¿Pagarás más que tu vecino por lo mismo? La IA y el fin del precio único

LA TESIS. El precio único no va a morir por una decisión técnica. Morirá o sobrevivirá por una decisión política. Con la IA, cobrar a cada cliente según su perfil ya es técnicamente posible. Lo que todavía no está decidido es si será legal, si tendrá que avisarse y si el consumidor contará con su propia IA para defenderse. Nuestra lectura es de optimismo matizado. A corto plazo, el riesgo es real: precios opacos que exprimen al cliente con sus propios datos y algoritmos que suben los precios de forma coordinada. A largo plazo, la misma tecnología puede jugar a favor del consumidor. Puede rebajar el precio a quien tiene menos y poner un agente negociador en el bolsillo de cada comprador. Que pase una cosa u otra depende de las reglas que se escriban ahora.

TRES COSAS QUE SE CONFUNDEN. Antes de opinar hay que separar tres prácticas distintas. La primera es el precio dinámico: el precio cambia con la demanda y es el mismo para todos en ese momento. Así funcionan el avión que se encarece cuando quedan pocas plazas y la tarifa de Uber en hora punta. La segunda es la discriminación de precios personalizada, que en EE. UU. se conoce como «surveillance pricing» (precio de vigilancia). Aquí el precio no depende del momento, sino de quién eres: tu ubicación, tu historial de navegación o tu dispositivo. La tercera es la colusión algorítmica: varios competidores usan el mismo software, o algoritmos que aprenden a no competir, y los precios suben en bloque sin que nadie firme un pacto. Las tres se mezclan en el debate público. El ejemplo más claro es Oasis. La autoridad de competencia británica (CMA) investigó la venta de entradas de su gira de 2025 y no encontró precio dinámico algorítmico. Encontró un sistema de tramos: cuando se agotaban las entradas baratas, se abría un tramo más caro. Ticketmaster se comprometió a avisar con 24 horas de antelación, sin admitir ninguna infracción. La indignación era legítima, pero el diagnóstico popular no era exacto.

LO QUE SABEMOS DE VERDAD. La evidencia sobre el precio personalizado existe, pero es fragmentaria. En enero de 2025, la FTC (la autoridad de consumo de EE. UU.) publicó las conclusiones preliminares de su estudio sobre ocho intermediarios que venden herramientas de precios. Según la agencia, datos como la ubicación precisa o el historial de navegación se usan para fijar precios distintos a distintas personas por el mismo producto. Según esos resúmenes, las herramientas podrían aumentar los ingresos de las empresas entre un 2% y un 5%. El caso más sonado llegó en diciembre de 2025. Una investigación de Consumer Reports, Groundwork Collaborative y More Perfect Union, con 437 voluntarios en cuatro ciudades, detectó que Instacart mostraba precios distintos para el mismo producto en la misma tienda y a la misma hora. Afectaba a cerca del 75% de los artículos, con diferencias de entre 0,07 y 2,56 dólares por artículo. Instacart respondió que se trataba de pruebas A/B (mostrar versiones distintas a grupos distintos para medir cuál funciona mejor) en 10 comercios. Aseguró que no usaba datos personales ni demográficos y calificó de «completamente erróneo» el cálculo de los investigadores, que estimaban 1.200 dólares más al año para una familia tipo. Aun así, la empresa canceló las pruebas. Delta, por su parte, dijo en 2025 que la IA de Fetcherr influía en el 3% de sus tarifas y que aspiraba al 20%. Ante varios senadores negó por escrito usar precios individualizados basados en datos personales. Lo que demuestra este episodio es que la tecnología se está desplegando. Lo que no está probado es que los precios individuales ya sean la norma.

LA REACCIÓN REGULATORIA. Los reguladores se mueven más deprisa que en otras olas tecnológicas. Nueva York aplica desde noviembre de 2025 la primera ley de este tipo. Obliga a mostrar el aviso «este precio lo fijó un algoritmo usando tus datos personales», con multas de hasta 1.000 dólares por infracción. El 19 de agosto de 2026, la FTC propuso una declaración de política de aplicación (un documento que explica cómo interpretará la ley). No prohíbe el precio personalizado, pero exige avisar cuando el cliente espera un precio uniforme y explicar qué datos se usan. El 28 de octubre de 2026 envió requerimientos de información a nueve empresas: Delta, United, JetBlue, Uber, Lyft, DoorDash, Instacart, Target y Walmart. Tienen 45 días para responder. Es una investigación, no una acusación, y Delta y JetBlue niegan personalizar tarifas. En la Unión Europea, la directiva Ómnibus ya obliga a avisar cuando un precio se ha personalizado de forma automatizada. Además, la Comisión prevé presentar este trimestre la Ley de Equidad Digital (Digital Fairness Act), que según los análisis previos incluiría restricciones específicas al precio personalizado. En la colusión, el precedente es RealPage, un software que recomendaba alquileres a los caseros. En noviembre de 2025 llegó a un acuerdo con el Departamento de Justicia de EE. UU. No pagó multa ni admitió culpa, pero no podrá usar datos privados de competidores en tiempo real y solo podrá entrenar su algoritmo con datos de al menos un año de antigüedad. Además, estará tres años bajo supervisión de un monitor independiente. Los críticos, como el American Economic Liberties Project, lo consideran un acuerdo blando.

PIGOU TENÍA RAZÓN A MEDIAS. El economista Arthur Pigou clasificó en 1920 tres grados de discriminación de precios. En el primer grado, cada cliente paga exactamente lo máximo que estaría dispuesto a pagar. En el segundo, el cliente elige él mismo en un menú, como pasa con los descuentos por volumen o las clases turista y business. En el tercero, el precio cambia según el grupo, como en los descuentos para estudiantes o jubilados. Hasta ahora, el primer grado era teórico porque nadie podía conocer la disposición a pagar de cada persona. La IA lo acerca a la realidad. La teoría dice algo incómodo para ambos bandos. La discriminación puede mejorar el bienestar si permite vender a gente que con un precio único quedaría fuera. Es lo que ocurre con los medicamentos más baratos en países pobres o el software gratis para estudiantes. Pero en el primer grado puro todo el ahorro del consumidor pasa al vendedor. Se compra más, pero el cliente no gana nada. Por eso la pregunta clave no es si los precios difieren. La pregunta es quién paga menos y por qué. Si la IA cobra menos al que tiene menos, puede ser progresiva. Si cobra más al que tiene prisa, al que no compara o al que no sabe defenderse, es una extracción con apariencia de eficiencia.

MÁQUINAS CONTRA MÁQUINAS. Aquí está la novedad que cambia el tablero. Los agentes de compra (IA que buscan, comparan y pagan por ti) pueden devolver poder al consumidor. Un agente no se cansa de comparar y no se deja llevar por la urgencia. Además, puede detectar si a otro perfil le ofrecen un precio mejor. Pero la evidencia temprana pide prudencia. En la simulación Magentic Marketplace de Microsoft Research, con 100 agentes compradores y 300 vendedores, los compradores mostraron un fuerte sesgo hacia la primera oferta recibida. Según el artículo, eso daba a quien respondía primero una ventaja de entre 10 y 30 veces. Varios modelos, además, fueron vulnerables a la manipulación. En el lado vendedor, el estudio de Fish, Gonczarowski y Shorrer mostró que agentes de precios basados en GPT-4 alcanzaban por su cuenta precios superiores a los de competencia, sin que nadie se lo ordenara. Bastaba con cambiar frases en apariencia inocuas de sus instrucciones para alterar cuánto coludían. Es decir, la colusión puede surgir sin acuerdo humano, lo que complica mucho la ley antimonopolio tradicional.

NUESTRA LECTURA E IMPLICACIONES. Primero, no compramos el catastrofismo: no hay pruebas sólidas de que hoy pagues sistemáticamente más que tu vecino por tus datos. Tampoco compramos la complacencia: un aumento de ingresos del 2% al 5% repartido por millones de compras es mucho dinero que sale del bolsillo del consumidor sin que este lo sepa. Segundo, el riesgo más infravalorado es la colusión, no la personalización. La personalización perjudica a individuos. La colusión sube el precio a todos a la vez, como en el alquiler, que es el gasto más sensible. Tercero, la transparencia es el mínimo, no la solución. Un aviso en Nueva York no te dice cuánto pagan los demás. Las reglas útiles serían otras: prohibir el uso de datos sensibles (salud, situación económica, vulnerabilidad), dar derecho a pedir el precio no personalizado y auditar los algoritmos de precios como se auditan las cuentas. Cuarto, conviene vigilar quién controla el agente de compra. Si lo controla la misma plataforma que vende, el conflicto de interés es evidente. Esto conecta con nuestra tesis sobre los agentes: lo que importa es a quién sirven, con qué permisos y quién los puede revocar. A largo plazo, el escenario deseable es plausible. Un mercado donde cada persona tiene un negociador incansable de su lado y el que tiene menos paga menos se parece más a la abundancia que al saqueo. Pero ese futuro no llegará solo. Exige agentes de compra independientes, reglas claras contra la colusión y reguladores que midan antes de prohibir.