A Black Friday de 2026 será diferente de todas as anteriores. Pela primeira vez, teremos agentes de inteligência artificial participando de verdade da jornada de compra, ajudando os clientes a descobrir produtos, comparar alternativas, monitorar preços, avaliar ofertas e decidir onde comprar. Algo inédito.
Isso muda bastante a lógica do e-commerce. Até hoje, praticamente toda a experiência digital foi construída considerando que quem pesquisa, navega, interpreta as informações e toma a decisão é uma pessoa.
Agora existe uma nova camada entre o consumidor e a loja.
Um consumidor poderá pedir para uma IA encontrar o melhor notebook até R$ 5 mil, comparar três modelos, verificar se o desconto da Black Friday é realmente bom ou acompanhar o preço de um produto até aparecer uma oportunidade interessante. O processo de comparação e verificação do histórico de preço ficou MUITO mais fácil.
Também poderá pedir algo muito menos objetivo, como: “Quero um presente para minha esposa de até R$ 800, mas não sei exatamente o que comprar”. O agente terá que interpretar a intenção, pesquisar alternativas, comparar produtos e recomendar aquilo que parece fazer mais sentido.
Ou seja, antes mesmo de o consumidor acessar uma loja, uma inteligência artificial poderá determinar quais produtos merecem entrar na comparação.
O e-commerce era construído só para pessoas
Criamos menus, filtros, páginas de produto, campanhas, vitrines, conteúdos e experiências pensando em como uma pessoa navega. Até mesmo grande parte das iniciativas de SEO foram construídas para levar um humano até uma página.
Um agente de IA enxerga esse comércio de outra maneira. Ele precisa compreender o produto, seus atributos, suas variantes, preço, estoque, prazo, compatibilidade, políticas e contexto de utilização.
Uma loja pode ter um design fantástico e, ainda assim, ser difícil para uma inteligência artificial compreender.
Esse é um problema novo.
Imagine duas lojas vendendo produtos semelhantes. A primeira possui fotos incríveis, branding impecável e um PDP muito bem desenhado, mas boa parte das informações importantes está escondida em textos, imagens ou sistemas desconectados.
A segunda possui atributos bem estruturados, variantes organizadas, informações claras sobre disponibilidade, compatibilidade, entrega e utilização.
Para um consumidor, talvez a primeira pareça melhor. Para um agente tentando responder uma pergunta específica, a segunda pode ser muito mais fácil de compreender.
E isso começa a afetar diretamente a possibilidade de uma marca ser recomendada.
A Shopify já está construindo essa infraestrutura
Essa não é uma discussão sobre um futuro distante. A Shopify já está preparando sua plataforma para Agentic Commerce, com iniciativas como Storefront MCP, Global Catalog MCP e WebMCP.
O Global Catalog MCP, por exemplo, permite que agentes pesquisem e comparem produtos entre diferentes lojas Shopify. Isso significa que o agente não precisa necessariamente começar sua jornada dentro de uma loja específica: ele pode começar procurando pelo melhor produto para determinada necessidade no catálogo da Shopify.
O WebMCP segue a mesma direção. A ideia é permitir que sites ofereçam ferramentas estruturadas para agentes, tornando possível pesquisar produtos, consultar informações e realizar ações sem depender da mesma navegação criada para humanos.
A infraestrutura está sendo construída rapidamente. O problema é que ter uma Shopify preparada para agentes não significa que a operação do lojista esteja preparada.
A nova disputa começa antes do clique
Estamos acostumados a pensar no funil a partir da visita. Tráfego, sessão, página de produto, carrinho, checkout e conversão. Com agentes, uma parte importante dessa jornada pode acontecer antes de qualquer sessão existir.
Uma IA pode encontrar vinte produtos, eliminar quinze, comparar cinco e recomendar três. Somente depois disso o consumidor pode chegar até uma loja.
Isso significa que um produto pode perder uma venda sem que o consumidor sequer tenha visitado o site.
Nenhuma melhoria de checkout resolve esse problema. Nenhum teste de CRO consegue recuperar um produto que nem entrou na comparação.
Por isso, talvez a disputa mais importante do Agentic Commerce não esteja inicialmente no checkout, mas na descoberta e na recomendação.
Dados apresentados pela 40rty.ai indicam que aproximadamente 62% do uso de IA observado na jornada de compra acontece durante a comparação de produtos, enquanto apenas 23% estaria relacionado ao checkout.
E a Black Friday torna isso ainda mais relevante
A Black Friday adiciona uma variável importante porque preço, estoque, promoção e prazo mudam o tempo todo.
Um consumidor poderá pedir para uma IA monitorar determinado produto durante alguns dias, comparar o preço atual com o histórico, identificar se uma promoção é realmente boa ou eliminar lojas que não conseguem entregar dentro do prazo desejado.
Isso faz com que informações que antes pareciam operacionais passem a participar diretamente da decisão de compra.
Preço deixa de ser apenas aquilo que aparece na página. Estoque deixa de ser uma informação de disponibilidade. Logística deixa de ser um problema apresentado depois que o consumidor escolheu o produto.
Para um agente, todas essas informações podem ser filtros utilizados antes da recomendação.
Se a empresa não consegue disponibilizá-las de maneira clara, consistente e atualizada, pode simplesmente ficar fora da resposta.
Os primeiros números já chamam atenção
Ainda é cedo e o volume de tráfego originado por agentes continua pequeno. Mas alguns sinais já são interessantes.
Em um case divulgado pela 40rty.ai, agentes representaram somente 0,41% do tráfego de uma operação durante 77 dias, mas foram responsáveis por 3,99% dos pedidos. O ticket médio desse tráfego também foi superior, US$ 110 contra US$ 96 da média da loja.
Não dá para concluir a partir disso que todo tráfego agêntico converterá dez vezes mais. Mas existe uma hipótese bastante lógica para esse comportamento.
Quando uma pessoa chega até uma loja depois de pedir para uma IA encontrar o produto mais adequado, parte da descoberta, comparação e consideração pode já ter acontecido.
O consumidor chega mais qualificado e, possivelmente, mais próximo da decisão.
Shopify Ready não significa AI Ready
A Shopify pode oferecer ao agente uma forma de pesquisar o catálogo, mas não consegue garantir que os dados do lojista estejam corretamente estruturados.
Pode disponibilizar informações sobre produtos, mas não consegue criar atributos que não existem. Pode expor políticas, mas não consegue garantir que elas estejam completas, atualizadas e coerentes.
Também pode criar ferramentas para carrinho e checkout, mas não conhece todas as particularidades de cada operação.
É justamente aqui que aparece a diferença entre uma plataforma preparada para agentes e uma empresa preparada para agentes.
Chamamos isso de AI Readiness.
AI Readiness não é SEO para ChatGPT
É importante fazer essa distinção.
AI Readiness não é simplesmente alterar descrições de produtos para tentar aparecer melhor em uma resposta do ChatGPT. Também não é instalar um aplicativo, adicionar um chatbot ou criar mais conteúdo utilizando inteligência artificial.
Estamos falando de arquitetura de comércio.
Na Check Commerce, analisamos catálogo, taxonomia, atributos, metafields, metaobjects, variantes, preço, estoque, promoções, logística, conteúdo, políticas, FAQs, integrações, busca, merchandising e as interfaces que permitem que agentes interajam com esse ambiente.
A pergunta que queremos responder é muito simples: uma inteligência artificial consegue entender corretamente como sua empresa vende?
Cada negócio possui um conhecimento diferente
Uma loja de moda precisa explicar tamanho, caimento e ocasião. Uma loja de móveis precisa ajudar alguém a entender dimensões, ambientes e combinações.
Um supermercado precisa lidar com disponibilidade regional, substituição e peso variável. Uma loja de materiais de construção precisa responder questões sobre compatibilidade e quantidade necessária para determinada obra.
Uma empresa de beleza precisa conseguir explicar para quem determinado produto é indicado. Uma operação de autopeças precisa saber dizer se determinado item é compatível com determinado veículo.
Essas informações normalmente já existem dentro das empresas, mas estão espalhadas entre ERP, planilhas, aplicativos, textos, integrações, regras de negócio e conhecimento das equipes.
Preparar uma operação para agentes passa por transformar esse conhecimento em uma arquitetura que também possa ser compreendida e utilizada por sistemas de inteligência artificial.
Foi por isso que criamos o AI Readiness da Check Commerce
Nosso trabalho começa tentando responder uma pergunta: se um agente de IA tentasse descobrir, comparar e comprar os produtos dessa empresa hoje, onde encontraria dificuldades?
A partir daí, analisamos arquitetura, dados, conteúdo, integrações e regras do negócio para identificar gaps e organizar prioridades.
O resultado é um AI Readiness Map, mostrando o que já está preparado, o que precisa ser estruturado e quais capacidades podem ser construídas para tornar a operação mais compreensível e utilizável por agentes.
Não estamos tentando preparar empresas para uma hipótese sobre como será o comércio daqui a dez anos.
Estamos preparando empresas para uma mudança que já começou.
A Black Friday de 2026 é o primeiro grande teste
Provavelmente agentes ainda representarão uma parcela pequena das vendas nesta Black Friday. Mas esse não é o ponto mais importante.
O importante é que eles estarão dentro da jornada de compra, descobrindo produtos, comparando alternativas, acompanhando preços, avaliando ofertas, verificando prazo e ajudando consumidores a decidir.
Pela primeira vez, talvez não seja suficiente convencer apenas a pessoa que quer comprar.
A empresa também terá que ser compreendida pela inteligência artificial que está ajudando essa pessoa a escolher.
A Black Friday de 2026 será a primeira em que humanos e agentes comprarão juntos. E isso muda tudo.
Sua operação está pronta? Então fale com a Check.
