Agentes de Compras com IA da Amazon Encontram Resistência Enquanto Varejistas e Bancos os Bloqueiam

Os agentes de compras com IA da Amazon chegaram a uma contradição evidente: a Amazon quer que seu próprio software compre em outros lugares enquanto bloqueia agentes externos em seu marketplace. O conflito agora vai além de um único varejista. O eBay restringe bots de compra não autorizados, enquanto JPMorgan Chase e Charles Schwab bloqueiam agentes não aprovados de contas de clientes.

As restrições expõem um problema estrutural do comércio agêntico, no qual um software busca, compara e realiza transações para um usuário. Esses agentes precisam de acesso a lojas, métodos de pagamento, históricos de conta e preferências pessoais. No entanto, cada conexão cria riscos de segurança, responsabilidade e concorrência para a empresa que controla esses dados.

A Meta argumenta que rejeitar um agente pessoal significa rejeitar o cliente que o autorizou. A Amazon vê um agente externo não identificado entrando em uma conta, coletando dados e alterando a experiência de compra sem permissão. Ambas as posições parecem razoáveis. Elas também não podem coexistir sem regras compartilhadas para identidade, consentimento e responsabilização.

O resultado não é a web comercial aberta prometida pelos desenvolvedores de IA. É uma rede emergente de parcerias aprovadas, plataformas restritas e assistentes proprietários. A batalha mais importante já não é se um agente de IA consegue encontrar um produto. É quem poderá se colocar entre o cliente e a transação.

Agentes de Compras com IA da Amazon Encontram uma Porta Fechada

O bloqueio da Amazon transforma as compras agênticas de um desafio de software em uma disputa de acesso.

O confronto imediato se concentra no agente Muse da Meta. A Amazon bloqueou o Muse de navegar e comprar produtos em seu marketplace menos de duas semanas após o lançamento do assistente, segundo uma reportagem sobre acesso de agentes. A Amazon afirmou que a Meta não havia obtido permissão para acessar contas de clientes, coletar dados do marketplace ou processar transações.

Um porta-voz da Amazon afirmou que aplicativos de terceiros que fazem compras em outras empresas devem operar de forma aberta. A empresa também disse que esses aplicativos devem respeitar a decisão de um provedor de serviços sobre sua participação. Portanto, sua objeção vai além de um bot com mau funcionamento. A Amazon questiona a premissa de que a autorização de um cliente concede automaticamente a um agente permissão para entrar nos sistemas da Amazon.

O Muse não é o primeiro assistente a se deparar com essa posição. A Amazon já havia bloqueado a tecnologia de compras da Perplexity e levado a disputa aos tribunais. A Amazon alegou que a Perplexity continuou operando agentes em seu site depois de receber ordem para parar.

A Perplexity defendeu seu assistente como uma extensão do cliente. Segundo essa teoria, um agente que usa uma conta deveria ter o mesmo direito básico de navegar e realizar transações que a pessoa que o orienta. A disputa continua relevante porque questiona se a delegação a um software altera a identidade jurídica de um visitante comum de um site.

O litígio inicial produziu sinais mistos. Um tribunal distrital federal restringiu inicialmente o acesso da Perplexity por meio de uma liminar. Mais tarde, um tribunal de apelação anulou essa ordem após concluir que era improvável que a Amazon prevalecesse nas alegações de acesso a computadores que sustentavam a liminar. A Amazon então apresentou uma petição alterada, de modo que o conflito mais amplo permaneceu sem solução.

Esse histórico é importante porque restrições técnicas e legais reforçam umas às outras. Um varejista pode detectar automação conhecida, questionar sessões incomuns, limitar o acesso a contas ou bloquear tráfego específico. Também pode usar contratos e litígios para desencorajar desenvolvedores a buscar soluções técnicas alternativas.

O eBay adotou uma abordagem igualmente restritiva por meio de suas regras de uso. Suas políticas proíbem agentes automatizados de acessar o marketplace sem autorização prévia. As restrições incluem sistemas que fazem pedidos sem uma revisão humana significativa.

Outros serviços traçaram seus próprios limites. O Yelp exige que agentes usem um canal aprovado de licenciamento de dados. A Delta Air Lines restringe agentes externos não autorizados de reservar voos. Agentes também teriam encontrado barreiras na Amtrak, Cars.com e Kohl’s.

Esses exemplos mostram que um agente pode funcionar perfeitamente em uma demonstração e ainda falhar no uso normal. Sistemas antibot foram criados para impedir coleta automatizada de dados, roubo de credenciais, manipulação de estoque e transações fraudulentas. Eles não reconhecem automaticamente a diferença entre um bot malicioso e um assistente legítimo executando o pedido de um cliente.

Essa ambiguidade enfraquece uma promessa central dos agentes voltados ao consumidor. Um assistente não consegue concluir uma tarefa de forma confiável se cada destino usa regras de acesso diferentes. Ele pode pesquisar um produto, identificar a melhor oferta e preparar um pedido, apenas para parar quando começam o login ou o checkout.

O conflito é especialmente marcante porque a Amazon não rejeita a ideia de comércio mediado por IA. Ela desenvolveu seus próprios assistentes de compras e usa IA em toda a descoberta de produtos. A posição da Amazon é mais restrita, mas comercialmente mais significativa: agentes externos não podem presumir que têm o mesmo acesso que os próprios sistemas da Amazon.

A Disputa é Sobre o Controle do Cliente, Não Apenas Segurança

A parte que controla a interface de compras pode influenciar a descoberta, a publicidade, a coleta de dados e a venda final.

As preocupações de segurança da Amazon são críveis. Um agente de compras pode exigir acesso a endereços, históricos de pedidos, credenciais de pagamento e configurações de conta. Um agente que oculta sua identidade ou armazena credenciais de forma insegura cria riscos que a Amazon precisa administrar quando algo dá errado.

Ainda assim, a segurança não explica totalmente a resistência. Agentes de compras independentes podem enfraquecer a engrenagem comercial que torna um marketplace valioso. Eles podem ignorar listagens promovidas, comparar preços entre lojas concorrentes e selecionar produtos sem seguir a jornada do cliente preferida pela plataforma.

O comércio eletrônico tradicional pressupõe atenção humana limitada. Compradores raramente analisam todos os vendedores, calculam todos os preços finais entregues ou reconsideram cada assinatura. Marketplaces usam classificações, recomendações, avaliações, promoções e publicidade para moldar decisões dentro desses limites.

Um comprador automatizado se comporta de forma diferente. Ele pode monitorar várias lojas continuamente, comparar políticas de envio e devolução e esperar por uma condição precisa. Não fica impaciente, não clica por hábito em uma marca conhecida nem abandona uma busca após abrir várias abas.

Esse comportamento pode beneficiar consumidores. Também ameaça a receita publicitária e a influência das plataformas. Se um agente externo faz a recomendação, a Amazon perde parte do controle sobre quais produtos recebem atenção. Se o agente conduz o checkout, o provedor de IA pode se tornar o principal relacionamento com o cliente.

A resposta da Meta torna essa disputa explícita. Após relatos de que sites estavam bloqueando o Muse, a Meta argumentou que empresas compartilham interesses comerciais com desenvolvedores de agentes. A empresa afirmou que rejeitar um agente pessoal significa rejeitar o cliente representado por esse software.

A Meta associou esse argumento a parcerias aprovadas com varejistas. Walmart, Gap, Sephora e Best Buy apoiaram formas autorizadas de o Muse ajudar clientes a comprar. A Shopify também permitiu que lojas em sua rede participassem de canais de compra assistida por IA.

Esses acordos revelam o compromisso emergente. Os varejistas não estão simplesmente escolhendo entre agentes e ausência de agentes. Eles estão escolhendo quais agentes recebem acesso, quais informações podem recuperar e quais ações podem concluir.

A Tapestry ilustra essa distinção. A proprietária da Coach e da Kate Spade restringiu compras feitas por agentes não autorizados nos sites de suas marcas. Ao mesmo tempo, produtos selecionados podem ser comprados por meio de experiências aprovadas do Google, com confirmação explícita do cliente exigida para cada transação.

Esse modelo protege a capacidade do varejista de negociar termos. Uma integração aprovada pode identificar o agente, limitar as ações disponíveis, registrar o consentimento e definir responsabilidades. Um agente de navegador não aprovado pode tentar executar muitas das mesmas tarefas sem qualquer relação comercial formal.

O resultado se assemelha a disputas anteriores entre plataformas sobre indexação em mecanismos de busca, lojas de aplicativos, referências de redes sociais e agregadores de viagens. Empresas recebem bem o tráfego quando ele gera vendas incrementais. Elas resistem a intermediários que capturam dados de clientes, exigem uma comissão ou enfraquecem relações diretas.

A posição da Amazon contém uma inversão adicional. Sua própria abordagem “Buy for Me” permite que um assistente da Amazon compre produtos de varejistas externos. A análise de pagamentos do FMI descreve o assistente da Amazon navegando por sites de terceiros e concluindo transações para clientes.

Assim, a Amazon quer ter a capacidade de enviar seu agente para fora, enquanto mantém o controle sobre agentes que entram. Isso é estrategicamente lógico, mas não é um modelo de agentes abertos. É uma disputa entre plataformas que buscam se tornar a porta de entrada preferida para o comércio.

Se a interface da Amazon controla a solicitação, a Amazon pode moldar a recomendação e manter visibilidade sobre a transação. Se Muse, ChatGPT, Gemini ou outro assistente controla a solicitação, esse provedor obtém uma visão da intenção do consumidor antes de o varejista vê-la.

Dados de intenção são excepcionalmente valiosos. Uma busca por produto mostra o que alguém está considerando. Um agente persistente pode conhecer o orçamento, o momento, as preferências, as compras anteriores e a disposição do cliente para trocar de marca. Ele também pode saber quais alternativas o cliente rejeitou.

A interface vencedora poderia influenciar muito mais do que pedidos individuais. Poderia decidir quais comerciantes são considerados, quais produtos parecem comparáveis e quando uma compra deve acontecer. É por isso que o debate sobre acesso de bots está se tornando uma disputa por poder de mercado.

Bancos Enxergam um Problema de Autorização que Varejistas Não Conseguem Resolver Sozinhos

Um agente de IA precisa de mais do que um número de cartão de crédito; precisa de autoridade verificável para agir dentro de limites que todos os participantes entendam.

JPMorgan Chase e Charles Schwab confirmaram que bloqueiam agentes não autorizados de contas de clientes. Sua cautela reflete uma versão mais difícil do problema do varejo. Uma busca de produto malsucedida é inconveniente. Uma transferência, ordem de investimento ou pagamento incorreto pode causar dano financeiro imediato.

Um banco deve distinguir o cliente, o dispositivo do cliente e qualquer software que atue em nome do cliente. Também precisa determinar o que o cliente realmente aprovou. Credenciais de login, por si só, não respondem a essas perguntas.

Considere um agente instruído a comprar tênis de corrida abaixo de um orçamento. O usuário autorizou uma transação ou monitoramento recorrente? O agente pode escolher uma marca diferente? Pode aceitar uma assinatura, um plano de parcelamento ou um produto substituto? A aprovação cobre impostos e frete acima do limite declarado?

A incerteza aumenta quando um agente lida com tarefas financeiras. Um pedido para melhorar os retornos pode envolver transferir economias, vender um investimento ou abrir uma conta. Cada ação tem divulgações, riscos e consequências legais diferentes.

A autenticação comprova que alguém pode entrar em uma conta. A autorização delegada deve comprovar que um agente específico pode executar uma ação específica para um cliente específico. Ela também precisa de limites, expiração, revogação e uma trilha de auditoria.

A estrutura do FMI separa intenção, autorização e liquidação em camadas distintas. Um software de raciocínio pode interpretar um objetivo e preparar uma transação. Os sistemas de pagamento determinísticos ainda devem controlar a autorização final e a liquidação.

Essa separação resolve uma incompatibilidade técnica fundamental. Grandes modelos de linguagem geram resultados de forma probabilística, o que significa que a mesma solicitação pode produzir interpretações diferentes. A liquidação de pagamentos exige regras previsíveis, registros finais e responsabilização clara.

As redes de cartões estão desenvolvendo infraestrutura em torno dessa distinção. A Visa afirma que seus sistemas de comércio agêntico identificam agentes confiáveis, preservando os controles definidos pelo consumidor. Seu programa europeu usa passkeys de pagamento para autenticar titulares de cartões e distinguir agentes aprovados.

Em julho de 2026, a Visa afirmou que agentes haviam concluído compras reais com comerciantes europeus independentes por meio de sua infraestrutura. Mais de 30 emissores participaram, incluindo Barclays, BBVA, HSBC UK, ING, Lloyds Banking Group, NatWest e Revolut. Segundo o programa de comércio da Visa, as transações operaram dentro de parâmetros definidos pelos clientes.

Esse desenvolvimento complica a alegação de que os bancos estão simplesmente excluindo os agentes. Instituições financeiras estão rejeitando acessos não autorizados enquanto participam de transações controladas por agentes. A linha divisória não é a automação em si. É se os participantes conseguem verificar identidade, autoridade e responsabilidade.

Um sistema controlado pode emitir um token em vez de expor todas as credenciais do cartão do cliente. O token pode impor limites quanto ao comerciante, valor, prazo e tipo de transação permitido. Ele também pode identificar o agente separadamente do cliente.

Esses controles se tornam críticos durante disputas. Se um agente compra o item errado, os participantes precisam determinar se o comerciante cumpriu o pedido, se o agente excedeu seu mandato ou se o cliente forneceu instruções ambíguas. Os sistemas existentes de contestação de pagamentos não foram projetados para responder a todos os pontos dessa cadeia.

A fraude cria outro desafio. Criminosos podem atacar o agente, manipular as informações que ele lê ou sequestrar as credenciais que o conectam a uma conta. Uma página maliciosa de produto pode conter instruções destinadas a redirecionar um navegador automatizado. Um agente comprometido pode fazer solicitações aparentemente válidas por meio de uma sessão confiável do cliente.

Os agentes também podem apresentar comportamentos que se assemelham a fraude sem intenção maliciosa. Centenas de solicitações automatizadas, verificações rápidas de preços, alterações repetidas no carrinho e padrões incomuns de login podem acionar sistemas criados para impedir abusos. Os varejistas não podem desativar essas defesas com segurança apenas porque alguns bots representam clientes reais.

A solução prática provavelmente envolverá agentes registrados, identidade criptográfica, tokens restritos e mandatos explícitos de transação. Nenhum desses elementos, isoladamente, resolve a disputa comercial. No entanto, eles oferecem a bancos e comerciantes uma alternativa mais segura do que aceitar um bot invisível usando credenciais comuns de conta.

Consumidores Querem Economizar, mas Ainda Temem Perder o Controle

O comércio agêntico enfrenta uma lacuna de confiança, mesmo que as plataformas resolvam suas disputas de acesso.

Empresas de IA frequentemente descrevem agentes de compras como softwares que economizam tempo. Os casos de uso mais fortes são fáceis de entender: comparar preços, acompanhar uma tarifa, apresentar um pedido de reembolso ou recomprar um produto rotineiro. Essas tarefas consomem atenção sem oferecer muita satisfação.

Um agente também pode continuar trabalhando quando uma pessoa pararia. Ele pode verificar diversas políticas de devolução, monitorar mudanças no estoque e retomar uma busca mais tarde. Essa persistência cria valor real para o consumidor, especialmente em compras repetitivas ou administrativas.

Uma pesquisa encomendada pela Visa concluiu que valor e conveniência despertam interesse. Em uma pesquisa nos Estados Unidos com 1.600 consumidores, 39% identificaram a comparação de preços como uma motivação para usar um assistente de compras com IA. Encontrar novos produtos e economizar tempo atraíram 38% cada.

O mesmo estudo sobre confiança do consumidor identificou preocupações muito mais profundas em torno dos dados necessários. A segurança dos dados preocupava 48% dos entrevistados. Privacidade e precisão das compras preocupavam 44% cada, enquanto a confiabilidade do serviço preocupava 40%.

Apenas 7% disseram não ter nenhuma das preocupações listadas. Um quarto afirmou que não compartilharia nenhuma informação pessoal com um agente de compras. Esses resultados desafiam a suposição de que a conveniência superará automaticamente a hesitação.

O controle sobre os dados coletados foi especialmente importante. Sessenta e dois por cento consideraram esse controle muito importante, enquanto outros 23% o consideraram importante. Apenas cerca de um em cada cinco disse que teria muita ou extrema probabilidade de usar um agente se não pudesse controlar suas práticas de dados.

A confiança também varia fortemente conforme o fornecedor. Na mesma pesquisa, 53% dos entrevistados americanos disseram que se sentiriam confortáveis em usar um serviço de compras da Amazon. PayPal veio em seguida, com 45%, e Visa, com 34%. OpenAI alcançou 25%, enquanto Meta chegou a 13%.

Essas conclusões dão à Amazon uma vantagem estratégica. Os consumidores podem confiar mais no marketplace que já processa suas compras do que em um fornecedor externo de IA que solicita amplo acesso à conta. A Amazon pode apresentar suas restrições como proteção enquanto direciona clientes para seu próprio assistente.

No entanto, a confiança na Amazon não resolve o conflito. Um agente controlado pela plataforma pode favorecer produtos, serviços ou relações comerciais ligados a essa plataforma. Os consumidores precisam saber se uma recomendação otimiza seus interesses, a receita da plataforma ou uma parceria negociada.

Agentes independentes enfrentam o problema oposto. Eles podem alegar que pesquisam de forma mais ampla e representam o comprador, mas ainda precisam de um modelo de negócios. Se o usuário não paga diretamente, comissões, integrações preferenciais ou posicionamento patrocinado podem influenciar os resultados.

Isso cria um triângulo difícil. Os consumidores querem um agente que pesquise amplamente, proteja seus dados e aja exclusivamente em seu nome. Os varejistas querem um software identificável que respeite as regras da plataforma. Os fornecedores de IA precisam de receita e acesso confiável para concluir tarefas.

Nenhum participante pode satisfazer os três objetivos apenas com automação de navegador. Um bot que se comporta como uma pessoa pode alcançar mais sites, mas reduz a transparência. Uma integração rigidamente aprovada melhora a responsabilização, mas pode restringir as escolhas do agente.

O risco é que o comércio agêntico recrie o mesmo controle de acesso que promete superar. Um usuário pode pedir o melhor produto disponível, mas receber opções apenas de comerciantes participantes. A experiência pode parecer abrangente enquanto exclui silenciosamente lojas que rejeitaram os termos do fornecedor.

Essa limitação deve ser visível. Os agentes precisam informar quais marketplaces pesquisaram, quais bloquearam o acesso e se parcerias moldaram os resultados. Caso contrário, uma recomendação sofisticada pode ocultar um mercado fragmentado.

Os usuários também precisam de uma confirmação significativa antes de ações relevantes. A aprovação deve mostrar o produto, valor final, vendedor, condições de entrega e fonte de pagamento. Um comando vago dado horas antes não deve substituir o consentimento informado quando as circunstâncias mudam.

O mesmo princípio se aplica após o checkout. Devoluções, cancelamentos, garantias e suporte ao cliente podem ser mais complicados do que a própria compra. Se o agente desaparece após o pagamento, a promessa de conveniência cobre apenas a parte mais simples da transação.

É por isso que os bloqueios atuais não devem ser descartados como simples resistência à inovação. Alguns protegem modelos de negócios existentes, mas outros revelam falhas de produto ainda não resolvidas. Um agente que não consegue explicar seu mandato, proteger credenciais ou apoiar uma disputa não está pronto para controlar uma transação financeira.

O Que Decidirá o Futuro do Comércio Agêntico

A próxima fase depende de a indústria conseguir substituir a automação disfarçada por delegação reconhecida, limitada e auditável.

O primeiro sinal a observar é o litígio da Amazon envolvendo a Perplexity. A decisão em apelação enfraqueceu uma tentativa inicial de impedir o acesso de agentes por meio da legislação sobre acesso a computadores, mas não estabeleceu um direito amplo de agentes entrarem em plataformas privadas. O caso alterado ainda pode moldar como os tribunais interpretam autorização, delegação de conta e restrições contratuais.

Uma decisão favorável à Amazon reforçaria o modelo de permissão plataforma por plataforma. Fornecedores de IA precisariam negociar integrações com grandes varejistas ou correriam o risco de perder funções centrais de compras. Uma decisão favorável à Perplexity reforçaria o argumento de que clientes podem delegar a navegação comum a softwares.

Nenhum resultado resolveria todas as questões. Os varejistas ainda operariam sistemas antibot e controlariam serviços autenticados. Os tribunais podem definir limites legais, mas o acesso técnico pode continuar pouco confiável sem cooperação.

O segundo sinal é o crescimento de padrões verificados de pagamento. As transações europeias reais da Visa mostram que compras controladas por agentes são possíveis quando comerciantes, emissores e redes participam. A métrica importante não é o número de demonstrações. É se esses sistemas se expandem entre comerciantes independentes e dão suporte a disputas rotineiras.

Padrões bem-sucedidos precisam transportar mais do que credenciais de pagamento. Eles devem expressar a intenção do usuário, identificar o agente, especificar limites de gastos e registrar a confirmação. Também precisam de mecanismos de revogação para quando um cliente muda de ideia ou um agente é comprometido.

Se redes de cartões e bancos disponibilizarem essas ferramentas de forma ampla, os argumentos de segurança contra todas as transações por agentes enfraquecerão. As plataformas ainda poderiam rejeitar agentes externos por razões comerciais, mas teriam mais dificuldade em apresentar toda compra automatizada como uma ameaça não identificada.

O terceiro sinal é como os varejistas estruturam parcerias aprovadas. Os acordos da Meta com Walmart, Gap, Sephora e Best Buy oferecem um modelo. Os canais de comércio aprovados pelo Google e a participação da Shopify oferecem outros.

A questão crucial é se esses sistemas permanecerão interoperáveis. Um padrão aberto poderia permitir que um consumidor escolhesse um agente e o usasse em muitos comerciantes. Uma coleção de acordos exclusivos produziria zonas comerciais separadas, cada uma com seu próprio assistente, catálogo e regras de pagamento.

O modelo fechado é mais fácil de controlar para grandes empresas. A Amazon pode promover seu próprio assistente dentro da Amazon, enquanto um fornecedor de IA pode favorecer comerciantes que suportam seu protocolo. O cliente recebe conveniência, mas apenas dentro dos limites negociados pelas plataformas.

O modelo aberto é mais difícil porque a responsabilidade precisa atravessar várias partes. O varejista precisa confiar no agente. O banco precisa confiar na autorização do cliente. O cliente precisa ter visibilidade sobre recomendações e ações finais.

Os reguladores acabarão examinando essas relações, especialmente quando recomendações e pagamentos se fundirem. As regras de divulgação talvez precisem distinguir recomendações orgânicas de resultados patrocinados ou orientados por comissões. Órgãos de defesa do consumidor também precisarão de respostas claras sobre responsabilidade quando um agente interpreta mal uma solicitação.

Desenvolvedores devem observar a qualidade do acesso tão atentamente quanto a inteligência dos modelos. Um raciocínio melhor não ajuda se o agente não consegue acessar o estoque, autenticar-se com segurança ou concluir o checkout. Integrações confiáveis podem se tornar mais valiosas do que melhorias marginais na navegação autônoma.

Os compradores empresariais devem perguntar se um agente opera por meio de interfaces aprovadas ou se imita uma pessoa. Também devem examinar como as credenciais são armazenadas, quais ações exigem confirmação e se cada transação gera um registro de auditoria.

Os consumidores devem tratar o acesso amplo às contas com cautela. Um agente de compras útil não precisa de autoridade ilimitada. Permissões restritas, limites de gastos, comerciantes aprovados e confirmação a cada transação oferecem pontos de partida mais seguros.

Os agentes de compras com IA da Amazon estão agora no centro de uma escolha maior. O setor pode desenvolver uma delegação transparente, na qual o software se identifica abertamente e atua dentro de limites verificáveis. Ou pode dividir o comércio em plataformas concorrentes que aceitam apenas assistentes favorecidos.

Observe quais agentes conseguem concluir compras comuns sem se ocultar, quais comerciantes publicam políticas de acesso estáveis e quais bancos oferecem suporte a mandatos revogáveis. Esses sinais mostrarão se o comércio agêntico está se tornando um mercado consumidor real ou apenas mais um conjunto de recursos controlados por plataformas.