Informática, vigilancia del consumidor y fijación de precios de acuerdo a su cara

[Egis]

El fin del precio como dato público: Surveillance Pricing

Durante décadas el precio fue la información más básica y democrática del mercado: un número visible, igual para todos los que miraban la misma etiqueta. Eso está terminando. Lo que está emergiendo en su lugar tiene un nombre técnico preciso: Surveillance Pricing, o precios de vigilancia. Y no es una especulación futurista: está ocurriendo ahora, en los supermercados de tu ciudad y en los sitios donde comprás todos los días.

La distinción conceptual es importante porque se confunde deliberadamente con el Dynamic Pricing, que es otra cosa. El precio dinámico fluctúa según condiciones de mercado: sube el precio del paraguas cuando llueve, bajan los pasajes cuando quedan muchos asientos. Esas variaciones son externas al comprador y, en principio, simétricamente observables.

El Surveillance Pricing opera de manera radicalmente diferente: el precio que ves depende de quién sos vos. El algoritmo analiza tu historial de compras, tu ubicación geográfica, tu código postal, el modelo de teléfono desde el que navegás, los artículos que pusiste en el carrito y no compraste, y calcula un número que no es el precio del producto: es el máximo que estás dispuesto a pagar antes de desistir. Ese es el precio que te muestran a vos. A otra persona, en el mismo momento, para el mismo producto, le puede mostrar otro.

En enero de 2025 la Comisión Federal de Comercio de Estados Unidos (FTC) documentó formalmente que existe todo un sector de empresas especializadas en construir y gestionar estos sistemas para los comercios minoristas, con al menos 250 clientes en rubros que van desde supermercados hasta ropa. Los datos que estas empresas manejan incluyen localización exacta por GPS, historial de navegación, hora del día, edad estimada, sexo y los ítems abandonados en carritos online, que resultan una señal particularmente precisa del precio máximo tolerable para ese comprador.

La respuesta regulatoria comenzó a moverse en 2025, principalmente en Estados Unidos. Nueva York aprobó en noviembre de ese año la Algorithmic Pricing Disclosure Act, que exige que cualquier precio fijado algorítmicamente con datos personales lleve la leyenda visible "ESTE PRECIO FUE FIJADO POR UN ALGORITMO USANDO TUS DATOS PERSONALES". California inició en enero de 2026, en el marco del Día de la Privacidad de Datos, una investigación formal sobre empresas que aplican esta práctica, vinculándola a posibles violaciones de la California Consumer Privacy Act. En marzo de 2026, la fiscal general de Nueva York, Letitia James, respaldó el "One Fair Price Package", un paquete legislativo que va más lejos: propone prohibir directamente el uso de precios algorítmicos personalizados y vetar las etiquetas electrónicas en grandes cadenas de alimentación y farmacia.

En diciembre de 2025, Consumer Reports publicó una investigación de campo con más de 400 voluntarios que comprobaron diferencias de precio en plataformas de entrega de supermercado. Los hallazgos fueron tan contundentes que Instacart, plataforma de compras online con cotización en el Nasdaq, anunció el cese inmediato de sus experimentos de precios con inteligencia artificial días antes de que terminara el año.

Ahora un caso testigo EXTREMO.

A principios de marzo de 2026 estalló en Argentina la polémica con Mercado Libre. El economista especializado en medios de pago Ariel Setton publicó en X un ejemplo concreto: dos usuarios veían una diferencia de cerca del 50% en el precio de una grifería de baño al acceder al mismo enlace desde cuentas distintas y en el mismo momento. El posteo desencadenó una catarata de respuestas con capturas de pantalla de otros usuarios que replicaron la prueba en distintos productos y confirmaron las variaciones. Las hipótesis que circularon apuntaban a variables como el historial de compras, la frecuencia de uso, la suscripción a Meli+ y la ubicación geográfica.

La respuesta de Mercado Libre fue un ejercicio de comunicación corporativa que merece leerse con atención. La empresa negó enfáticamente que existan precios personalizados según el usuario. Pero al mismo tiempo admitió que dos usuarios en igualdad de condiciones pueden ver precios distintos para el mismo artículo en el mismo momento, atribuyendo eso a "testeos con grupos de control" que muestran valores diferentes a grupos reducidos durante períodos limitados con el objetivo de identificar el precio más eficiente para maximizar ventas. Adicionalmente, confirmó la existencia de una herramienta llamada "Ajuste Automático de Precios" que los vendedores pueden habilitar para que el sistema ajuste dinámicamente sus precios dentro de un rango previamente definido.

Descompongamos la respuesta. La empresa dice que no hace precios personalizados pero reconoce que hace experimentos en los que distintos compradores ven distintos precios para el mismo producto en el mismo instante. La distinción que propone entre "personalización sistémica" y "testeo aleatorio" es válida en términos técnicos pero irrelevante en términos de consecuencias para el consumidor: en ambos casos, el precio que ves no es el precio del producto sino el resultado de un experimento sobre tu comportamiento. Y la herramienta de ajuste automático que ofrecen a los vendedores es exactamente el mecanismo descripto: un rango definido por el vendedor, un algoritmo que elige el punto dentro de ese rango según variables del comprador.

La asimetría de información resultante es estructural y no accidental. En un mercado con información simétrica, comprador y vendedor conocen las condiciones relevantes. Cuando el vendedor sabe cuánto máximo vas a pagar y vos ni siquiera sabés que te están aplicando un precio diferencial, el "mercado" deja de ser un mecanismo de formación de precios para convertirse en un sistema de extracción de excedente dirigido individualmente. La teoría económica tiene un nombre para esta situación: discriminación de precios de primer grado, o discriminación perfecta. Hasta hace poco era un concepto teórico porque requería información que ningún vendedor podía tener. La combinación de big data, machine learning y ubicuidad digital lo está haciendo operativo a escala masiva.

Hay una dimensión adicional que raramente se menciona: el impacto discriminatorio colateral. Si el algoritmo correlaciona ciertos códigos postales, tipos de dispositivo o patrones de navegación con mayor disposición a pagar, está penalizando desigualdades preexistentes sin que exista ninguna regla explícita de cobrarle más a determinado grupo. El sesgo queda enterrado en la función de optimización y es prácticamente imposible de auditar desde afuera. Quien vive lejos de centros comerciales competidores, quien navega desde un dispositivo de gama alta, quien tiene historial de compras frecuentes: paga más. No porque lo decidió nadie explícitamente, sino porque el modelo aprendió a extraerle más.

El caso de las aerolíneas se invoca frecuentemente para normalizar estas prácticas. El argumento es débil por varias razones. Los pasajes aéreos son compras infrecuentes, de alto valor, donde el comprador ya asume que hay una dinámica de precios variable y cuenta con herramientas para comparar. Los productos de supermercado o de consumo cotidiano son compras de alta frecuencia, muchas veces de primera necesidad, donde la certeza del precio no es un lujo sino un componente de la estabilidad económica doméstica. Trasladar la lógica del yield management aeronáutico a la leche o los medicamentos no es una extensión natural: es un cambio de régimen.

Lo que está en juego, en último término, es si el precio sigue siendo información pública. Durante siglos la etiqueta de precio fue el punto de encuentro entre oferta y demanda: un dato compartido que permitía la comparación y la competencia. Si el precio se convierte en una variable privada calculada individualmente, la estructura misma del mercado como dispositivo de coordinación social se altera profundamente. No en abstracto: en el momento en que abrís una app para comprar algo y ves un número que fue calculado especialmente para que vos, con tu perfil específico, no te vayas sin pagar ese monto.

En Argentina no existe actualmente ninguna prohibición específica sobre precios personalizados en comercio electrónico. Especialistas en derecho del consumidor señalan que la práctica podría tensionar la Ley de Defensa del Consumidor en lo relativo a transparencia y trato equitativo, pero no existe una norma que la aborde directamente. Mientras el debate regulatorio se desarrolla en Estados Unidos y Europa, en Latinoamérica la práctica avanza sin ningún marco que la contenga.

El próximo paso que habrá que monitorear es la integración de estas lógicas con el Internet de las Cosas. Cuando la heladera inteligente o el asistente de voz sea el que haga la compra de forma autónoma, el punto de captura algorítmica será el momento exacto en que se detecte la necesidad, con urgencia medida en tiempo real.

Por ahora, un dato práctico que ya circula en los foros: acceder al mismo producto desde el navegador en modo incógnito, sin iniciar sesión, a menudo muestra un precio diferente al que ves desde tu cuenta. Ese diferencial es la magnitud del perfil que te construyeron.

Y para finalizar:
Algo que siempre recuerdo y repito
El fin del CAPITAL es la acumulación de capital, nada más.
La Característica del capitalismo no es la producción de valor o sea de bienes y servicios (pues ésto es inherente a la especie humana desde el hommo habilis) sino que la característica distintiva el la APROPIACIÓN de valor (desde el proletariado hacia la burguesía)

---

Fuentes verificadas y verificables:
- FTC, informe sobre surveillance pricing, enero 2025
- Consumer Reports, investigación de campo sobre precios algorítmicos en plataformas de entrega, diciembre 2025
- MultiState, análisis legislativo sobre pricing en estados de EEUU, enero 2026
- Pillsbury Law, análisis del marco regulatorio en California, febrero 2026
- Regulatory Oversight / Troutman Pepper, sobre el One Fair Price Package de Nueva York, marzo 2026
- Grocery Dive, seguimiento legislativo federal y estadual, marzo 2026
- Infobae, La Nacion, El Economista, Cronica, IProfesional, 24con, Diario Norte: cobertura del caso Mercado Libre, marzo 2026

https://www.multistate.us/insider/20...pect-this-year

https://www.pillsburylaw.com/en/news...ral-level.html

https://www.meneame.net/story/tecnol...os-pagues-seas

https://www.regulatoryoversight.com/...gs-crosshairs/

https://www.infobae.com/economia/202...de-la-empresa/