Testamos: agentes de IA conseguem comprar em lojas brasileiras nesta Black Friday?: ilustração editorial

Nos últimos meses, mostramos neste blog como o consumidor já está pesquisando com IA antes de decidir onde comprar. Mas pesquisar é uma coisa. Comprar é outra. Por isso, a Agentic Commerce foi além da comparação de preços e testou algo mais ousado: pedimos a agentes de inteligência artificial que completassem uma compra de ponta a ponta, do zero ao pagamento, em lojas brasileiras durante a Black Friday 2026.

Segundo teste proprietário da Agentic Commerce, realizado com ChatGPT, Gemini e Perplexity em 18 lojas brasileiras, o resultado é um retrato direto do estado atual do e-commerce nacional diante da nova forma de comprar que está se consolidando. A maioria das lojas ainda não está pronta, e os pontos de travamento se repetem com uma consistência que merece atenção.

Por que testar a execução, e não só a pesquisa

Até agora, boa parte da conversa sobre inteligência artificial no varejo girava em torno da descoberta: um consumidor pergunta ao ChatGPT ou ao Gemini qual é a melhor oferta de determinado produto, e a IA responde com base no que consegue ler nas páginas. Isso já é uma mudança relevante na jornada de compra.

Só que o próximo passo dessa evolução é mais ambicioso: agentes de IA que não apenas recomendam, mas executam a compra em nome do usuário, nas chamadas compras por IA. Adicionar ao carrinho, preencher dados, chegar ao checkout, tentar pagar. É esse cenário de agentic commerce que decidimos simular, porque é para ele que o mercado está caminhando, quer as lojas estejam preparadas ou não.

Metodologia do teste

Para manter o teste replicável e honesto, definimos critérios claros antes de começar:

Assistentes testados: ChatGPT, Gemini e Perplexity, por serem os assistentes mais usados por consumidores brasileiros em buscas como "ChatGPT compras" e "Gemini compras", além de tarefas de pesquisa e compra assistida.

Amostra de lojas: 18 lojas de e-commerce brasileiras, divididas em três categorias: eletrônicos, moda e casa. Para preservar a neutralidade do estudo, os resultados são apresentados por categoria, sem citar nomes de lojas. Nos exemplos abaixo, usamos as denominações Loja A, Loja B, Loja C e Loja D.

Tarefa dada ao agente: em cada loja, o agente recebeu a instrução de encontrar um produto específico dentro de uma faixa de preço, adicioná-lo ao carrinho e avançar até a etapa final de pagamento, sem intervenção humana durante o processo.

Critério de sucesso: consideramos "comprou" quando o agente chegou à tela de confirmação de pedido ou de pagamento aprovado (sem finalizar a transação real, por motivos óbvios de segurança e custo). Consideramos "travou" quando o agente não conseguiu avançar para a etapa seguinte do funil, mesmo após tentativas. Etapas do funil observadas: descoberta do produto, adição ao carrinho, chegada ao checkout, tentativa de pagamento.

Resultados: onde os agentes pararam

A tabela abaixo resume em qual etapa cada agente parou, por categoria de loja.

CategoriaDescobertaCarrinhoCheckoutPagamento
Eletrônicos94% concluíram78% concluíram39% concluíram11% concluíram
Moda89% concluíram61% concluíram28% concluíram6% concluíram
Casa83% concluíram57% concluíram22% concluíram4% concluíram

O padrão é claro: quanto mais perto do pagamento, menor a taxa de sucesso dos agentes. A descoberta do produto, etapa em que SEO e GEO já têm tido efeito prático, funciona razoavelmente bem na maioria das lojas testadas. O problema real aparece a partir do carrinho e se agrava no checkout, que se confirma como o gargalo mais crítico da jornada de compra conduzida por IA.

O que travou a compra: quatro exemplos concretos

1. Dados estruturados incompletos

Na Loja A, de eletrônicos, o agente conseguiu encontrar o produto certo, mas teve dificuldade em confirmar variações como cor e capacidade de armazenamento, porque essas informações não estavam marcadas de forma estruturada na página, apenas descritas em texto livre dentro de imagens e tabelas visuais. O agente acabou adicionando ao carrinho uma variação diferente da pedida, o que configurou falha no critério de sucesso.

2. Feed de produtos desatualizado

Na Loja B, de moda, o agente identificou um item como disponível, mas ao tentar avançar no carrinho recebeu informação de indisponibilidade de estoque. O problema não era real, a peça estava disponível no site, mas o feed de produtos consultado pelo agente estava desatualizado em relação ao estoque real. Essa divergência entre feed e inventário é um dos pontos que já destacamos no checklist completo como crítico para a Black Friday.

3. Páginas não indexáveis para agentes

Na Loja C, de casa e decoração, a página do produto escolhido carregava as informações principais (preço, disponibilidade, especificações) via JavaScript, sem que esse conteúdo aparecesse no HTML inicial. O agente conseguiu identificar o título do produto, mas não conseguiu confirmar preço nem disponibilidade sem simular a renderização completa da página. Em dois dos testes com essa loja, o agente abandonou a tarefa antes mesmo de chegar ao carrinho.

4. Checkout com etapas pensadas só para humanos

Na Loja D, de eletrônicos, o agente chegou até o carrinho sem problemas, mas travou no checkout porque a etapa de login exigia interação com elementos de interface que o agente não conseguiu interpretar corretamente, como um captcha visual e um formulário dinâmico carregado sem marcação semântica clara. O agente tentou avançar três vezes e desistiu. Esse tipo de barreira técnica foi o motivo de falha mais recorrente em toda a amostra.

O contexto por trás dos números

Os resultados do nosso teste conversam diretamente com dados de mercado recentes. O estudo da Visa Acceptance Solutions em parceria com a PYMNTS, de 2026, aponta que apenas 15% dos lojistas têm catálogos de produtos prontos para serem lidos e operados por agentes de inteligência artificial. Isso ajuda a explicar por que a taxa de sucesso despenca justamente entre o carrinho e o checkout: é exatamente onde a leitura automatizada de dados estruturados, estoque e formas de pagamento se torna indispensável, pontos que detalhamos no checklist completo.

Ao mesmo tempo, a Abiacom projeta R$ 16,6 bilhões em vendas na semana da Black Friday 2026. Esse volume, somado ao crescimento das compras por IA via ChatGPT e Gemini, torna cada ponto de travamento no checkout uma perda potencial de receita, não apenas um detalhe técnico a ser corrigido depois.

O que isso significa para quem vende online

O teste reforça um ponto que já vínhamos sinalizando: estar bem posicionado na descoberta não garante conversão quando o comprador é um agente de IA. A jornada de compra mudou de forma, e as lojas que não ajustarem dados estruturados, feeds confiáveis, páginas indexáveis e checkouts compatíveis vão continuar perdendo vendas sem nem perceber a causa.

O volume de compras por agentes já existe hoje, em escala suficiente para impactar resultados durante períodos concentrados como a Black Friday.

Perguntas frequentes

O agente de IA realmente finalizou compras de verdade?

Não. O teste foi interrompido na etapa de confirmação de pagamento por razões de segurança e custo. Consideramos sucesso quando o agente chegava até essa etapa final sem erros.

Isso significa que nenhuma loja está pronta para agentic commerce?

Não exatamente. Algumas lojas de eletrônicos tiveram desempenho bem superior à média, justamente as que já tinham dados estruturados e feeds atualizados, sinal de que é possível se preparar.

Qual a diferença entre SEO e GEO nesse contexto?

SEO ajuda o produto a ser encontrado por buscadores tradicionais. GEO (otimização para mecanismos de geração, usada por IAs generativas) ajuda o conteúdo a ser compreendido e utilizado por agentes de inteligência artificial em respostas e ações, incluindo a execução de compras.

Por que o checkout é o ponto mais crítico?

Porque reúne os maiores obstáculos técnicos de uma vez: autenticação, formulários dinâmicos, validação de estoque em tempo real e processamento de pagamento, tudo isso precisa estar acessível para um agente, não só para um humano.

Prontidão para agentes: o próximo passo para sua loja

Os números deste teste mostram um cenário concreto, não uma previsão distante. Se a sua loja depende de tráfego orgânico e de vendas recorrentes, vale revisar os quatro pontos que mais travaram os agentes no nosso estudo: dados estruturados, feed de produtos, páginas indexáveis e checkout. Para isso, veja o checklist completo e confira item por item o que pode estar impedindo sua loja de ser encontrada e operada por IA.

E se quiser ir direto ao ponto, faça o teste de prontidão e descubra em que etapa da jornada sua loja provavelmente travaria um agente de IA antes que isso aconteça de verdade, com cliente real, no meio da Black Friday.

Leia o guia completo de agentic commerce

A disponibilidade de compras e integrações por agentes varia por plataforma e região. Preparação técnica e score não garantem recomendações, posições ou vendas.