La advertencia de la Comisión Federal de Comercio de Estados Unidos introduce una línea divisoria relevante en el debate sobre la economía de los datos: una empresa puede utilizar información personal para mejorar sus operaciones, segmentar su publicidad o anticipar la demanda, pero corre el riesgo de infringir la ley federal si emplea esos datos para decidir cuánto cobrarle a cada consumidor sin informárselo claramente. La agencia no propuso prohibir de manera general los precios personalizados. Su objetivo inmediato es otro: considerar potencialmente engañosa la práctica de ocultar que el importe mostrado a un comprador depende de su historial, su contexto o una estimación algorítmica de su disposición a pagar.
La diferencia parece técnica, pero afecta a una expectativa comercial básica. En una tienda física, el consumidor suele interpretar que el precio colocado en la estantería es aplicable a cualquier persona que compre el mismo producto en ese momento. La FTC sostiene que esa expectativa también opera en la página de un minorista: si dos usuarios consultan el mismo artículo, el comprador espera que la cifra visible responda al producto, a los costes y a las condiciones generales de venta, no a un perfil secreto que determine quién puede soportar un precio más alto.
El problema no es solo cuánto se cobra, sino qué se oculta
La propuesta de declaración de política de aplicación de la ley se apoya en la Ley de la FTC, que prohíbe las prácticas desleales o engañosas. El razonamiento del organismo es que el consumidor no puede evaluar una oferta como lo haría en un mercado transparente si desconoce que el precio fue calculado a partir de sus datos personales. La falta de información no sería un detalle secundario: impediría comparar, reclamar o decidir si desea seguir comprando bajo esas condiciones.
El planteamiento también modifica la carga de la discusión. Durante años, la conversación sobre privacidad se concentró en el consentimiento para recopilar datos. La FTC desplaza el foco hacia el uso económico posterior de esa información. Un cliente puede haber aceptado cookies, un programa de fidelización o los términos de una aplicación sin comprender que los datos acumulados servirán para estimar cuánto pagaría por la leche, una habitación de hotel o un traslado. El consentimiento genérico para analizar hábitos no equivale necesariamente a una explicación clara sobre discriminación de precios.
Los ejemplos incluidos por la comisión muestran por qué la cuestión resulta especialmente delicada. Un supermercado podría cobrar más por la leche a una persona que solicita reparto a domicilio después de inferir que en su hogar viven varios niños. Un hotel podría elevar la tarifa al concluir que un viaje es indispensable, como en el caso de alguien que asiste a un funeral. Una plataforma de transporte podría encarecer un trayecto hacia un hospital al detectar señales compatibles con una emergencia médica. En los tres supuestos, el algoritmo no estaría reaccionando únicamente a la oferta y la demanda: estaría monetizando una necesidad individual.
Ahí aparece el primer punto de fondo: la personalización deja de ser una herramienta comercial neutral cuando utiliza la vulnerabilidad como variable de precio. Cobrar más en una hora de alta demanda puede responder a una regla pública y verificable, aunque sea controvertida. Cobrar más porque el sistema dedujo que una familia necesita alimentos o que un viajero no puede posponer su llegada a un hotel introduce una asimetría distinta. El consumidor no negocia en igualdad de condiciones porque ni siquiera sabe qué información activó el incremento.
Una señal de alerta para supermercados, plataformas y hoteles
El impacto más inmediato recaerá sobre los sectores que combinan grandes volúmenes de transacciones con abundantes datos sobre sus clientes. Los supermercados y los servicios de compra de comestibles pueden vincular compras, ingresos estimados, tamaño del hogar, ubicación, nivel educativo y género. Las plataformas de comercio electrónico añaden búsquedas, abandonos de carrito, frecuencia de visitas y respuestas a promociones. Los hoteles y las aplicaciones de movilidad incorporan fechas, destinos, urgencia probable y capacidad de pago inferida. Cuanto más precisa sea la radiografía del usuario, mayor será el incentivo para convertirla en una variable de precio y mayor el riesgo regulatorio.
Las investigaciones citadas por Consumer Reports ofrecen una medida concreta del problema. En mayo de 2025, la organización afirmó que Kroger había reunido grandes volúmenes de información para elaborar perfiles individuales de compradores. En diciembre del mismo año, Consumer Reports, Groundwork Collaborative y More Perfect Union detectaron que usuarios de Instacart podían pagar importes distintos por los mismos productos, en la misma tienda y al mismo tiempo. Las diferencias llegaron hasta el 23% y, según la investigación, podían representar más de 1.200 dólares adicionales al año para una familia. Instacart anunció después que terminaría su programa de pruebas de precios.
Ese dato tiene una importancia que va más allá del importe individual. Una variación del 23% no es fácilmente absorbible para los hogares con presupuestos ajustados, especialmente cuando afecta a alimentos y otros bienes esenciales. Además, el daño se acumula de forma silenciosa: cada transacción puede incluir un sobrecoste aparentemente pequeño, pero la repetición semanal convierte una decisión algorítmica en una transferencia considerable de renta. La opacidad impide que el consumidor identifique el patrón y reduce la presión competitiva que normalmente obligaría a una empresa a justificar sus precios.
La segunda conclusión es que el mercado puede fragmentarse sin que desaparezca la apariencia de competencia. Dos consumidores siguen viendo una interfaz similar, varias marcas y un botón de compra, pero no participan realmente en el mismo mercado si reciben ofertas calculadas con reglas distintas. Comparar precios deja de ser una acción suficiente cuando el precio cambia según quién consulta. La competencia no se elimina; se vuelve más difícil de observar y, por tanto, menos eficaz para disciplinar a las empresas.
Consumidores informados y consumidores expuestos
La FTC identifica una distribución desigual del riesgo. Algunos usuarios pueden limitar la recopilación de datos mediante una red privada virtual, un navegador privado o medidas para evitar el rastreo. Sin embargo, esas herramientas requieren conocimientos, tiempo y una capacidad constante para modificar configuraciones, borrar identificadores y comparar resultados. No todos los compradores pueden realizar ese trabajo antes de cada compra, y muchos ni siquiera saben que existe una posible diferencia de precio.
La defensa de Consumer Reports apunta precisamente a esa desigualdad. Grace Gedye sostuvo que nadie debería pagar más por alimentos u otros productos esenciales porque una empresa conozca sus búsquedas, sus ingresos, la composición de su hogar o sus desplazamientos. También cuestionó que la solución consista en exigir al consumidor leer información extensa y técnicamente compleja en cada artículo. La transparencia pierde sentido si se presenta como una obligación de investigación permanente para quien compra, mientras la empresa dispone de sistemas automatizados capaces de analizar miles de señales en tiempo real.
Desde la perspectiva empresarial, el argumento es más matizado. Las compañías pueden sostener que la personalización permite ofrecer descuentos a clientes sensibles al precio, financiar entregas o ajustar tarifas a costes operativos que varían por zona y momento. También pueden alegar que una prohibición demasiado amplia perjudicaría la innovación, limitaría los programas de fidelización y confundiría prácticas legítimas de segmentación con discriminación injusta. Un descuento exclusivo para miembros o una tarifa que cambia según la demanda no es automáticamente equivalente a cobrar más porque se detectó una situación personal delicada.
La disputa regulatoria dependerá, por ello, de la trazabilidad del algoritmo. Será decisivo distinguir entre variables relacionadas con el coste o la disponibilidad y variables que funcionan como aproximaciones a la vulnerabilidad. El precio de un viaje puede reflejar distancia, tráfico y número de conductores disponibles. El problema surge cuando el sistema utiliza la llegada a un hospital, la urgencia inferida o el historial médico indirecto para extraer un margen adicional. La frontera no siempre será visible en la interfaz, pero sí debería poder reconstruirse en los registros internos de la empresa.
La transparencia puede convertirse en una obligación operativa
La propuesta de la comisión no se limita a pedir una frase genérica sobre el uso de datos. Según el organismo, las empresas deberían revelar con claridad que el precio mostrado se basa en una estimación de la disposición a pagar construida con información sobre hábitos anteriores. Esta exigencia podría obligar a modificar avisos de privacidad, procesos de consentimiento, sistemas de auditoría y documentación de modelos. También podría requerir que una compañía conserve pruebas de qué datos se usaron, qué variables influyeron en el importe y qué grupos recibieron precios diferentes.
Ese cambio tendría consecuencias para las áreas de cumplimiento y para los proveedores tecnológicos. Un minorista no podría limitarse a revisar el código que controla su página web si la decisión de precio se origina en una plataforma de datos, un intermediario publicitario o un modelo adquirido a un tercero. Las responsabilidades contractuales entre marcas, marketplaces, procesadores de pagos y empresas de analítica tendrían que precisar quién responde cuando una segmentación comercial termina produciendo un precio personalizado no divulgado.
La transparencia, sin embargo, no resuelve por sí sola el problema. Informar al consumidor de que un algoritmo puede cobrarle más no le ofrece necesariamente una alternativa real, sobre todo cuando compra medicinas, alimentos o necesita desplazarse con urgencia. Una revelación puede cumplir formalmente con la norma y mantener intacto el desequilibrio si el cliente no dispone de otro proveedor, no puede negociar o no sabe qué precio habría recibido otra persona. El debate futuro probablemente enfrentará dos estándares: uno basado en la información y otro basado en límites materiales a las variables que pueden utilizarse.
El siguiente frente será probar la discriminación invisible
La aplicación de la norma puede ser compleja porque el consumidor rara vez observa el precio alternativo. Para demostrar una práctica engañosa, la FTC podría necesitar comparar sesiones, perfiles, ubicaciones y momentos distintos, además de establecer que la diferencia obedeció a datos personales y no a cambios normales de inventario o demanda. La empresa, en cambio, controla los registros del modelo y puede invocar razones comerciales legítimas. Esa asimetría probatoria convierte el acceso a los datos y a los sistemas de decisión en una cuestión central de cualquier investigación.
También existen riesgos de efectos indirectos. Un algoritmo puede no utilizar explícitamente el género, los ingresos o el origen de una persona y aun así alcanzar resultados desiguales mediante códigos postales, patrones de navegación, tipo de dispositivo o comportamiento de compra. La eliminación de una variable sensible no garantiza que desaparezca la discriminación si otras actúan como sustitutos. Los hogares con menor conectividad, menos tiempo para comparar o mayor dependencia de una plataforma pueden quedar sistemáticamente expuestos a peores ofertas sin que el modelo incluya una etiqueta evidente de vulnerabilidad.
Una reacción empresarial defensiva podría ser reducir la personalización visible y trasladar el análisis a promociones, paquetes, comisiones o condiciones de entrega. El precio del producto parecería uniforme, pero el coste final cambiaría mediante servicios complementarios. Ese desplazamiento dificultaría la supervisión y podría crear una nueva disputa sobre qué debe considerarse precio: solo la cifra principal o el importe total que el consumidor necesita pagar para obtener el bien o servicio.
Hacia un mercado con precios auditables
La iniciativa de la FTC puede impulsar una nueva fase de regulación basada en la auditabilidad. Las compañías tendrán incentivos para clasificar sus sistemas según el tipo de dato utilizado, separar ajustes de demanda de inferencias personales y establecer controles especiales para alimentos, transporte, alojamiento y otros servicios esenciales. Los registros de precios podrían incluir una explicación interna de cada modificación, aunque la versión visible para el consumidor sea sencilla. Esa infraestructura permitiría investigar patrones antes de que una denuncia individual se convierta en una crisis pública.
La presión también puede cambiar la competencia entre plataformas. Las empresas que garanticen precios uniformes o expliquen de manera comprensible sus reglas podrían convertir la privacidad en un atributo comercial, del mismo modo que hoy se promocionan las políticas de devolución o la seguridad de los pagos. Pero esa ventaja solo será creíble si existen verificaciones independientes. Una promesa empresarial sin acceso a auditorías corre el riesgo de convertirse en otro mensaje de marketing imposible de comprobar.
El escenario más probable no es la desaparición inmediata de los precios dinámicos, sino una delimitación más estricta de sus fundamentos. Los ajustes por inventario, horario o congestión seguirán siendo defendibles cuando respondan a condiciones objetivas y no oculten una extracción basada en la identidad del comprador. En cambio, el uso de ingresos inferidos, composición familiar, urgencia médica o necesidad emocional quedará bajo una vigilancia mucho más intensa. La FTC ha señalado que no necesita esperar una prohibición total para intervenir: basta con demostrar que la empresa ocultó una práctica capaz de alterar la decisión económica del consumidor.
La cuestión de fondo es quién debe asumir el coste de la complejidad digital. Si cada comprador tiene que navegar con herramientas privadas, comparar sesiones y descifrar políticas extensas para evitar un recargo, la transparencia del mercado se convierte en una tarea individual casi imposible. Si las empresas deben justificar de antemano cómo sus datos influyen en los precios, el coste de la supervisión recaerá en quienes diseñan y se benefician de los algoritmos. La advertencia de la comisión apunta hacia esa segunda opción, aunque su alcance real dependerá de los casos que el organismo lleve adelante, de la reacción de los tribunales y de la capacidad de los consumidores para demostrar diferencias que, por diseño, permanecen ocultas.
