Agent Cards: El Formato de Datos de Producto Diseñado para el Comercio IA
Las Agent Cards son la unidad atómica de datos de producto preparados para la IA. Descubre cómo representaciones de producto estructuradas y semánticamente enriquecidas impulsan tanto los asesores IA on-site como la visibilidad en búsqueda IA off-site.
El Feed de Producto Estándar No Fue Diseñado para la IA
Tu feed de producto funciona. Envía SKUs, títulos, descripciones, precios, URLs de imágenes, categorías y disponibilidad a Google Shopping, a los marketplaces, a los comparadores. Fue diseñado para dos consumidores: humanos que navegan páginas de producto y motores de búsqueda que indexan palabras clave. Ninguno de los dos es un agente IA.
Los agentes IA no navegan. No hacen scroll por páginas de categoría ni recorren imágenes de producto. Razonan. Comparan atributos estructurados, evalúan casos de uso frente a la intención del comprador, cruzan restricciones y sintetizan recomendaciones a partir de decenas de puntos de datos simultáneamente. Cuando un agente IA encuentra una entrada de feed de producto estándar, obtiene un título, un bloque de prosa de marketing y un precio. Eso no es suficiente para recomendar nada de forma fiable.
La brecha es estructural. Un feed de Google Shopping le dice a un algoritmo dónde posicionar un producto. Un agente IA necesita entender qué es el producto, para quién es, qué afirmaciones se pueden hacer sobre él y qué no debe decirse nunca. Son requisitos fundamentalmente diferentes, y el formato que sirve a uno no puede servir al otro sin una nueva capa.
Lo Que un Agente IA Necesita para Recomendar un Producto
Imagina que un comprador le pregunta a un agente IA: "Necesito una crema hidratante para piel seca y sensible. Tengo 45 años y prefiero productos sin fragancia por menos de 60 euros."
Para responder de forma fiable, el agente necesita atributos estructurados (compatibilidad con tipo de piel, rango de edad, estado de fragancia), no enterrados en un párrafo de texto de marketing sino como campos discretos consultables. Necesita casos de uso explícitos: "ideal para piel seca, mayores de 40, uso diario." Necesita afirmaciones con fuente: "contiene 10% de ácido hialurónico, testado dermatológicamente, estudio clínico ref. #4421." Necesita restricciones: "no usar con productos de retinol, evitar en caso de alergia a derivados de karité." Necesita disponibilidad por mercado, precio con contexto de divisa, e instrucciones de voz de marca que le indiquen cómo presentar el producto.
Nada de esto existe en un feed de producto estándar. La información quizá existe en algún lugar del ecosistema del comerciante, dispersa entre campos del PIM, páginas de producto, documentos regulatorios y el conocimiento del equipo de merchandising. Pero no está estructurada, no está validada y no es accesible para un agente IA en un formato que pueda consumir.
La Anatomía de una Agent Card
Una Agent Card es el formato que Querytail usa para cerrar esta brecha. Cada Agent Card es una representación de producto semánticamente enriquecida y legible por máquinas, diseñada para el consumo por IA. Esto es lo que contiene:
Atributos de producto estructurados. No un párrafo de texto de marketing, sino campos estructurados: categoría, subcategoría, tipo de producto, ingredientes o materiales clave, dimensiones, peso, variantes de color, y cualquier atributo que un agente IA pueda necesitar para filtrar o comparar.
Casos de uso y ocasiones. Declaraciones explícitas: "ideal para piel seca," "perfecto para la rutina nocturna," "adecuado para edades 35-55." No se infieren del texto de marketing. Son validadas por el comerciante y estructuradas para consulta.
Afirmaciones con atribución de fuente. Cada afirmación factual se empareja con su fuente: "clínicamente probado para mejorar la hidratación un 47% en 8 semanas (Estudio: DermaClinical 2025, n=200)." El agente IA puede citar la afirmación y su procedencia. El Semantic Firewall impone que solo se utilicen afirmaciones con fuente.
Restricciones y contraindicaciones. Para qué no debe usarse el producto, quién debe evitarlo y qué combinaciones son desaconsejadas. Son los datos que impiden que las recomendaciones alucinadas causen daños reales.
Disponibilidad y precios por mercado. Datos estructurados por mercado: disponible en FR y DE, no disponible en US, a 54 EUR en FR, 58 EUR en DE, en promoción hasta el 15 de junio.
Directrices de voz de marca. Instrucciones sobre cómo la IA debe presentar este producto: tono (premium, clínico, lúdico), preferencias de vocabulario (decir "formulado con" y no "cargado de"), temas a evitar (no comparar con el competidor X), y prioridades de énfasis (destacar los resultados clínicos, no el precio).
Productos relacionados y contexto de venta cruzada. Relaciones estructuradas: "combina bien con el Producto Y," "versión superior del Producto Z," "parte de la colección Reparación Nocturna."
Metadatos de frescura. Fecha de última verificación, sistema fuente de cada campo y fecha de la próxima revisión. La obsolescencia es un riesgo de alucinación, y el seguimiento de frescura lo mitiga.
Cómo Se Crean las Agent Cards
Las Agent Cards no se construyen desde cero. Se generan a partir de los datos de catálogo existentes del comerciante, se enriquecen y se validan.
El proceso comienza con la ingesta. Querytail se conecta al sistema de gestión de información de producto, al ERP o a la plataforma de e-commerce del comerciante y extrae los datos de catálogo existentes. Esto proporciona la base: títulos, descripciones, precios, categorías, imágenes y cualquier atributo estructurado que ya exista.
A continuación viene el enriquecimiento. El sistema analiza los datos existentes, identifica lagunas y las completa usando múltiples fuentes: contexto web (reseñas, bases de datos de ingredientes, declaraciones regulatorias, posicionamiento de la competencia), extracción estructurada de las propias páginas de producto del comerciante, y aportación directa del comerciante a través del Merchant Console. Si una página de producto menciona "testado dermatológicamente" en el tercer párrafo de la descripción, el proceso de enriquecimiento extrae esa afirmación, la estructura y la marca para validación por el comerciante.
Luego viene la validación. El comerciante revisa la Agent Card enriquecida a través del Merchant Console. Confirma afirmaciones, ajusta casos de uso, añade restricciones y define las directrices de voz de marca. Nada se publica sin la aprobación del comerciante. No es una automatización de "configúralo y olvídate". Es un proceso colaborativo donde la IA hace el trabajo pesado y el comerciante conserva el control.
Agent Cards y el Agentic Mirror Catalog
Las Agent Cards individuales son las unidades atómicas. El Agentic Mirror Catalog es la colección: todas las Agent Cards de un comerciante dado, organizadas, indexadas y optimizadas para el consumo por IA.
El principio de diseño fundamental es la operación no destructiva. El Agentic Mirror Catalog funciona en paralelo al catálogo existente del comerciante. No modifica el PIM, el ERP ni la plataforma de e-commerce. No cambia las páginas de producto ni altera los feeds. Crea un espejo paralelo que sirve a la capa IA mientras el catálogo original sigue sirviendo a sus consumidores actuales sin cambios.
Esto importa porque los responsables de catálogo han pasado años construyendo su infraestructura de datos de producto. No quieren que un nuevo proveedor reescriba su fuente de verdad. El Mirror Catalog respeta eso. Ingesta, reestructura y enriquece. Nunca sobrescribe.
Las Agent Cards sirven dos canales distintos desde una sola inversión en datos.
On-site: alimentar el Agentic Client Advisor. Cuando un comprador interactúa con el Agentic Client Advisor en el sitio web de un comerciante, cada recomendación del Advisor está fundamentada en Agent Cards. El Advisor no alucina atributos de producto porque no los genera. Los recupera de la Agent Card verificada. El Semantic Firewall verifica cada respuesta contra los datos aprobados de la Card antes de que llegue al comprador.
Off-site: activar el GEO. Los motores de búsqueda IA como ChatGPT, Gemini y Perplexity necesitan datos estructurados y semánticamente ricos para representar los productos con precisión en sus respuestas. Las Agent Cards proporcionan exactamente eso. Es el Generative Engine Optimization: hacer que tus productos sean encontrables y representados con precisión en el descubrimiento mediado por IA.
La misma Agent Card que ayuda al Advisor on-site a recomendar una crema hidratante para piel seca también ayuda a ChatGPT a citar ese producto con precisión cuando alguien pregunta por recomendaciones de skincare sin fragancia. Una inversión, dos canales de ingresos.
Lo Que Distingue a las Agent Cards de los Feeds Enriquecidos
Varios proveedores ofrecen feeds de producto "enriquecidos" con descripciones generadas por IA o palabras clave adicionales. Las Agent Cards son arquitectónicamente diferentes en tres aspectos.
Primero, estructura sobre prosa. Los feeds enriquecidos típicamente añaden más texto. Las Agent Cards añaden campos estructurados y consultables. La diferencia es entre darle a un agente IA un mejor párrafo para leer y darle un conjunto de datos estructurado sobre el cual razonar.
Segundo, gobernanza integrada. Cada campo de una Agent Card tiene procedencia: de dónde viene el dato, cuándo fue validado y quién lo aprobó. No son metadatos añadidos después. Son parte integral del formato. El Semantic Firewall se apoya en esta procedencia para garantizar la exactitud.
Tercero, control del comerciante. Los feeds enriquecidos suelen ser automatizados y opacos. Las Agent Cards son colaborativas. El comerciante ve exactamente lo que contiene cada Card, la aprueba y puede modificarla en cualquier momento a través del Merchant Console.
Para Empezar
El camino de los datos de producto estándar a las Agent Cards sigue una secuencia clara. Primero, evalúa tu catálogo actual: ¿cuántos productos tienen atributos estructurados más allá del título, la descripción y el precio? ¿Tus datos pueden responder de forma estructurada a "para qué es mejor este producto"? ¿Tus afirmaciones tienen fuente?
Segundo, entiende la brecha. Solicita una demo y Querytail transformará una muestra de tu catálogo en Agent Cards en directo. Verás exactamente cómo se ven tus productos cuando están estructurados para el consumo por IA, y dónde se hacen visibles las lagunas en tus datos actuales.
Los datos de producto que sirvieron a la era de las palabras clave no servirán a la era agéntica. Las Agent Cards son la forma en que los comerciantes cierran esa brecha sin reconstruir su catálogo desde cero.
Descubre cómo se ven tus productos como Agent Cards. Solicita una demo y transformaremos una muestra de tu catálogo en directo.
Solicitar una Demo | Postular como Design Partner
Artículos Relacionados