Previsões para compras feitas por agentes de IA em 2030 vão de 385 mil milhões a 1 bilião de dólares

Três consultoras publicaram uma previsão sobre a mesma coisa: quanta receita do retalho dos EUA será tratada por um agente de IA em nome do comprador até 2030. O topo de cada intervalo:

Consultora	Topo do intervalo, EUA, 2030	Intervalo completo
McKinsey	1 bilião de dólares	até 1 bilião no retalho dos EUA, 3 a 5 biliões a nível mundial
Bain & Company	500 mil milhões de dólares	300 a 500 mil milhões
Morgan Stanley	385 mil milhões de dólares	190 a 385 mil milhões, cerca de 10% a 20% do retalho online

Fontes: McKinsey via Digital Commerce 360, Bain, Morgan Stanley.

São previsões, não medições. Trate-as como tal. Mas vale a pena perceber porque divergem, porque a diferença é a parte útil.

Porque é que os números estão tão distantes

Não estão a contar a mesma coisa.

A Morgan Stanley conta as compras que um agente conclui. O comprador diz ao assistente o que quer, o agente escolhe e paga. É a definição mais estreita e dá o número mais pequeno: 190 a 385 mil milhões de dólares, que a consultora traduz em 10% a 20% do retalho online dos EUA.

A Bain conta as compras que um agente influencia ou conclui. Os seus 300 a 500 mil milhões incluem casos em que o agente faz a comparação e é o comprador que carrega no último botão.

A McKinsey conta a receita "orquestrada". Qualquer venda em que um agente fez trabalho relevante no percurso: descoberta, comparação, recompra ou checkout. É a definição mais ampla e dá 1 bilião de dólares nos EUA e 3 a 5 biliões a nível mundial.

Ou seja, a diferença está sobretudo no sítio onde se traça a linha entre "o agente ajudou" e "o agente comprou". Na definição estreita, um dólar em cada dez do retalho online dos EUA passa por um agente em 2030. Na ampla, o agente toca na maior parte.

No que concordam

Três coisas, e importam mais do que o valor exato.

A direção. Ninguém prevê zero, nem estagnação. Todas as consultoras que analisaram o tema esperam que dentro de quatro anos exista uma fatia do retalho que hoje não existe.

O mecanismo. Nos três modelos, é o agente que faz a comparação. Lê os dados de produto de vários vendedores, compara-os com o que o comprador pediu e escolhe. A pessoa vê o resultado, não a lista de candidatos.

O calendário. A infraestrutura para o caso estreito chegou em 2025 e 2026: o checkout da OpenAI dentro do ChatGPT, o protocolo de pagamentos para agentes da Google, as camadas de comércio para agentes da Stripe e da Shopify. As previsões são sobre adoção, não sobre se é possível.

O pressuposto por trás de todas as previsões

Cada um destes números assume que, quando um agente compara produtos, o seu produto pode ser comparado. Isso significa que os factos com base nos quais um comprador decide estão disponíveis ao agente como dados: o preço, a especificação sobre a qual o comprador perguntou, o que distingue este produto do seguinte.

Hoje, nas lojas que auditamos, isso muitas vezes não acontece. Os factos estão numa foto, num PDF, numa tabela de tamanhos ou na cabeça do dono da loja. Um agente que leia essa página fica com um nome e um preço e segue para uma página que lhe diz mais. As previsões contam a receita que flui para os vendedores cujas páginas puderam ser lidas.

É isso que torna o número acionável antes de 2030. A comparação já está a acontecer hoje, em pequena escala, sempre que alguém pergunta a um assistente que produto comprar. Faça ao assistente a pergunta que os seus clientes fazem e veja se ele o nomeia. A verificação gratuita na nossa página inicial faz isso para uma pergunta, com uma pesquisa em direto.