Quien decida si tu SaaS merece ser considerado quizá ya no sea una persona. Imagina que un usuario le pide a ChatGPT: «Ayúdame a encontrar un software de gestión de proyectos que se conecte con Slack, admita SSO y cueste menos de 5.000 al mes». El agente revisará diez sitios web, extraerá la información clave y presentará tres alternativas. En ese momento, tu página de producto deja de ser una pieza de marketing y pasa a funcionar como una ficha técnica. Si el agente no puede identificar el precio, localizar las integraciones ni entender las diferencias entre planes, tu producto desaparecerá de la lista de candidatos sin llegar siquiera a ser descartado por una persona.
Este cambio ha llegado antes de lo que muchos equipos B2B esperaban. El comercio agéntico no se limita a que «la IA ayude a finalizar una compra». Implica que los agentes se encargan de investigar, comparar y filtrar las opciones antes de la compra, mientras las personas se reservan la decisión final. Dicho de otro modo, ahora hay un nuevo filtro delante de esos responsables de compra a quienes antes intentabas convencer: un programa que no lee relatos de marca, sino datos estructurados. Si no puede interpretarte, el responsable de la decisión ni siquiera llegará a verte.
Un agente no se comporta como los usuarios que conoces
Piensa en el agente como un visitante impaciente que no se desplaza por la página ni espera animaciones. No aguardará a que aparezca el bloque principal, no se dejará impresionar por los testimonios de tu comunidad y tampoco recorrerá tres niveles de menús desplegables para encontrar el precio. Su proceso es mecánico: rastrea la página, analiza su estructura, extrae los campos necesarios, compara los datos con los de otros candidatos y decide si tu producto merece entrar en la lista que verá una persona.
Aquí aparece una brecha difícil de ignorar. Para una persona, la página puede resultar impecable: imágenes grandes, espacios en blanco e interacciones cuidadas. Sin embargo, el agente quizá solo encuentre una sucesión de <div> sin semántica clara, precios incrustados en imágenes, contenido esencial cargado dinámicamente mediante JavaScript y especificaciones clave relegadas a un PDF descargable. Las personas lo ven, pero las máquinas no pueden extraerlo. En el comercio agéntico, lo que una máquina no puede detectar, no existe.
Qué buscan realmente los agentes en tu página
En nuestras auditorías GEO aplicamos una prueba muy sencilla: entregamos al modelo el HTML original de la página de producto y le preguntamos cuánto cuesta, qué integraciones admite y para quién está pensado. Si no sabe responder o se equivoca, es probable que un agente tampoco pueda hacerlo. En la práctica, los agentes buscan una y otra vez estos tipos de datos:
- Precio y facturación: importes, monedas y periodos claramente indicados, no solo un «contáctanos para solicitar un presupuesto».
- Funcionalidades e integraciones: qué permite hacer el software y con qué sistemas se conecta, preferiblemente mediante una lista que pueda procesarse elemento por elemento.
- Público objetivo y limitaciones: para qué tamaño de equipo y sectores resulta adecuado, así como cualquier límite máximo o requisito previo de uso.
- Diferencias entre planes: qué incluye cada opción, expresado en campos comparables en lugar de adjetivos promocionales.
- Señales de confianza: condiciones, cumplimiento de requisitos de seguridad y política de reembolso; los agentes pueden filtrar primero estos aspectos cuando representan a compradores prudentes.
Datos estructurados: de complemento a interfaz
Mucha gente sigue considerando el marcado de Schema.org un añadido opcional heredado del SEO: algo que, con suerte, permite mostrar una valoración con estrellas. En el comercio agéntico cumple otra función: se convierte en la interfaz formal entre tu empresa y el agente. Tipos como Product, Offer, Organization y FAQPage permiten declarar de forma explícita precios, disponibilidad y preguntas frecuentes en un formato que una máquina comprende de inmediato. Así, el agente no tiene que adivinar qué parte del diseño contiene el precio o qué sección corresponde a cada plan.
HTML semántico y contenido fácil de extraer
El marcado estructurado resuelve los campos explícitos; para interpretar el resto del contenido, el agente depende del HTML semántico. Al extraer texto, utiliza la jerarquía de encabezados, las listas y las tablas para distinguir la información principal de las opciones equivalentes. Una página organizada con <h2> y <h3>, una tabla real para comparar planes y listas para enumerar funcionalidades produce información limpia para el modelo. Si todo está encerrado en <div> y la jerarquía solo existe en el CSS, el resultado será un conjunto de palabras sin estructura.
Pensar en Markdown resulta muy útil. Si puedes describir la página como «Markdown mental» —con un título, listas y columnas alineadas—, probablemente sea fácil de interpretar para un agente. Si solo puede entenderse a través de su presentación visual, lo habitual es que el agente no comprenda bien su contenido. Por eso solemos recomendar a los clientes que hagan una primera comprobación con isitagentready: antes de valorar cómo se interpreta la información, hay que confirmar que la máquina puede leerla.
Precios y capacidad transaccional: donde más suelen atascarse los agentes
La mayoría de los equipos puede mejorar los aspectos anteriores incorporando datos estructurados y HTML semántico. El verdadero obstáculo suele aparecer al final: la capacidad transaccional. El escenario ideal permite que el usuario avance un paso más para probar el producto, comprar o reservar. Para ello hacen falta un punto de acceso operable por un programa, acciones inequívocas, un formulario estable y un siguiente paso que pueda completarse sin depender del criterio de una persona. Si el proceso exige rellenar un formulario de diez campos, esperar la llamada del equipo comercial e intercambiar tres correos para recibir un presupuesto, el agente se detendrá. Devolverá al usuario a un proceso manual, mientras este quizá ya esté contratando el producto competidor que sí le permite llegar hasta el final.
Hemos visto demasiadas páginas de producto que el equipo considera completas, pero de las que el modelo ni siquiera logra extraer el precio. A menudo, la única diferencia está en si los datos se presentan o no en un formato legible por máquinas.— Tenten GEO
Checklist de legibilidad automática para empezar hoy
Para convertir todo lo anterior en acciones concretas, solemos recomendar a nuestros clientes estos cinco puntos de partida, ordenados por su rendimiento:
- Publica los precios y las diferencias entre planes como texto y tablas reales que puedan rastrearse; no los escondas en imágenes ni archivos PDF.
- Añade a la página principal del producto datos estructurados de Product, Offer y FAQPage, y asegúrate de que coincidan exactamente con el contenido visible.
- Reorganiza el contenido con HTML semántico: jerarquía de encabezados, listas de funcionalidades y tablas comparativas de planes.
- Redacta las preguntas más habituales antes de la compra en bloques independientes, cada uno con una pregunta y su respuesta.
- Comprueba si un programa puede completar el «siguiente paso»: iniciar una prueba, hacer una reserva o solicitar un presupuesto. Como mínimo, ofrece una vía que no obligue a esperar la intervención de otra persona.
Este checklist no exige rehacer el sitio web. En la mayoría de los casos basta con estructurar mejor las páginas existentes, incorporar datos y eliminar fricciones. Lo difícil es identificar qué falta: si la máquina no puede leer el contenido o si logra leerlo, pero no encuentra información suficiente para incluir el producto en su lista. Si quieres saber cómo ven los agentes tu página de producto y en qué punto se atascan, puedes reservar un diagnóstico GEO de 30 minutos. Revisaremos el caso contigo mediante pruebas reales de extracción.
