Cuando la IA negocia con otra IA: la gobernanza que el comercio B2B entre agentes todavía no tiene

¿Qué descubrieron Sabbah y Acar?

Jafar Sabbah, de Bayes Business School (University of London), y Oguz Acar, profesor de King’s College London, publicaron en Harvard Business Review una investigación sobre un escenario que dejó de ser hipotético: agentes de IA que negocian y cierran tratos con otros agentes de IA. En lugar de opinar desde la intuición, corrieron simulaciones controladas (más de 150 configuraciones de gobernanza y miles de observaciones) para medir qué hace que dos agentes avancen hacia un acuerdo o se queden atascados. El trabajo también fue reseñado por The Globe and Mail, y extiende una línea previa de los mismos autores sobre cómo el marketing tradicional no funciona con agentes de compra.

Las cuatro palancas que deciden un trato entre agentes

La tesis central es que el comercio entre agentes no se gobierna con una sola regla, sino con cuatro palancas que hay que calibrar juntas. La primera es la divulgación de información: cuando los datos del vendedor están en formato legible por máquina, el agente comprador identifica mejor a una contraparte adecuada. La segunda es la autonomía del agente: más independencia para decidir aumentó la capacidad de hacer progresar una oportunidad. La tercera son las señales de reputación, que ayudan al agente a priorizar a qué oportunidades dedicar atención. La cuarta es el protocolo de interacción, es decir, cuán estructurado o libre es el ida y vuelta entre las partes.

¿Por qué los protocolos rígidos frenan los acuerdos?

El hallazgo más contraintuitivo del estudio es que los protocolos demasiado rígidos reducen el compromiso y el avance de las conversaciones entre agentes. Es el reflejo inverso de lo que muchos equipos asumen: que cuanto más encorsetada esté la interacción, más control se tiene. En la práctica, un guión cerrado le quita al agente el margen para explorar vías que llevan al cierre. La recomendación de los autores no es soltar el control, sino diseñarlo: niveles de autorización claros, experimentos acotados, información estructurada con métricas de reputación y puntos explícitos de traspaso entre el humano y el agente.

Qué significa para el comercio B2B en Chile y Latinoamérica

Para un líder comercial en Chile o la región, el mensaje operativo es incómodo pero útil: el cuello de botella no será comprar más agentes, sino decidir cómo esos agentes representan la oferta y qué tienen permitido hacer en tu nombre. Buena parte de las empresas B2B de la región todavía opera con procesos manuales y herramientas desconectadas, de modo que la brecha no es de ambición tecnológica sino de gobernanza y datos. Si un agente comprador de un cliente llega a tu superficie digital y no encuentra información legible por máquina sobre precios, condiciones y disponibilidad, simplemente te descarta sin que nadie en tu equipo se entere.

¿Está tu CRM listo para que un agente represente tu oferta?

Las cuatro palancas de Sabbah y Acar se apoyan todas en un supuesto: que existe un sistema de registro confiable detrás del agente. Un agente con autonomía sobre datos sucios no acelera el proceso comercial, acelera el error. Para equipos de Chile y Latinoamérica que recién ordenan su CRM, la secuencia sensata es primero gobernar el dato y la autorización, y recién después ampliar la autonomía del agente. La reputación, en este mundo, se construye haciendo que tu información sea fácil de leer y verificar para la contraparte, humana o artificial.

El análisis de Revenue Hub

Esta pieza es nuestra lectura de la investigación de Sabbah y Acar, no una reproducción de su artículo. Coincidimos en el punto central: el riesgo real del comercio entre agentes no es técnico, es de diseño institucional. Donde ampliaríamos el argumento es en el orden de implementación para la realidad latinoamericana. El estudio habla desde organizaciones con sistemas maduros; en la región, la palanca de autonomía debería moverse al final, no al principio, porque la deuda de datos y de procesos es mayor. Nuestra postura: trata la gobernanza de agentes como un proyecto de RevOps, no de innovación, y empieza por la información legible y los límites de autorización antes de delegar decisiones. Para leer el planteamiento completo en su idioma original, consulta la fuente enlazada en Harvard Business Review.