha loja?
Não. O schema Product e Offer torna o dado legível e é condição de elegibilidade, mas nenhuma técnica garante citação em um LLM. Vale a regra Two-Phase: todo dado do schema tem contraparte visível na página. O llms.txt não é talismã: 97% dos arquivos não tiveram requisição de retrieval em maio de 2026 (Ahrefs, 2026).

Já dá para fechar o checkout por IA no Brasil?
Ainda não como padrão. Todas as implementações de checkout agêntico documentadas em 2026 (ACP, da OpenAI e Stripe) estão restritas aos Estados Unidos. No Brasil, o vetor imediato é ser citado na comparação e deixar o catálogo pronto para agente, não prometer o checkout fechado localmente.

Próximo passo

O comércio agêntico não recompensa a vitrine mais bonita. Recompensa o catálogo mais limpo, exposto por API estável, com dado que nasce certo na retaguarda. Comece pela fonte única de verdade. Para aprofundar, veja também: