Amazon Web Services (AWS) ha comenzado a ofrecer a minoristas de todo el mundo una solución que traslada la experiencia acumulada por Amazon en asistentes conversacionales de compra hacia entornos comerciales externos. La propuesta, denominada Agentic Shopping Assistant (ASA) en AWS, reúne arquitectura, código inicial y acompañamiento técnico para que cada minorista pueda desarrollar su propio asistente conversacional adaptado a su catálogo, reglas de negocio y tono de marca.
La iniciativa surge tras años de iteración interna en Amazon con Alexa for Shopping, un asistente conversacional que, según datos de la compañía, fue utilizado por más de 300 millones de clientes el año anterior y generó cerca de 12.000 millones de dólares en ventas incrementales. Ese aprendizaje se ha convertido en un conjunto de capacidades que AWS empaqueta ahora para terceros a través del AWS Generative AI Innovation Center, un equipo global especializado en el diseño y despliegue de soluciones basadas en IA generativa.
ASA en AWS se construye sobre servicios como Amazon Bedrock, AgentCore y OpenSearch, y se apoya en modelos como Haiku 4.5 de Anthropic. La compañía describe a Amazon como “Customer Zero”, en referencia a que cada componente ha sido probado previamente en uno de los entornos de comercio electrónico más exigentes del mundo. Aun así, cada implementación se personaliza para reflejar el inventario, la base de clientes y la identidad de marca de cada minorista, con el objetivo de que la experiencia conversacional responda a necesidades específicas y mantenga la relación directa con el consumidor.
La propuesta responde a un cambio en los hábitos de compra: los agentes conversacionales están empezando a convertirse en una interfaz habitual para la toma de decisiones, y las sesiones de compra guiadas por conversación muestran tasas de conversión superiores a las búsquedas tradicionales basadas en palabras clave. AWS sostiene que los minoristas poseen un conocimiento vertical de sus productos y categorías que no puede ser replicado por asistentes generalistas, por lo que contar con un agente propio se convierte en un elemento estratégico para preservar su diferenciación.
Uno de los primeros casos de uso es el de Kate Spade, que ha desarrollado con ASA en AWS un asistente de regalos denominado AI Gift Concierge. La herramienta se centra en un momento de compra especialmente sensible: la elección de un obsequio. Según datos citados por la marca, más de la mitad de los compradores experimenta estrés durante este proceso. El asistente mantiene un diálogo natural sobre la ocasión, el destinatario y el estilo, y transforma esa información en recomendaciones de productos alineadas con la identidad de la marca. El proyecto pasó por un periodo de pruebas de aproximadamente dos meses y medio antes de su lanzamiento público.
AWS afirma que lo que a Amazon le llevó años de desarrollo puede implementarse ahora en unas ocho semanas gracias al soporte del Generative AI Innovation Center y de socios integradores. El objetivo es que los minoristas puedan incorporar capacidades conversacionales sin afrontar ciclos largos de desarrollo ni depender de motores de respuesta generalistas que no reflejen su propuesta de valor.
La compañía enmarca esta solución dentro de un conjunto más amplio de herramientas de IA orientadas a decisiones empresariales, experiencia del cliente, contratación y otros ámbitos operativos. En el sector minorista, la apuesta se alinea con una tendencia creciente hacia la personalización basada en datos y la automatización de la interacción con el cliente, un área en la que diversas empresas tecnológicas están introduciendo soluciones similares para mejorar la navegación por catálogos extensos, reducir fricciones en la compra y aumentar la conversión.
ASA en AWS está disponible para minoristas interesados en desarrollar asistentes conversacionales propios, quienes pueden iniciar el proceso a través de los canales comerciales habituales de AWS o mediante los recursos informativos del área de Retail de la compañía.
Fuente: AWS | Editado por CDOL
