O carrinho de compras ganhou um copiloto: a era do AI Commerce

Imagine que você precisa comprar um tênis para correr. Você sabe que quer gastar até R$ 500, procura um modelo com determinado tipo de amortecimento e precisa recebê-lo até sexta-feira. Hoje, provavelmente abriria um buscador, entraria em marketplaces, visitaria sites de marcas, leria avaliações e compararia preços, frete e especificações. A decisão seria sua, depois de uma sequência de pequenas pesquisas.

Com ferramentas de inteligência artificial voltadas para compras, a lógica começa a mudar. Em vez de procurar produto por produto, o consumidor pode descrever a necessidade, informar orçamento, preferências e restrições e deixar que um sistema encontre e organize as alternativas. A proposta não é apenas acelerar a compra, mas diminuir o trabalho necessário para chegar a uma decisão. Em uma pesquisa publicada em agosto de 2026, os pesquisadores Lingxiu Dong, Kaiwen Luo e Fasheng Xu descrevem essa transformação como uma passagem de “product search” para “preference articulation”, na qual o consumidor expressa suas preferências e delega parte da descoberta ao agente de IA.

Leia também:

• • Apple pode lançar AirPods com câmera e inteligência visual
  • Google adquire vasto acervo de dados de aérea falida para impulsionar sua IA
  • Google AI grátis para estudantes: quem pode usar, quanto economiza e como aproveitar

Para Alberto Serrentino, consultor sênior da Varese Retail, essa é justamente uma das mudanças centrais em curso no comércio digital. “O que muda é que a jornada de compra passa a ser uma jornada contextualizada, passa a ser uma jornada personalizada”, afirma. Segundo ele, a tecnologia permite conectar desejos, demandas, problemas e necessidades a produtos e ofertas, invertendo uma lógica em que era o consumidor quem precisava encontrar o produto.

Do “buscar” ao “me encontre”

A diferença pode parecer sutil, mas muda o ponto de partida da experiência. No e-commerce tradicional, o consumidor começa pelo produto ou por uma categoria, encontra uma série de opções e precisa fazer o trabalho de comparação. No AI Commerce, a interação pode começar por uma situação, como “preciso de uma mala resistente para uma viagem de dez dias” ou “quero um presente para alguém que gosta de café e tenho R$ 300 para gastar”. A inteligência artificial transforma essa descrição em critérios de busca e, a partir deles, organiza uma seleção.

Serrentino resume essa mudança como a passagem de um modelo baseado em catálogo para uma experiência de diálogo. “Nós estamos saindo de um modelo de jornada digital de busca baseada em catálogo para um modelo de diálogo, descoberta e contextualização”, afirma. Na avaliação do consultor, automação e inteligência artificial são os elementos que sustentam essa nova etapa da jornada.

A pesquisa “From Product Search to Preference Articulation: The Economics of Agentic Commerce”, publicada em 9 de agosto de 2026, ajuda a explicar por que esse formato pode ser especialmente relevante em compras com muitos critérios. O estudo compara a busca manual com a chamada busca agêntica e aponta que, conforme aumenta a complexidade das preferências, torna-se mais difícil para o consumidor avaliar individualmente um grande número de produtos. A pesquisa conclui que agentes podem reduzir esse problema ao examinar um catálogo amplo e trabalhar a partir das preferências apresentadas pelo usuário.

Isso não significa, porém, que o consumidor desapareça da equação. A mudança está justamente em deslocar o esforço: em vez de passar tempo abrindo páginas, ele precisa explicar melhor o que procura e avaliar as alternativas apresentadas. A pesquisa acadêmica chama atenção para esse novo tipo de esforço, que deixa de estar concentrado na inspeção dos produtos e passa a envolver a articulação das preferências. Serrentino resume a lógica de forma semelhante ao afirmar que o consumidor passa a “expressar a demanda” e contar com um sistema que aprende com seus hábitos e preferências.

O personal shopper que cabe no celular

É nesse ponto que a inteligência artificial começa a assumir uma função que antes dependia de pessoas, pesquisa manual ou experiência acumulada: a de personal shopper. A diferença é que, em vez de um vendedor conhecer o consumidor e ajudá-lo a selecionar produtos, um sistema pode analisar informações disponíveis sobre preferências, contexto e características das mercadorias. A promessa é transformar uma tarefa que costuma exigir várias abas e comparações em uma conversa. Para Serrentino, “as jornadas conversacionais são, de fato, personal shoppers”, mas com automação e capacidade de individualizar recomendações.

A Amazon é um dos exemplos mais avançados desse movimento em 2026. Em maio, a companhia renomeou seu assistente de compras Rufus para Alexa for Shopping e ampliou recursos capazes de recomendar produtos, comparar opções e preços, acompanhar histórico de preços e automatizar determinadas compras. Em atualização divulgada em julho de 2026, a Amazon afirmou que mais de 350 milhões de clientes haviam usado o assistente nos 12 meses anteriores, enquanto o número de interações havia crescido mais de cinco vezes em relação ao ano anterior.

O caso mostra que a IA já começa a atuar em diferentes momentos da jornada, e não apenas na descoberta. O assistente da Amazon pode responder perguntas sobre produtos, comparar alternativas, acompanhar preços e oferecer recursos de automação, enquanto ferramentas visuais também permitem procurar itens a partir de imagens. A companhia afirma que o objetivo é facilitar decisões de compra ao combinar contexto da conversa, informações de produtos e dados de preferências do consumidor.

No Brasil, o Magazine Luiza também colocou em prática uma experiência de AI Commerce conversacional. Em abril de 2026, a empresa anunciou uma funcionalidade que permite pesquisar produtos, receber recomendações, adicionar itens ao carrinho, pagar e acompanhar pedidos pelo WhatsApp, utilizando texto, áudio ou imagem. O exemplo ajuda a separar dois conceitos que às vezes aparecem misturados: uma experiência pode ser conversacional e transacional sem necessariamente significar que um agente tenha autonomia completa para comprar em diferentes ambientes. Para Serrentino, a experiência da Lu já chega até a transação e ao pagamento, embora ainda não corresponda ao modelo em que o consumidor delega ao agente a tarefa de sair de um ambiente e executar uma compra em outro.

Quando o produto encontra o consumidor

A transformação do comércio digital, entretanto, não acontece apenas quando alguém conversa com uma IA. Outra mudança acontece no sentido inverso: a compra pode começar sem que exista uma intenção de busca claramente definida. É o chamado discovery commerce, modelo em que conteúdo, entretenimento, recomendação e compra passam a ocupar o mesmo espaço. Nesse cenário, o consumidor não necessariamente entra em uma plataforma para procurar um produto. Ele pode encontrar o produto enquanto assiste a um vídeo, acompanha uma transmissão ou recebe uma recomendação algorítmica.

O TikTok Shop é um dos exemplos mais visíveis desse fenômeno no Brasil. Segundo dados divulgados pelo próprio TikTok em junho de 2026, um ano após o lançamento da operação brasileira, o GMV médio diário da plataforma havia crescido 102 vezes, enquanto a média de criadores afiliados ativos havia aumentado 46 vezes. Em pesquisa realizada dentro do aplicativo com 17 mil usuários, 57,8% afirmaram concluir compras diretamente no TikTok Shop depois de descobrir um produto na própria plataforma.

Os dados também mostram a força do conteúdo ao vivo nessa jornada. De acordo com o TikTok, entre maio de 2025 e maio de 2026, o número médio diário de lives no Brasil cresceu 20 vezes, enquanto o GMV médio diário gerado pelas transmissões aumentou 161 vezes. Em março de 2026, a companhia já havia divulgado que o GMV médio diário gerado por lives tinha crescido 96 vezes desde o início da operação brasileira, em maio de 2025. A diferença entre os indicadores decorre dos períodos de comparação utilizados pela própria plataforma.

Serrentino identifica o TikTok Shop como uma jornada diferente daquela construída pelos assistentes de IA. “TikTok Shop é uma outra jornada, uma jornada de descoberta embarcada em conteúdo e entretenimento, com ambiente transacional”, afirma. Para o consultor, trata-se de outra tendência relevante das jornadas digitais, justamente porque a descoberta do produto acontece dentro de uma experiência que não começou necessariamente com uma intenção de compra.

É uma inversão importante para o varejo. No modelo tradicional, alguém percebe uma necessidade, procura um produto e então chega ao vendedor. No discovery commerce, a exposição ao produto pode anteceder a própria necessidade consciente de compra. Já no AI Commerce, a lógica pode ser ainda outra: o consumidor descreve uma necessidade e a tecnologia faz a triagem das alternativas. São caminhos diferentes, mas ambos reduzem a centralidade da antiga página de resultados como ponto obrigatório da jornada.

A disputa pelo momento da decisão

Essa mudança ajuda a explicar por que buscadores, marketplaces, redes sociais, varejistas e empresas de inteligência artificial estão disputando uma etapa cada vez mais estratégica do comércio: a decisão. Se o consumidor passa a confiar em um assistente para pesquisar produtos, a plataforma que controla a conversa pode se tornar responsável por definir quais alternativas chegam até ele. Se a descoberta acontece em uma rede social, o algoritmo também passa a ocupar uma posição relevante na formação da intenção de compra. A questão deixa de ser apenas onde o consumidor finaliza a transação e passa a envolver quem influencia o que ele considera comprar.

Uma reportagem da Reuters publicada em agosto de 2026 mostrou que varejistas como Walmart, Ulta Beauty e Wayfair estão adaptando seus conteúdos para aparecer melhor em ferramentas de IA, como ChatGPT e Gemini. Segundo a publicação, o tráfego gerado por ferramentas de IA começa a ganhar relevância para o varejo, enquanto as empresas tentam equilibrar essa nova fonte de descoberta com o interesse de manter o consumidor dentro de seus próprios ambientes. Dados da Adobe Analytics citados pela Reuters apontaram aumento de 41% na receita por visita em acessos originados por IA em comparação com canais tradicionais.

A disputa envolve também o relacionamento com o cliente. Segundo outra reportagem da Reuters, publicada em 13 de agosto de 2026, comerciantes estão preocupados com a possibilidade de assistentes de IA passarem a selecionar produtos, escolher vendedores e até realizar pagamentos, reduzindo o contato direto entre marca e consumidor. A reportagem cita a estratégia de empresas de pagamentos e varejistas para preservar programas de fidelidade e outros mecanismos de relacionamento mesmo quando a descoberta acontece por meio de um agente. Isso cria uma nova questão para o comércio: se a IA se torna a intermediária da decisão, quem fica com a relação construída com o consumidor?

Serrentino avalia que essa transformação não elimina necessariamente a autonomia do cliente, porque a delegação pode acontecer em diferentes níveis. “Muito em breve, nós vamos ter, sim, agentes em condições de serem delegados para buscarem produtos e eventualmente comprarem”, afirma. Ao mesmo tempo, ele ressalta que a governança continua nas mãos do consumidor, que pode definir se deseja delegar uma decisão, uma etapa da jornada ou uma tarefa completa.

Essa questão de autorização já aparece no debate sobre agentes de IA. Um relatório publicado pelo World Economic Forum em maio de 2026 destaca que empresas precisam estabelecer condições claras para determinar quando um agente está autorizado a agir e como essa autorização pode ser monitorada. O documento propõe mecanismos para tornar decisões e ações delegadas auditáveis, aplicáveis e responsabilizáveis ao longo do funcionamento dos sistemas. Em compras, isso significa que a conveniência de dizer “procure para mim” é diferente de dizer “compre para mim”.

O que muda para quem está do outro lado da tela

Para o consumidor, a principal vantagem do AI Commerce pode estar menos na promessa de comprar mais e mais na possibilidade de reduzir o esforço necessário para comprar. Uma busca por um produto simples pode continuar sendo rápida em um marketplace tradicional, mas situações com muitos critérios tendem a exigir mais pesquisa. Orçamento, prazo, tamanho, características técnicas, compatibilidade e preferências pessoais podem ser combinados em uma única solicitação. A IA passa, então, a funcionar como uma camada de organização sobre uma oferta que já é grande demais para ser examinada integralmente por uma pessoa.

Esse ganho de conveniência aparece nos próprios exemplos que já estão em funcionamento. A Alexa for Shopping, da Amazon, permite fazer perguntas em linguagem natural, receber recomendações, comparar produtos e acompanhar preços, além de oferecer recursos de automação. No caso do Magalu, a experiência lançada em 2026 permite realizar a jornada de compra pelo WhatsApp, desde a busca até o pagamento e o acompanhamento do pedido. São experiências diferentes, mas partem de uma mesma ideia: diminuir o número de etapas que o consumidor precisa executar sozinho.

Existe ainda uma vantagem potencial na descoberta. Um consumidor pode saber que precisa de um produto, mas não conhecer todas as categorias, marcas ou modelos capazes de resolver aquele problema. Um sistema que entende o contexto pode apresentar alternativas que não apareceriam necessariamente em uma busca feita com palavras-chave muito específicas. A pesquisa de 2026 sobre agentic commerce aponta justamente que agentes podem ser particularmente úteis quando a complexidade da preferência aumenta e a inspeção manual de produtos se torna mais difícil.

Mas personalização não é sinônimo automático de acerto. Quanto mais o sistema aprende sobre hábitos e preferências, maior pode ser sua capacidade de antecipar o que o consumidor deseja, mas também maior é a importância de entender quais informações estão orientando aquela recomendação. Serrentino coloca dois atributos no centro dessa relação: “confiança e relevância”. Para ele, a personalização só funciona quando o consumidor confia na fonte da recomendação e percebe que o resultado realmente corresponde ao que procura e resolve seu problema.

Quem escolhe quando a IA recomenda?

É justamente aí que aparece o principal contraponto dessa nova fase do comércio. Se uma pessoa pede a uma IA “encontre o melhor produto para mim”, a tecnologia precisa estabelecer o que significa “melhor”. Essa definição pode envolver preço, qualidade, avaliação, disponibilidade, prazo de entrega ou adequação ao perfil do consumidor. Também pode envolver informações e relações comerciais que não são necessariamente evidentes para quem está fazendo a pergunta.

A questão ganha importância conforme os sistemas passam da recomendação para a ação. Em 2026, a Amazon afirma que sua experiência de compras já pode executar determinadas tarefas de forma automatizada, enquanto outros agentes avançam na direção de realizar compras em nome do consumidor. O World Economic Forum também destaca que agentes capazes de realizar pagamentos introduzem uma camada adicional entre a pessoa e a transação, tornando relevantes questões como intenção, autoridade e contexto.

Para Serrentino, a confiança não está associada apenas a uma tecnologia específica. Ela pode estar relacionada ao modelo de linguagem, ao marketplace, ao varejista, à marca ou ao próprio buscador. Por isso, a disputa pelo AI Commerce também tende a ser uma disputa por credibilidade. “A pessoa tem que sentir que chega naquilo que ela quer, que resolve o problema dela”, afirma o consultor.