La mayoría de los estadounidenses permitiría que la IA comprara bienes rutinarios sin aprobación, encuentra Croud

Why it matters

AI commerce will depend on what happens between a model recommendation and checkout. Brands need machine-readable product data and human proof that survives reviews, creator scrutiny and price checks.

Luke Smith y Ben Knight de Croud publicaron una encuesta el 11 de agosto que encontró que el 69% de los estadounidenses está dispuesto a permitir que la IA haga una compra sin solicitar aprobación en al menos una categoría. La cifra viene con una restricción que importa para cualquiera que esté construyendo comercio agenteado: los compradores pueden delegar la transacción, pero muchos aún quieren evidencia humana antes de aceptar una recomendación de la IA.

El Croud Consumer Index se basa en una encuesta a más de 2,000 consumidores estadounidenses que Croud describe como representativa a nivel nacional. Según el comunicado de la agencia, tres de cada cuatro encuestados usarían pago instantáneo impulsado por IA en al menos una categoría de producto, mientras que la mitad delegaría compras en tres o más categorías.

Esos números miden la disposición declarada más que transacciones observadas. Aun así apuntan a un cambio significativo en la forma en que los consumidores imaginan usar la IA. El comprador está pasando de preguntar a un chatbot qué comprar hacia autorizar al software para completar el pedido, especialmente para compras rutinarias como abarrotes y artículos del hogar.

Smith, un exejecutivo de Google, y Knight, un exjefe de búsqueda, fundaron Croud en el Reino Unido en 2011 como una agencia de rendimiento en búsqueda. Su tesis más reciente extiende ese negocio original hacia un mercado donde un modelo puede ensamblar la lista corta de productos antes de que un comprador visite un motor de búsqueda, un minorista o el sitio web de una marca. Croud ahora vende medios, creatividad, analítica y servicios de búsqueda con IA junto con software propietario, lo que le da a la agencia un interés comercial claro en convencer a las marcas de reconstruir sus estrategias de descubrimiento alrededor de la IA.

La IA puede elaborar la lista corta sin cerrar la venta

Croud dice que el 73% de los usuarios de IA en su muestra estadounidense consulta modelos de lenguaje a gran escala antes de decidirse por una marca o producto específico. Eso coloca a ChatGPT, Gemini, Claude y interfaces similares antes del embudo de búsqueda convencional, donde pueden definir el conjunto de consideración antes de que el comprador haya formado una preferencia.

La recomendación no termina el proceso de investigación. Entre los usuarios de IA, el 39% dijo que cotejaba una recomendación de IA con al menos otras cuatro fuentes antes de comprar. La página del informe de Croud indica que el 43% recurre a YouTube para validación, frente al 35% que usa Instagram o TikTok y el 27% que usa Reddit.

Ese comportamiento crea un mercado en dos etapas. Los modelos reducen el campo usando la información del producto, las asociaciones de marca y el material de terceros disponible para ellos. Los consumidores luego inspeccionan reseñas, videos de creadores, páginas de minoristas y discusiones sociales para decidir si la respuesta del modelo merece confianza.

La directora general de Croud EE. UU., Valerie Davis, llama al espacio entre la recomendación y el pago la "economía de la validación". Davis se unió a Croud en mayo tras liderar la operación norteamericana de Assembly Global. Su nombramiento colocó a una ejecutiva con experiencia en agencia y retail, incluido el trabajo en el lanzamiento de comercio electrónico de Bloomingdale's, al frente de la expansión de Croud en EE. UU. mientras la agencia profundiza en el marketing mediado por IA.

Para los operadores, la encuesta argumenta en contra de tratar la visibilidad en IA como otro canal de adquisición aislado. Un producto necesita descripciones consistentes, especificaciones, información de inventario y casos de uso que un modelo pueda analizar. Las afirmaciones también deben sobrevivir al escrutinio cuando un comprador revisa un listado del minorista, ve una reseña o busca quejas. Precios contradictorios, páginas de producto obsoletas y políticas de devolución vagas pueden romper esa cadena después de que el modelo ya haya entregado un prospecto calificado.

La cifra sobre la finalización de compra transmite un mensaje más limitado

El hallazgo principal no significa que los consumidores estén listos para dar a un agente acceso irrestricto a sus billeteras. Croud dice que la mayor parte del comercio asistido por IA captado por su investigación involucra compras por debajo de $100, con abarrotes y artículos del hogar encabezando las categorías donde los encuestados se sentían cómodos con el pago automatizado.

Eso hace que la oportunidad inicial parezca más cercana a la reposición delegada que a las compras de lujo autónomas. Los agentes pueden reordenar productos con precios conocidos, calidad predecible y riesgo de devolución manejable antes de asumir la responsabilidad de compras costosas o subjetivas.

La moda complica ese patrón. Croud dice que los compradores de moda asistidos por IA en su muestra gastaron 56% más que quienes no la usan y tenían 23% más probabilidades de buscar por estilo o estética. La brecha de gasto es una asociación dentro de la encuesta, más que evidencia de que la IA causó que los compradores gastaran más. Aun así, da a los minoristas una razón para apoyar consultas conversacionales construidas alrededor de una ocasión, ajuste o identidad visual en lugar de confiar completamente en nombres de marca y palabras clave convencionales.

La finalización de compra autónoma también plantea preguntas de producto que las cifras de disposición de la encuesta no pueden resolver. Un agente de compras usable necesita precios actuales, inventario, ventanas de entrega, reglas de devolución y límites de permiso. Los consumidores necesitan controles para límites por categoría, topes de gasto y excepciones. Los comerciantes necesitan atribución fiable cuando una interfaz de IA recomienda un artículo, lo valida mediante fuentes externas y completa la transacción sin una visita convencional a la tienda.

Croud está vendiendo la respuesta a sus propios hallazgos

El informe también funciona como posicionamiento para el negocio de búsqueda por IA y medición de Croud. La agencia señala su trabajo con la marca de suplementos Thorne, donde Croud utilizó sus herramientas BrandCI y SEOCI para mapear citas y visibilidad de marca a través de ChatGPT, Claude, Meta y Gemini.

Croud informa que Thorne registró un aumento interanual del 30% en ingresos orgánicos, terminó 22% por encima de su objetivo de ingresos orgánicos y alcanzó una tasa de menciones LLM del 66% según BrandCI. Esos son resultados proporcionados por la empresa, y la tasa de menciones proviene del sistema de medición propietario de Croud. El programa también agrupó nuevo contenido, trabajo técnico en el sitio web, datos estructurados y una coordinación más estrecha entre equipos internos, lo que significa que el cambio en los ingresos no puede asignarse únicamente a la visibilidad en LLM.

El estudio de caso, sin embargo, muestra lo que las agencias esperan que las marcas compren a continuación: sistemas que monitoreen cómo los modelos describen a una empresa, identifiquen brechas en el contenido subyacente y conecten las citas de la IA con el desempeño comercial. La optimización para búsquedas se centraba en posicionar páginas. La optimización para IA amplía el trabajo a gestionar los hechos, las entidades y las pruebas externas que un modelo utiliza para construir una respuesta.

Croud tiene capital detrás de ese movimiento. ECI Partners adquirió una participación mayoritaria en la agencia en 2024, reemplazando al inversor minoritario LDC. ECI dijo que la inversión apoyaría adquisiciones, crecimiento internacional y mayor gasto en la tecnología de Croud. Croud afirma que ahora combina más de 600 empleados con una red de aproximadamente 2,900 especialistas en marketing.

La encuesta le da a esa estrategia un argumento por el lado de la demanda. Los consumidores parecen dispuestos a permitir que la IA realice una mayor parte de las compras, mientras continúan verificando lo que la máquina les dice. Por lo tanto, las marcas tienen que satisfacer a dos evaluadores a la vez: el modelo que arma la lista corta y la persona que busca evidencia de que su recomendación puede ser confiable.