En entrevista con Darinel Becerra, director editorial de Retailers Magazine, el presidente del eCommerce Institute analiza el comercio unificado, la inversión tecnológica y los desafíos hacia 2027.

En el marco de eRetail Day Latam 2026, Darinel Becerra, director editorial de Retailers Magazine, conversó con Marcos Pueyrredon, presidente del eCommerce Institute y cofundador de VTEX, sobre dónde está generando resultados la inteligencia artificial, qué impide consolidar el comercio unificado y cuáles serán las prioridades tecnológicas del sector hacia 2027.

¿Dónde está generando hoy la IA resultados concretos en retail?

Marcos Pueyrredon: Donde hay muchísima repetición y un resultado medido en pesos. Lo que mejor veo funcionando ocurre lejos de las vidrieras: calcular cuánta mercadería debe llegar a cada tienda, anticipar el quiebre de stock antes de que el cliente lo note y ajustar el precio a tiempo para no tener que rematar después. Ninguna de esas rutinas aparece en la foto de un evento, pero cada una mueve capital y margen, y una mejora pequeña, multiplicada por miles de repeticiones, pesa más que una campaña espectacular.

Tomemos la reposición. Una recomendación puede reducir inventario y liberar caja, pero provocar faltantes; otra puede mejorar la disponibilidad y dejar demasiada mercadería esperando comprador. El valor aparece cuando la empresa entiende ese equilibrio por producto, tienda y momento, y puede actuar en consecuencia.

Para un artículo perecedero, equivocarse por exceso tiene un costo distinto al de un producto de alta rotación y abastecimiento lento.

Por eso me interesa que la IA ayude a reconocer cuánto cuesta cada error y a elegir mejor. Una predicción se vuelve valiosa cuando cambia una decisión y podemos observar qué ocurrió después.

Hay un patrón que se repite. La IA rinde cuando se apoya en una operación basada en datos ordenados y en alguien que asume la responsabilidad del resultado. Donde falta eso, lo que aparece es una demostración atractiva de un inventario en el que nadie termina de confiar. Por eso, a un retailer le sugiero empezar por la rutina que su equipo resuelve por costumbre y no por evidencia, y preguntarse cuánto le cuesta equivocarse en ella.

Y esa persona que responde por el resultado necesita herramientas para ejercer su criterio. Ahí entra Human-Augmented AI. El responsable de una tienda puede conocer una obra en la calle, un evento cercano o un problema con un proveedor que aún no figura en los datos. Su intervención permite completar el contexto, cuestionar una propuesta y decidir sobre una excepción. Pero también conviene registrar por qué la corrigió y contrastar después ambas alternativas con lo que ocurrió: la intuición humana también puede equivocarse. Cuando la empresa conserva ese aprendizaje, cada ciclo de reposición mejora la capacidad del equipo para decidir.

¿Qué falta para que el comercio unificado sea realmente una sola operación?

Marcos Pueyrredon: Falta que el pedido deje de pertenecer al canal y pase a la empresa. Conservar el origen de cada venta ayuda a entender el negocio. El problema surge cuando ese origen determina los incentivos y restringe cómo pueden cumplirse los pedidos, aunque exista una alternativa mejor para el cliente y la empresa. En una operación unificada de verdad, el pedido es una promesa que puede salir de la sucursal, del centro de distribución o del inventario de un proveedor, y esa elección se toma con la economía a la vista.

Para elegir bien, la empresa tiene que saber qué puede cumplir cada punto de su red en ese momento. La sucursal más cercana puede tener el producto y, al mismo tiempo, carecer de personal para prepararlo o tener esa unidad comprometida con otro comprador. El stock visible y el stock que podemos prometer son dos cosas distintas. También importan la capacidad de preparación, los pedidos pendientes y el efecto en quienes compran en el local. Esa es una parte concreta de CommerceOS: conectar una fuente de información confiable con reglas compartidas y con alguien que tenga autoridad para actuar ante una excepción.

Ahí se evidencia una carencia de cálculo. Casi ninguna empresa sabe cuánto le cuesta cumplir la misma promesa desde cada punto de su red y, sin ese número, el pedido termina asignándose por costumbre o por el sistema que respondió primero. La unificación se queda en una pantalla que muestra todo junto sin cambiar ninguna decisión.

Después hay que conservar la historia de esa decisión. Es lo que llamo el libro de la promesa: registrar qué se ofreció, qué cambió, qué alternativa aceptó el cliente y cuánto costó resolver el desvío. Si una entrega se reprograma, la nueva fecha no puede borrar la que ya habíamos comprometido. De lo contrario, cada área puede mostrar un indicador saludable mientras el comprador sigue esperando. Esa memoria permite saber dónde se rompió el recorrido y quién debe repararlo.

Cuando todos trabajan en torno al mismo compromiso, la unificación empieza a verse también en la forma de resolver los problemas.

Y falta mirar hacia afuera. Lo que el cliente percibe como una sola operación incluye al operador logístico, al medio de pago, a la marca proveedora y al marketplace donde también se vende. Por eso hablo de la convergencia del comercio unificado, el colaborativo y el conversacional, lo que vengo llamando #Commerce3C: el unificado, solo, queda corto. Una empresa puede ordenar toda su casa y seguir fallando porque su socio de última milla trabaja con otra versión del pedido. El cliente no sabe dónde termina tu compañía y tiene razón en no saberlo.

México: infraestructura tecnológica y retorno de inversión

¿Qué capacidades tecnológicas serán indispensables para competir en México?

Marcos Pueyrredon: Pondría primero la capacidad de cambiar una pieza sin tener que reconstruir la casa. Competir en México exige adaptarse a un comprador, a una cultura de pago y a una geografía con reglas propias, y las empresas atadas a una arquitectura cerrada pagan cada ajuste como si fuera una mudanza. Una base abierta y componible, donde un proveedor de pagos, un buscador interno o un modelo de IA pueden reemplazarse con cambios acotados y pruebas que protejan el resto de la operación, permite incorporar lo nuevo cuidando lo que ya funciona.

Esa flexibilidad se demuestra cuando llega el momento de cambiar. La empresa necesita entender cómo se conectan sus herramientas, probar una modificación de alcance acotado y detectar rápidamente si algo dejó de funcionar. Si se sustituye un proveedor de pagos, por ejemplo, debe poder reconstruir qué operaciones quedaron confirmadas, cuáles siguen pendientes y cómo se concilian. También necesita un plan de contingencia para seguir operando ante una falla. Por eso, evaluaría una arquitectura preguntando cuánto esfuerzo requiere evolucionarla y cuánto conocimiento queda dentro del equipo. Poder elegir mañana depende de las condiciones que acordamos y de las capacidades que construimos hoy.

La segunda es tener datos propios, ordenados y con permiso para usarlos. En un mercado con marketplaces muy poderosos, la relación directa con el cliente es el activo que le queda al retailer para negociar, y se construye con la información de compra, de navegación y de servicio que la propia empresa pueda interpretar. Vender en una plataforma ajena no debería significar regalarle todo lo aprendido. Todo lo demás se puede contratar; decidir qué conservar y qué cambiar, no.

Con esos datos agregaría una disciplina: saber de dónde viene cada señal, qué tan vigente está y para qué podemos utilizarla. Es la base de la refinería que planteo en CommerceDataOS. Una devolución puede revelar un problema de surtido; una consulta repetida, una descripción que confunde; una recompra, una necesidad que conviene atender mejor. Ese conocimiento puede fortalecer la operación y también abrir una nueva oferta, siempre que exista un comprador y una cuenta económica propia. La capacidad diferencial está en transformar lo aprendido en una decisión o un servicio que alguien valore. Acumular información sin definir ese uso deja el yacimiento sin explotar.

¿Cómo debe medir un retailer el retorno de su inversión tecnológica?

Marcos Pueyrredon: Mediría el retorno de lo que la tecnología cambia y no el de la herramienta. Una plataforma o un modelo no generan dinero por sí solos; lo genera que alguien actúe distinto, y ese cambio tiene un valor que se puede estimar.

Antes de aprobar la inversión, conviene escribir qué va a hacerse de otra manera, quién lo hace, cuántas veces por semana y cuánto vale acertar o errar en ese punto. Ese ejercicio lleva una tarde y evita muchas inversiones que después nadie sabe defender.

También preguntaría qué parte de la mejora podemos atribuir realmente al cambio. Si las ventas subieron durante una promoción o una temporada de mayor demanda, el tablero puede darle a la tecnología un mérito que todavía no demostró. Conviene comparar con una situación equivalente y, cuando sea posible, con un grupo que no haya recibido la intervención. Después hay que descontar integración, operación, supervisión y corrección de errores. Un «recomendador» puede elevar el ticket y aumentar las devoluciones al mismo tiempo. La cuenta empieza a ser útil cuando muestra cuánto valor adicional quedó después de cumplir la venta y atender sus consecuencias.

Después agregaría dos relojes que casi nunca están en el tablero. Uno es el tiempo de ciclo: cuánto tarda la empresa en pasar de una idea a verla funcionando en la tienda y si esa distancia se acortó después de invertir. El otro es la dependencia de las personas: qué parte del resultado sobrevive cuando se va el entusiasta que impulsó el proyecto.

Una tecnología que acelera a la organización sin depender de un héroe está construyendo una capacidad cuyo valor debe comprobarse frente al costo de sostenerla.

Llevaría esa evaluación a una pregunta de directorio: ¿dónde conviene poner el próximo peso? Es el tipo de decisión que trabajo en CommerceGrowthOS. A veces corresponde ampliar una iniciativa; otras, resolver una dependencia que la frena, financiar una prueba que despeje una duda o cerrar una hipótesis que agotó su aprendizaje. Cada nuevo desembolso debería tener una razón comprobable y una condición para revisar la decisión. Haber invertido mucho hasta hoy no demuestra que convenga seguir invirtiendo mañana. El retorno también se evalúa cuando la organización puede cambiar de rumbo con evidencia y reasignar recursos a una oportunidad mejor.

También separaría los horizontes. Hay inversiones que deben devolverse en un trimestre porque atacan una pérdida concreta, y otras que preparan una avenida de ingresos que madura en años. Exigirles a las segundas el retorno de las primeras las mata antes de tiempo, y no pedirles nada a las primeras las deja crecer sin dueño. Cada una necesita su propia vara y una fecha para decidir si seguir, corregir o cerrar.

Hacia 2027: agentes de IA, ciberseguridad y confianza del consumidor

¿Qué cambio marcará la agenda del eCommerce y el retail hacia 2027?

Marcos Pueyrredon: Creo que la agenda va a pasar de cómo vender con IA a cómo seguir siendo confiable cuando la IA media la compra. Cada vez más personas compran en línea y consultan a un asistente antes de decidir, en lugar de abrir un buscador y recorrer diez páginas. Eso cambia quién llega primero al cliente: antes lo hacía la vidriera mejor posicionada y ahora lo hace la respuesta que el asistente considera más confiable. Muchas empresas ya trabajan para ser encontradas por esos sistemas, y me parece correcto, pero esa carrera tiene una segunda mitad que casi no se discute.

Para prepararse, el retailer debe hacer que su oferta sea comprensible y comprobable para dichos intermediarios. Un agente puede describir correctamente un producto y equivocarse sobre su disponibilidad, su garantía o el plazo de entrega. Por eso, trabajaría en la consistencia entre el catálogo, las condiciones comerciales y la capacidad de cumplimiento, incluyendo cuándo se actualizó cada una de las informaciones. La respuesta que recibe el comprador debería poder contrastarse con lo que la empresa está en condiciones de ofrecer. Esto amplía el trabajo de posicionamiento: además de lograr que nos encuentren, necesitamos que la información utilizada para recomendarnos represente una promesa que podamos sostener.

La segunda mitad es el riesgo. Si crecen las consultas, las compras y los intermediarios automáticos, crecen también las oportunidades para el fraude, la suplantación, la información falsa sobre un producto y el uso indebido de datos.

El comercio es uno de los sectores donde esa exposición más se siente en la vida cotidiana de la gente, porque toca el bolsillo, la identidad y la confianza al mismo tiempo. Por eso, espero que en 2027 la ciberseguridad y el uso responsable de la IA dejen de ser un capítulo técnico al final del plan y pasen al centro de la mesa de los retailers.

También va a ganar importancia la capacidad del comprador para decidir cuánto delega. Autorizar una recomendación, una reserva y un pago son decisiones distintas. Una persona puede aceptar que un agente reponga un producto habitual dentro de un presupuesto determinado y querer confirmar cualquier sustitución o cambio de condiciones. Esa autorización debe ser comprensible, permitir detener acciones pendientes y dejar una historia que pueda reconstruirse en caso de un reclamo.

Mi hipótesis para 2027 es que la confianza dependerá cada vez más de la posibilidad de recuperar el mando. Las marcas tendrán que aprender a servir tanto a quien quiere delegar como a quien prefiere seguir decidiendo cada paso.

En ese escenario, el adjetivo electrónico queda corto. Lo unificado, lo colaborativo y lo conversacional se funden, y lo que queda es comercio, a secas, con un cliente que pregunta más antes de comprar y se lleva la respuesta de una máquina. Gana el retailer al que esa respuesta lo describe tal como es y que después cumple.

Comentario editorial

La conversación sitúa un desafío para el sector: convertir la tecnología en decisiones medibles, integrar la operación comercial y preservar la confianza del consumidor en un entorno donde la inteligencia artificial adquiere mayor participación.