La economía de agentes (B2A, de negocio a agente) es la fase en la que el cliente ya no busca ni pide: lo hace su asistente. Para un restaurante cambia una cosa de fondo: al agente no lo convence una foto en Instagram, lo convence un menú que pueda leer, un precio que pueda comparar y un pedido que pueda ejecutar. Este es el primer informe de una serie que vamos a repetir cada trimestre con los mismos métodos, para que los números se puedan comparar en el tiempo.
00 Los cinco hallazgos
- Solo 2.3% de los restaurantes tiene un canal propio de pedidos. 22 de 965 en León y Querétaro; 15 de cada 100 listan siquiera un sitio web en su ficha de Google.
- Los asistentes citan guías, comparativas y directorios, no sitios de restaurantes. En 123 preguntas de dueños de restaurante a ChatGPT, Gemini y Perplexity, 78% de las fuentes citadas son terceros, y 99% son páginas de contenido.
- Publicar datos estructurados no basta. En 164 páginas de pedidos construidas para ser legibles, 163 publican menú, dirección y acción de pedido en datos estructurados, pero 11 mostraron un restaurante sin menú al leerlas fuera de horario y 117 platillos no tenían precio.
- Ningún agente personal opera en México. Al 10 de noviembre de 2026 ninguno de los cinco agentes personales anunciados estaba disponible en el país; los rieles de pago para agentes sí se probaron en México en marzo de 2026.
- La preparación cabe en seis puntos y casi todos se pueden hacer hoy sin esperar a ningún protocolo.
01 Solo 2.3% de los restaurantes tiene un canal propio que un agente pueda usar
Un agente que compra en nombre de una persona necesita un lugar donde comprar. Si el restaurante solo vende por Rappi, Uber Eats o DiDi Food, el agente comprará ahí, con la comisión de siempre, o no comprará. Medimos cuántos restaurantes tienen la alternativa.
| De 965 restaurantes con ficha de Google | Restaurantes | Porcentaje |
|---|---|---|
| Permiten pedir en línea en su propio sitio | 22 | 2.3% |
| De esos 22, sucursales de cadenas nacionales | 9 | 41% de los 22 |
| Listan un sitio web propio en la ficha (muestra de 947) | 142 | 15% |
| Mediana de reseñas en Google (muestra de 947) | 150 reseñas, 4.5 estrellas | |
El contraste importa: el restaurante mediano ya tiene reputación digital (150 reseñas, 4.5 estrellas), pero casi ninguno tiene dónde recibir un pedido que no pase por una app. Para un agente, un restaurante sin canal propio es un restaurante al que solo puede llegar a través de un intermediario.
02 Los asistentes citan guías y directorios, no sitios de restaurantes
Antes de que un agente compre, un asistente recomienda. Medimos de dónde sacan sus respuestas ChatGPT, Gemini y Perplexity cuando un dueño de restaurante en México pregunta por plataformas, comisiones, menú digital, lealtad o cómo aparecer en Google y en la IA.
| De dónde salen las fuentes citadas | Participación |
|---|---|
| Terceros: guías, comparativas, directorios, foros | 78% |
| Proveedores de software para restaurantes (competidores) | 13% |
| FluxSales | 8% |
| Tipo de página citada | Participación |
|---|---|
| Artículos y guías ("general") | 98% |
| Páginas de producto o landing | 1.1% |
| Instructivos, listas, comparativas, FAQ, anuncios | menos de 1% cada uno |
Dos lecturas. Primera: el asistente no cita el sitio del restaurante ni la página de producto del proveedor; cita a quien explicó el tema con fecha y datos. Segunda: los directorios de software y los blogs de comparativas pesan más que cualquier sitio oficial. Para un restaurante, la consecuencia es la misma que para nosotros: lo que no está escrito en una página legible, con fecha y con números, no existe para el asistente.
03 Publicar datos estructurados no basta: 1 de cada 15 páginas mostró un restaurante vacío
Tomamos el caso más favorable: 164 páginas de pedidos de restaurantes en México construidas a propósito para que un rastreador o un asistente las lean (datos estructurados de restaurante, menú, precios, horario y acción de pedido en cada una). Las leímos como lo haría un agente: una vez, por la mañana, el texto visible y los datos de la página.
| De 164 páginas de pedidos (76 marcas, 63 ciudades) | Resultado |
|---|---|
| Responden y permiten indexar | 164 de 164 |
| Publican restaurante, dirección, menú, FAQ y acción de pedido en datos estructurados | 163 de 164 |
| Platillos publicados en datos, todos con precio en pesos | 8,417 |
| Páginas que mostraron el restaurante sin menú al leerlas (cerradas en ese momento) | 11 (6.7%) |
| Platillos en los datos que la página no muestra | 143 en 10 páginas |
| Platillos sin precio (el precio depende de una opción) | 117 en 16 páginas |
| Páginas sin calificación en los datos | 68 (40 marcas) |
Lo que esto enseña: el requisito no es tener datos estructurados, es que lo que dicen los datos coincida con lo que muestra la página, a cualquier hora. Un agente que llega a las 10 de la mañana a un restaurante que abre a la 1 debe poder leer el menú aunque no pueda pedir. Google rechazó por ese mismo motivo, dos veces, una integración de pedidos en 2026: el feed decía una cosa y la página mostraba otra. Son páginas de FluxSales: publicamos el resultado porque la lección aplica a cualquiera que publique un menú para máquinas, y porque los puntos 1 a 3 ya están en corrección.
04 Ningún agente personal opera en México; los rieles ya se prueban aquí
Lo que existe hoy, con fecha, para no confundir anuncio con disponibilidad:
| Fecha | Qué pasó | Qué significa para un restaurante en México |
|---|---|---|
| 11 ene 2026 | Google anuncia el Universal Commerce Protocol (UCP) con Walmart, Target, Shopify, Mastercard, Visa y Stripe. | Nace el estándar para que un agente compre en nombre de una persona. |
| mar 2026 | OpenAI da marcha atrás a su Instant Checkout. | El patrón que queda: descubrir en la IA, comprar en el canal propio del negocio. |
| mar 2026 | Mastercard prueba rieles de pago para agentes con Banamex y Santander en México. | El pago por agente ya se ensaya con bancos mexicanos. |
| 15 jun 2026 | El grupo de pedidos de comida de UCP abre su carta de trabajo. | Los pedidos de restaurante tienen mesa propia en el estándar. |
| 6 ago 2026 | Square y Google lanzan Ask Maps en Estados Unidos: pedir conversando desde la ficha de Google Maps, sin comisión de app. | La ficha de Google se vuelve punto de pedido; en México aún no. |
| 10 nov 2026 | Ninguno de los cinco agentes personales anunciados (ChatGPT dots, Claude Duet, Gemini Spark, Meta Muse, Grok Bot) está disponible en México. | La ventana de preparación sigue abierta. |
| 11 dic 2026 | OpenAI retira los Custom GPTs. | Nada construido sobre ellos sobrevive; lo que queda son conectores y páginas legibles. |
Mientras llega el agente que compra, los asistentes que recomiendan ya operan en México y leen las mismas señales. Prepararse para unos es prepararse para los otros.
05 Lo que un restaurante tiene que preparar
Seis puntos, en orden. Los cinco primeros se pueden hacer hoy; el sexto llega con el estándar.
- Un canal propio de pedidos bajo tu dominio. Sin él, el agente solo puede comprar por un intermediario. Es el punto en el que está el 97.7%.
- El menú en texto, con precio en pesos en cada platillo. Nada de PDF ni de imagen. Donde el precio depende de una opción, publica el precio "desde".
- Datos estructurados que coincidan con la página, a cualquier hora. Restaurante, menú, platillos, ofertas, horario y acción de pedido en schema.org; y el menú visible aunque el restaurante esté cerrado.
- Los rastreadores de IA permitidos. robots.txt que deje pasar a OAI-SearchBot, GPTBot, Google-Extended, PerplexityBot y ClaudeBot.
- La ficha de Google completa y consistente con el sitio. Mismo menú, mismos horarios, calificación y botón de pedir.
- Cuando UCP opere en México: el pedido y el pago expuestos al protocolo. Quien ya tenga los cinco puntos anteriores solo tiene que conectar; quien no, tiene que construir primero.
Cómo lo hace FluxSales por un restaurante está en visibilidad en IA para restaurantes y en menú digital legible para agentes de IA. Si quieres saber en qué punto está tu restaurante, el diagnóstico gratis revisa tu ficha, tu sitio y tu menú.
06 Método y próximos informes
Todos los datos de este informe son propios de FluxSales o de su plataforma de medición, están fechados y se pueden citar con atribución bajo licencia Creative Commons Atribución 4.0. Cita sugerida: FluxSales (2026). ¿Están listos los restaurantes de México para que un agente de IA pida por su cliente? Informe 01. https://fluxsales.co/investigacion/restaurantes-listos-para-agentes-de-ia-2026
Lo que viene, con los mismos métodos para que sea comparable:
- Informe 02 (diciembre 2026): qué recomiendan ChatGPT, Gemini y Perplexity cuando un comensal pregunta dónde comer o pedir en una ciudad de México, y de qué fuentes lo sacan.
- Informe 03 (primer trimestre de 2027): el censo de canal propio repetido en más ciudades, para medir si el 2.3% se mueve.
- Cada trimestre: la relectura de las páginas de pedidos y el estado de los agentes personales y de UCP en México.