La infraestructura de descubrimiento para agentes todavía no llegó al B2B latinoamericano. De 177 empresas legibles, ninguna publica un Agent Card, y el puntaje típico sale casi todo de lo que cualquier sitio tiene hace años: robots.txt y sitemap.xml. Las hipótesis pre-registradas se confirman (p < 0,001).
01 · Resumen
Qué medimos y por qué
Los agentes de IA empiezan a buscar, comparar y comprar en nombre de personas y empresas. Solo pueden considerar a los proveedores que logran encontrar y leer. Para eso existen estándares abiertos: el Agent Card del protocolo A2A 1.0 (un archivo en /.well-known/agent-card.json que describe qué hace una empresa y cómo hablarle), los servidores MCP, el contenido en Markdown para agentes, las reglas para bots de IA y las Content Signals.
Esta segunda edición mide esas señales en 200 empresas B2B de Argentina, México, Colombia, Chile, Perú y Uruguay, estratificadas por país y en cinco sectores, y en los diez proveedores de IA de la primera edición. Las hipótesis y el análisis se pre-registraron antes de recolectar los datos. Un crawler publicado midió todos los dominios en dos oleadas el 1 de octubre de 2026.
02 · Señales
Cero Agent Cards y un puntaje mediano de 6 sobre 90
De las 177 empresas que un cliente HTTP estándar pudo leer, ninguna publica un Agent Card, ni en la ruta estándar ni en la anterior (agent.json). La mediana del puntaje automático es 6 sobre 90 (rango intercuartil 6–8).
Oleada 1, 1 de octubre de 2026. Fintoc y Aspel publican un MCP Server Card en /.well-known/mcp/server-card.json, una ruta que el instrumento pre-registrado no consultó; el paper lo declara.
03 · Acceso
Una de cada diez empresas es invisible para un agente
Las reglas antibot que frenan a los scrapers también frenan a los agentes legítimos. Y una cadena TLS incompleta pasa desapercibida en el navegador, que la repara, pero un cliente estándar la rechaza. Para un agente, esas 23 empresas no existen. Corregirlo es un cambio de configuración, no un proyecto.
04 · Quiénes lideran
La preparación viene de la cultura de desarrolladores
Las empresas de tecnología y fintech puntúan más alto que las de industria y servicios profesionales (mediana 8 contra 6; p < 0,001, prueba pre-registrada). Las que lideran ya tratan a los desarrolladores como clientes: documentan su API, sirven Markdown, publican llms.txt y, en algunos casos, MCP.
| # | Empresa | País | A–G /90 | H /10 | Total |
|---|---|---|---|---|---|
| 1 | Fintoc | Chile | 30 | 6 | 36 |
| 2 | Bitso | México | 23 | 8 | 31 |
| 3 | Tiendanube | Argentina | 21 | 8 | 29 |
| 4 | Clip | México | 18 | 8 | 26 |
| 5 | VU Security | Argentina | 21 | 2 | 23 |
| 6 | Pomelo | Argentina | 14 | 6 | 20 |
| 6 | Alegra | Colombia | 14 | 6 | 20 |
| 6 | Cumplo | Chile | 20 | 0 | 20 |
| 9 | Mono | Colombia | 8 | 10 | 18 |
| 9 | Talana | Chile | 10 | 8 | 18 |
Solo cuatro empresas llegan al nivel “emergente” (25 puntos o más) y ninguna al siguiente. H = documentación pública para integrarse, codificada a mano.
05 · Proveedores de IA
Los que construyen agentes tampoco publican su Agent Card
En las dimensiones automáticas, OpenAI, Anthropic, Salesforce, Google Cloud, Zapier, UiPath, Automation Anywhere, AWS e IBM tienen la misma mediana que las empresas latinoamericanas: 6 sobre 90. Ninguno publica un Agent Card en su dominio raíz, igual que en marzo. Su ventaja está en la documentación: al sumar la dimensión H, la mediana del panel sube a 16 contra 8. Zapier es la excepción, con Markdown, llms.txt, reglas para bots de IA y Content Signals (34 puntos). ServiceNow bloqueó al crawler.
Los protocolos están definidos y las plataformas los soportan, pero casi nadie publicó todavía sus propios archivos de descubrimiento. Quien lo haga primero va a tener poca competencia por la atención de los agentes en su categoría.
06 · Taxonomía de errores
Cuatro formas de fallar
Invisible por bloqueo
Reglas antibot devuelven 403 o un desafío a cualquier cliente que no sea un navegador.
11 empresasInvisible por certificado
Cadena TLS incompleta que el navegador repara y el agente no.
9 empresasSolo lo convencional
robots.txt o sitemap, y ninguna señal pensada para agentes.
Soft 404 en /.well-known/
La ruta del Agent Card devuelve HTML con estado 200: un cliente ingenuo cree que el archivo existe.
21 de 17707 · Qué hacer
Los primeros pasos, en orden
- Ser legible. Que el sitio no bloquee a clientes automatizados legítimos y que el certificado TLS sirva la cadena completa.
- Gobernar el acceso. Nombrar a los bots de IA en
robots.txty declarar Content Signals. - Servir contenido para agentes. Responder en Markdown cuando el cliente lo pide y publicar
llms.txt. - Documentar la integración. Si hay API, publicar su documentación sin login, con autenticación y ejemplos.
- Publicar el Agent Card y el servidor MCP. Para quien ofrece un agente o una API: un
agent-card.jsonfirmado (A2A 1.0) y un MCP Server Card.
Cada paso es trabajo de días, no de meses. Es lo que trabajamos en el servicio de Agent Discovery Optimization (ADO).
¿Tu empresa es legible para los agentes de IA?
Medimos tu dominio con el mismo instrumento del benchmark y te decimos qué falta, en orden de impacto.
08 · Metodología
PARS v2: 100 puntos en ocho dimensiones
Las siete primeras dimensiones (90 puntos) las calcula un script publicado a partir de las respuestas HTTP guardadas; la conformidad con A2A 1.0 y las firmas se verifican con el SDK oficial del protocolo.
| Dimensión | Puntos | Qué mide |
|---|---|---|
| A. Descubrimiento | 20 | Agent Card en la ruta estándar (20), solo en la anterior (8) u otro mecanismo declarado (5) |
| B. Conformidad A2A 1.0 | 15 | Conforme (15), casi conforme (8), JSON básico (4) |
| C. Confianza | 10 | Firma JWS válida (7); proveedor y documentación declarados (3) |
| D. Operatividad | 10 | El endpoint declarado responde una sonda JSON-RPC inocua |
| E. Interoperabilidad | 10 | MCP declarado (6); OpenAPI o api-catalog (4) |
| F. Contenido para agentes | 15 | Markdown (8), sitemap (3), schema.org Organization (2), llms.txt (2) |
| G. Gobernanza | 10 | robots.txt (3), reglas para bots de IA (4), Content Signals (3) |
| H. Documentación de integración | 10 | Documentación pública para conectarse; codificada a mano |
Recolección. Un crawler en GitHub Actions consultó unas 15 URLs públicas por dominio en dos oleadas el 1 de octubre de 2026, con al menos cuatro horas de diferencia. Se identifica como ExistaPWARB/2.0, respeta robots.txt, hace un pedido por segundo por dominio y nunca ejecuta acciones. Metodología del crawler y cómo excluirse.
Robustez. 183 de 185 dominios obtuvieron el mismo puntaje en las dos oleadas (Spearman 0,994). Contra el verificador público de Cloudflare (isitagentready.com), sobre 24 dominios al azar, los dos instrumentos coincidieron en el 98 % de los chequeos que comparten.
La dimensión H la codificó un solo evaluador (un modelo de lenguaje, Claude de Anthropic), sin medición de acuerdo entre evaluadores; no entra en las pruebas confirmatorias. La página de metodología del crawler quedó en línea después de la oleada 1 por un problema de despliegue del sitio. El PARS v1 de marzo no se recalculó porque combinaba juicio experto. Todos los desvíos están en la sección 9 del paper.
09 · Datos y cita
Paper, datos y código abiertos
Marco, G. (2026). Public Web Agent Readiness Benchmark 2026-II: Agent discovery infrastructure among Spanish-speaking Latin American B2B companies. Exista.io Working Paper. https://doi.org/10.5281/zenodo.23110700