Del B2B al A2A: la nueva era de ventas entre agentes IA

Del B2B al A2A: cuando la primera interlocutora ya no es humana

La próxima gran conversación comercial no ocurrirá entre un vendedor y un comprador, sino entre dos agentes de inteligencia artificial que ya investigaron, compararon, negociaron y, en muchos casos, cerraron. El extracto de Forbes Argentina firmado por Diego Pasjalidis lo resume sin rodeos: las personas dejarán de ser el primer interlocutor del embudo, y eso obliga a repensar la venta entera, no solo el software que la soporta.

La sigla que describe esta nueva capa ya tiene nombre: A2A, o Agent-to-Agent. A diferencia del B2B, donde dos organizaciones se entienden a través de personas, en A2A el que habla por cada empresa es un agente autónomo con datos, permisos y reputación. Para una startup, el dato incómodo es este: tu próximo cliente, el que decide si te eligen, probablemente no leerá tu landing ni abrirá tu mail; será un bot que evalúa en segundos si tu oferta es legible, confiable y negociable para otra máquina.

A2C, A2B y A2A: la nueva taxonomía del comercio

Pasjalidis distingue tres modos que conviene aprender antes de hablar de implementación:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

A2C (Agent-to-Consumer): un agente empresarial atiende, recomienda, resuelve y vende a una persona. Es el caso más visible: chatbots que cierran pedidos, recomiendan productos o resuelven posventa.
A2B (Agent-to-Business): el agente opera frente a una organización. Arma propuestas, responde licitaciones, ajusta precios dentro de una política y sostiene la relación cuando el comprador corporativo ya no tiene tiempo de evaluar a tres proveedores.
A2A (Agent-to-Agent): el salto cualitativo. El agente del comprador habla con el agente del vendedor: investigan stock, condiciones, riesgos, plazos y financiamiento. Recién después, y solo si la política lo exige, piden autorización humana.

En la práctica, las tres capas conviven. Una pyme puede tener un A2C en su web, un A2B respondiendo RFPs y, al mismo tiempo, estar perdiendo ventas B2B porque su competidor ya es legible para el A2A de un comprador corporativo.

El estándar ya existe, y lo sostienen 150 empresas

La infraestructura para que los agentes se entiendan ya no es un boceto. Según el artículo de Forbes Argentina, en 2025 Google abrió el protocolo Agent2Agent y lo cedió a la Linux Foundation, y en abril de 2026 más de 150 organizaciones —entre ellas Google, AWS, IBM, Microsoft, Salesforce, SAP, Cisco y ServiceNow— ya lo sostenían como estándar de interoperabilidad.

Una nota posterior de Diginomica, que entrevistó a Mazin Gilbert, Director Ejecutivo de la Agentic AI Foundation (AAIF), confirma la foto y agrega contexto: cuando el A2A se sumó formalmente a la AAIF como quinto proyecto alojado —junto a MCP (Model Context Protocol, de Anthropic), goose, Agents.md y agentgateway— la fundación incorporó además a 57 nuevos miembros, entre ellos Visa, Wells Fargo y Alibaba, una señal de que el estándar empieza a ser infraestructura crítica para pagos y comercio.

La propia AAIF tiene constituidos ocho grupos de trabajo, entre ellos Agentic Commerce, Identity & Trust, Governance/Risk/Regulatory Alignment y Observability & Traceability, que son los que definirán cómo se cierra una venta entre máquinas sin caer en un vacío de responsabilidad.

En paralelo, Anthropic mantiene MCP como el protocolo por el cual un agente consulta herramientas y datos, y sobre esa base corren protocolos como AP2 (Agent Payments Protocol, para que un agente pague con mandato verificable), UCP (Universal Commerce Protocol) y ACP (Agent Commerce Protocol), que apuntan a que un agente no solo converse, sino que compre. Fetch.ai, por ejemplo, ya publicó un A2A Outbound Adapter que traduce entre A2A, AP2 y su propio protocolo de pagos, y mostró una tienda A2A funcionando punta a punta.

Este punto es el más subestimado: cuando tu CTO dice «todavía es muy pronto», la respuesta es que los hyperscalers, los bancos y los gigantes del retail ya están pagando la cuenta de la estandarización. Lo que sigue siendo opcional es sumarse.

Qué dice el mercado: cifras que cambian la conversación

El extracto cita dos estimaciones grandes:

McKinsey proyecta que el comercio agéntico podría orquestar entre US$ 3 y 5 billones a nivel global hacia 2030, con cerca de un billón solo en el retail B2C de Estados Unidos.
Gartner anticipó que hacia 2028 los agentes de IA superarán en número a los vendedores en una proporción de 10 a 1, pero menos del 40% de los vendedores reportarán una mejora de productividad gracias a los agentes.

El reporte de Yahoo Finance / NielsenIQ, publicado el 30 de julio de 2026, aterriza esas cifras en evidencia concreta:

Ant Group reportó que Alipay AI Pay procesó más de 120 millones de transacciones durante la semana del 5 al 11 de febrero de 2026, una cifra que muestra que en Asia el bot ya está en el checkout.
Adobe Analytics midió que el tráfico desde fuentes generativas de IA hacia sitios de retail en EE. UU. creció 1.200% entre julio de 2024 y febrero de 2025, y que esos visitantes muestran más páginas por visita y menor tasa de rebote, aunque la conversión todavía queda atrás del tráfico tradicional.
Morgan Stanley estima que los agentes moverán US$ 190.000 a 385.000 millones —aproximadamente 10–20% del e-commerce estadounidense— hacia 2030.
NielsenIQ agrega el contrapeso de la confianza: alrededor del 34% de los consumidores usa IA para investigar productos y 23% para resumir reseñas, pero solo cerca del 8% ha dejado que la IA complete una compra.
El propio reporte conjunto ICSC/McKinsey presentado en Commerce Next (Nueva York) añade que 68% de los consumidores usó al menos una herramienta de IA en los últimos tres meses como parte de su recorrido de compra, y 62% la usó para comparar marcas, modelos, precios o reseñas.

Una segunda lectura, más fría, viene del reporte que Gartner publicó en 2026 sobre costos de inferencia: una tarea que cuesta US$ 0,01 para un chatbot básico puede llegar a US$ 1,50 para un agente con razonamiento avanzado (unas 150 veces más), porque el modelo agenteico consume entre 5 y 30 veces más tokens. Dicho de otro modo: la promesa de eficiencia convive con una estructura de costos que obliga a pensar bien qué tareas delegar y cuáles no.

¿Por qué la mayoría de las empresas sigue atascada en el «chatbot bonito»?

Pasjalidis diagnostica el error con precisión clínica: muchas creen que «tener IA» es poner un chatbot sobre el mismo catálogo de siempre, y eso es solo un maquillaje. En un mercado A2A el activo no es el folleto ni la landing: es la calidad del dato, la claridad de las reglas, la trazabilidad de la autorización y la capacidad de orquestar un sistema. Un agente no se enamora de un claim publicitario, pregunta por disponibilidad real, margen permitido, lead time, incumplimiento histórico y qué pasa si el pedido cambia el martes a las 3 de la mañana. Si esa respuesta no está en el sistema, el agente de la competencia se lleva la orden.

La investigación de IBTimes que cubrió el demo en vivo de Nisum lo ilustra con una frase de su Global AI Leader, Guillermo Delgado: cuando los retailers bloquean el acceso a datos o no devuelven especificaciones de producto, los agentes simplemente los descartan de la consideración, sin importar cuán conocidos sean. Su SVP, Martin Lewitt, lo tradujo a la pregunta estratégica correcta: «Ya no se trata de cómo atraer clientes, sino de cómo asegurarnos de que los agentes nos encuentren y nos seleccionen.»

Hay otro punto que el artículo original no desarrolla y que conviene traer al centro: Singapur ya empezó a exigir a sus 150.000 funcionarios públicos identidad y trazabilidad para los agentes de IA. La pregunta de quién responde cuando dos máquinas se equivocan en nombre de dos empresas dejó de ser filosófica y pasó a ser regulatoria. Vender en A2A sin definir mandato, autorización y frontera de decisión no es eficiencia: es un riesgo legal con logo.

¿Qué significa esto para tu startup?

La conclusión del artículo de Forbes Argentina es que el B2B no muere, se desplaza. Seguirá habiendo almuerzos, confianza y apretón de manos, pero ese apretón ocurrirá más tarde, más arriba y sobre un acuerdo que ya fue negociado por agentes. Quien siga vendiendo como si el cliente fuera una persona sentada frente a una web descubrirá que su interlocutor real ya se fue: está en otra capa, comparando mil opciones, sin abrir el mail del vendedor.

Para una startup que está construyendo su go-to-market, eso tiene tres consecuencias inmediatas.

Acciones concretas para implementar esta semana

Auditoría de «legibilidad agéntica» en 72 horas. Levantá un inventario de qué datos de tu catálogo están expuestos en formato estructurado (precio, stock, lead time, políticas de devolución, SLA, restricciones geográficas). Si un humano tiene que llamar o abrir un PDF para saber algo, tu A2B ya está perdiendo. Esta es la base que destaca Solvd en su framework de cinco ejes: hacer que el sustrato sea «LLM-legible».
Definí tu «estrategia agéntica» con tres números. Pasjalidis lo dice en otra clave: hay que decidir qué puede negociar un agente, hasta qué monto, con qué excepciones y bajo qué reputación. Traducido a tu operación: monto máximo sin aprobación humana, categorías o SKUs delegados, y umbral de error tolerable. Sin esos tres números, cualquier demo de IA se queda en piloto eterno.
Elegí un caso A2A y un caso A2C, no todo a la vez. El demo de Nisum fue memorable porque se concentró en un solo flujo: unos tenis de running, cuatro agentes de punta a punta. Replicá esa lógica en tu producto. Empezá por la categoría más específica y repetitiva (replenishment de alto intento) o por la más estructurada (comparación de servicios profesionales), no por la más emocional.

Una segunda lectura, menos obvia. El reporte de Gartner sobre costos es la mejor vacuna contra el hype: cada salto de autonomía multiplica el costo por tarea, así que «agéntico» no es automáticamente «más barato». Diseñá tu pricing interno de IA con la misma disciplina con la que diseñás un producto: medí costo por interacción, costo por cierre efectivo y costo por error evitado. Si no podés medir las tres, todavía no estás listo para delegar.

La pregunta, entonces, ya no es si vamos a usar inteligencia artificial para vender un poco más rápido, sino si vamos a rediseñar la forma de vender para un mercado donde el primer cliente de la empresa no es humano. Quien haga ese rediseño antes que su competidor va a estar en el lado correcto del embudo cuando la conversación ya no ocurra en una mesa, sino en una API.