Comercio agéntico Google Cloud: Cloud Atelier

Google Cloud acaba de mostrar las cartas sobre la mesa del comercio agéntico con Cloud Atelier, una experiencia de compra basada en agentes de IA que va bastante más lejos que cualquier motor de recomendaciones tradicional. La presentación oficial, con Shaun White como cara visible, dejó números concretos sobre la mesa: Futuriza registró 20.000 virtual try-ons en un mes, un 38% de usuarios agregó productos al carrito y la conversión saltó de 3.5% a 4.7% (un 35% de mejora, que no es poco).

El comercio agéntico de Google Cloud es un enfoque donde múltiples agentes de IA especializados colaboran para ejecutar tareas complejas de retail — desde investigar tendencias hasta generar contenido visual — en lugar de limitarse a sugerir productos basados en historial de compras. Cloud Atelier es la implementación concreta que corre sobre Gemini Enterprise Agent Platform y que cualquier marca puede adaptar usando el code starter kit que Google liberó.

¿Qué es el comercio agéntico y cómo lo está impulsando Google Cloud?

El comercio agéntico es la evolución lógica — y un poco inevitable — del e-commerce asistido. No hablo de un chatbot que te tira tres productos y se queda esperando. Hablo de agentes que investigan, razonan, buscan en tu catálogo con búsqueda semántica vectorial y hasta te generan imágenes y video para que veas cómo quedaría el conjunto puesto.

Google Cloud oficializó esta visión con Gemini Enterprise for CX y puso a Cloud Atelier como caso emblemático. La diferencia con lo que veníamos viendo es que acá el agente no solo responde: ejecuta. Si le decís “quiero ropa para un viaje a Bariloche en julio, estilo urbano pero que banque el frío”, el sistema dispara agentes de clima, tendencias, ubicación y hasta busca en Google Maps qué actividades hay cerca. Después cruza todo eso con tu catálogo y te arma un lookbook digital con imágenes generadas y un QR para que sigas explorando.

¿Cómo funciona Cloud Atelier paso a paso?

El flujo arranca cuando un usuario describe el viaje o la ocasión que tiene en mente. Nada de filtros ni menús: texto libre. A partir de ahí, un agente orquestador — el Wardrobe Planner — coordina a los agentes especializados. El de clima pega una consulta a Weather API, el de tendencias busca en la web qué se está usando, el de ubicación consulta Google Maps Places API para ver actividades disponibles en destino. Toda esa data se cruza con el catálogo del retailer mediante Vector Search sobre BigQuery y Cloud Storage. Relacionado: cómo integrar la API de Gemini.

Lo interesante es el cierre: un sub-agente de generación de contenido toma las prendas seleccionadas y produce imágenes con Nano Banana 2 y video con Veo 3.1. El resultado es un lookbook digital interactivo al que accedés mediante un QR. No es un carrusel de productos: es una experiencia inmersiva pensada para que el usuario se proyecte usando lo que va a comprar (y eso explica en parte el salto de conversión que vieron en Futuriza).

¿Cuáles son los agentes específicos que intervienen en Cloud Atelier?

Google diseñó esta arquitectura con siete agentes especializados, cada uno con una herramienta concreta asignada. No son agentes genéricos que “piensan”: son agentes que actúan sobre APIs y bases de datos reales. Este es el detalle:

• Wardrobe Planner Agent: el orquestador. Recibe la consulta del usuario, la desglosa y coordina al resto. Decide qué agentes llamar y en qué orden.
• Weather Research Agent: consulta Weather API para obtener condiciones climáticas del destino y fechas del viaje.
• Travel Research Agent: busca información contextual sobre el destino: tipo de actividades típicas, códigos de vestimenta locales, eventos.
• Trends Research Agent: rastrea la web en busca de tendencias de moda actuales relacionadas con el contexto del viaje.
• Location Research Agent: usa Google Maps Places API para identificar actividades, restaurantes y puntos de interés cercanos al destino.
• Wardrobe Search Sub-Agent: ejecuta búsqueda vectorial semántica sobre el catálogo del retailer (Vector Search + BigQuery + Cloud Storage).
• Content Generation Sub-Agent: genera imágenes con Nano Banana 2 y video con Veo 3.1 para el lookbook interactivo.

La orquestación entre agentes es lo que diferencia esto de un simple pipeline. El Wardrobe Planner decide en tiempo real qué agentes disparar según la consulta. Si el usuario no menciona fechas, el agente de clima no se ejecuta (y se ahorra latencia y costo).

¿Qué resultados han obtenido retailers como Kohl’s, Lowe’s y Futuriza?

Acá es donde la cosa se pone concreta. No son promesas ni benchmarks de laboratorio: son métricas de producción.

Futuriza es el caso más documentado. En un mes registraron 20.000 virtual try-ons. El 38% de los usuarios que interactuaron con la experiencia agéntica agregó productos al carrito. La tasa de conversión pasó de 3.5% a 4.7% — un incremento del 35% que, para cualquier e-commerce, es un golazo. Si alguna vez optimizaste un funnel de compra, sabés que mover la aguja un 5% ya es para festejar; un 35% es directamente otro nivel. Para más detalles técnicos, mirá en nuestra comparativa de CI/CD 2026.

Kohl’s implementó un agente especializado de regalos para el Día de las Madres, usando Looker y Gemini para analytics conversacional. El agente no solo recomienda productos: analiza el comportamiento del usuario en tiempo real y ajusta las sugerencias sobre la marcha.

Lowe’s desarrolló Kitchen Inspiration, una aplicación que usa Gemini 2.5 Flash para búsqueda visual y diseño de cocinas. Subís una foto de tu cocina actual y el agente te propone rediseños con productos del catálogo, generando imágenes fotorrealistas de cómo quedaría.

Ojo con un detalle: los números de Futuriza son los que reportó Google en su presentación oficial. No hay auditoría independiente todavía. Tomalos con pinzas, pero la dirección es clara.

¿Cómo pueden las marcas empezar a usar Gemini Enterprise Agent Platform?

Google liberó un code starter kit público para Cloud Atelier. No es una demo cerrada: es código que cualquier equipo de desarrollo puede tomar, adaptar a su catálogo y desplegar. La arquitectura está pensada para que reemplaces las fuentes de datos (catálogo, imágenes, descripciones) por las tuyas sin tocar la lógica de orquestación.

Si querés ir por tu cuenta, el camino es Google ADK (Agent Development Kit) más Cloud Run para el despliegue. Con eso podés crear agentes personalizados que corran sobre Gemini Enterprise sin depender del template de Cloud Atelier. La recomendación de Google — y la mía también — es arrancar con un caso de uso acotado: descubrimiento de productos o recomendaciones contextuales. Nada de querer comerte el mundo en la primera iteración, que después los proyectos se caen por sobreingeniería. En si comparamos Jenkins con GitHub Actions profundizamos sobre esto.

Para equipos en Argentina y Latinoamérica, esto corre sobre Google Cloud, así que la latencia no debería ser un problema si configurás las regiones correctamente. Y si tu infraestructura actual está en otro proveedor o necesitás migrar, servicios como donweb.com tienen opciones de cloud que pueden servir de puente mientras hacés la transición.

¿Qué diferencia a Cloud Atelier de un motor de recomendaciones tradicional?

La diferencia no es de grado, es de categoría. Un motor de recomendaciones tradicional labura con historial de compras, productos vistos y filtros colaborativos. Cloud Atelier incorpora razonamiento multimodal (texto, imagen, voz), búsqueda semántica vectorial y contexto dinámico que cambia según el clima, las tendencias y hasta el estilo personal que el usuario describe en lenguaje natural.

Y después está la generación de contenido. Un motor tradicional te escupe una grilla de productos. Cloud Atelier te genera imágenes con Nano Banana 2 mostrando cómo combinar las prendas y video con Veo 3.1. Es la diferencia entre que te digan “este buzo combina con este pantalón” y que te muestren una foto tuya (bueno, de un modelo con tus características) usándolos en el destino de tu viaje.

Característica	Motor de recomendaciones tradicional	Cloud Atelier (Gemini Enterprise)
Entrada del usuario	Filtros, historial de compras	Lenguaje natural, texto libre
Contexto	Sesión actual + histórico	Clima, ubicación, tendencias, actividades
Búsqueda en catálogo	Filtros por atributos, SQL	Búsqueda vectorial semántica (Vector Search)
Razonamiento	Reglas predefinidas, ML supervisado	Agentes autónomos con herramientas (APIs, Maps)
Output	Grilla de productos	Lookbook con imágenes generadas (Nano Banana 2) y video (Veo 3.1)
Interactividad	Click en producto, add to cart	QR a experiencia inmersiva, virtual try-on
Adaptabilidad	Reentrenamiento periódico	Code starter kit modificable, agentes custom con ADK

Errores comunes al implementar agentes de IA en retail

Habiendo visto varios proyectos de este estilo en los últimos años, hay patrones que se repiten. Estos son los tres errores que más veo:

1. Tratar al agente como un chatbot glorificado. El error clásico es implementar el agente como una capa fina sobre el buscador existente, con un poco de NLP para entender la consulta. Cloud Atelier funciona porque los agentes ejecutan acciones reales sobre APIs externas y generan contenido nuevo. Si tu “agente” solo reformula la consulta y la tira contra Elasticsearch, no es comercio agéntico: es un search con onda.

2. No gobernar el catálogo antes de conectarlo. La búsqueda vectorial semántica es brutalmente efectiva, pero también es brutalmente sensible a datos inconsistentes. Si tu catálogo tiene descripciones incompletas, imágenes de baja calidad o atributos contradictorios, el agente va a devolver resultados que parecen correctos pero no lo son. Y el usuario no tiene forma de saberlo. Limpiá el catálogo antes de enchufarle agentes. Te puede servir nuestra cobertura de te recomendamos ver la comparativa Gemini vs GPT.

3. Medir solo conversión y olvidar la experiencia. Sí, el 35% de mejora de Futuriza es tentador. Pero si medís solo conversión, te perdés lo que está pasando en el medio: ¿el usuario entendió lo que el agente le propuso? ¿Volvería a usar la experiencia? ¿La recomendaría? Poné métricas de satisfacción y usabilidad desde el día uno, no después de tres meses cuando ya está todo codeado.

Preguntas Frecuentes

¿Qué es Cloud Atelier?

Cloud Atelier es una experiencia de compra agéntica desarrollada por Google Cloud sobre Gemini Enterprise Agent Platform. Coordina múltiples agentes de IA especializados para investigar destino, clima, tendencias y ubicación, cruzar esa información con el catálogo del retailer mediante búsqueda vectorial, y generar imágenes y video personalizados con Nano Banana 2 y Veo 3.1.

¿Cómo funciona Gemini Enterprise Agent Platform en retail?

La plataforma permite crear y orquestar agentes de IA que ejecutan acciones concretas — consultar APIs, buscar en catálogos, generar contenido visual — en respuesta a consultas en lenguaje natural de los usuarios. Se despliega sobre Google Cloud usando el Agent Development Kit (ADK) y Cloud Run, y ya tiene casos en producción con Kohl’s, Lowe’s y Futuriza.

¿Qué resultados concretos ha tenido Futuriza con Gemini?

Futuriza registró 20.000 virtual try-ons en un mes. El 38% de los usuarios que usaron la experiencia agéntica agregó productos al carrito. La tasa de conversión pasó de 3.5% a 4.7%, un incremento del 35% respecto al funnel tradicional.

¿Qué agentes componen la experiencia de Cloud Atelier?

Son siete agentes: Wardrobe Planner (orquestador), Weather Research (Weather API), Travel Research, Trends Research (búsqueda web), Location Research (Google Maps Places API), Wardrobe Search (Vector Search sobre BigQuery y Cloud Storage) y Content Generation (Nano Banana 2 para imágenes, Veo 3.1 para video).

¿Cómo pueden las marcas empezar con agentes de IA para comercio?

Google liberó un code starter kit público de Cloud Atelier que cualquier equipo puede adaptar a su catálogo. La alternativa es crear agentes desde cero con Google ADK y desplegarlos en Cloud Run. Lo recomendable es arrancar con un caso acotado como descubrimiento de productos o recomendaciones contextuales.

Conclusión

El comercio agéntico dejó de ser un concepto de whitepaper. Google Cloud puso código público, métricas de producción y una arquitectura de agentes que cualquier retailer puede adaptar. El 35% de mejora en conversión de Futuriza es el número que va a hacer que más de un gerente de e-commerce pida una prueba piloto para la semana que viene.

Ahora bien, la parte que no está resuelta — y que ningún comunicado de prensa va a mencionar — es la gobernanza. Cuando tenés siete agentes tomando decisiones en cadena, ¿quién audita que la recomendación final tenga sentido? ¿Qué pasa si el agente de clima devuelve datos desactualizados y el lookbook sugiere ropa de verano para un destino en invierno? La tecnología es sólida. La responsabilidad sobre el output sigue siendo del retailer, no de Google.

Si estás en e-commerce y no tenés a nadie mirando esto, es momento de poner a una persona — no un agente — a evaluar el code starter kit y armar un roadmap de experimentación.

Fuentes

• Google Cloud Transform – Gemini Enterprise está rediseñando el manual del retail — artículo oficial con los casos de Kohl’s, Lowe’s y Futuriza.
• Google Cloud en X – Anuncio de Cloud Atelier con Shaun White — presentación oficial del producto y code starter kit.
• Revista Cloud – Google Cloud acelera el comercio agéntico con Gemini Enterprise — análisis de la unificación de compra y atención al cliente.
• Marketing Directo – El arsenal de agentes: así surfea Google la ola del comercio agéntico — cobertura del ecosistema de agentes de Google Cloud para retail.