Busca agêntica cresceu 200% e seu catálogo provavelmente não está pronto para isso
O comprador já não começa a jornada no seu site. Ele começa numa conversa com IA, e se seu dado de produto for ruim, você nem entra na conversa
Dados recentes mostram que a busca agêntica virou o primeiro passo da jornada de compra, crescendo 200% em um ano. Isso muda a arquitetura de dados de produto, o papel do Data Cloud e a prioridade de quem cuida de comércio no Salesforce.
Tem um número que deveria estar na mesa de qualquer arquiteto que trabalha com comércio no ecossistema Salesforce: tráfego vindo de conversas com IA cresceu entre 150% e 428% ano a ano, trimestre após trimestre, enquanto o tráfego geral de sites de comércio cresceu na casa de dígito único. Isso não é tendência, é reconfiguração de canal.
O relatório State of Commerce (4ª edição), construído com dados de mais de 1,5 bilhão de compradores globais e pesquisa com 3.450 profissionais de comércio, mostra que o comprador está descobrindo produto em lugares que a marca não controla: assistentes de IA, feeds sociais, apps de delivery. E o pior para quem vive de canal próprio: descoberta via propriedades da própria marca caiu 7%, busca tradicional caiu 15%, enquanto canais novos (IA, social, delivery) cresceram 38% no mesmo período.
Na prática de projeto, isso significa uma coisa desconfortável: o cliente pode ter o Commerce Cloud mais bonito do mundo, PDP caprichada, motor de busca interno afinado, e ainda assim estar invisível, porque o comprador nunca chega lá. Ele já decidiu antes, numa conversa com um LLM que puxou dado de um feed de produto mal estruturado, ou de um concorrente que investiu em deixar a descrição legível para linguagem natural.
O gargalo não é IA, é dado
A parte que interessa para quem arquiteta a solução, e não só para quem vende a visão, está nos números de maturidade interna. Só 27% das organizações dizem ter dado de cliente totalmente unificado entre vendas, serviço, marketing e comércio. Entre quem tem dado fragmentado, 40% admitem resposta lenta ou ineficaz a problemas de cliente, e 39% dizem pagar caro para manter sistemas desconectados.
Isso é exatamente o cenário que puxa Data Cloud para o centro da conversa, não como feature bonita de demo, mas como pré-requisito de arquitetura. Não dá para alimentar um agente (seja um agente próprio via Agentforce, seja o LLM de terceiro que vai recomendar seu produto) com dado de catálogo espalhado em três sistemas, com preço divergente entre canais e estoque que não sincroniza em tempo real. E os dados confirmam isso: 41% das organizações multicanal relatam inconsistência de preço e promoção entre canais, 40% têm estoque fora de sincronia em tempo real. Só 2% dizem não ter nenhum ponto de falha relevante no omnichannel.
Outro dado que eu bateria na mesa de qualquer cliente que quer "colocar Agentforce Commerce para rodar amanhã": apenas 32% das organizações têm métricas de sucesso de IA totalmente definidas. Ou seja, a maioria está escalando IA e comemorando resultado sem saber, com precisão, o que está sendo medido. Isso é receita de projeto que parece sucesso no board e vira dor de cabeça de governança seis meses depois.
Adoção não é mais discussão de piloto
A fase de "vamos testar" já passou para quem adotou. Apenas 4% dos que usam IA agêntica hoje dizem estar focados em pilotar casos de uso; a fatia maior (35%) já está escalando entre funções e times, do atendimento ao merchandising. Isso é rápido mesmo para o padrão Salesforce de ciclo de adoção, e reforça o ponto: quem está esperando
Se a descoberta de produto está migrando para dentro de conversas com IA, a arquitetura de dados de produto (título, atributos, descrição, feed) deixa de ser problema de time de conteúdo e vira decisão de arquitetura de plataforma. Isso empurra Data Cloud, qualidade de PDV/PIM e integração de catálogo para o centro do roadmap de qualquer projeto de comércio, na frente até de features vistosas de Agentforce.
Para quem lidera comércio ou arquitetura de dados, o recado é direto: investir em Agentforce Commerce ou em otimização para busca conversacional sem antes resolver unificação de dado de cliente e catálogo é construir em cima de uma fundação rachada. Os números de fragmentação de dado (73% de vendors crescendo, só 27% com dado unificado) mostram que esse é o gargalo real, não a tecnologia de IA em si.
Minha leitura aqui parte de dados publicados pela Salesforce em pesquisa própria (State of Commerce, 4ª edição), com metodologia declarada de survey e análise comportamental de plataforma. Os números de crescimento de tráfego e adoção são factuais conforme divulgado; a interpretação sobre implicação arquitetural (Data Cloud como pré-requisito, risco de KPI mal definido) é leitura própria de projeto, não afirmação da pesquisa.
Antes de vender ou implementar qualquer camada de busca agêntica ou Agentforce Commerce, faça um diagnóstico de maturidade de dado de produto e cliente: catálogo unificado, atributos ricos em linguagem natural, feed de produto atualizado e consistente entre canais. Isso normalmente aponta para trabalho de Data Cloud (harmonização, identity resolution, unificação de perfil) antes de qualquer camada de IA.
Defina métricas de sucesso de IA antes de escalar, não depois. Se o cliente já está rodando agente e não sabe dizer o que significa "sucesso" em número, pare o scaling e resolva isso primeiro. É mais barato definir KPI agora do que desmontar uma narrativa de resultado que ninguém consegue provar daqui a dois trimestres.
Cuidado com o cliente que quer pular etapa: comprar a visão de busca agêntica e IA no comércio sem resolver consistência de preço, estoque e dado entre canais primeiro. O relatório mostra que 98% das organizações multicanal têm algum ponto de falha relevante; colocar um agente conversando com um catálogo inconsistente só amplifica o erro em escala e velocidade.
Outro ponto de atenção: crescimento de tráfego via IA não significa conversão automática, e a métrica de "visibilidade em LLM" ainda é nova e pouco padronizada. Não prometa ROI de otimização para busca conversacional sem deixar claro que é território em construção, com poucos benchmarks maduros.
Este conteúdo foi reescrito e analisado editorialmente em português a partir de informações públicas da fonte indicada.