La colaboración entre grandes minoristas y asistentes conversacionales prometía una transformación radical: comprar sin salir del chat. Sin embargo, la iniciativa de Instant Checkout dentro de ChatGPT demostró que una integración técnica no garantiza una experiencia de compra sólida. Aunque OpenAI facilitó que los usuarios compartieran sus datos de envío y pago para pedir directamente desde el chat, las cifras mostraron una adopción muy limitada. El experimento puso en evidencia tensiones entre conveniencia, expectativas del cliente y la logística detrás de un checkout conversacional.
Walmart abrió más de 200.000 referencias para que aparecieran y pudieran comprarse dentro del chatbot, pero la realidad comercial fue tozuda: las conversiones fueron mucho menores que al enlazar a la tienda tradicional. Ese resultado llevó a la compañía a reevaluar el enfoque y a implementar una nueva solución: un asistente propio llamado Sparky que opera dentro de otras plataformas de chat, en lugar de depender del pago instantáneo de OpenAI.
El cambio subraya que la tecnología debe adaptarse a las dinámicas reales de compra, no al revés.
Por qué falló Instant Checkout
Uno de los problemas centrales fue la percepción del proceso de compra. Mucha gente teme recibir varios paquetes si cada producto se adquiere individualmente desde el chat; prefieren consolidar su pedido en un solo envío. Ese temor se tradujo en una menor disposición a completar compras iniciadas en el asistente.
Además, los artículos grandes o que requieren accesorios —como televisores y cables— no encajan bien con un flujo que compra ítem por ítem. En palabras sencillas, la experiencia rompía expectativas básicas del consumidor y por eso las tasas de conversión resultaron dañinas.
Fragmentación del carrito
La fragmentación del carrito fue otro factor decisivo: Instant Checkout tendía a procesar unidades de forma aislada, mientras que las personas acostumbra a añadir productos en distintas sesiones antes de pagar.
Walmart detectó que los compradores mezclan items entre app y web, y que forzar compras puntuales genera fricción. La nueva propuesta busca sincronizar cestas para reflejar mejor ese comportamiento y evitar compras dispersas que generan insatisfacción y más logística.
Patrones de compra y productos que funcionaron
Hubo excepciones en el experimento: artículos relativamente caros o que evitaban costes adicionales de envío vendieron mejor dentro del chat. Suplementos nutricionales y productos especializados destacaron entre los más solicitados. En conjunto, categorías como automoción, belleza, gestión del hogar, ferretería y herramientas representaron más de la mitad de los pedidos completados mediante Instant Checkout, lo que ofrece pistas útiles sobre qué funciona en un flujo conversacional y qué no.
Sparky: un asistente dentro del asistente
La respuesta de Walmart fue diseñar Sparky, un chatbot propio que se integra dentro de interfaces como ChatGPT y próximamente en Gemini. La idea es ofrecer el catálogo, sincronizar la cesta del usuario y permitir seguir conversando mientras se ajusta la compra. Technológicamente, Sparky combina modelos de IA generativa de código abierto con modelos entrenados específicamente con décadas de datos de Walmart, lo que permite enrutar consultas a la mejor versión del modelo según la pregunta.
Ese enfoque híbrido persigue dos objetivos: mejorar la calidad de las respuestas y reproducir la experiencia de la tienda, por ejemplo sugiriendo paquetes o accesorios cuando es necesario. Al pedir que los usuarios inicien sesión en Sparky, Walmart consigue sincronizar la información de pago y entrega, reduciendo la necesidad de reintroducir datos y facilitando un flujo más natural. Los responsables explican que así buscan minimizar los errores y la atención al cliente derivada de órdenes inesperadas.
Adopción y métricas
Walmart afirma que el tráfico procedente de chatbots atrae nuevos clientes a un ritmo superior al de los buscadores tradicionales, y que quienes usan Sparky gastan más por orden, con un aumento estimado del 35% en el ticket medio. A pesar de críticas y opiniones negativas en redes, la empresa asegura que la mitad de los usuarios de su app ha interactuado con el asistente, lo que sugiere interés, aunque reconoce que la herramienta aún ofrece respuestas lentas o insuficientes.
Implicaciones y camino a seguir
La experiencia confirma varias lecciones: la automatización no debe sacrificar el control del cliente; los minoristas necesitan modelos flexibles y datos propios para dar recomendaciones útiles; y los agentes de compra deben integrarse sin fragmentar la logística. Walmart no pretende bloquear agentes terceros mientras la experiencia sea adecuada, a diferencia de acciones legales recientes entre otros actores del sector. En definitiva, el futuro del agentic commerce pasará por combinar privacidad, control del usuario y flujos que respeten patrones de compra reales.
Más allá del experimento puntual, el movimiento ilustra que la tecnología conversa con la realidad comercial y que adaptar la interfaz no basta: hay que rediseñar el viaje completo del cliente. Con Sparky, Walmart apuesta por un modelo más conservador y centrado en el usuario, consciente de que la automatización total quizá nunca sea la norma para compras emocionales o complejas.
