DoorDash: agentes de IA logran solo cientos de pedidos

DoorDash y los agentes de IA: cientos de pedidos frente a 993 millones

DoorDash procesó 993 millones de pedidos en su tercer trimestre, pero los agentes de IA de terceros apenas generaron "varios cientos" desde su activación. La brecha entre capacidad técnica y comportamiento real del usuario es el dato más incómodo que dejó la llamada de resultados, y aplica mucho más allá del delivery de comida.

El propio Tony Xu, cofundador y CEO de la compañía, calificó esa cifra como un "caso de uso muy bajo" durante la conversación con analistas, según recogió 24/7 Wall St. Para un founder que está evaluando dónde meter sus recursos de IA este trimestre, la lección no es que la tecnología falle: es que la demanda del consumidor todavía no se movió.

¿Qué dijo exactamente DoorDash sobre los agentes de IA?

La respuesta de Xu llegó a una pregunta directa del analista Dominic Ball, de Rothschild & Co Redburn, sobre cómo cambia el negocio cuando los consumidores compran a través de agentes. Su respuesta fue literal: "right now, AI agents are generating several hundred orders across the time that they've been up and running. So it's been a fairly low use case".

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

No es un dato aislado. En agosto, el CEO ya había descrito el volumen de pedidos vía agentes de terceros como "quite low so far", de acuerdo con el mismo reporte. El patrón se sostuvo durante dos trimestres consecutivos, lo que descarta la hipótesis de un arranque lento por falta de rodaje.

El contexto financiero ayuda a dimensionar el contraste. Según 24/7 Wall St, las acciones de DoorDash cerraron en US$179,00, con una subida de 5,61% y una capitalización de mercado cercana a los US$73.200 millones. El mercado celebró los números del negocio tradicional, no el avance de los agentes.

¿Por qué el MCP es la pieza clave de esta integración?

DoorDash lanzó su conector Model Context Protocol (MCP) hace menos de un mes, según la información original. Se trata de un protocolo de código abierto que ofrece una interfaz estandarizada para que herramientas de IA de terceros ejecuten pedidos directamente dentro de la plataforma, sin navegar la interfaz web convencional.

Hay dos restricciones que explican buena parte de la cifra: el acceso sigue limitado a un grupo reducido de socios beta, y el uso principal está orientado a la gestión de pedidos corporativos, no al consumidor individual. DoorDash también lanzó agentes propios —Ask DoorDash y Text DoorDash— además de un agente de línea de comandos, según TMCnet.

Sin esa integración, los agentes de IA deben interactuar con DoorDash a través de la interfaz web estándar. Ese camino es más lento, más propenso a errores y menos eficiente, lo que limita su viabilidad operativa a escala. El MCP no es un detalle técnico: es la diferencia entre que un agente pueda operar de forma confiable o no.

¿Qué revela esto sobre la adopción de agentes autónomos?

El caso ilustra un patrón clásico de adopción temprana: la disponibilidad técnica precede a la demanda real por un margen significativo. La pregunta estratégica que deja es cuándo tiene sentido delegar una decisión a un agente automatizado.

La respuesta parece estar condicionada por la complejidad de la tarea. Ordenar comida es una acción rápida, habitual y de bajo riesgo: no genera suficiente fricción como para que el usuario ceda el control. En cambio, el potencial se percibe con más claridad en procesos de compra con múltiples variables, comparación extendida o decisiones de mayor impacto.

Xu resumió esa tensión con una frase que vale para cualquier equipo de producto: "you never want to fight gravity. But at the same time, you don't want to be delusional", según TMCnet. DoorDash construye la puerta de entrada para los agentes aunque el pasillo siga casi vacío.

El sector minorista tampoco tiene una respuesta unificada. Amazon ha bloqueado a los agentes de compras personales, mientras que Walmart les ha tendido la alfombra roja con la esperanza de robar negocio a sus competidores, según el mismo medio.

¿Dónde sí está funcionando la automatización con agentes?

El patrón se repite en otros frentes, y ahí está la pista útil. JetBrains reconoció que durante el primer semestre de 2026 su gasto interno en IA se multiplicó aproximadamente por diez, y que su primer informe conjunto sobre herramientas de distintos proveedores requirió cuatro días de trabajo manual, según Revista Cloud Computing. La respuesta de la compañía fue lanzar Air Governance, una capa de gobierno para centralizar políticas de acceso, límites de consumo y configuración de servidores MCP en toda la organización.

El mercado de pagos automatizados avanza en paralelo. Google presentó el protocolo AP2 (Agent Payments Protocol) junto a más de 60 entidades, entre ellas American Express, Mastercard, PayPal, Coinbase, Salesforce, Intuit y UnionPay International, según WWWhat's New. AP2 se apoya en mandatos criptográficos —un "Intent Mandate" para buscar y un "Cart Mandate" que requiere aprobación del usuario— y extiende los marcos previos A2A y MCP.

El obstáculo señalado por los analistas citados en esa cobertura no es técnico sino contractual: si un agente realiza una compra incorrecta, ¿quién asume el costo? Hasta que eso se resuelva, muchas organizaciones limitarán el uso a transacciones de bajo riesgo, como renovaciones automáticas o consumibles.

En el frente del comercio electrónico, Riskified expandió su plataforma de inteligencia de agentes de IA para proteger asistentes de compras nativos de los comerciantes. La compañía citó una investigación de McKinsey & Company según la cual el 82% de las organizaciones minoristas ya lanzó pilotos de IA generativa dedicados a reinventar el servicio al cliente.

¿Qué significa esto para tu startup?

La conclusión práctica es contraintuitiva: el mejor retorno de los agentes autónomos hoy no está en la experiencia del consumidor final, sino en procesos internos de alta fricción. Compras recurrentes, gestión de inventario y pedidos corporativos muestran más tracción que el checkout de un usuario individual.

Tres acciones concretas para este trimestre:

Audita dónde está tu fricción real. Antes de construir un agente de cara al cliente, mapea los flujos internos donde una persona repite el mismo proceso cada semana. Ahí es donde el ahorro se mide en horas, no en promesas.
Expón tus datos antes de que te lo pidan. La pregunta que plantea el caso DoorDash es si un agente puede encontrar datos precisos de producto, precio y disponibilidad directamente en tu sistema, o solo en el resumen de un tercero. Si no tienes un endpoint o un servidor MCP que un agente de comprador pueda usar con confianza, alguien más va a definir cómo se presenta tu oferta.
Define las reglas ahora, que el volumen es bajo. El momento más barato para decidir cómo quieres que se comporten los agentes es antes de que lleguen en volumen. Una vez que estén ejecutando pedidos o renovando suscripciones a escala, las reglas las fija quien llegó primero.

La pregunta abierta, y la que más debería importarte, es quién termina sosteniendo la relación con el cliente cuando un agente se sienta en el medio. DoorDash apuesta a ser la red de entrega que cualquier agente esté obligado a usar. Esa es una decisión de posicionamiento, no de tecnología.