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/

[Manesw]

Gracias Egis
Tan preocupante como interesante.
Como muchos lo sospechaba y no me sorprende....a ver que otras practicas van surgiendo gracias a la TIA,con "t" de trampa....
?se puede usar la ia en nuestro favor para detectar sus propias tacticas?

[Egis]

Originalmente publicado por Manesw

Gracias Egis
Tan preocupante como interesante.
Como muchos lo sospechaba y no me sorprende....a ver que otras practicas van surgiendo gracias a la TIA,con "t" de trampa....
?se puede usar la ia en nuestro favor para detectar sus propias tacticas?

A ver...
A la IA NO le demos más importancia de la que tiene (POR AHORA)

La IA sirve para muchas cosas pero en verdad NO es muy inteligente para que digamos que un asombro.

A ver... Por ahora lo que se llama IA en este momento NO es más que un artificio que maneja muchísima información, que comprende el lenguaje humano y que hace tareas que se pueden tabular, parametrizar, ceñir a un algoritmo. Eso lo hace bien, aunque comete errores, algunos tremendos, tanto que asustan.

Ahora... NO ví a ninguna IA que resolviera una conjetura matemática irresuelta, ni una. Lo cual hace sospechar que la IA sólo es muy rápida y muy "sabia" (tienen muchos datos)

Por otra parte segmentar y calificar clientes potenciales se hace desde hace mucho tiempo con los datos de las tarjetas de crédito, débito y compras. El "Data mining" o minería de datos se usa hace década. Es un proceso automáticoque analiza grandes conjuntos de datos para descubrir patrones, y correlaciones, transformando datos brutos en conocimiento estratégico.

Lo explico fácil... Si un cliente identificado (que paga por tarjeta, cualquiera sea el tipo de ésta) compra por ejemplo pañales en forma frecuente, lo puedo identificar como padre/madre de un menor bebé, si además asocio sus otros gastos puedo identificar su nivel de ingresos por sus patrones de compra. Así que identificado éste le puedo, dentro de unos añitos, empezar a bombardear con productos para niños de 3-4-5 años... Es fácil. No hace falta una IA para eso, sólo minería de datos.

Lo mismo pasa con la ubicación geográfica... si un cliente vive en un pueblo... podría verderle productos NO masivos a mayor precio porque estoy seguro que no los encontrará en su pueblo de 1.000 habitantes.

Es un problema.

Las redes Asociales (Facebook, X, Instagram, etc...) No sirven para armar comunidades de vinculación social. NO, todo lo contrario. Lo que hacen es segmentar, tabular comportamientos para dividir a la sociedad (los gordos, los flacos, los veganos, los vegetarianos, las feministas, las feminazis, los regiosos, los conservadores, los liberales, los liberotarios, los abortistas, los que luchan por la vida, etc...) a cada grupo se les dá, se les envía información elegida bajo sus propios parámetros de predilección producida por otros usuarios. ¿Qué tiene de malo ésto? TODO porque magnifica el sesgo de confirmación de cada individuo y esto es muy pernicioso porque el individuo además de creer en cosas que podrían estar erradas NO tiene la posibilidad de encontrar datos que las confronten... De esa manera... No sólo el individuo NO tiene la posibilidad de salir de su error sino que obtiene confirmación de que su error es la verdad absoluta. IMPRESIONANTE.

Netflix y Yotube (y otras más) funcionan de esa manera... en su grilla tiene un sinfin de porquerías que no valen dos céntimos y también algo de calidad... Si el espectador elige para ver la "Recomendación Netflix/Youtube" cae en la trampa de la mediocridad y si el usuario va por algo en particular por ejemplo una peli "más o menos" pasable (que las hay incluso en Netflix) la plataforma empezará de a poco a llevarlo vía recomendaciones a que vea las porquerías que tiene de a millones. La razón es simple: las porquerías son más fáciles de producir en forma "industrial" mientras que una peli como las de Angelopolos, Bergman, Tarkovsky, Eisentein, Tarr y otros... tardan años... y además una peli de arte te "deja lleno" y necesitas un descanso para procesarla o por lo menos para comentarla. E cambio "Destripemos al enemigo 45" o "Hagamos bulling en el colegio 82" (esta debe ser producción de la Disney) las puedes ver en "maratón" total son tan simples que ni siquiera debes pensar más de lo que piensa un sapo para entenderlas. Las ves y pasas la otra y así funciona la industria del audiovisual por streaming.

¿Cómo defendernos de estas cosas que tiene el mercado capitalista?
Y... la veo difícil.

En principio tratar de navegar lo más oculto posible. OJO oculto, no "disfrazado" bajo un nick por ejemplo "manolo45" porque al sistema NO le importa como te llames (porque te identificará con un numero exadecimal) sino que comportamiento tiene "manolo45"

En lo posible cuando se quiere comprar algo, navega anónimo, mira precios y cuando alguno te convenga, allí sí lo compras con tu usuario PREVIO verificar que el precio no ha cambiado.

Yo, por mi parte, tengo varios navegadores, cuando quiero ver precios uso TOR sobre Linux en modo "enrutado"... de esa manera es imposible -salvo que hagan un análisis muy complejo de la conexión- identificarte y conocer siquiera tu ubicación.

Estamos en el horno...
Hoy día un puñados de empresas capitalistas (Meta, Alphabet, Apple, Microsoft, etc...) tienen más datos de muchos de nosotros que el propio estado.

A ver...
Un estado no sabe a la hora que te levantas... Google sí, si tienes el teléfono con ubicación habilitada y sensor de movimiento. En ese caso puede incluso estimar con una razonable aproximación la planimetría de tu casa... donde está el dormitorio, la sala el baño y los M2 que tiene.

[jiauka]

Y hace 60 años, cuando ni existía la informática, en cualquier sitio turístico te cobraban más si eras de fuera.

Fijar precios según el origen es tan antiguo como el comercio, ahora no te miran a la cara, o a tus facciones, miran tus movimientos en internet, pero en el fondo, es lo mismo