Claude for Commerce: qué es y las cuatro cosas que decidirán si funciona
Claude for Commerce es un kit de inicio gratuito y de código abierto de Anthropic, publicado el 2 de septiembre de 2026. Ofrece a los equipos de ingeniería dos agentes ya hechos (uno para compradores y otro para el personal de la tienda), además de la infraestructura y las barreras de seguridad necesarias para ponerlos en marcha en días en lugar de meses. Once empresas figuran como socios de lanzamiento, entre ellas Shopify, Visa, Mastercard y Accenture, según el anuncio de Anthropic (consultado en septiembre de 2026). El código está en GitHub bajo licencia Apache 2.0.
Es un esqueleto sobre el que construir. No es un producto terminado.
En resumen:
- Qué es: dos agentes de referencia (compras + comerciante), cuatro ejemplos completos, tres formas de ejecutarlos, gratis.
- Quién se ha sumado: 11 socios nombrados: pagos, plataformas, datos de marketing, una consultora y tres marcas de consumo. Ningún proveedor de extremo a extremo.
- Por qué empezar por el ecommerce: las tareas son acotadas y los datos, estándar. El soporte con IA en ecommerce ya alcanza una resolución del 75–80% en los mejores despliegues (cifras de casos de éxito, Ecommerce AI Customer Service Benchmark 2026 de Aissist.io, consultado en septiembre de 2026).
- Cuatro problemas abiertos: hacer bien la misma tarea siempre, la velocidad en el lado del comprador, la medición en ambos lados y un ecosistema hecho solo de piezas.
¿Qué es Claude for Commerce?
Claude for Commerce es un conjunto de implementaciones de referencia gratuitas que muestran a los equipos de ingeniería cómo construir sobre Claude dos tipos de agente de comercio: uno que habla con los compradores y otro que ayuda al personal a gestionar la tienda. Anthropic lo publicó el 2 de septiembre de 2026 con licencia Apache 2.0. El README dice claramente que «no se mantiene y no acepta contribuciones».
El agente de compras busca productos, los compara, hace recomendaciones, crea el carrito, sigue los pedidos y responde preguntas sobre las políticas. El agente para comerciantes lee los datos de ventas, corrige fichas de producto, vigila el inventario, sugiere precios y promociones y redacta campañas. Cada cambio que quiere hacer queda retenido hasta que una persona lo aprueba.
Incluye cuatro ejemplos completos: retail, viajes, telecomunicaciones y venta de entradas. Cada uno tiene una tienda para el comprador y un back office para el personal, según el repositorio commerce-agents (consultado en septiembre de 2026).
Lo que no hace es cobrar. Dentro del framework no se carga ninguna tarjeta: el checkout se devuelve a tus propios sistemas. Eso lo sitúa en una categoría distinta del Agentic Commerce Protocol de OpenAI y Stripe, que se centra en estandarizar el propio paso del pago.
¿Cómo funciona realmente Claude for Commerce?
Tienes tres formas de ejecutar el mismo agente (la Messages API, el Claude Agent SDK o Managed Agents, en beta) y un único conjunto de skills, conectores y barreras de seguridad que funcionan en las tres. Conectas tu propio catálogo, inventario y sistemas de pedidos detrás de dos interfaces llamadas StorefrontBackend y MerchantBackend.
Cada agente incluye cinco skills: búsqueda en el catálogo, personalización, analítica, inventario y trabajo de campañas. Managed Agents también recibe dos servidores MCP para la tienda y el back office. No hay conectores listos para Shopify o NetSuite. Tú conectas tus propios sistemas, y ahí está la mayor parte del trabajo real.
La capa de seguridad es la mitad más interesante. El archivo docs/safety.md del repositorio enumera cinco controles: delimitación del acceso, puertas de procedencia que rastrean de dónde vienen los datos, límites y comprobaciones de memoria, reglas de fundamentación y una puerta de aprobación en cada cambio del comerciante. Esa última merece leerse dos veces. Anthropic no deja que el agente para comerciantes escriba en un sistema en producción sin que una persona haga clic en aprobar.
«Nuestros ingenieros tenían un agente de comercio funcional respondiendo a peticiones en menos de quince minutos».
— Dror Zalika, Head of Commerce en Wix, citado en la página de soluciones de comercio de Anthropic (consultada en septiembre de 2026)
Quince minutos hasta una demo funcional es algo real e impresionante. Quince minutos hasta algo a lo que confiarías ingresos reales es una cifra muy distinta.
¿Cuántos proveedores se han sumado a Claude for Commerce?
El lanzamiento de Anthropic nombra a once empresas: Shopify, Wix, Square, Visa, Mastercard, Klaviyo, Intuit, Priceline, Zomato, Fetch y Accenture. Una duodécima, Vambe, aparece en la página de soluciones pero no en el anuncio. No hay programa de inscripción ni un número creciente de proveedores. Es una lista de socios de lanzamiento, no una red.
La cobertura de prensa ha sido incoherente con la cifra, y eso dice algo. Algunos medios solo nombraron a Shopify. Otros solo a Accenture, Mastercard y Visa. Ve a la fuente primaria.
| Empresa | Qué aporta | ¿Pieza o solución completa? |
|---|---|---|
| Shopify | Plataforma de tienda online | Plataforma |
| Wix | Plataforma de tienda online para pequeñas empresas | Plataforma |
| Square | Pagos y punto de venta | Pieza |
| Visa | Red de pagos y capa de confianza | Pieza |
| Mastercard | Red de pagos | Pieza |
| Klaviyo | Datos de marketing y de clientes | Pieza |
| Intuit | Datos financieros | Pieza |
| Priceline | Marca de viajes que usa el patrón | Marca final |
| Zomato | Marca de reparto de comida que lo usa | Marca final |
| Fetch | Marca de fidelización que lo usa | Marca final |
| Accenture | Integración de sistemas | Implantación |
Fuente: página de soluciones de comercio de Anthropic, consultada en septiembre de 2026. La agrupación es de Aissist.io.
Fíjate en la columna de la derecha. El resto de este artículo gira en torno a ella.
¿Por qué el ecommerce es la fruta madura de la IA agéntica?
El ecommerce es el lugar más fácil para empezar con la IA agéntica porque sus tareas más frecuentes son acotadas, repetitivas y se apoyan en datos que ya tienen el mismo aspecto en todas partes. Un pedido tiene un estado. Una devolución tiene un plazo. Un reembolso tiene un importe. Hay muy poco que interpretar.
Las cifras de automatización lo demuestran. Los mejores despliegues de ecommerce alcanzan una resolución del 75–80% (Edel Optics con un 79%, frente al 25% anterior; Wilson con un 77%; Casper con un 74%), mientras que los bots creados solo para desviar se estancan en el 25–55%. Son cifras de casos de éxito recopiladas en el Ecommerce AI Customer Service Benchmark 2026 de Aissist.io (consultado en septiembre de 2026). El mismo benchmark sitúa la resolución con IA en $0.60–$0.90, frente a $6–$13 por un ticket que gestiona una persona.
El benchmark es tajante sobre por qué existe la diferencia: «Un bot que solo puede citar la política de devoluciones se estanca en la franja del desvío». Conocer la política no es el trabajo. Emitir el reembolso, sí.
Así que la fruta madura es real, y Claude for Commerce va directo a por ella. El problema es que lo acotado y repetitivo es justo el tipo de trabajo en el que los agentes actuales son menos consistentes. Lo que nos lleva a la parte incómoda.
¿Pueden los agentes de comercio hacer bien la misma tarea rutinaria siempre?
Todavía no, y el patrón de fallo es el contrario del que esperarías. La IA agéntica es más fuerte en problemas difíciles, inusuales y de muchos pasos, y más débil a la hora de hacer una cosa sencilla de la misma manera cien veces. En la prueba de retail de tau-bench, los agentes capaces de resolver una tarea una vez aciertan en los ocho intentos repetidos menos del 25% de las veces, según el artículo de τ-bench.
En producción vemos la misma forma. Un agente razonará hasta resolver un caso realmente complicado para el que nadie escribió una regla y, después, se equivocará con el cambio de dirección que ha hecho cuatrocientas veces. Lo que rompe una operación son los altibajos, no el techo.
Las pruebas independientes coinciden. Analizando los datos de horizonte temporal de METR, el investigador Toby Ord descubrió que Claude 3.7 Sonnet «podía alcanzar una tasa de éxito del 50% en tareas de hasta 59 minutos, frente a solo 15 minutos si se exigía una tasa de éxito del 80%» (según informa de forma independiente, consultado en septiembre de 2026). Pide un 80% de fiabilidad en lugar de un 50% y renuncias a unas cuatro quintas partes de la capacidad. En Vending-Bench, todos los modelos probados tuvieron ejecuciones que derivaron en «bucles de colapso», y no tuvo nada que ver con quedarse sin contexto.
Una de las citas de los propios socios de Anthropic dice en voz alta lo que nadie dice:
«Ejecutamos el flujo de trabajo de Claude Code dos veces y obtuvimos dos arquitecturas distintas, cada una diseñada según lo que habíamos pedido».
— Ashley Nader, Staff Product Manager en Fetch, citada en la página de soluciones de comercio de Anthropic (consultada en septiembre de 2026)
Dos buenas respuestas son una función estupenda en una herramienta de diseño. En un flujo de reembolsos son un peligro.
Es un viejo compromiso del machine learning con ropa nueva
Estás ante el compromiso entre lo mucho que un sistema puede generalizar y lo predecible que es: la versión agéntica del dilema sesgo-varianza que ya conoce cualquier profesional del ML. Un modelo lo bastante flexible para gestionar el caso que nadie previó es, por diseño, un modelo que puede tomar un camino distinto en el caso que tenías perfectamente previsto.
Esforzarse más con los prompts no lo arregla. Reducir las opciones, sí. Usa herramientas fijas en lugar de razonamiento abierto para el trabajo rutinario. Fundamenta las respuestas en datos recuperados en lugar de en la memoria del modelo. Retén las escrituras tras una aprobación. Añade una capa de comprobación que contraste el resultado con la política antes de enviarlo.
Ese es el enfoque de cuatro capas que Aissist.io describe en IA fiable: guardarraíles en los prompts, ejecuciones repetidas para comparar, autoinspección y una capa de políticas por encima. Es lo que convierte un modelo capaz en algo que un equipo de operaciones aprobará, y es la razón por la que la IA evaluable importa más que la puntuación destacada de un benchmark. La puerta de aprobación para comerciantes de Anthropic responde al mismo instinto, construido al nivel más sencillo posible.
¿Qué velocidad necesita un agente de compras?
Los agentes de cara al comprador tienen un presupuesto de velocidad que la mayoría de los diseños de agentes rebasan de largo. Los agentes de back office apenas tienen uno. Los datos de Google sitúan el abandono en móvil en el 53% cuando una página tarda más de tres segundos. Un agente que planifica, llama a cuatro herramientas y relee su propio trabajo mide cada turno en decenas de segundos.
Las noticias sobre infraestructura tampoco son alentadoras. En un artículo para The New Stack, Jon Alexander, Senior Vice President of Product del Cloud Technology Group de Akamai, informa de que el 82% de las organizaciones necesitan respuestas de extremo a extremo en 500ms o menos, el 64% necesita menos de 250ms para usos críticos y la mitad de los despliegues no cumplen esos objetivos en picos de carga (consultado en septiembre de 2026). Su argumento: más GPU no ayuda, porque el retraso viene de los saltos de red y la orquestación, no de la generación de tokens.
La clave útil es la diferencia entre ambos lados:
| Superficie | Tolerancia de espera realista | Veredicto |
|---|---|---|
| Agente para comerciantes (back office) | De segundos a minutos: alguien del equipo que lanza un informe de precios esperará | Lánzalo |
| Agente de compras (navegar y comparar) | 2–5 segundos, con progreso visible | Merece la pena experimentar |
| Agente de compras (paso de checkout) | Menos de un segundo | Mantén al agente fuera del camino |
Si estás haciendo pruebas en el lado del comprador, mide el tiempo hasta la primera palabra por separado del tiempo hasta la respuesta final, y muestra en streaming algo legible mientras se ejecutan las herramientas. Un comprador perdonará a un agente que está pensando. No perdonará una caja en blanco.
¿Cómo se mide el rendimiento de un agente de comercio?
La medición es el segundo problema sin resolver, porque el lado del comprador y el del comerciante necesitan métricas completamente distintas, y casi nadie publica ninguna de las dos. Anthropic afirma que los minoristas que usan agentes basados en Claude ven carritos hasta un 35% más grandes y compradores un 60% más propensos a terminar una compra (según el proveedor, Anthropic, consultado en septiembre de 2026), y que Vambe registra una conversión un 40% mayor en pequeñas empresas que venden a través de agentes de ventas (según el proveedor, misma fuente).
Son cifras de ventas. No dicen nada sobre si el agente acertó.
| Lado | Qué medir | Por qué falla la métrica obvia |
|---|---|---|
| Comprador | Finalización de tareas, resolución en el primer contacto, CSAT, tasa de escalación, tiempo hasta la primera palabra | Las ventas pueden subir mientras baja la precisión: un agente persuasivo no es un agente correcto |
| Comprador | Tasa de acierto en ocho ejecuciones de tus 20 recorridos rutinarios principales | Una buena ejecución de demo no te dice nada sobre la número cien |
| Comerciante | Tasa de aceptación de sugerencias, correcciones tras la aprobación, tiempo ahorrado por tarea | Las puertas de aprobación ocultan errores: una sugerencia rechazada igualmente le costó a alguien la revisión |
| Ambos | Coste por tarea resuelta, no coste por llamada | Los agentes de varios pasos hacen que el precio por llamada no tenga sentido |
La cifra que casi nadie publica es la que más importa: con qué frecuencia el agente hace bien la misma tarea absolutamente todas las veces. Ejecuta tus veinte recorridos más frecuentes ocho veces cada uno y cuenta cuántos superan las ocho. Esa es tu tasa de automatización real, y suele estar muy por debajo de la de la demo. Para la parte económica de la misma pregunta, consulta cómo medir el verdadero ROI de la IA agéntica.
¿Le faltan proveedores de extremo a extremo al ecosistema de Claude for Commerce?
Sí, y es la carencia más interesante de todo el lanzamiento. De los once socios nombrados, ocho suministran un componente o son una marca que usa el patrón, uno es una consultora, dos son plataformas de tienda online, y ninguno vende automatización de comercio ensamblada de extremo a extremo. Pagos, datos de marketing, datos financieros y punto de venta están cubiertos. La capa que convierte esas piezas en una operación que funcione, no.
Eso deja el trabajo de ensamblaje en manos del minorista, o de Accenture. Para un comerciante del segmento medio con cuatro ingenieros, «aquí tienes una implementación de referencia sin mantenimiento y once componentes» no es una solución. Es un plan de proyecto.
Esto es un riesgo competitivo para Anthropic tanto como una oportunidad para todos los demás. Un blueprint sin capa de soluciones se convierte lentamente en despliegues reales. Y la lentitud es peligrosa en un mercado en el que OpenAI y Stripe están lanzando un protocolo de pagos y Google impulsa AP2. Así es como una posición técnica sólida se convierte en una nota a pie de página.
El analista de retail Scot Wingo, en Retailgentic (consultado en septiembre de 2026), califica por ahora el agente para comerciantes de «juguete», y señala que unas 200 empresas que crean agentes de compras para minoristas se enfrentan ahora a una implementación de referencia gratuita.
Así que lo que hay que vigilar en los próximos dos trimestres no es la calidad del modelo. Es si se forma una capa de soluciones sobre este blueprint (proveedores que se responsabilicen del resultado y no de una pieza) y si Anthropic ayuda a que ocurra o lo deja en manos del mercado.
Conclusiones clave
Claude for Commerce es un punto de partida creíble que apunta al objetivo correcto: las tareas acotadas, estructuradas y de gran volumen que hacen del ecommerce el lugar más fácil para poner a trabajar la IA agéntica. Once socios nombrados le dan peso real, y el diseño de seguridad (escrituras por etapas, puertas de procedencia, aprobación en cada cambio del comerciante) es más honesto que la mayoría de las demos de proveedores.
Siguen abiertas cuatro cuestiones: hacer bien la misma tarea siempre, la velocidad en el recorrido del comprador, la medición en ambos lados y un ecosistema hecho solo de piezas. Ninguna es un problema del modelo. Todas son problemas de sistemas, lo que significa que pueden resolverse, por quien decida hacerse cargo de la capa de extremo a extremo que tan claramente le falta a este lanzamiento.
Declaramos el sesgo de entrada: la resolución de extremo a extremo es la capa que construye Aissist.io. También es la razón por la que esa carencia fue lo primero que notamos.
¿Tienes curiosidad por ver cómo sería la capa de extremo a extremo en tu stack? Mira cómo los agentes resuelven tickets reales de ecommerce (pedidos, devoluciones, reembolsos) y no solo responden preguntas sobre ellos. Reserva una demo gratuita →
Preguntas frecuentes
¿Qué es Claude for Commerce?
Claude for Commerce es un blueprint gratuito y de código abierto que Anthropic publicó el 2 de septiembre de 2026. Contiene dos agentes de referencia (uno para compradores y otro para el personal de la tienda), además de skills, entornos de ejecución y barreras de seguridad. Incluye cuatro ejemplos completos y Anthropic declara explícitamente que no lo mantiene.
¿Cuántos proveedores se han sumado a Claude for Commerce?
El anuncio de Anthropic nombra a once empresas: Shopify, Wix, Square, Visa, Mastercard, Klaviyo, Intuit, Priceline, Zomato, Fetch y Accenture. Una duodécima, Vambe, aparece en la página de soluciones. No hay programa de inscripción ni un número creciente de proveedores: es una lista de socios de lanzamiento.
¿Es gratis Claude for Commerce?
Sí. El repositorio commerce-agents está publicado en GitHub bajo Apache 2.0 sin coste. Sigues pagando el uso de Claude a través de la Claude API, Amazon Bedrock, Microsoft Foundry o Google Cloud Vertex AI, además del trabajo de integración para conectar tu propio catálogo y tus sistemas de pedidos.
¿Gestiona Claude for Commerce los pagos o el checkout?
No. El blueprint no ejecuta transacciones reales: el checkout se devuelve a tus propios sistemas y no se carga ninguna tarjeta dentro de él. Eso lo diferencia del Agentic Commerce Protocol de OpenAI y Stripe, que estandariza el propio paso del pago.
¿Por qué falla la IA agéntica en tareas sencillas y repetitivas?
Porque la flexibilidad y la consistencia tiran en direcciones opuestas. Un modelo capaz de razonar ante un caso nuevo también puede tomar un camino distinto ante uno idéntico. En la prueba de retail de tau-bench, los agentes aciertan los ocho intentos repetidos menos del 25% de las veces, incluso cuando aciertan en un intento.
¿Cómo se consigue que un agente de comercio sea lo bastante fiable para desplegarlo?
Reduce sus opciones. Usa herramientas fijas para las tareas rutinarias, fundamenta las respuestas en datos recuperados y no en la memoria del modelo, retén cada escritura tras una aprobación y añade una capa que compruebe el resultado frente a la política antes de publicarlo. Después, mide el éxito en ejecuciones repetidas de tus propios recorridos, no en una demo.
¿Es la latencia un problema para los agentes de compras con IA?
En el lado del comprador, sí. Google informa de que el 53% de los visitantes en móvil se van pasados tres segundos, mientras que los agentes de varios pasos suelen tardar decenas de segundos. Los agentes de back office para comerciantes apenas tienen presión de tiempo. Muestra resultados parciales en streaming en todo lo que vea un cliente.
¿Qué deberían vigilar ahora los minoristas en el comercio agéntico?
Vigila si se forma una capa de soluciones sobre el blueprint. Los once socios de lanzamiento cubren pagos, plataformas y datos, pero ninguno vende automatización de comercio ensamblada. Eso deja la integración en manos de los minoristas o de las consultoras, lo que frena la adopción frente a estándares competidores.
