Salesforce

Do comércio omnicanal ao comércio agêntico: como preparar o Salesforce Commerce Cloud para compradores e agentes de IA

Durante anos, o comércio digital trabalhou para eliminar as fronteiras entre loja física, ecommerce, aplicação móvel e serviço de apoio ao cliente. Catálogos unificados, visibilidade de stock, click & collect e devoluções entre canais deixaram de ser vantagens competitivas para se tornarem requisitos básicos para qualquer retalhista.

A próxima mudança já está em curso. Uma parte crescente da descoberta de produtos acontece através de assistentes de inteligência artificial capazes de interpretar necessidades, comparar alternativas e recomendar compras. Quem chega hoje a uma loja online nem sempre é uma pessoa a navegar por categorias. Pode ser um agente de IA a procurar produtos em seu nome.

 

Duas pessoas na biblioteca

O tráfego digital está a mudar de natureza

A questão para o retalho já não passa apenas por criar uma experiência omnicanal consistente. É também necessário preparar o comércio digital para que clientes e agentes consigam compreender o catálogo, obter recomendações fiáveis e concluir uma compra.

Esta evolução do comércio omnicanal para o comércio agêntico obriga a repensar a experiência, os dados e a arquitetura tecnológica. Na prática, o comércio agêntico descreve um modelo em que pessoas e agentes de inteligência artificial podem descobrir produtos, avaliar alternativas e concluir transações com base em informação partilhada e atualizada em tempo real.

Os motores de pesquisa e as redes sociais continuam a ser relevantes, mas já não concentram todo o processo de descoberta. Um consumidor pode pedir a um assistente de IA que encontre umas sapatilhas para caminhar, compare várias opções abaixo de um determinado orçamento e avalie quais se adequam melhor às suas necessidades.

A mudança não é apenas conceptual. Durante a Cyber Week de 2025, a inteligência artificial e os agentes influenciaram 20% das encomendas globais analisadas pela Salesforce, através de recomendações personalizadas e atendimento conversacional. A empresa atribuiu a estas interações 67 mil milhões de dólares em vendas.

Isto significa que uma parte crescente da intenção de compra já não nasce exclusivamente de pesquisas ou da navegação tradicional. Surge também através de recomendações assistidas por inteligência artificial.

 

Este comportamento cria um novo desafio de visibilidade. Quando um catálogo tem atributos incompletos, descrições ambíguas, categorias inconsistentes ou informação de stock desatualizada, o problema não afeta apenas a experiência de uma pessoa. Um agente também terá dificuldade em interpretar, comparar e recomendar corretamente esses produtos.

A otimização para motores de pesquisa passa, por isso, a coexistir com uma disciplina orientada para motores generativos e assistentes de IA. Já não basta aparecer nos resultados de pesquisa. A informação sobre produtos tem de estar suficientemente estruturada, consistente e atualizada para que um assistente consiga compreender uma oferta e considerá-la nas suas recomendações.

Da pesquisa por palavras à expressão de uma necessidade

A maioria das lojas online ainda obriga o utilizador a traduzir a sua necessidade em palavras-chave. Mas um comprador nem sempre sabe o nome exato do produto que procura.

Pode querer “um presente para alguém que pratica caminhadas, por menos de 80 euros” ou “duas camisas leves para trabalhar durante o verão, com um orçamento total de 50 euros”.

Um agente de compras pode interpretar esta intenção, aplicar restrições de orçamento, verificar disponibilidade e explicar por que razão uma determinada alternativa é adequada.

Esta é uma diferença relevante face a um chatbot tradicional. Em vez de responder apenas a partir de um conjunto fechado de perguntas ou conteúdos, o agente pode consultar informação real sobre produtos, inventário, encomendas e preferências e utilizar esses dados no contexto da conversa.

A Salesforce tem vindo a evoluir a sua proposta de B2C Commerce através do Agentforce Commerce, com capacidades de compra guiada concebidas para acompanhar o cliente desde a descoberta até à encomenda e ao pós-venda numa mesma experiência conversacional.

A empresa incorporou igualmente mecanismos para permitir que agentes externos acedam, mediante autorização, a informação atualizada sobre catálogos, imagens e carrinhos de compras.

Um personal shopper ligado ao catálogo real

Um exemplo desta abordagem é o personal shopper generativo desenvolvido pela Inetum para um retalhista espanhol de moda masculina. O assistente está integrado num site Salesforce B2C Commerce e consulta o catálogo ativo da empresa para responder a necessidades de compra complexas.

O sistema consegue raciocinar sobre orçamento, tecido, estação do ano ou ocasião de utilização. Pode também analisar uma imagem fornecida pelo cliente, identificar as peças que compõem determinado estilo e procurar alternativas disponíveis no catálogo.

Ao trabalhar sobre dados reais e aplicar filtros destinados a evitar recomendações de produtos inexistentes, a conversa transforma-se numa extensão do processo comercial.

A intervenção do assistente também não termina na resposta a perguntas. Quando um utilizador adiciona o casaco de um fato ao carrinho, por exemplo, o sistema pode sugerir as calças do mesmo conjunto e considerar as promoções em vigor.

O cross-selling deixa assim de depender apenas de relações genéricas entre produtos. Pode passar a considerar a coerência do conjunto, o contexto da compra e as condições comerciais existentes naquele momento.

Outro caso de utilização incide sobre um dos custos mais relevantes do ecommerce de moda: as devoluções.

Se um cliente colocar no carrinho o mesmo artigo em dois tamanhos diferentes, o assistente pode consultar as tabelas oficiais de tamanhos, recorrer ao histórico de encomendas para identificar o tamanho habitual e ajudar na decisão antes da compra.

O objetivo não é apenas melhorar a conversão. É também reduzir encomendas de múltiplos tamanhos e proteger a margem afetada pelos custos da logística inversa.

Uma arquitetura preparada para mudar rapidamente

Introduzir agentes numa plataforma rígida ou fragmentada pode aumentar a dívida técnica. A inteligência artificial precisa de acesso a informação consistente, mas também de uma camada de experiência que possa evoluir sem obrigar a reconstruir todo o comércio digital.

Storefront Next, disponível de forma geral desde junho de 2026, procura responder a este desafio através de uma arquitetura full stack assente em React, server-side rendering e navegação no lado do cliente.

Segundo a Salesforce, a solução permite disponibilizar um site preparado para produção em menos de 30 minutos e inclui capacidades destinadas a trabalhar com ferramentas de desenvolvimento assistidas por IA.

Para um retalhista, a consequência prática está sobretudo na velocidade com que pode lançar e alterar experiências. As equipas de negócio conseguem gerir páginas de produto, listagens e componentes sem depender de desenvolvimento em cada alteração, enquanto as equipas técnicas mantêm a possibilidade de estender a plataforma.

Nas organizações que já utilizam uma arquitetura anterior do Salesforce B2C Commerce, esta evolução não implica necessariamente substituir todo o motor de comércio.

É possível modernizar a camada de experiência e preservar componentes existentes quando continuam a cumprir a sua função. A decisão relevante não é migrar simplesmente porque surgiu uma nova arquitetura, mas perceber o que deve ser mantido, o que precisa de ser transformado e que casos de utilização justificam o investimento.

 

Como medir o valor do comércio agêntico

O sucesso de uma iniciativa de comércio agêntico não deve ser medido pelo número de conversas que um assistente consegue manter. As métricas mais relevantes continuam a ser as que têm impacto direto no negócio.

A taxa de conversão pode ser analisada comparando clientes expostos à compra guiada com aqueles que seguem o percurso convencional. O valor médio da encomenda permite perceber se as recomendações contextuais aumentam o valor do carrinho.

A taxa de devolução mostra se o aconselhamento sobre tamanhos, compatibilidade ou escolha do produto está a resolver dúvidas antes de estas se transformarem em custos logísticos.

Existem ainda outros indicadores relevantes:

  • redução das consultas encaminhadas para o serviço de apoio ao cliente;
  • tempo necessário para lançar novas experiências digitais;
  • impacto das recomendações no cross-selling;
  • utilização das sugestões apresentadas pelo agente;
  • qualidade e profundidade dos sinais de intenção recolhidos durante a conversa.

As próprias conversas produzem dados particularmente interessantes. Orçamento, ocasião de compra, preferências, critérios de decisão ou motivos para rejeitar determinado produto são sinais de intenção que podem alimentar plataformas como Data Cloud e Marketing Cloud e melhorar a segmentação.

A médio prazo, haverá outra métrica a acompanhar: a presença da marca nas respostas dadas por assistentes externos.

A questão será perceber com que frequência uma marca aparece quando um consumidor manifesta uma intenção de compra relevante e, sobretudo, com que qualidade e precisão os seus produtos são apresentados.

Dados e governação continuam a ser o ponto de partida

Um agente de IA não corrige, por si só, um catálogo deficiente. Se os atributos forem pobres ou os dados de inventário estiverem desatualizados, as recomendações serão menos úteis e a confiança do comprador acabará por ressentir-se.

Por essa razão, qualidade, estrutura e unificação dos dados devem ser tratadas antes de ampliar as capacidades conversacionais.

Há também uma dimensão de governação que não pode ser ignorada. É necessário definir o que o agente pode recomendar, quais as promoções que está autorizado a propor, em que situações deve encaminhar uma conversa para uma pessoa e de que forma as suas decisões podem ser auditadas.

Estas regras constituem, na prática, uma política comercial codificada. E isso exige participação conjunta das áreas de negócio, tecnologia e jurídica.

Na nossa experiência, uma forma pragmática de abordar esta evolução começa por uma auditoria ao catálogo, aos dados e à arquitetura. A partir daí, faz sentido selecionar um caso de utilização delimitado, com impacto mensurável.

Um personal shopper aplicado a uma categoria de compra de maior consideração, um assistente para escolha de tamanhos ou uma prova de conceito com Storefront Next podem permitir validar o retorno antes de uma implementação mais alargada.

Para avançar, as organizações precisam essencialmente de três elementos: dados fiáveis, uma arquitetura flexível e agentes capazes de atuar sobre processos reais de negócio.

Durante anos, o ecommerce otimizou um funil concebido para pessoas que pesquisam, navegam e clicam. Esse funil começa agora a incluir conversas e decisões delegadas a agentes.

Preparar-se para esta mudança não significa substituir a omnicanalidade. Significa utilizá-la como base para a próxima fase do comércio digital: ser compreensível para o cliente, transacionável para os agentes de IA e relevante no momento em que ambos decidem o que comprar.

Quer saber como o Salesforce Commerce Cloud pode evoluir e transformar o seu negócio?