Evidencia de comercio de agentes: lo que los comerciantes pueden medir.
Una guía práctica de las señales a nivel de solicitud que dejan los agentes de compras de IA, por qué la mayoría de las pilas de análisis las pasan por alto y cómo Cartograph se está desarrollando para cerrar esa brecha.
Publicado · Actualizado
¿Qué es la evidencia de comercio de agentes?
La evidencia de comercio con agentes es el conjunto de señales a nivel de solicitud que muestran que un comprador mediado por IA interactuó con su catálogo, escaparate, carrito o proceso de pago. A diferencia de las analíticas web tradicionales, que se basan en la ejecución de JavaScript en un navegador, la evidencia comienza en el origen: los registros configurados del servidor, CDN y la aplicación pueden capturar solicitudes que llegan a esos puntos de observación incluso cuando un píxel del lado del navegador no se dispara; la cobertura no es completa por defecto y depende de la inclusión de la fuente, el enrutamiento, el muestreo, la retención y la salud de la recopilación.
La observación clave es simple: un agente de IA que obtiene una página de producto, agrega un artículo o completa un pago delegado aún emite solicitudes HTTP. Esas solicitudes llevan cadenas de agente de usuario, referentes, tokens y patrones de tiempo. Cuando se capturan en la capa de registro y se etiquetan consistentemente, se convierten en evidencia.
Cartograph se está construyendo para recopilar, normalizar y etiquetar esa evidencia para que los comerciantes puedan responder preguntas que su stack actual no puede: ¿Cuánto de mi tráfico es impulsado por agentes? ¿Qué solicitudes no están clasificadas? ¿Dónde se caen los agentes entre el catálogo y el carrito de compra?
Adobe Digital Insights informó que el tráfico referido por IA a sitios minoristas de EE. UU. creció 393% year over year in Q1 2026. En March 2026, esas visitas se convirtieron 42% better y generado 37% higher revenue per visit que el tráfico no-IA. Adobe dice que el análisis subyacente del comercio minorista de EE. UU. cubre more than one trillion visits.
Adobe-reported historical data; not Cartograph customer data. Growth rate does not indicate channel share.
Su pila ve las piezas. La integración planificada conecta la evidencia.
Cartograph is not a bot detector, PIM, analytics platform, PSP, or commerce platform. It is being built as the agent-commerce evidence layer across them.
Legible, consistente, Transaccionable.
This is a readiness framework, not an ACES taxonomy, classifier, confidence model, grade, or score. Each category names the merchant surface, the observation method, and its limitation.
¿Puede el escáner o recolector definido obtener y analizar la superficie mercantil nombrada?
Límite: no comprensión de modelos externos, citación, preferencia o recomendación.
¿Las superficies nombradas autorizadas por el comercio concuerdan materialmente dentro de una ventana de observación definida y una política de comparación?
Límite: no confianza, creencia, seguridad, preferencia, rechazo o ubicación en el conjunto de consideración de agentes externos.
¿Los eventos observados por el comercio o un diagnóstico sintético autorizado por separado muestran una progresión a través de los hitos exactos del carrito o del proceso de pago dentro del alcance?
Límite: no prueba de recorrido completo, finalización de pedidos, autorización de pago, soporte del proveedor o conversión.
Evidencia, no conjeturas.
The v0.1 specification defines deterministic traffic labels and evidence codes. It does not infer intent, score actors, or treat missing agent evidence as proof of human traffic.
La especificación v0.1 define cinco etiquetas de tráfico: agente verificado, bot declarado — verificado, bot declarado — no verificado, referido por IA y no clasificado. Esas etiquetas describen la evidencia disponible en la captura; no afirman que el tráfico no clasificado sea humano.
Lo que su stack ve, y lo que se pierde
La mayoría de las pilas tecnológicas de los comercios fueron diseñadas para compradores humanos. La analítica web necesita un navegador y un usuario que dé su consentimiento. La gestión de bots busca abusos, no atribución. Los sistemas de gestión de información de productos saben lo que vende, pero no quién preguntó. Los procesadores de pagos ven transacciones, pero rara vez el agente upstream que inició el viaje.
El resultado es un punto ciego: una parte medible de los eventos elegibles de solicitud de storefront permanece sin clasificar después del etiquetado determinístico. Cerrar esa brecha requiere combinar los eventos de solicitud de origen de registro con un modelo de etiquetado que reconozca los agentes documentados por el proveedor y el comportamiento similar a un agente.
Cómo Cartograph planea conectar la evidencia
La arquitectura planificada de Cartograph trata las superficies del comerciante como productores de eventos: feeds, escaparates, carritos, pagos y flujos de pago, cada uno emite eventos de solicitud. La plataforma está siendo diseñada para ingerir esos eventos de los registros del servidor, aplicar un conjunto de etiquetas de evidencia v0.1 y mostrar un Tráfico no identificado métrica: la cuota no etiquetada de eventos de solicitud elegibles.
Con el tiempo, el objetivo es añadir etiquetas deterministas para agentes documentados por proveedores, etiquetas heurísticas para rastreadores desconocidos pero similares a agentes, y señales propias del comerciante como tokens de pago firmados. El resultado es una capa de evidencia compartida sobre la que los equipos de análisis, producto, seguridad y pagos pueden razonar.
Agent-commerce evidence is the set of request-level signals that show an AI-mediated shopper interacted with a merchant's catalog, storefront, cart, or checkout — captured at the log layer rather than in the browser.
Cartograph Intelligence, "Evidencia de Comercio de Agentes: Guía de Campo para Comerciantes." https://cartographintelligence.com/es/agent-commerce-evidence