¿Y si el precio que ves no es simplemente el precio de un producto, sino un precio calculado específicamente para ti? Imagina a dos clientes que compran exactamente el mismo producto al mismo tiempo. Uno paga 80 dólares; el otro, 60. ¿Es justo? Probablemente la mayoría querríamos más información antes de responder. Sin embargo, la IA hace que esta pregunta sea cada vez más relevante y cada vez más difícil de eludir.

Ya aceptamos precios distintos en muchos ámbitos de nuestra vida. Dos pasajeros sentados uno al lado del otro en el mismo vuelo pueden haber pagado tarifas diferentes. Los estudiantes reciben descuentos en los museos. Las universidades ofrecen becas según la necesidad económica. Los hoteles cobran más en períodos de alta demanda.

A medida que la IA mejora su capacidad para predecir cuánto está dispuesto a pagar cada consumidor, las cuestiones de equidad, privacidad, transparencia y bienestar del consumidor serán cada vez más importantes.

Las diferencias de precios no son nuevas en sí mismas, ni son necesariamente injustas. Lo que está cambiando es la capacidad de las empresas para usar datos e IA con el fin de estimar, con una precisión cada vez mayor, cuánto está dispuesto a pagar cada consumidor. Como explico en mi libro reciente, Pricing in the Age of AI, este cambio tecnológico genera tanto nuevas oportunidades como nuevos riesgos. También transforma la fijación de precios: de ser principalmente una decisión empresarial, pasa a ser una cuestión social y de políticas públicas cada vez más importante.

De un solo precio a tu precio

Durante gran parte del comercio moderno, la fijación de precios era relativamente sencilla desde la perspectiva del consumidor. Una tienda publicaba un precio y los clientes decidían si compraban. Las empresas podían modificar ese precio con el tiempo u ofrecer descuentos, pero su capacidad para adaptar los precios a cada cliente era limitada. El comercio digital empezó a cambiar esto cuando las empresas obtuvieron acceso a mucha más información sobre sus clientes y pudieron ajustar los precios con mayor frecuencia.

La IA acelera esta transformación al permitir que las empresas analicen enormes cantidades de datos y tomen decisiones de precios a una escala gigantesca. Los algoritmos de fijación de precios pueden basarse en información como el historial de transacciones, el comportamiento de navegación, la ubicación, el momento y otras señales contextuales.

En lugar de dividir a los clientes en unos pocos grupos amplios, la IA puede identificar patrones mucho más sutiles y adaptar las ofertas con un alto grado de granularidad.

La IA generativa (GenAI) añade otra dimensión. Herramientas como ChatGPT, Claude y Gemini ya pueden ofrecer recomendaciones de precios sin que una empresa tenga que construir desde cero un algoritmo de precios sofisticado.

Esto democratiza el acceso a las capacidades de fijación de precios basadas en IA y las pone al alcance de una gama mucho más amplia de empresas. La cuestión importante ya no es simplemente si las empresas pueden personalizar los precios, sino hasta dónde deberían llegar.

¿Quién gana y quién pierde?

Es tentador suponer que los precios personalizados tienen que ser perjudiciales para los consumidores. La economía es más compleja. Pensemos en un museo que cobra 20 dólares a los adultos y 10 a los estudiantes. El precio más bajo para los estudiantes puede permitir que visiten el museo personas a las que de otro modo les resultaría demasiado caro, mientras que el museo sigue cobrando un precio más alto a los clientes dispuestos a pagar más. En esos casos, la diferenciación de precios puede beneficiar tanto al vendedor como a los consumidores en conjunto.

Los algoritmos de fijación de precios pueden observar continuamente las condiciones del mercado y los precios de los competidores, y ajustar los propios en respuesta.

El mismo principio se aplica en muchos otros mercados. Los precios diferenciados pueden ayudar a las empresas a atender a clientes con distinta disposición a pagar, lo que potencialmente amplía el acceso a productos y servicios. Los descuentos personalizados también pueden hacer que algunos consumidores paguen menos de lo que pagarían con un sistema de precio único. Pero el panorama cambia a medida que la personalización se vuelve cada vez más precisa. Los economistas utilizan el concepto de excedente del consumidor para describir la diferencia entre lo que una persona está dispuesta a pagar y lo que realmente paga. Si estoy dispuesto a pagar 100 dólares por algo, pero lo compro por 70, obtengo un excedente de 30.

Ahora imaginemos que un sistema de IA pudiera estimar casi a la perfección que estoy dispuesto a pagar 100 dólares. En lugar de ofrecerme el precio estándar de 70, la empresa podría, en teoría, cobrarme casi 100. Otro consumidor dispuesto a pagar solo 60 podría recibir un precio mucho más bajo por el mismo producto. En el extremo teórico, la personalización perfecta de los precios permitiría a las empresas apropiarse de todo el excedente del consumidor.

El producto en sí no ha cambiado. Lo que ha cambiado es cómo se reparte entre el vendedor y los compradores el valor económico creado por la transacción. Así, la fijación de precios impulsada por la IA no es solo una cuestión de eficiencia o rentabilidad. También se está convirtiendo en una cuestión sobre la distribución del valor económico entre las empresas y los consumidores.

¿Qué es un precio justo?

Esto nos lleva a una pregunta aparentemente sencilla: ¿cómo podemos garantizar que la IA fije los precios de manera justa? El problema es que no existe una única definición de precio justo. En mi investigación con Adam Elmachtoub y Xiao Lei sobre price discrimination with fairness constraints, propusimos cuatro definiciones de equidad. La equidad de precios consiste en ofrecer precios similares entre grupos. La equidad de demanda se centra en un acceso similar a un producto. La equidad del excedente del consumidor se centra en si los distintos grupos conservan un valor similar después de pagar. Una cuarta definición se centra en los consumidores que no compran porque el precio es demasiado alto.

Cuando se utiliza la IA generativa para recomendar precios, evaluar solo el modelo puede no ser suficiente.

Cada definición parece razonable, pero pueden ser incompatibles. Supongamos que dos grupos de consumidores valoran de forma distinta el mismo producto. Ofrecer a ambos grupos el mismo precio puede satisfacer la equidad de precios, pero no necesariamente garantiza un acceso similar.

A la inversa, lograr tasas de compra similares entre los dos grupos puede exigir cobrarles precios distintos. Nuestra investigación muestra que puede ser imposible satisfacer simultáneamente incluso dos de estas definiciones de equidad.

También constatamos que imponer la equidad no siempre tiene el mismo efecto sobre el bienestar económico. En algunos contextos, restricciones moderadas de equidad pueden mejorar el bienestar social, mientras que restricciones demasiado rígidas pueden reducirlo. Esta distinción es importante para la fijación de precios con IA. No basta con decir que un algoritmo debe ser «justo». Primero hay que decidir qué significa la equidad en un contexto particular. Eso lleva a una idea más amplia sobre la IA: la IA puede optimizar una definición de equidad una vez que se la damos, pero no puede decidir qué definición debe valorar la sociedad. Eso sigue siendo una decisión humana.

Cuando los datos determinan lo que pagas

La fijación de precios impulsada por la IA plantea otra pregunta difícil: ¿qué información debería influir en el precio que recibe una persona? Los sistemas de IA pueden identificar relaciones que a un responsable humano le resultaría difícil detectar. Eso es parte de su valor. Pero también significa que eliminar la información sensible de un conjunto de datos no elimina necesariamente la posibilidad de resultados desiguales.

Los algoritmos de fijación de precios pueden observar continuamente las condiciones del mercado y los precios de los competidores, y ajustar los propios en respuesta.

Pensemos en la ubicación geográfica. Utilizar la ubicación de un cliente puede parecer muy distinto de utilizar una característica sensible como la raza o el género. Sin embargo, la ubicación puede estar correlacionada con características demográficas. Así, un algoritmo podría generar diferencias sistemáticas entre grupos incluso sin observar directamente la pertenencia a ellos.

La IA generativa introduce una complicación adicional: los resultados pueden depender no solo del modelo y de los datos, sino también de las instrucciones, o prompts, que se le dan al modelo. Mi investigación con Eddy Hage-Youssef y Warut Khern-am-nuai ilustra este problema en el mercado laboral.

Como explicamos en What Happens When AI Sets Wages, pedimos a modelos de IA líderes que recomendaran tarifas por hora para miles de trabajadores independientes. Las recomendaciones variaron según características como la geografía y la edad, y la forma en que se formulaban los prompts también podía influir en los resultados. La implicación va más allá de los salarios. Cuando se utiliza la IA generativa para recomendar precios, evaluar solo el modelo puede no ser suficiente. También necesitamos comprender los datos, los prompts, los objetivos y otras decisiones que rodean al sistema.

De una mejor fijación de precios a una fijación de precios responsable

Nada de esto significa que la fijación de precios basada en IA sea inherentemente perjudicial. La IA puede ayudar a las empresas a tomar mejores decisiones, responder con rapidez a los cambios de la oferta y la demanda, ofrecer descuentos dirigidos, mejorar el acceso y utilizar con mayor eficiencia los recursos escasos. En muchos casos, los algoritmos de precios pueden beneficiar tanto a los consumidores como a las empresas. El desafío consiste en aprovechar estos beneficios sin ignorar los riesgos que acompañan a decisiones cada vez más automatizadas y personalizadas. Estas tecnologías también pueden complicar preocupaciones conocidas en torno a los precios.

En un artículo reciente sobre cómo la IA está transformando los litigios en materia de precios, analizo cuatro áreas en particular: la colusión algorítmica, el aumento abusivo de precios, las prácticas engañosas y la discriminación de precios. La colusión algorítmica ofrece un ejemplo interesante. Tradicionalmente, la colusión implica que los competidores coordinen su comportamiento, por ejemplo, acordando subir los precios. Con la fijación algorítmica de precios, la situación puede volverse más compleja y más difícil de detectar.

Los algoritmos de fijación de precios pueden observar continuamente las condiciones del mercado y los precios de los competidores, y ajustar los propios en respuesta. En ciertas condiciones, los algoritmos pueden aprender estrategias de precios que reducen la competencia de precios incluso sin comunicación explícita entre las empresas. Al mismo tiempo, precios similares pueden reflejar simplemente que las empresas responden de forma independiente a las mismas condiciones de mercado. Distinguir entre estas posibilidades plantea nuevos desafíos para la política de competencia.

La IA no crea estos problemas, pero su capacidad para procesar grandes cantidades de datos, adaptarse con rapidez y automatizar decisiones puede cambiar la forma en que surgen y lo difíciles que son de detectar. Los algoritmos de precios ya han sido objeto de litigios y de un creciente escrutinio regulatorio, entre otros en el mercado de la vivienda de alquiler y en otros mercados. Los tribunales y las autoridades de competencia examinan cada vez más el papel de los algoritmos y los datos en la fijación de precios.

La fijación personalizada de precios también está recibiendo cada vez más atención. En agosto de 2026, la Comisión Federal de Comercio de Estados Unidos (FTC) emitió una propuesta de declaración de política de aplicación sobre el uso de datos personales para determinar el precio que se ofrece a un consumidor individual. La FTC no propuso prohibir los precios personalizados. En cambio, la declaración se centra en parte en las expectativas de los consumidores y en la transparencia, incluida la divulgación de si un precio está personalizado, en qué se basa la personalización y qué tipos de datos se utilizan. La IA hace que este asunto sea aún más complejo.

Los precios siempre han reflejado más que la oferta y la demanda. 

Los debates tradicionales sobre la fijación de precios basada en datos suelen centrarse en la pregunta: ¿qué información tiene una empresa sobre mí? En la era de la IA, una pregunta igualmente importante puede ser: ¿qué puede inferir el algoritmo de la empresa sobre mí a partir de la información que tiene? Un sistema de IA puede inferir características económicamente relevantes a partir de combinaciones de ubicación, comportamiento de navegación, historial de compras, información del dispositivo y otras señales, incluso cuando el consumidor nunca proporcionó directamente esas características.

Estos avances hacen que la transparencia, la auditoría y la supervisión humana sean cada vez más relevantes. Las empresas necesitan comprender cómo se comportan sus sistemas de precios, someterlos a pruebas para detectar resultados inesperados y determinar cuándo deben intervenir las personas. Es posible que los consumidores quieran saber cada vez más cuándo los precios están personalizados y qué tipos de información influyen en las ofertas que reciben.

Para los responsables de políticas públicas, la fijación de precios impulsada por la IA se cruza con cuestiones que tradicionalmente se han considerado por separado, como la privacidad, la discriminación, la protección del consumidor, la competencia y la transparencia de los precios. El objetivo no es simplemente impedir que las empresas utilicen la IA para fijar precios, ni suponer que una mayor personalización es siempre deseable. El desafío consiste en preservar los beneficios económicos de la IA y, al mismo tiempo, abordar los nuevos riesgos que generan los precios cada vez más automatizados e individualizados.

La nueva política de los precios

Los precios siempre han reflejado más que la oferta y la demanda. También afectan el acceso, la asequibilidad y la forma en que se reparten los beneficios del intercambio económico. La IA no cambia estas cuestiones fundamentales. Lo que cambia es nuestra capacidad para tomar decisiones de precios con una rapidez, una escala y una precisión sin precedentes. Las empresas pueden estimar cada vez mejor no solo lo que vale un producto en promedio, sino potencialmente lo que vale para ti.

En Pricing in the Age of AI, sostengo que esta evolución hacia precios cada vez más personalizados traerá tanto oportunidades económicas como nuevos desafíos. A medida que la IA mejora su capacidad para predecir cuánto está dispuesto a pagar cada consumidor, las cuestiones de equidad, privacidad, transparencia y bienestar del consumidor serán cada vez más importantes.

En última instancia, la tecnología no puede responder estas preguntas por nosotros. Las empresas pueden decidir con qué intensidad personalizar. Los algoritmos pueden optimizar los objetivos que se les asignan. Los responsables de políticas públicas pueden establecer salvaguardas. Pero corresponde a los seres humanos determinar qué resultados consideran aceptables. Cuando la IA puede estimar cada vez mejor cuánto está dispuesto a pagar cada uno de nosotros, la cuestión crítica ya no es solo cuál es el precio correcto, sino qué principios deberían guiar la forma en que la IA fija los precios.