Business-to-Agent (B2A)

Business-to-Agent é o arranjo comercial em que o interlocutor da sua empresa é um agente de software agindo em nome de uma pessoa ou de outra empresa, e não a pessoa. O que tirou o conceito do plano teórico foi infraestrutura de pagamento, não retórica de mercado: em setembro de 2025 a OpenAI publicou com a Stripe o Agentic Commerce Protocol, especificação aberta que permite a um agente concluir a compra dentro do ChatGPT, e o Google anunciou no mesmo mês o Agent Payments Protocol (AP2), voltado a autorizar transações iniciadas por agente. Quando existe trilho de pagamento padronizado, a triagem automatizada deixa de ser demonstração e vira canal. O efeito prático para a sua empresa é que a decisão de incluir ou excluir a sua marca da lista curta acontece antes de qualquer pessoa ler o seu nome.

B2B e B2C classificam quem está do outro lado da mesa; B2A classifica o que lê o seu catálogo. A diferença operacional está no ponto do funil em que a filtragem acontece. No B2C o consumidor navega, compara e decide, e a vitrine ainda tem chance de convencer. No B2B existe ciclo consultivo, com vendedor presente para explicar o que a página não explicou. No B2A a triagem já terminou quando o humano entra na conversa: o agente montou a lista curta a partir do que conseguiu extrair, e o que ele não leu não entrou na conta. Isso desloca o investimento de persuasão para legibilidade, porque não existe argumento de venda para quem foi eliminado na etapa de leitura.

A preparação de um e-commerce para agentes começa por expor em texto o que hoje está preso em imagem ou PDF. Implemente Schema.org Product e Offer em cada página de produto, com price, priceCurrency, availability, sku e gtin preenchidos, porque são essas propriedades que permitem a um agente comparar duas ofertas sem ambiguidade. Mantenha a marcação idêntica ao que aparece na tela: as diretrizes de dados estruturados do Google exigem que o conteúdo marcado esteja visível ao usuário, e marcação que diverge do texto visível é descartada inteira, não corrigida em parte. Publique também um llms.txt na raiz do domínio com o resumo do catálogo. E revise o robots.txt, porque bloqueio herdado é o defeito mais comum e mais barato de corrigir: GPTBot e OAI-SearchBot (OpenAI), ClaudeBot e Claude-SearchBot (Anthropic), PerplexityBot (Perplexity) e Google-Extended (Google) precisam estar liberados.

Já estão, em volume ainda pequeno e com trilho formal montado. A OpenAI lançou o Operator como preview de pesquisa em janeiro de 2025 e depois incorporou a navegação autônoma ao modo agente do ChatGPT; em setembro de 2025 habilitou o Instant Checkout, que finaliza a compra dentro da conversa, começando por vendedores do Etsy e lojas Shopify, com o Agentic Commerce Protocol publicado em código aberto junto à Stripe. Visa e Mastercard anunciaram no mesmo ano trilhas próprias de credencial de pagamento para uso por agentes. O que não existe é medição pública confiável de que fatia das compras já passa por agente, e percentual apresentado com casa decimal sobre esse assunto merece desconfiança. A decisão de agir não depende desse número: o custo de tornar o catálogo legível é baixo e independe de quando a curva vira.

O agente compara o que consegue extrair, e ele extrai de três lugares: dados estruturados na página, texto legível no HTML e sinais externos consistentes sobre a mesma entidade. Duas ofertas equivalentes com marcações diferentes não empatam, porque a que declara preço, disponibilidade e identificador entra na comparação, e a que mostra esses mesmos dados apenas dentro de uma imagem fica fora dela. Ambiguidade tem custo assimétrico nesse ambiente: um comprador humano pergunta, um agente descarta. Daí a ordem de trabalho ser normalizar nome, preço, especificações e disponibilidade em formato estruturado primeiro, e cuidar de diferenciação editorial depois.

Agentic commerce é o comércio intermediado por um agente que pesquisa, filtra e, cada vez mais, conclui a transação, entregando ao usuário um conjunto já curado de opções. O que define o termo em 2026 é uma camada técnica, não uma metáfora: o Agentic Commerce Protocol, aberto por OpenAI e Stripe em setembro de 2025, padroniza como um agente consulta produto, monta pedido e dispara pagamento junto ao vendedor, e o AP2 do Google trata do mesmo problema pelo lado da autorização da transação. A consequência comercial de existir protocolo é que a disputa deixa de ser pela atenção do usuário final e passa a ser pela inclusão no conjunto curado, decidida antes de qualquer tela aparecer.

B2A vale para qualquer modelo em que alguém precise escolher um fornecedor a partir de informação pública. Em serviços B2B, agentes fazem a triagem que antecede a RFP. Em SaaS, comparam funcionalidade, integração e preço de tabela. Em consultoria, pesam credenciais, publicações e casos citáveis. O denominador comum é informação verificável em formato que a máquina lê. O que muda é o tipo de marcação: e-commerce depende de Product e Offer, enquanto serviço depende de Organization, Service e Person, com sameAs apontando para fontes externas que confirmam a mesma identidade.

Schema.org Product converte a página de produto em um registro que a máquina lê sem precisar inferir: name, description, sku, gtin, brand e, dentro de offers, price, priceCurrency e availability. A diferença entre ler e inferir aparece no erro, não no acerto: sem marcação, o agente adivinha qual dos números da página é o preço, e adivinhar errado uma vez basta para a oferta sair da comparação. Uma ressalva vale contra o entusiasmo fácil com schema, e ela vem de experimento recente: a Ahrefs acompanhou 1.885 páginas que adicionaram JSON-LD entre agosto de 2025 e março de 2026 e não encontrou ganho de citação em IA atribuível ao schema isolado (Ahrefs, We Tracked 1,885 Pages Adding Schema, mai 2026). A leitura correta é que schema é pré-requisito de legibilidade, não alavanca de recomendação: ele coloca a sua oferta na mesa, e quem decide a escolha é preço, avaliação e consistência dos dados.

O custo de ignorar B2A não aparece em nenhuma linha do relatório de vendas, e é por isso que ele demora a ser percebido: o que se perde são pedidos que nunca chegaram a existir como visita. Como não há medição pública confiável da fatia de compras mediada por agente, qualquer conta de perda parte de premissa e precisa ser apresentada como premissa, não como fato. O cálculo defensável é o inverso, e é o que levo para conselho: some o custo de tornar o catálogo legível, que é marcação de produto, migração de dado de imagem para texto e revisão de robots.txt, e compare com a receita de um único pedido do seu ticket médio. Na maior parte dos e-commerces brasileiros que auditei, esse trabalho técnico se paga com poucos pedidos, o que torna a decisão independente de qualquer projeção de mercado.

Comece medindo, porque o diagnóstico define a ordem de tudo o que vem depois. Primeiro, rode de dez a vinte e cinco consultas de compra da sua categoria em ChatGPT, Gemini, Claude e Perplexity, registrando quem é citado, com quais dados e em que posição. Segundo, corrija na ordem crescente de custo: robots.txt liberado para os crawlers documentados, depois Schema.org Product e Offer com preço e disponibilidade, depois llms.txt e consistência entre site, Google Business e marketplaces. Terceiro, repita a mesma medição toda semana com o mesmo conjunto de consultas, porque comparar semanas com perguntas diferentes não mede evolução nenhuma. O primeiro ciclo completo cabe em dez dias úteis, e é esse o formato da Sprint GEO que a Brasil GEO entrega.