A era B2A: por que sua empresa vai vender para agentes de IA, não para pessoas
Uma nova modalidade de comércio está nascendo: o B2A, Business-to-Agent. Em vez de um humano navegar pelo seu site, um agente de IA pesquisa, compara e decide a compra por ele. O que importa não é mais ter um site bonito, mas ter dados que o agente consiga ler e extrair. A citação (ser a fonte que o agente escolhe) é a nova moeda. Este artigo mostra o que muda nos seus dados, no seu schema e na sua API para se preparar para essa virada.
Um consumidor pergunta ao assistente de compras: "qual a melhor geladeira frost free até R$ 3.000?". O agente não navega como um humano. Ele busca, extrai e compara dados estruturados de dezenas de lojas ao mesmo tempo. A sua empresa precisa vencer uma disputa só, e ela é dura: ser a fonte que o agente escolhe citar.
Esse cenário não é um experimento de laboratório. Ele já está acontecendo. O Perplexity lançou o Buy with Pro, que finaliza a compra dentro do app com pagamento via PayPal. A Shopify adotou o Universal Commerce Protocol (UCP), um padrão que permite a marcas exporem seus produtos para venda em canais de IA. O tráfego gerado por IA para lojas Shopify cresceu 7 vezes desde janeiro de 2025, e os pedidos atribuídos a essas fontes cresceram 11 vezes no mesmo período. A Visa realizou a primeira transação com agente de IA no Brasil em março de 2026, em parceria com o Banco do Brasil. O que parecia ficção científica há dois anos virou uma realidade que as empresas precisam encarar.
O problema: você está vendendo para o sentido errado
O erro mais comum é tratar o agente de IA como mais um visitante do site. Mas um humano e um agente consomem informações de maneiras fundamentalmente diferentes. Um humano navega, lê textos, avalia imagens, confia pelo design. Um agente de IA não vê nada disso: ele consome dados estruturados, e a decisão dele se baseia na precisão e na consistência desses dados.
O agente de compras, quando recebe a pergunta sobre a geladeira, passa por três filtros, assim como o ChatGPT faz ao escolher as fontes que cita. Primeiro, ele consulta um índice de busca e recebe uma lista de resultados. Segundo, ele decide quais abrir olhando apenas o título, a descrição e a URL. Terceiro, ele extrai da página os dados estruturados: schema Product, schema Organization, feeds de catálogo. Se a sua empresa não expõe esses dados de forma consistente, o agente não encontra a informação que precisa e passa para o próximo concorrente. A diferença, em uma frase, é esta: você não está mais vendendo para um cliente que vê, mas sim para um algoritmo que lê. E o que ele lê são números, identificadores e atributos, não texto de marketing.
O que um agente de IA vê quando decide comprar de você (o pipeline da citação)
Quando um agente de IA decide comprar de você, ele passa por três etapas, e cada uma enxerga uma parte diferente da sua página. No primeiro filtro, a indexação, sua página precisa estar no índice do buscador que o agente consulta. O ChatGPT, por exemplo, usa o índice do Bing. Se sua página não está lá, ou está no fim da lista, o agente nunca a recebe na relação de resultados. O passo zero para ser visto por um agente é estar bem posicionado no buscador que ele usa.
No segundo filtro, a decisão de clicar, o agente decide abrir sua página com base no título, na descrição e na URL. Ele ainda não viu o conteúdo da página. Ele procura sinais de que vale a pena abri-la: um domínio que reconhece, um número específico que sugere conteúdo concreto, uma data recente. Se o título for vago ou parecer clickbait, ele simplesmente não clica. Tudo o que você tem para convencê-lo a entrar são esses três campos, como acontece com qualquer resultado de busca que um LLM consulta.
No terceiro filtro, a extração, ele finalmente lê a página. Mas ele não a lê como um humano. Ele procura dados estruturados: o schema Product, o schema Organization, os feeds de catálogo. Para a geladeira, ele quer saber o preço (até R$ 3.000), a marca, o modelo, a eficiência energética, o volume, se é frost free, e as avaliações. Ele extrai essas informações do schema Product, se ele existir e estiver correto. Se o schema estiver incompleto, com preço desatualizado ou faltando atributos, o agente ignora a página ou a cita com informação errada. O que importa não é ter a melhor geladeira do mercado, mas ter os dados dela corretos e legíveis.
O que é citação no B2A e como o agente escolhe quem citar
No B2A, a citação é a nova unidade de receita. Ser citado por um agente de IA equivale a ter seu produto recomendado por um vendedor invisível que atende milhões de consumidores. A citação não acontece por acaso: ela segue um pipeline preciso. O agente recebe uma lista de resultados, decide quais abrir com base nos metadados (título, descrição, URL) e, depois de abrir a página, decide qual dado extrair e citar com base no schema markup.
A decisão de citar um dado em vez de outro depende de três fatores. O primeiro é a completude do schema: se o Product tiver GTIN, marca, preço e avaliação, o agente tem tudo o que precisa em um lugar só. O segundo é a consistência: se o preço no schema bater com o preço no feed e com o texto da página, o agente confia. O terceiro é a facilidade de extração: dados em formato JSON-LD, com hierarquia clara e valores atômicos, são muito mais fáceis de recortar e citar do que texto solto no HTML. A disciplina que garante esses três fatores é a AEO (answer-engine optimization): fazer com que assistentes como ChatGPT, Gemini, Perplexity e Claude encontrem e citem seu produto. É o mesmo mecanismo que decide quem o ChatGPT escolhe citar numa resposta comum, aplicado agora a uma decisão de compra. Para a Magazine Luiza, isso significa que cada página de produto precisa de um schema Product completo e consistente.
A citação é a nova moeda do B2A. Sem schema markup consistente, seu produto é invisível para o agente. Com ele, você é a fonte que o algoritmo escolhe.
O que muda no seu site, nos seus dados e na sua API
A virada para o B2A tem consequências técnicas diretas. A primeira é que seu site precisa falar a língua que o agente entende: dados estruturados. Schema Product, Organization e FAQPage não são mais opcionais. Eles são a vitrine do seu produto para a máquina. E precisam ser consistentes com o feed de produto e com o que está escrito na página. Qualquer discrepância, entre schema e texto ou entre schema e feed, vira um sinal de ruído que o agente interpreta como falta de confiabilidade.
A segunda consequência são os protocolos de transação. Quando o agente decide comprar, ele precisa de um caminho padronizado para consultar o catálogo e fechar o pedido. É aí que entram iniciativas como o Universal Commerce Protocol (UCP), anunciado pelo Google em janeiro de 2026 e desenvolvido junto com Shopify, Etsy, Wayfair, Target e Walmart, e o Agentic Product Protocol da Klarna, que expõe um feed estruturado de produtos e preços para qualquer agente que fale o protocolo. Os dois resolvem partes diferentes do mesmo problema: o da Klarna padroniza a descrição do produto, e o UCP padroniza a jornada de compra inteira, da descoberta ao pós-venda. Para a Magalu, adotar esse tipo de padrão significa expor o catálogo em um formato que qualquer agente entenda, sem adaptação manual a cada plataforma.
O B2A não é um canal a mais. É uma reorganização de como sua empresa expõe produtos e marca. Quem fizer isso primeiro, ganha.
Onde a Pumpkin entra
A Pumpkin Labs constrói o harness, a camada que organiza o que o modelo vê e como ele decide. No B2A, esse harness é o que transforma dados soltos em uma fonte que o agente de IA entende e confia. Nosso trabalho começa pelo diagnóstico em qual dos filtros (indexação, clique, extração) sua empresa está perdendo vendas para agentes de IA. Depois, a gente monta as peças: o schema markup que fala a língua do agente, os feeds e as APIs que expõem o catálogo no formato que os protocolos de transação exigem. E medimos o resultado em citações reais, não em tráfego de humanos.
A lição que fica é que o B2A não é um canal a mais para ser tratado com as mesmas ferramentas de antes. Ele é uma reorganização de como sua empresa expõe produtos e marca para um cliente que lê dados, não páginas. A escolha não é entre humano ou agente, é entre organizar os dados para os dois ou perder um dos maiores canais de venda que estão surgindo.