Este mes me sorprendí aplicando en nuestra propia agencia una regla de compra que nadie había puesto por escrito: si un agente de IA no puede operar una herramienta vía MCP, una API o una CLI, no compramos la herramienta. No era un memo de estrategia. Era un reflejo, el mismo reflejo en que se convirtió “¿se integra con el CRM?” hace diez años. Esa misma semana, construyendo una scorecard competitiva para un cliente, agregamos una columna que nunca habíamos necesitado: agent accessibility, justo al lado del precio y la profundidad de features.
Cuando el mismo hábito aparece dos veces en una semana en una sola consultora, no es una rareza. También está apareciendo dentro de sus deals. El problema es que este nuevo evaluador no asiste a ninguna demo, no completa ningún formulario y nunca le dice que estuvo en la sala.
Por qué importa ahora
Los números respaldan la anécdota. Dos tercios de los compradores B2B ya se apoyan en agentes de IA y chatbots tanto o más que en Google al evaluar proveedores, y el planteo de Jason Lemkin en SaaStr es directo: los agentes tienen favoritos, y construyen esas preferencias con señales auténticas del producto, no con su inversión publicitaria. La investigación de compradores 2026 de Forrester encuentra que las búsquedas con genAI ya son el punto de partida de los compradores B2B: el primer examen de su producto ocurre antes de que alguien en su empresa sepa que existe una evaluación. Y la Harvard Business Review planteó el punto estratégico en julio: la ventaja competitiva se está moviendo de entender a los clientes directamente a gestionar interacciones moldeadas por la IA.
Para una empresa SaaS en Series A o Series B, esto aterriza en un lugar muy concreto. Cuando un prospecto le pregunta a su asistente si Claude puede conectarse con su producto, la respuesta se verifica contra su documentación en segundos. Si la respuesta es no, o no se encuentra, usted sale de un consideration set en el que nunca supo que había entrado.
La evaluación siguió al discovery fuera de su funnel
La mayoría de los equipos de GTM ya aceptó que el discovery se mudó. Los prospectos consultan primero herramientas de la clase de ChatGPT, y aparecer nombrado en esas respuestas es hoy una disciplina propia, que cubrimos en nuestra práctica de GEO. Lo más nuevo es que la evaluación está tomando el mismo camino. La pregunta de los equipos de compra ya no es solo “qué hace este producto”, sino “¿pueden nuestros agentes operar este producto por nosotros?”. MCP en particular pasó de curiosidad a ítem de checklist en menos de un año, porque es el estándar que le permite a un asistente descubrir qué puede hacer su producto y luego hacerlo de verdad.
Un equipo de compra que ya tiene automatización evalúa su producto como un equipo de ingeniería evalúa una librería. ¿Expone una superficie limpia que los sistemas existentes pueden llamar? Importan tres superficies, en orden aproximado de esfuerzo:
- Una API, para que un agente pueda leer y escribir los datos de su producto de forma programática.
- Una CLI, para que un agente pueda operar su producto desde la línea de comandos como lo haría un operador técnico.
- Un MCP server, para que asistentes como Claude y ChatGPT puedan descubrir las capacidades de su producto y llamarlas directamente, sin trabajo de integración a medida.
Si no existe ninguna de las tres, el agente no ve un producto. Ve un folleto.
Ser el default es el nuevo liderazgo de categoría
Aquí hay un premio que se compone en el tiempo. En automatización de navegador, una herramienta open source se convirtió en lo que los asistentes de IA eligen por defecto. Nadie la pide por nombre; el asistente simplemente la elige. Quien sostiene esa posición en una categoría deja de pagar cada adquisición una por una. En una llamada con un cliente este mes, un líder de producto dijo en voz alta lo que muchos piensan: si los asistentes llegan a usted por defecto, la distribución se resuelve sola.
El inverso es el riesgo, y no es hipotético. Una de las plataformas de data enrichment más usadas entregó su CLI meses después de que sus usuarios empezaran a delegar el trabajo en agentes, y en ese hueco una ola de alternativas agent-first encontró su apertura. La velocidad en la superficie de agentes no es un lujo de developer experience. Un trimestre de demora es una apertura de mercado para otro.
El patrón visto en el campo
Hace poco construimos el positioning competitivo de una plataforma de datos B2B en fase de scale, el tipo de trabajo donde se inventarían las features, los precios y las integraciones de cada rival. La columna que generó más discusión no fue ninguna de esas. Fue agent accessibility: qué competidor expone una API real, quién entrega una CLI, quién opera un MCP server, qué documentación es lo bastante completa para que un agente responda la pregunta de un comprador sin una llamada de ventas.
De ese ejercicio salieron dos hallazgos. Primero, el ranking se reordenó. El líder de categoría en features fue el peor en agent accessibility, exactamente el perfil que hoy parece seguro y mañana queda filtrado en silencio fuera de las shortlists mediadas por IA. Segundo, el messaging se escribió solo. Las campañas dirigidas a los usuarios de un rival aterrizan distinto cuando usted puede decir con verdad: sus agentes pueden operar esto hoy.
El mismo filtro se está cerrando del otro lado del mercado. Los equipos de compra están adoptando políticas de stack como la nuestra, donde agent accessibility es una condición de entrada y no un bonus. Los dos extremos de su funnel están siendo filtrados por la misma prueba, y la mayoría de los productos nunca la corrió sobre sí misma.
El playbook de agent-readiness
Lo que yo recomendaría, en orden:
- Audítese de afuera hacia adentro. Abra una sesión nueva de Claude o ChatGPT, pídale que evalúe su producto para un comprador, y luego pídale que use su producto de verdad. Cada punto donde se traba es un hueco en su lista, y la transcripción es la auditoría más honesta que va a conseguir este trimestre.
- Entregue primero la superficie real más pequeña. Una API documentada de solo lectura vale más que una plataforma de agentes anunciada para el año que viene. Un MCP server mínimo que solo expone lecturas es cuestión de semanas, no de trimestres.
- Trate la documentación como material de venta para máquinas. Precios públicos, un quickstart que funciona sin una llamada, y un resumen legible por máquinas de lo que hace su producto. Los agentes no agendan una demo para aclarar una ambigüedad; lo penalizan y siguen de largo.
- Instrumente el funnel de agentes antes de que crezca. Los registros vía API, las conexiones MCP y las instalaciones de CLI deben llegar a su CRM como eventos con su propia fuente, para que el primer pipeline generado por agentes sea visible en lugar de quedar enterrado en “directo”.
- Agregue agent accessibility a sus propias scorecards de proveedores. Va a aprender la evaluación más rápido corriéndola sobre otros, y su equipo dejará de comprar herramientas que su propia automatización no puede operar.
- Repita la auditoría cada trimestre. La superficie MCP que pasaba en enero es la que un agente saltea en octubre, porque las herramientas alrededor siguieron moviéndose.
Esto es un proyecto de GTM, no una reescritura de plataforma. Los equipos que lo traten como tal serán los productos que los agentes recomienden sin que nadie se lo pida. Ese es todo el premio.
Si quiere una mirada externa sobre qué tan agent-ready están de verdad su producto y su funnel, es parte de nuestro trabajo de AI GTM consulting, y puede hablar directamente con nosotros.
Fuentes
- Jason Lemkin, SaaStr. “The Future of B2B Marketing is AI Agent Recommendations. And AI Agents Play Favorites.” Enero de 2026. saastr.com
- Forrester. “The State Of Business Buying, 2026.” Enero de 2026. forrester.com
- Graham Kenny y Ganna Pogrebna, Harvard Business Review. “AI Is Changing How Customers Choose Your Business.” Julio de 2026. hbr.org