Agentic commerce: a reinvenção das compras no e-Commerce

Caminhamos a largos passos para um mundo de retalho totalmente conectado, onde a IA consegue antecipar as necessidades dos Clientes, negociar compras e executar transações totalmente alinhadas com as intenções dos Clientes, de acordo com o estudo recente da Mc Kinsey (Outubro de 2025).

Estamos perante uma nova forma de pensar o E-commerce, uma mudança de paradigma e não apenas uma evolução, onde toda a experiência de compra do Cliente será reinventada.

Neste novo paradigma, as fronteiras entre tecnologia, plataforma e serviços são quebradas, fundindo-se numa experiência única, num fluxo contínuo através de experiências altamente personalizadas, as customer journeys são aceleradas, reduzindo ou mesmo eliminando a fricção.

Passamos do processo de pesquisa de produtos e tomada de decisão totalmente executado pelo humano, para um processo agentic-driven em que o cliente indica o seu objetivo e o agente executa todo o processo. A IA faz todo o processo de descoberta, filtragem e decisão final, selecionando o produto que melhor se adequa ao objetivo do cliente. A experiência de compra passa a ser delegada em agentes que comunicam e negoceiam entre si.

Esta nova realidade irá abranger todo o tipo de negócios: seja retalho, banca, seguros, telecomunicações, serviços, transportes, entre outros. Os fornecedores de lojas de E-commerce e de sistemas de pagamento também terão um importante papel em todo este novo processo de compra, com comunicações integradas entre agentes e os seus sistemas. Alguns deles, já está estão a disponibilizar esta funcionalidade nas suas plataformas.

Agentic Commerce: a Comunicação e execução entre Agentes

Empresas como a Anthropic, Open AI e a Google, já disponibilizam os seus protocolos de comunicação entre agentes, retailers e providers de pagamento, os quais irão permitir que agentes acedam a ferramentas e a dados externos e que estes comuniquem e negoceiem entre si. Como é que isto se processa na prática?

Através de protocolos como Model Context Protocol (MCP), Agentic Commerce Protocol (ACP), Agent-to-Agent (A2A) Protocol e Agent Payments Protocol (AP2) os quais permitirão criar agentes completamente autónomos, automatizando o processo de compra de uma ponta à outra.

De uma forma simples, o Model Context Protocol (MCP) é como que um adaptador que liga a IA a sistemas ou dados externos e que permite aos agentes de IA iniciar o processo de compra (pesquisa) através do acesso a catálogos das lojas online, ler, consultar disponibilidade de produtos, preços e datas de entrega.

Acresce a este processo um ponto muito importante que é a hiperpersonalização, pois o agente responsável pela pesquisa irá analisar e interpretar de forma automática o perfil do utilizador com base em preferências, características, dados demográficos, com base no histórico e informações dadas tempo real. Por exemplo, se o utilizador procurar um creme para pele sensível, o agente vai incorporar essa informação em pesquisas atuais e futuras que a pessoa faça e depois define critérios de escolha.

Ao indicar “pele sensível” estamos a falar de dados explícitos, mas também os dados implícitos como o histórico de pesquisa e análise de produtos (tempo de análise da página do produto, cliques, scrolls, comparações, produtos vistos mas não comprados, entre outros). Por fim, temos o histórico transacional, que é mais fatual e efetivo como por exemplo, frequência média de compra, ticket médio, categorias e marcas favoritas.

Além disso e, pegando neste exemplo concreto de skincare, o agente pode ainda incorporar outras informações extremamente relevantes para sugestões de produtos futuros tais como: se o utilizador tiver demonstrado sensibilidade a um determinado produto que contenha uma grande percentagem do ingrediente X, o agente também terá em conta a sua compatibilidade biológica com os produtos na fase de pesquisa. O agente poderá ainda adaptar a sua pesquisa de produtos com base na sazonalidade (necessidades da pele nas várias estações do ano).  Isto é algo surpreendente, que acontece em tempo real e que eleva completamente a experiência do cliente em termos de personalização.

Na prática, o que o agente faz nestes casos é criar uma lista de produtos permitidos e uma lista de produtos proibidos, no que respeita aos ingredientes e compostos dos produtos de skincare e, depois vai alimentando e atualizando estas listas de forma contínua ao longo do tempo, com base no feedback do cliente (rating de produtos, feedback específico escrito ou falado no chat ou noutros canais, entre outros).

Há ainda uma componente muito forte, embora pouco falada por vezes e, que se refere às preferências comportamentais, dado que os agentes também aprendem se o utilizador tem um estilo de decisão mais racional (preço vs benefício), emocional (identificação com a marca), compra impulsiva ou analítica.

Também dados externos (se autorizado) como reviews globais do produto, dados dermatológicos, tendências de mercado, podem ser cruzados com o perfil do cliente para afinar o modelo de recomendação dos agentes.

Depois da fase de pesquisa, o Agentic Commerce Protocol (ACP) permite que os agentes negoceiem automaticamente entre si, façam comparação de preços entre lojas e, que por fim, executem a compra. É o momento da transação propriamente dita. Aqui poderão existir vários tipos de acessos, permissões e validação humana, consoante as preferências indicadas pelo utilizador e a implementação que a loja online tenha definido.

Já existem algumas implementações destes protocolos em alguns países, mas ainda numa fase muito inicial, na qual ainda se levantam várias preocupações relativamente a temas relacionados com GDPR, EU AI Act, Compliance e Segurança de Informação.

Estes protocolos de comércio baseados em Agentes de AI funcionam com base em alguns modelos de recomendação já utilizados há vários anos em machine learning, através de modelos de padrões de comportamento dos Clientes e de sistemas de recomendação. Atualmente utilizam também embeddings que ajudam na compreensão das preferências (ex: skincare natural, clean skincare) e com capacidade de aferir e de contextualizar automaticamente. Para que o contexto seja atualizado e guardado ao longo do tempo, existe ainda a camada de memória onde toda a informação é armazenada a qual está em permanente aprendizagem, afinação e atualização.

Para o cliente, este processo só funcionará se este sentir confiança no que o agente lhe apresenta (validação de competência do agente), transparência (explicação do racional que levou à tomada de decisão sobre aqueles produtos) e se este puder corrigir o agente, de forma a afinar a pesquisa sempre que necessário. Isto é extremamente importante para a fase de adoção dos agentes, caso contrário, a experiência do Cliente será negativa e poderá levar à não utilização do agente numa próxima oportunidade.

A Open AI lançou o Instant Checkout em Outubro de 2025, o qual prometia a realização de compras dentro do Chat GPT, contudo, entretanto já comunicou a sua reformulação, recorrendo ao Chat GPT apenas para a parte inicial de pesquisa e análise de produtos, deixando a transação final para a loja online da marca.

Customer Digital Twin potenciado por Gen AI

Na era do agentic commerce, as personas evoluem para Customer Digital Twins (CDT), uma réplica digital dinâmica do cliente, alimentada por dados em tempo real, que permite armazenar, analisar, personalizar, prever, controlar e otimizar comportamentos. O gémeo digital vai mudando ao longo do tempo, juntamente com o Cliente real, à medida que o contexto e as necessidades evoluem. Através do gémeo digital podemos hiperpersonalizar e antecipar as necessidades do Cliente, simular cenários sem risco, quer no que respeita à oferta de produtos, quer na antecipação do churn de Clientes para que possamos agir atempadamente.

O CDT permite otimizar a estratégia de pricing, campanhas e ofertas, de uma forma muito mais acertada e com ajustes à oferta em tempo real. Além disso, com Gen AI, os CDT podem ser utilizados via interfaces conversacionais, potenciando ainda mais a personalização. O CDT torna-se no ativo central do negócio.

De acordo com o artigo “Enhancing the customer journey with gen AI–powered digital twins” da Mc Kinsey, não são apenas os insights sobre o cliente que podem ser melhorados e otimizados, mas também o seu sentimento para com a marca e, consequentemente, a sua lealdade com a mesma. Segundo a Mc Kinsey, as empresas que utilizam CDT apresentam um crescimento de cerca de 10% na sua receita.

A BCG destaca ainda que os agentes irão gerir jornadas completas dos clientes e não apenas interações isoladas.

O CDT como cérebro do cliente e a Gen AI como executante permitem automatizar decisões, gerir jornadas completas do cliente e executar ações sem intervenção humana, passando da previsão à antecipação e à ação. É passarmos de conhecer o cliente para simularmos e agirmos por ele.

Para que este sistema funcione, é necessária a integração de todas as fontes que contêm informação do Cliente: CDP, plataforma de e-commerce, CRM e outros dados externos, estes trabalham agora juntos como camadas de dados e não como sistemas centrais.

A real implementação e adoção de sistemas de compras autónomos ainda está dependente de diversos fatores e existem ainda barreiras a ultrapassar relativas à privacidade dos dados e ética, segurança da informação, à integração de sistemas e à adoção / utilização por parte dos Clientes. Mas é certo que estamos perante um momento de viragem e de revolução das compras online como sempre as conhecemos.

Ana Candeias – Data & AI Director

Publicado in Marketeer