Datos de producto estructurados significa que cada dato del producto vive en un atributo tipado, con…
D-Congress 2026 y HCL Commerce+: por qué lo agentic es una cuestión de frontend
D-Congress 2026 dejó una señal clara por parte del equipo de HCL Commerce: la IA domina la hoja de ruta del commerce y el B2B va por detrás.
Mi lectura es la misma. Y quiero mostrar dónde está realmente la brecha para las tiendas con HCL Commerce+, porque la respuesta no está en el backend.
El resumen de HCL sobre D-Congress fue honesto con el panorama: la Agentic AI avanza rápido. Los casos de uso de cara al cliente (asistentes de compra basados en LLM, búsqueda conversacional, integración con ChatGPT Commerce, recomendación de producto impulsada por IA) ya están en producción en el commerce de consumo y están llegando al B2B. La pregunta es cómo pasan los despliegues actuales de HCL Commerce+ de "nuestro backend gestiona datos enriquecidos con IA" a "nuestro storefront está realmente preparado para agentes".
Esa transición no es una cuestión de backend. HCL Commerce+ ya tiene funciones de IA en el backend: Discover+ para datos de comportamiento, integración con Marketing Cloud para señales de personalización. La infraestructura para alimentar a los agentes con datos existe. Lo que falta es la capa sobre la que operan esos agentes: el frontend.
Qué necesita el Agentic Commerce del frontend
Un storefront preparado para agentes no consiste en añadir un chatbot a una página JSP. Los requisitos arquitectónicos van más allá:
Datos estructurados que los agentes puedan interpretar. ChatGPT Commerce, Google AI Overviews y Perplexity Commerce no rastrean texto, interpretan marcado estructurado de Schema.org. La disponibilidad de producto, los precios, las especificaciones y los plazos de entrega tienen que estar codificados en formato legible por máquina a nivel de página. Un Aurora-Storefront con renderizado en servidor puede implementar Schema.org, pero no al ritmo que necesita el GEO Management Agent: actualizar el marcado de forma dinámica a medida que cambia el inventario, se actualizan los precios contractuales o se activan las promociones.
APIs limpias que los agentes puedan llamar. Los asistentes de compra con IA (los que se ejecutarán dentro de ChatGPT o como extensiones de navegador) necesitan consultar tu catálogo, tus precios y tu disponibilidad en tiempo real. Un frontend composable que expone endpoints de API limpios y cacheables para los datos de producto es esa superficie de integración. El modelo de renderizado de Aurora-Storefront no expone esa superficie con limpieza.
Control a nivel de componente para layouts dinámicos. Cuando un agente de rendimiento detecta que una página de categoría concreta tiene una regresión de LCP, tiene que poder ajustar la configuración de componentes: cambiar un carrusel de imágenes pesado por un layout centrado en texto, modificar el breakpoint del componente hero, ajustar el umbral de lazy loading. Eso exige un frontend con modelo de componentes, no una plantilla monolítica.
Iteración rápida para los tests dirigidos por agentes. Los tests A/B dirigidos por agentes de IA necesitan ciclos de deployment medidos en minutos, no en sprints. Si el agente detecta que una variante del flujo de checkout convierte un 12 por ciento mejor, la variante ganadora tiene que salir a producción antes de que el hallazgo caduque. El cambio de componentes desde Studio lo permite. Los cambios de frontend por sprint, no.
La observación de D-Congress, ampliada
El equipo de HCL observó en D-Congress que el commerce B2B va por detrás del de consumo en adopción de IA. La observación es correcta. Parte del motivo es estructural: el commerce B2B ha priorizado la corrección de los flujos de trabajo (precios, contratos, gestión de pedidos) por encima de la velocidad de la experiencia. El backend es la fortaleza, el frontend fue lo que se construyó para satisfacer al backend.
Justo por eso el puente hacia lo agentic para HCL Commerce+ es un problema de la capa de frontend. El backend puede exponer datos estructurados, las APIs REST de HCL Commerce+ (/wcs/resources/store/...) ya devuelven precios, catálogo e inventario en formato estructurado. Lo que hace falta por encima es un frontend capaz de consumir y exponer esos datos en el formato que esperan los agentes, iterar a velocidad de agente y mantener la coherencia de marca mientras los agentes ejecutan tests.
La Agentic Frontend Management Platform de Laioutr es la capa que operacionaliza la señal de D-Congress. Los cinco Frontend Agents (Content, SEO/GEO, Performance, Vertriebssteuerung y la Larry AI que los sustenta) se ejecutan sobre la misma biblioteca de componentes que usan los equipos de marketing en Studio. HCL Commerce+ aporta los datos. Los agentes de Laioutr optimizan cómo se presentan y cómo se encuentran esos datos.
El requisito previo: el decoupling
Antes de que nada de esa capa agentic sea posible, el decoupling tiene que producirse. Un Aurora-Storefront fuertemente acoplado al renderizado JSP de HCL Commerce+ no puede ejecutar un agente GEO. No puede ejecutar un agente de rendimiento a nivel de componente. No puede exponer la superficie de API limpia que necesitan los asistentes de compra con IA.
El requisito previo para estar preparado para lo agentic es el decoupling del frontend: separar la capa de frontend del backend para que cada una pueda evolucionar a su propio ritmo. HCL Commerce+ sigue encargándose de todo lo que gestiona hoy. La Frontend Management Platform de Laioutr aporta la capa de storefront que soporta el tooling agentic.
La USP 1 (Decoupling) no va solo del time-to-market de hoy. Va de la opcionalidad arquitectónica para lo que llegue en los próximos 24 meses.
Cómo se ve esto en la práctica
Para un despliegue de HCL Commerce+ con Laioutr como capa de frontend, el montaje agentic funciona así:
El GEO Management Agent monitoriza la visibilidad en AI Overviews de las categorías de producto y actualiza el marcado de Schema.org cuando se añaden productos nuevos, cambian los precios o se mueve el inventario. El SEO Management Agent vigila los patrones de enlazado interno y avisa cuando una nueva página de categoría queda huérfana. El Performance Monitoring Agent sigue el LCP en las páginas de categoría con más GMV y dispara una revisión de la configuración de componentes cuando el LCP cruza el umbral de 2 segundos.
Nada de esto requiere cambios en el backend. HCL Commerce+ sigue funcionando. Los agentes operan sobre la capa de frontend.
Para más contexto sobre el panorama completo de la capa de frontend para HCL Commerce+, el Hub Post cubre la arquitectura completa. Para los detalles del producto SEO/GEO, consulta SEO and GEO en Laioutr. Para la señal más amplia del sector, el resumen del stack tecnológico de Agentic Commerce de mayo de 2026 cubre el panorama completo del stack.
La pregunta de 30 minutos
Si trabajas con HCL Commerce+ y quieres entender cómo sería la preparación para lo agentic en tu montaje concreto, qué agentes aplican primero, cuál es la secuencia de decoupling del frontend y cuál es el calendario realista, una llamada de discovery de 30 minutos es el siguiente paso adecuado.