#Prólogo
Para cuando un vendedor B2B escuche de un comprador en 2026, el acuerdo ya se habrá ganado o perdido. Seis estudios independientes del lado del comprador publicados entre mediados de 2025 y el primer trimestre de 2026 — el 2025 Buyer Experience Report de 6sense (4,510 compradores, NA + EMEA + APAC), el State of Business Buying 2026 de Forrester (18,000 compradores), el Answer Economy Report de G2 (1,076 compradores, abril 2026), el B2B Pulse de McKinsey (más de 30,000 encuestados acumulados desde 2016), el pronóstico principal del IT Symposium / Xpo 2025 de Gartner y el 2025 CPO Survey de EY — convergen en un solo número: aproximadamente el 95% de los proveedores ganadores ya están en la lista corta del Día Uno, un aumento desde el 85% tan reciente como 2023. La lista corta en sí misma se arma cada vez más dentro de un chatbot de IA. El 51% de los compradores de software ahora comienzan su investigación en ChatGPT, Claude o Perplexity antes de tocar Google. Los chatbots de IA son la fuente número uno que influye en esas listas cortas, con un 54%. El 69% de los compradores eligieron un proveedor diferente al que habían planeado originalmente debido a la orientación del chatbot. Un tercio compró de un proveedor del que nunca habían oído hablar antes de que el chatbot lo recomendara.
Este documento es el espejo del lado del comprador de GEO/AEO 2026: The Citation Economy and the Discovery Layer of B2A y el espejo del lado de las adquisiciones de The MCP Server Playbook for SaaS Founders. El primer documento describió la superficie de citas que los asistentes de IA ahora usan para poblar sus respuestas; este documento describe el comportamiento de compra al otro lado de esa superficie — lo que el equipo de adquisiciones humano + agent hace realmente con la respuesta que recibe. Está diseñado para leerse una vez, en su totalidad, por cada fundador B2B, CMO, líder de RevOps y CPO antes de que rediseñen su plan de salida al mercado o de selección de proveedores para 2026. Los datos se reportan tal como aparecen en las fuentes primarias, con las 111 referencias al final indexadas en línea. Donde los estudios discrepan — y lo hacen, en la duración del ciclo, las proporciones de piloto a escala y el sentimiento hacia la precisión de genAI — las discrepancias se destacan explícitamente en lugar de promediarlas.
#Resumen Ejecutivo
El hallazgo principal en los seis estudios es que las compras B2B ahora son mayormente invisibles para los vendedores y cada vez más mediadas por agents de IA en ambos lados. El 94% de los compradores B2B usan modelos de lenguaje grandes en alguna parte del proceso de compra, según las muestras de 6sense y Forrester. El 51% de los compradores de software comienzan su investigación en un chatbot de IA, un aumento desde el 29% en abril de 2025 — un salto del 71% en once meses, el cambio de participación de canal más rápido que G2 haya registrado. El 71% de los compradores ahora dependen de chatbots durante la investigación, un aumento desde el 60% en el mismo período.
El ciclo de compra se ha comprimido. 6sense reporta que la duración del ciclo cayó de 11.3 meses a 10.1 meses en doce meses. La mezcla de tiempo dentro del ciclo ha cambiado de aproximadamente 70% Selección / 30% Validación a 60% / 40%, lo que significa que una fracción aún mayor del viaje ocurre antes de que un proveedor sepa que el comprador existe. El 80% de las conversaciones con vendedores ahora son iniciadas por el comprador. El 89% de las compras incluyen requisitos de características de IA como base. El 94% de los grupos de compra han clasificado a los proveedores en su orden preferido antes de una sola reunión con el vendedor.
Las adquisiciones ya no son un sello al final del ciclo. Forrester encuentra que los profesionales de adquisiciones son tomadores de decisiones en el 53% de los ciclos y están involucrados desde el principio. El grupo de compra B2B mediano es 13 partes interesadas internas + 9 influenciadores externos, con el conteo duplicándose a 14 internas versus 7 externas para compras que incluyen características de genAI — porque la inclusión de genAI atrae a seguridad, legal, finanzas y riesgo de maneras que el software tradicional no lo hace. Las pruebas ahora son obligatorias: más del 60% de todos los compradores ejecutan una prueba; el 78% de los acuerdos de más de $10M ejecutan una prueba; poco más de un tercio de las pruebas pagadas se convierten en contratos completamente pagados.
Las implementaciones de proveedores ya no son demos. Coupa cerró el cuarto trimestre de FY26 como un trimestre récord, procesando $545B de gasto a través de la plataforma en un solo trimestre sobre $9.5T de datos de transacciones propietarios acumulados y más de $300B en ahorros acumulados para clientes, con Coupa Navi (construido sobre Amazon Bedrock) operacionalizado en más de 1,300 clientes incluyendo Xylem (ahorros del 15% en RFP), Jabil ($13M de visibilidad desbloqueada), NFI (70% de automatización de PO), American Airlines y UPS. SAP lanzó su next-gen Ariba en el primer trimestre de 2026 — una reconstrucción arquitectónica completa sobre SAP BTP, llamándose a sí misma la "primera suite source-to-pay nativa de IA", con más de 30 agents especializados de Joule, más de 2,500 Joule Skills e integración con Icertis Contract Intelligence; el SOW asistido por IA de SAP Fieldglass ya muestra una reducción del 70% en tiempo y del 50% en riesgo de resultados pobres. JAGGAER JAI (junio 2025) incluye agents source-to-pay integrados — BOM-Based Supplier Selector, Quote-to-PR, Category Strategy, Contract Compliance, Supplier Performance & Risk, Spend Forecasting, Fraud & Compliance Audit — con más de 11 casos públicos de clientes incluyendo la transformación en seis fases de Danish Crown, la reducción del 50% en tiempo de licitación de la University of Queensland, la automatización de PO casi al 100% de Belimo, ifm (6,000 empleados) y el desbloqueo de $30M en capital de trabajo de Alkermes. GEP SMART + GEP Qi fueron nombrados Everest Group Luminary en el Agentic AI Innovation Watch de enero 2026 y clasificados #1 en la Hackett Digital World Class Matrix para la gestión del ciclo de vida de contratos. Pactum ejecuta negociaciones autónomas con proveedores para más de 50 clientes Global 2000 — Walmart, Suez, Honeywell, Bristol Myers Squibb — entregando ahorros del 3–10% en gasto negociado, 500% más negociaciones con proveedores que las bases manuales, ROI de 90 días y despliegues de 2–4 semanas a través de 12 agents especializados.
La predicción de Forrester para 2026 es que el 20% de los vendedores B2B se verán obligados a participar en negociaciones de cotizaciones lideradas por agents dentro del año. Andy Jassy le dijo a los accionistas de Amazon en febrero de 2026 que "los clientes dependerán cada vez más de agents que puedan navegar, comparar y transaccionar en su nombre". Gartner proyecta $15T en gasto B2B intermediado por agents de IA para 2028, con el 90% de las compras B2B tocadas por IA. El 88% de las organizaciones B2B ya están adoptando o planeando agents de IA. El 61% de los influenciadores de compras ya usan genAI privada para decisiones de compra hoy.
La superficie de descubrimiento que alimenta este embudo ahora está gobernada por datos estructurados. Schema.org JSON-LD representa 25 de 100 puntos de auditoría de GEO en auditorías estándar de preparación para agents; sin schema, la probabilidad de que un asistente de IA cite a un proveedor cae aproximadamente un 75%. El 44.2% de las citas de LLM provienen del primer 30% del texto de una página. Las marcas son 6.5× más propensas a ser citadas a través de fuentes de terceros (G2, Trustpilot, Capterra) que a través de sus propias páginas de marketing. El documento GEO de Princeton (Aggarwal et al., KDD 2024) demostró un aumento de visibilidad de hasta 40% de la optimización para motores generativos, con Cite Sources +40.6% en Perplexity, Quotation Addition +35.1% y Statistics Addition +32.9% relativo al contenido base.
El stack de pagos para agents es en capas, no competitivo. AP2 (Google + más de 60 socios) proporciona autorización de mandatos criptográficos a través de Intent / Cart / Payment Mandates firmados con ECDSA y W3C Verifiable Credentials. ACP (OpenAI + Stripe) proporciona cuatro endpoints RESTful y un SharedPaymentToken para checkout de comerciantes. x402 (Coinbase / Linux Foundation) procesa $600M anualizados en más de 100M transacciones sobre rails HTTP nativos de USDC. MPP (Stripe + Tempo) maneja micropagos multi-rail basados en sesiones. BCP Protocol extiende x402 específicamente a B2B con seis tipos de mensajes — INTENT, QUOTE, COUNTER, COMMIT, FULFIL, DISPUTE — escrow en Solidity sobre Base y generación de facturas UBL 2.1. La categoría que no existía en 2024 ahora es la capa a través de la cual las adquisiciones realmente liquidan.
La brecha de piloto a escala es el riesgo operativo central. Hackett Group reporta que solo el 4% de las organizaciones han pasado a despliegues agenticos a gran escala, incluso cuando el 76% reportan mejoras impulsadas por IA del 25% o más en pilotos. La corrección de Gartner de abril 2026 advierte que el 40% de los proyectos de IA agentica serán cancelados para finales de 2027 — citando costos, valor empresarial poco claro y controles de riesgo inadecuados. El pronóstico y la corrección no son contradicciones: la capacidad avanza más rápido que las condiciones organizacionales se validan.
Los ocho hallazgos que siguen son: (1) el comprador ya se ha movido; (2) lo que el agent de IA realmente ve; (3) dentro del grupo de compra B2B de 2026; (4) cómo los equipos de adquisiciones están desplegando agents realmente; (5) negociación liderada por agents y el stack de comercio; (6) dónde falla la adquisición agentica; (7) el playbook de 90 días (lado del comprador y lado del vendedor); (8) hacia dónde va esto (2027–2028).
#Parte I — El Comprador Ya Se Ha Movido
#6sense: la lista corta del Día Uno
El 2025 Buyer Experience Report de 6sense encuestó a 4,510 compradores de compras de $25K+ en Norteamérica, EMEA y APAC. Cinco números del informe definen la nueva base. La lista corta del Día Uno captura el 95% de las victorias, un aumento desde el 85% en 2023. La duración del ciclo de compra se comprimió de 11.3 meses a 10.1 meses, una caída del 10% en doce meses. El Ciclo de Embudo Pre-Oportunidad (POFC) — el tiempo antes de que un proveedor sepa que el comprador existe — cayó del 69% al 61% del viaje. El 80% de las conversaciones con vendedores son iniciadas por el comprador. El 89% de las compras ahora incluyen características de IA. El 94% de los grupos de compra clasifican a los proveedores antes del primer contacto.
La implicación es estructural, no estilística. El embudo jerárquico del vendedor — conciencia → consideración → decisión — ahora se colapsa en un solo paso pre-embudo en el que el comprador (a menudo con un LLM como copiloto) construye una lista corta clasificada antes de que cualquier vendedor haya tenido la oportunidad de influir en ella. Si el proveedor no está en la lista corta del Día Uno, la probabilidad de ganar es inferior al 5%. El trabajo del marketing ya no es capturar la atención del comprador después de que levanten la mano; es asegurar que el LLM nombre al proveedor cuando el comprador le pregunte al LLM "quién debería incluir en la lista corta para X".
#Forrester: 18,000 compradores, el grupo de compra 13 + 9
El State of Business Buying 2026 de Forrester encuestó a 18,000 compradores B2B en todo el mundo. El 94% reportó usar IA en alguna parte del proceso de compra. El 19% reportó sentirse menos confiado en sus decisiones que en años anteriores debido a salidas inexactas de genAI (aumentando al 28% entre profesionales de adquisiciones específicamente — el segmento con la mayor exposición a errores factuales generados por IA). El grupo de compra se expandió a 13 partes interesadas internas más 9 influenciadores externos, con el conteo casi duplicándose a 14 + 7 para compras que incluyen características de genAI. El 60% de todos los compradores ejecutan pruebas de proveedores; el 78% de los acuerdos de más de $10M ejecutan pruebas. Poco más de un tercio planea convertir pruebas pagadas en contratos completamente pagados — haciendo que la prueba sea menos una táctica de cierre y más un punto de prueba de umbral.
La predicción más citada de Forrester para 2026 es que el 20% de los vendedores B2B se verán obligados a participar en negociaciones de cotizaciones lideradas por agents. El 61% de los influenciadores de compras ya usan genAI privada en decisiones de compra. La predicción no es teórica; es el borde principal de una tendencia ya en marcha en las adquisiciones.
#G2: chatbots como la nueva máquina de listas cortas
El Answer Economy Report de G2 (abril 2026, 1,076 compradores) es la medida más limpia del cambio de canal. El 51% de los compradores de software comienzan su investigación en un chatbot de IA, un aumento desde el 29% en abril de 2025 — un salto del 71% en once meses. El 71% dependen de chatbots durante la investigación, un aumento desde el 60%. Los chatbots son la fuente #1 que influye en las listas cortas con un 54%, por delante de búsquedas, revisiones de pares, informes de analistas y sitios web de proveedores. El 69% de los compradores eligieron un proveedor diferente al que habían planeado originalmente debido a la orientación del chatbot. El 33% compró de un proveedor del que nunca habían oído hablar antes de que el chatbot lo recomendara. El 47% prefiere ChatGPT como su herramienta principal de investigación B2B.
El CMO de G2, Tim Sanders, enmarca el cambio como "la tercera era de compresión". Las Páginas Amarillas comprimieron el mercado local en un gran libro; Google comprimió la web direccionable en una sola página de diez enlaces azules; los chatbots de IA están comprimiendo la respuesta en una sola respuesta. El verbo también está cambiando — de "referencia" (buscar qué proveedores existen) a "inferencia" (preguntarle al modelo qué proveedor debería usar). Un comprador que solía escanear una página de comparación ahora lee un párrafo que ya nombra al ganador.
#Gartner: el pronóstico de $15T y la corrección de cancelación del 40%
En el IT Symposium / Xpo 2025, Gartner pronosticó que para 2028, el 90% de las compras B2B serán intermediadas por IA y que la capa de agents de IA tocará $15T en gasto B2B. El 80% de los procesos orientados al cliente se ejecutarán a través de IA multi-agent en organizaciones ganadoras. El 40% de las aplicaciones empresariales incluirán agents específicos de tareas para finales de 2026, un aumento desde menos del 5% en 2024.
En abril de 2026, Gartner emitió un pronóstico correctivo: el 40% de los proyectos de IA agentica serán cancelados para finales de 2027, citando costos, valor empresarial poco claro y controles de riesgo inadecuados. "La mayoría de los proyectos son experimentos en etapas tempranas impulsados por el hype y a menudo mal aplicados". Las dos declaraciones no están en tensión. La superficie de capacidad es real y grande; la preparación organizacional para desplegarla a escala está muy atrás. El pronóstico de cancelación es el costo de la curva de hype chocando con la curva de validación de adquisiciones.
#McKinsey: canales duplicados, líderes de crecimiento se adelantan
El B2B Pulse de McKinsey ahora abarca más de 30,000 encuestados acumulados desde 2016. Los canales que un cliente B2B típico toca en un viaje de compra se duplicaron de 5 a más de 10 entre 2016 y 2025. El 19% de las organizaciones B2B han desplegado genAI en alguna parte de las operaciones comerciales; entre líderes de crecimiento (empresas que crecen >10% anualmente en su segmento), la cifra es el 57%, tres veces el promedio. La sofisticación en la orquestación de canales de los compradores supera la capacidad de los vendedores para mantenerse al día; los líderes de crecimiento se adelantaron cerrando esa brecha con despliegues de personalización más genAI que producen un crecimiento de participación de mercado 1.7×. El mensaje central de McKinsey es que 2026 es el año en que se abre una brecha de rendimiento medible entre las empresas que han operacionalizado genAI en su stack comercial y aquellas que no lo han hecho.
#Lo que significa: el embudo del vendedor ahora es la respuesta del chatbot
Los cinco estudios discrepan en detalles — duración del ciclo, sentimiento, proporciones de piloto a escala — pero coinciden en la conclusión estructural. El embudo del vendedor B2B ha sido reemplazado por la respuesta del asistente de IA. La primera impresión que hace un proveedor ya no es el héroe de la página principal o el correo frío del SDR; es el párrafo que ChatGPT, Claude o Perplexity compone cuando un analista de adquisiciones escribe "mejores proveedores para X". Un proveedor que no aparece en ese párrafo no aparecerá en la lista corta, no será invitado a la prueba y no entrará en la negociación. Las próximas dos partes examinan, en orden, lo que el agent de IA realmente ve cuando compone ese párrafo (Parte II) y quién es el grupo de compra humano más agent una vez que existe la lista corta (Parte III).
#Parte II — Lo Que el Agent de IA Realmente Ve
#El documento GEO de Princeton como ancla empírica
El Generative Engine Optimization de Aggarwal, Murahari, et al. (KDD 2024, Princeton) es el ancla empírica fundacional para todo lo que sigue. El documento introdujo GEO-bench, un benchmark de 10,000 consultas de búsqueda, y probó nueve métodos de optimización contra cinco motores impulsados por LLM. Tres resultados importan para los vendedores B2B. Cite Sources — agregar referencias vinculadas a citas a reclamos factuales — produjo un aumento del +40.6% en la visibilidad de la fuente en Perplexity. Quotation Addition produjo +35.1%. Statistics Addition produjo +32.9%. El aumento de visibilidad agregado a través de los métodos GEO alcanzó el 40%, con hasta un 115% de aumento para sitios web pequeños que habían estado perdiendo participación ante grandes incumbentes en SEO clásico.
La métrica de Position-Adjusted Word Count — una medida de cuánto de la respuesta del LLM se obtiene de una página dada, ponderada por dónde en la respuesta aterriza la cita — mejora 30–40% cuando se aplican métodos GEO. Esta es la métrica que un vendedor B2B debería rastrear en 2026, no los rankings de Google; la respuesta del LLM es el nuevo ranking.
La percepción estructural del documento es que los motores impulsados por LLM no navegan páginas de la misma manera que los crawlers de Google. Extraen entidades, validan reclamos y los cosen en una respuesta. La página no es un destino; es una fuente que el LLM acredita o salta. Las páginas que presentan reclamos con citas, estadísticas y citas son acreditadas a tasas mucho más altas porque reducen el riesgo de alucinación del LLM por cita.
#Schema.org JSON-LD como el contrato del agent
Si el LLM es el nuevo clasificador, Schema.org JSON-LD es el nuevo robots.txt. Los marcos de puntuación GEO de grado de auditoría ahora asignan 25 de 100 puntos a la completitud del schema. Sin datos estructurados Schema.org, la probabilidad de que un asistente de IA cite a un proveedor cae aproximadamente 75% en pruebas A/B cabeza a cabeza ejecutadas por AgentMode y Atlan a principios de 2026.
Los siete tipos de schema que más importan para proveedores B2B son:
SoftwareApplicationen cada página de producto, conapplicationCategory,operatingSystem,softwareVersionyaggregateRating.Offer+PriceSpecificationanidado conprice,priceCurrency,eligibleQuantityyvalidFrom. Los precios ocultos son la forma más rápida de ser descartado por un agent evaluador (según el SteakHouse Procurement-Agent Standard).APIReferencepara cualquier producto con una superficie de desarrollador — listados explícitos de endpoints, esquemas de parámetros, límites de tasa.FAQPageen páginas de servicios y publicaciones de blog pilares. La tasa de cita de FAQPage es 32.5% vs. un 8% base — un aumento de 4×.Articleconauthor,dateModified,headlineeimageen cada publicación.BreadcrumbListpara exponer la jerarquía lógica del sitio a crawlers y LLMs por igual.Organization+WebSiteen la raíz del sitio, con arrayssameAsvinculando a G2, Trustpilot, Capterra, LinkedIn, GitHub.
El primer 30% del texto de una página contiene el 44.2% de todas las citas de LLM. Las páginas que entierran la respuesta debajo de tres párrafos de introducción son penalizadas aproximadamente proporcionalmente. Carga al frente el reclamo citable. Termina cada sección con la fuente.
#La prima de cita de terceros
Las marcas son 6.5× más propensas a ser citadas por un LLM a través de fuentes de terceros que a través de sus propias páginas de marketing. Los perfiles de G2, Trustpilot y Capterra correlacionan con probabilidades de cita de ChatGPT 3× más altas en pruebas A/B controladas. La razón es estructural: los LLMs fueron entrenados para descontar lenguaje autopromocional, y las plataformas de reseñas producen lenguaje estructurado, comparativo y validado por terceros a escala. Un proveedor que no mantenga perfiles completos y actuales de G2/Trustpilot/Capterra está renunciando voluntariamente a dos tercios de su superficie de citas.
#El "Procurement-Agent Standard" de SteakHouse y el Agent-Handshake Protocol
A finales de 2025, SteakHouse publicó dos documentos que desde entonces se han convertido en una referencia de facto de la industria para proveedores que venden a equipos de adquisiciones agenticos: el Procurement-Agent Standard y el Agent-Handshake Protocol. El reclamo principal es que "más del 40% de la verificación de proveedores B2B es manejada por agents autónomos para finales de 2026". La instrucción operativa es más directa:
"Los agents no leen; extraen entidades y validan reclamos. Si los precios o límites de API están enterrados en un PDF, tratan tu producto como de alto riesgo y lo descartan."
El Agent-Handshake Protocol especifica 18 campos que un proveedor debe exponer en URLs predecibles (/.well-known/, /api/openapi.json, /llms.txt, /security.txt, /sla.txt) para que un agent evaluador pueda completar un ciclo base de verificación de proveedores en segundos sin intervención humana. Los proveedores que pasan las verificaciones del Handshake entran en la conversación del grupo de compra humano; los que fallan son descartados silenciosamente de la lista corta.
#llms.txt, ai.txt, robots.txt — la capa de protocolo
llms.txt es el estándar emergente para declarar qué contenido un LLM tiene permiso de usar, y cómo. La adopción es desigual. Anthropic, Perplexity y Mistral lo honran; Google ha declarado explícitamente que no soporta llms.txt como directiva. Un estudio de la Universidad de Duke de 2025 encontró que los crawlers de IA frecuentemente saltan robots.txt por completo, con los peores infractores ignorando más del 30% de las directivas de disallow. ai.txt extiende llms.txt con semánticas de reglas de uso (reutilización comercial, entrenamiento, requisitos de cita). El consejo práctico para un proveedor B2B de 2026 es publicar los tres (robots.txt, llms.txt, ai.txt) con defaults consistentes permisivos para citas y restrictivos para entrenamiento, y asumir que el incumplimiento es la norma — lo que significa que la defensa afirmativa es contenido estructurado y schema, no gating de archivos robots.
#El paisaje de RAG y agents empresariales
El paisaje de proveedores que consume la superficie anterior se está consolidando alrededor de cuatro plataformas empresariales y una larga cola de bibliotecas de integración. Anthropic Managed Agents ($0.08 por hora de sesión, más uso de modelo) ofrece una superficie de agents gestionados integrada verticalmente. OpenAI's Agents SDK incluye tool-calling incorporado y los primitivos de comercio ACP. Microsoft Foundry se integra con M365 y Azure para despliegues empresariales tenados. Google Gemini Enterprise incluye integración con Workspace y Vertex AI. El nivel de integración está dominado por LangChain (119K estrellas en GitHub, más de 500 integraciones) y un stack de bases de datos vectoriales de Pinecone, Weaviate, Vectara y LlamaIndex. Firecrawl (cobertura web del 96%) es el primitivo de ingestión web más citado en arquitecturas RAG empresariales de 2026.
El efecto agregado en el tráfico entrante es medible. El tráfico proveniente de IA creció 527% año tras año en 2025 a través de un benchmark de editores B2B de mercado medio. Un caso publicado (referenciado en el expediente) reporta ingresos provenientes de LLM 13× de una sola página de precios reestructurada. El 55% de las consultas B2B ahora terminan en una respuesta de IA de cero clics — lo que significa que la respuesta del LLM es la interacción completa, sin clics al sitio del proveedor en absoluto.
#El trabajo del vendedor en la Parte II
El trabajo del vendedor dentro de la superficie que describe la Parte II es ser legible para el agent y citable por el LLM. Eso significa: schema en todas partes; precios visibles; API documentada; FAQs responden las consultas que los compradores realmente escriben; el primer 30% de cada página contiene el reclamo citable con un enlace a la fuente; perfiles de G2/Trustpilot/Capterra están completos y actuales; llms.txt y ai.txt están publicados. Nada de esto es glamoroso. Todo determina si el proveedor aterriza en la lista corta que describió la Parte I.
#Parte III — Dentro del Grupo de Compra B2B de 2026
#13 internas + 9 externas — y la duplicación por genAI
La muestra de 18,000 compradores de Forrester produce el número de composición de grupo de compra más confiable registrado: 13 partes interesadas internas más 9 influenciadores externos es la mediana. El número casi se duplica para compras que incluyen características de genAI — a 14 internas + 7 externas — porque la inclusión de genAI arrastra revisiones de seguridad, legal, finanzas, gestión de riesgo de modelos y riesgo de proveedores de maneras que el software tradicional no lo hace. El grupo de compra agregado para un despliegue de adquisiciones agenticas de $5M en 2026 es, por lo tanto, un comité de 21 personas con tres a cinco asesores externos nombrados.
#Personas internas
Ocho personas internas ahora aparecen en esencialmente cada ciclo B2B empresarial. TI posee la integración, infra y preparación de pipelines de datos. Adquisiciones posee la relación comercial, el acuerdo de servicio maestro y (cada vez más) el gating de preparación para agents — Forrester reporta que los profesionales de adquisiciones son tomadores de decisiones en el 53% de los ciclos, un aumento desde el 36% en 2022. Finanzas / oficina del CFO posee el costo total de propiedad, modelado de ROI y el sobre de presupuesto de adquisiciones (el 2025 CPO Survey de Deloitte reporta que el 75% de los CPOs están alineados en inversión tecnológica con el CFO; el 24% del presupuesto de adquisiciones en empresas "Digital Master" va a tecnología de adquisiciones). Seguridad posee la revisión del modelo de amenazas y el perfil de riesgo del proveedor. Legal posee el ciclo de vida del contrato, las cláusulas de protección de datos y (ahora) las cláusulas de asistencia de IA que gobiernan la responsabilidad por salidas de modelos. Unidad de negocio posee el caso de uso y los criterios de éxito. Patrocinador ejecutivo posee la decisión de financiamiento y la cobertura política. Usuarios finales poseen la adopción diaria — y Forrester encuentra que la resistencia de usuarios finales es la causa #2 de fracaso de piloto a escala (después de la integración).
El cambio estructural vs. 2022 es el reposicionamiento de las adquisiciones. Históricamente, las adquisiciones eran un sello al final del ciclo. Ahora las adquisiciones están involucradas desde el principio en el 53% de los ciclos — y en acuerdos de adquisiciones agenticas, las adquisiciones a menudo también son el caso de uso. El CPO está comprando agents que serán usados por el propio equipo del CPO. Ese rol dual comprime el histórico "el proveedor vende al negocio; las adquisiciones validan" en una sola conversación con un solo comprador.
#Personas externas
Cinco personas externas influyen materialmente en la decisión de compra. Analistas de la industria — Gartner, Forrester, IDC, Hackett — emiten Magic Quadrants, Waves, MarketScapes y Digital World Class Matrices que los equipos de adquisiciones citan directamente en casos de negocio. Referencias de pares son la entrada externa de mayor confianza; Forrester encuentra que las referencias de pares se citan en el 61% de los acuerdos de más de $1M. Socios del ecosistema — integradores de sistemas, firmas de consultoría, revendedores de canales — son cada vez más los cerradores de acuerdos tanto como el proveedor; Deloitte y EY cada uno reportan ser el socio de implementación en la mayoría de los programas de adquisiciones agenticas de sus clientes. Asesores de canales / SI son diferentes de los socios del ecosistema; el asesor SI (a menudo un ex-ejecutivo de adquisiciones contratado) se sienta dentro del grupo de compra como un validador de terceros pagado. Plataformas de reseñas de terceros — G2, TrustRadius, Capterra — son la capa de referencia siempre activa que el LLM en la Parte II está leyendo en nombre del comprador.
#Prueba como mecanismo de decisión
El cambio conductual más grande en el grupo de compra es el auge de las pruebas como mecanismo de decisión en lugar de táctica de cierre. El 60% de todos los compradores y el 78% de los acuerdos de más de $10M ahora ejecutan una prueba antes de contratar. Poco más de un tercio de las pruebas pagadas se convierten en contratos completamente pagados — lo que significa que la función primaria de la prueba ya no es "llegar a sí" sino "llegar a un umbral de confianza suficiente para justificar el contrato". Los proveedores que ganan la conversión son los que tratan la prueba como infraestructura de validación: andamios de integración pre-construidos, métricas de éxito instrumentadas, chequeos basados en hitos y un camino de contrato que extiende la ventana de medición de la prueba a la implementación de producción.
La predicción de Forrester para 2026 es que más del 50% de los compradores usarán pruebas como punto de decisión crítico para finales de año. El C-suite se cita en el 68% de los ciclos, pero las adquisiciones ahora se superponen con el C-suite en el 53% de los ciclos — la responsabilidad conjunta es la norma, no la excepción.
#La inflexión de características de genAI
El resultado más subdiscutido en la muestra de Forrester es que la composición del grupo de compra en sí depende de si la compra incluye características de genAI. Para software no genAI, la mediana es aproximadamente 10 internas + 8 externas; para software habilitado por genAI, es 14 internas + 7 externas. La expansión interna proviene de seguridad, legal y riesgo; la compresión externa proviene de analistas retrocediendo en guía prescriptiva para una categoría que se mueve más rápido de lo que pueden publicar. La implicación para los vendedores es que la superficie de características de IA en sí es un expansor de grupo de compra de segundo orden. Vender una versión "asistida por IA" de un producto a una empresa en 2026 es vender a un comité de 21 personas con tres a cinco revisores de riesgo de modelos en la sala.
#La exposición de las adquisiciones a errores de IA
Las adquisiciones son la persona más expuesta a errores de IA y la más exigente de cadenas de validación. El 28% de los profesionales de adquisiciones reportan sentirse menos confiados en sus decisiones debido a salidas inexactas de genAI (vs. 19% en todos los compradores). El 22% reportan tiempo desperdiciado persiguiendo errores factuales generados por IA (vs. 17% en todos los compradores). La asimetría es estructural: el rol de las adquisiciones es validar reclamos de proveedores, y validar reclamos de proveedores generados por LLM requiere una cadena de atestación que los LLMs no producen nativamente. Esta es la mayor fuerza impulsora del lado de la demanda de la arquitectura AP2 / mandate / registro de auditoría criptográfico cubierta en la Parte V — las adquisiciones están comprando el rastro de auditoría, no el agent.
#Lo que significa para los vendedores
El grupo de compra es más grande, más liderado por adquisiciones, más impulsado por pruebas y más escéptico de reclamos de proveedores generados por IA que hace doce meses. El trabajo del vendedor en la Parte III es ser legible para las 21 personas, hacer que la prueba sea fácil de instrumentar, publicar suficiente evidencia atestiguada por terceros para que la preocupación de confianza del revisor de adquisiciones sea preemptada y enviar registros de grado de auditoría que el equipo de adquisiciones pueda entregar a los equipos legal y de finanzas sin reingeniería. Las Partes IV y V describen el stack de proveedores que el equipo de adquisiciones está usando para hacer esto; las Partes VI, VII y VIII describen qué pasa cuando funciona, cuando falla y hacia dónde va.
#Parte IV — Cómo los Equipos de Adquisiciones Están Desplegando Agents Realmente
Esta es la sección más densa en hechos del documento. Seis programas de proveedores y tres encuestas de benchmark definen el estado operativo de las adquisiciones agenticas en 2026. Ninguno es demoware. Todos tienen casos públicos de clientes, impacto en ingresos públicos o números de ROI públicos. El patrón en los seis es el mismo: agents source-to-pay pre-construidos e integrados que se envían con la suite de adquisiciones en lugar de como un módulo "agregado de IA" separado — y un consenso de liderazgo de adquisiciones de que los próximos 24 meses se tratan de escalar pilotos que ya funcionan.
#JAGGAER JAI — suite de agents source-to-pay integrados
JAGGAER anunció JAI en junio de 2025 como un orquestador de agents