¿Qué está comprando tu agente de IA? Evaluación, implicaciones y preguntas emergentes para el comercio electrónico basado en agentes

What Is Your AI Agent Buying? Evaluation, Implications and Emerging Questions for Agentic E-Commerce

August 4, 2025

Autores: Amine Allouah, Omar Besbes, Josué D Figueroa, Yash Kanoria, Akshit Kumar

cs.AI

Resumen

Los mercados en línea se transformarán gracias a agentes de IA autónomos que actúen en nombre de los consumidores. En lugar de que los humanos naveguen y hagan clic, los agentes basados en modelos de visión y lenguaje (VLM, por sus siglas en inglés) pueden analizar páginas web, evaluar productos y realizar transacciones. Esto plantea una pregunta fundamental: ¿qué compran los agentes de IA y por qué? Desarrollamos ACES, un entorno de pruebas que combina un agente VLM independiente de la plataforma con un mercado simulado completamente programable para estudiar esta cuestión. Primero realizamos verificaciones básicas de racionalidad en el contexto de tareas simples y, luego, al aleatorizar las posiciones de los productos, precios, calificaciones, reseñas, etiquetas patrocinadas y avales de la plataforma, obtenemos estimaciones causales de cómo los VLMs de vanguardia realmente compran. Los modelos muestran efectos de posición fuertes pero heterogéneos: todos favorecen la fila superior, pero diferentes modelos prefieren distintas columnas, lo que socava la suposición de un rango "superior" universal. Penalizan las etiquetas patrocinadas y premian los avales. Las sensibilidades al precio, las calificaciones y las reseñas son direccionalmente similares a las humanas, pero varían drásticamente en magnitud entre modelos. Motivados por escenarios en los que los vendedores utilizan agentes de IA para optimizar las listas de productos, demostramos que un agente del lado del vendedor que realiza ajustes menores en las descripciones de los productos, apuntando a las preferencias de los compradores de IA, puede generar ganancias sustanciales en la cuota de mercado si las compras mediadas por IA dominan. También encontramos que las elecciones modales de productos pueden variar entre modelos y, en algunos casos, la demanda puede concentrarse en unos pocos productos seleccionados, lo que plantea preguntas sobre la competencia. En conjunto, nuestros resultados iluminan cómo pueden comportarse los agentes de IA en entornos de comercio electrónico y destacan cuestiones concretas sobre estrategias de vendedores, diseño de plataformas y regulación en un ecosistema mediado por IA.

English

Online marketplaces will be transformed by autonomous AI agents acting on behalf of consumers. Rather than humans browsing and clicking, vision-language-model (VLM) agents can parse webpages, evaluate products, and transact. This raises a fundamental question: what do AI agents buy, and why? We develop ACES, a sandbox environment that pairs a platform-agnostic VLM agent with a fully programmable mock marketplace to study this question. We first conduct basic rationality checks in the context of simple tasks, and then, by randomizing product positions, prices, ratings, reviews, sponsored tags, and platform endorsements, we obtain causal estimates of how frontier VLMs actually shop. Models show strong but heterogeneous position effects: all favor the top row, yet different models prefer different columns, undermining the assumption of a universal "top" rank. They penalize sponsored tags and reward endorsements. Sensitivities to price, ratings, and reviews are directionally human-like but vary sharply in magnitude across models. Motivated by scenarios where sellers use AI agents to optimize product listings, we show that a seller-side agent that makes minor tweaks to product descriptions, targeting AI buyer preferences, can deliver substantial market-share gains if AI-mediated shopping dominates. We also find that modal product choices can differ across models and, in some cases, demand may concentrate on a few select products, raising competition questions. Together, our results illuminate how AI agents may behave in e-commerce settings and surface concrete seller strategy, platform design, and regulatory questions in an AI-mediated ecosystem.