Asistentes de compra con IA, Consumidores del Reino Unido, marzo de 2026

Metodología

Este estudio se basa en un panel simulado de 500 consumidores británicos (de 18 a más de 55 años, ponderados entre London, el Sur, las Midlands, el Norte, Escocia y Gales). Cada encuestado es una persona de IA de Minds calibrada con datos demográficos históricos, señales de intención de compra y referencias de comportamiento específicas de cada categoría para la compra asistida por IA. La precisión frente a respuestas humanas reservadas se valida en un 85–95 % sobre las indicaciones de comportamiento subyacentes.

El estudio completo desbloqueado incluye 15 estadísticas cruzadas por franja de edad, región y categoría de producto, 5 gráficos descargables, el CSV en bruto de las respuestas y acceso ilimitado a preguntas de seguimiento al panel.

Los asistentes de IA ocupan ahora la parte superior del embudo

El 64 % de los encuestados usó un asistente de IA, con mayor frecuencia ChatGPT o Gemini, para investigar una compra en los últimos tres meses, y el 47 % afirma que un recorrido de compra reciente comenzó en algún lugar distinto de la búsqueda de Google. El cambio se concentra en la fase de consideración: los encuestados recurren a un asistente para comprimir la comparación de compras, pidiéndole que preseleccione dos o tres opciones con las ventajas e inconvenientes detallados, y luego abandonan al asistente solo para verificar un precio o completar el pago.

El patrón de comportamiento es una inversión del embudo. Donde la búsqueda y los sitios de marca antes poseían el descubrimiento y la consideración, el panel describe un flujo que empieza con una consulta conversacional, devuelve una preselección curada al consumidor y deriva el sitio de marca puramente como punto de transacción. Entre los de 18 a 34 años la inversión es casi total: el 71 % nombró un asistente de IA como la primera herramienta que abrió para su última compra meditada, frente al 29 % de la franja de más de 45 años.

La confianza se divide con fuerza por edad, y por trazabilidad

Solo el 38 % del panel confía en las elecciones de la IA tanto como en las reseñas de clientes, y el promedio del titular oculta una nítida línea de fractura generacional. En la escala de confianza de 0 a 10, el segmento de 18 a 34 años promedia 7,4 mientras que el segmento de más de 35 años promedia 4,6, una brecha de 2,8 puntos, la más amplia de todos los cruces del estudio. Los encuestados mayores no están en contra de la IA; están en contra de la opacidad. La razón más citada para retener la confianza es que el asistente «nunca muestra de dónde salió la recomendación».

Eso convierte la trazabilidad, y no la precisión, en la restricción activa para la adopción. Los encuestados que se habían topado con una respuesta equivocada, un precio desactualizado, un modelo descatalogado, descontaron toda recomendación posterior, sin importar la categoría. A la inversa, los panelistas dijeron sistemáticamente que una recomendación con fuentes enlazadas y clicables subiría su puntuación de confianza en dos o tres puntos. Al asistente se le juzga menos por si acierta y más por si se puede comprobar.

Los datos en vivo y las citas son la clave, no una mejor prosa

Al preguntarles qué les haría confiar más en una recomendación de IA, el panel convergió en dos exigencias que nada tienen que ver con el pulido conversacional. Los escépticos quieren fuentes citadas, enlaces a las reseñas, pruebas y artículos detrás de la respuesta, además de una divulgación clara cuando una marca ha pagado por una colocación. Los pragmáticos quieren datos actuales y precisos, precios en tiempo real y existencias locales, porque una elección segura que está agotada o mal tasada hace colapsar la confianza en toda la interacción.

Los datos desactualizados resultaron ser el fallo individual más corrosivo: el 43 % de los encuestados que desconfían de los asistentes citaron un precio obsoleto como detonante. La implicación para las marcas es directa. La visibilidad dentro de un asistente de IA ya no se gana con texto de marketing; se gana siendo legible para la máquina, datos de producto estructurados, fuentes de precios actuales y contenido de reseñas que el asistente pueda citar. Las marcas en las que el panel más confiaba a través de un asistente eran aquellas cuya información el asistente podía atribuir, no las de descripciones más persuasivas.

Qué significa esto para los equipos de retail y marca

Para los equipos británicos de retail, comercio electrónico y marca que se adaptan al descubrimiento mediado por IA:

• Optimiza para ser citado, no solo posicionado. El asistente es ahora la capa de consideración. Las fuentes de producto estructuradas, los precios en vivo y el contenido de reseñas citable determinan si tu producto aparece en la preselección, y si el consumidor lo cree.
• Los datos desactualizados son un pasivo de confianza, no un asunto de higiene. Un precio obsoleto no solo pierde una venta; el panel descontó cada recomendación posterior tras un único punto de datos malo. La precisión en tiempo real del precio y las existencias es ahora un insumo de la confianza en la marca.
• Segmenta tu preparación para la IA según la edad de la audiencia. Los menores de 35 ya tratan al asistente como la primera parada por defecto; la mayoría de más de 35 solo seguirá una vez que las recomendaciones sean trazables. Las citas de fuentes y la divulgación de sesgos son el puente que convierte a la mitad escéptica del mercado.

El estudio completo incluye el desglose región por región, las puntuaciones de confianza cruzadas por categoría de producto, el mapa del embudo asistente frente a búsqueda por franja de edad y el corpus de respuestas abiertas. Regístrate gratis para desbloquearlo y hacerle al panel tus propias preguntas de seguimiento en tu cuenta.