No dia 6 de julho, a Salesforce liberou de forma geral três agentes de comércio — Shopper, Buyer e Merchant — e o detalhe que interessa pra sua operação não é o anúncio em si, é o encanamento por trás dele. Através da integração com a OpenAI, o catálogo de produtos conecta diretamente ao ChatGPT, sincronizado a partir do Business Manager — sem software extra, sem ferramentas de terceiros. Na prática: o cliente pergunta ao ChatGPT o que comprar, e o seu produto pode aparecer ali dentro, com checkout rodando sobre a sua estrutura atual.

O que sustenta a pressa é um número que a própria Salesforce mediu na temporada de fim de ano. Varejistas rodando seus próprios agentes de compra cresceram vendas 59% mais rápido do que varejistas ainda na arquibancada. E o comportamento de descoberta mudou: a descoberta de produto se moveu — clientes agora começam a comprar usando assistentes de IA como ChatGPT e Gemini, muitas vezes bem antes de qualquer barra de busca tradicional.

Traduzindo pro seu dia a dia: uma parte crescente da jornada de compra acontece antes de o cliente pisar no seu site. Seus clientes estão começando a comprar sem nunca visitar sua loja. Perguntam ao ChatGPT, ao Gemini ou ao Perplexity algo como "me ache um bom hidratante abaixo de R$40 para pele sensível" — e um agente sai, varre dezenas de lojas, compara produtos, lê avaliações e volta com uma lista curta. Às vezes ele até completa a compra ali no chat. Se a IA não consegue ler e entender seu produto, ela recomenda o do concorrente.

Como funciona a técnica por trás

A diferença entre o chatbot que você já conhece e o agente é a ação. A IA generativa mantém uma conversa, enquanto a IA agêntica verifica o estoque, confirma o prazo de envio e fecha a venda. Para fazer isso, o agente precisa cruzar dados que na maioria das lojas moram em sistemas separados: os dados do PDV, feeds de estoque, perfis de cliente, preço do concorrente, sistemas de gestão de pedido e filas de atendimento. O agente lê a ficha do produto, o que os compradores disseram, e cruza com preço e disponibilidade em tempo real antes de recomendar.

Por isso, o gargalo não é comprar tecnologia — é a qualidade do seu dado. Um especialista da New Generation resume bem: o divisor real não será grande versus pequeno, e sim maturidade de dados, capacidade de implementação e velocidade até o mercado. Ou seja, pequenas marcas de e-commerce podem sim disparar na frente se rodam stacks modernos, mantêm dados limpos e trabalham com os parceiros de implementação certos.

O problema é que a maioria ainda não fez o dever de casa. No Brasil, o IA Survey 2026 mostra o tamanho do buraco: apenas 9% das empresas têm alguma estratégia ativa para aparecer nas recomendações de assistentes de IA, 71% não monitoram o que os assistentes falam sobre suas marcas e 69% não trabalham nenhuma forma de GEO. Isso é uma janela aberta pra quem agir primeiro.

Como aplicar na sua empresa

  1. Faça um teste de espelho hoje. Abra o ChatGPT e o Gemini e faça três perguntas de compra reais da sua categoria ("melhor tênis para pé chato abaixo de R$300", por exemplo). Veja se sua loja aparece, se o preço está certo e se o produto está bem descrito. Anote cada erro — essa é sua lista de tarefas.
  2. Enriqueça a ficha de produto com o que a IA lê. Título claro, descrição completa, atributos (tamanho, material, indicação de uso), avaliações e um bloco de FAQ na página. A recomendação prática de mercado para este trimestre é direta: implante dado estruturado em todo o catálogo, limpe suas coleções e tags, adicione conteúdo de FAQ nas páginas de produto e categoria e garanta que você está plugado no programa de comércio agêntico da sua plataforma.
  3. Conecte o catálogo ao canal agêntico da sua plataforma. Se você usa Salesforce Commerce, a integração já sincroniza direto do Business Manager. Na Shopify, entre no programa de comércio agêntico dela. O ponto crucial que protege sua operação: você continua sendo o comerciante de registro, e cada pedido cai na mesma plataforma que roda seu atendimento, fidelidade e marketing — não em um painel separado esperando pra ser reconciliado.
  4. Arrume o dado de estoque e preço em tempo real. O agente só recomenda com confiança se enxerga disponibilidade e preço corretos. Garanta que seu feed de estoque atualiza em tempo real e que preço no site bate com o preço real — inconsistência aqui derruba você da recomendação.
  5. Monte um ritual semanal de acompanhamento. Repita o teste do passo 1 toda semana e registre o que mudou. Vale copiar o método do Magalu: o CMO Felipe Cohen contou que a empresa acelerou a adoção internamente sem treinamento formal — toda segunda-feira o melhor case de IA da semana é apresentado para a empresa inteira.

Não confunda isso com "atalho de vendas". O ganho real aparece na operação, e o caso da Panvel mostra onde. Usando IA em precificação, abastecimento e previsão de demanda, a rede reduziu a ruptura de produtos em um ponto percentual e diminuiu em 15 dias o tempo de estoque ao longo de um ano. São menos prateleira vazia, menos capital parado — o "arroz e feijão" da operação, como resumiu o VP do iFood ao dizer que o maior impacto, particularmente para o varejo, ainda está no arroz e feijão.

"As marcas que vão vencer terão seu Shopper Agent no ar em suas próprias propriedades para a temporada de compras de 2026."

— Nitin Mangtani, EVP & GM, Agentforce Commerce (Salesforce)

O que muda na sua operação é concreto: você deixa de perder a venda que começa no chat de um assistente e passa a capturá-la com o seu preço, seu estoque e sua ficha de produto — dentro da sua própria plataforma. E o custo de entrada, por enquanto, é baixo: enquanto 71% das empresas não monitoram o que os assistentes falam sobre suas marcas , cada dia que você adianta a limpeza do catálogo é vantagem. Comece hoje pelo teste de espelho — ele custa dez minutos e te dá a lista exata do que arrumar primeiro.