El precio que sabe quién eres

Hay una pequeña certeza que acompaña al consumidor desde mucho antes de que existiera internet. Podemos considerar un precio caro, barato o absurdo, pero suponemos que la cifra que aparece ante nosotros pertenece al producto. Si dos personas entran en la misma tienda al mismo tiempo y toman de la misma estantería dos objetos idénticos, esperan pasar por caja pagando aproximadamente lo mismo.

El comercio electrónico empezó a erosionar esa certeza con los precios dinámicos. Nos acostumbramos a que un billete de avión, una habitación de hotel o un trayecto puedan costar cantidades diferentes según la fecha, la demanda o el momento de la compra. La siguiente frontera es cualitativamente distinta, que el precio no cambie porque hayan cambiado las condiciones del mercado, sino porque el vendedor crea saber quién está mirando y cuánto estaría dispuesto a pagar.

La Comisión Federal de Comercio de Estados Unidos, la FTC, abrió en agosto una consulta sobre una propuesta específica de actuación ante los precios personalizados. El organismo parte de una capacidad tecnológica cada vez mayor para recopilar y procesar información personal y extraer conclusiones como cuánto podría pagar un individuo o si es probable que compare antes de comprar. Su propuesta no pretende prohibir toda personalización, pero sí considera que ocultarla puede constituir una práctica engañosa o desleal cuando el consumidor espera razonablemente que todos estén viendo el mismo precio.

Una cosa es que suba el hotel y otra que suba para ti

La diferencia entre precio dinámico y personalizado merece detenerse porque determina buena parte del debate. Si quedan tres habitaciones en una ciudad que celebra una final deportiva, el hotel puede elevar su tarifa. La escasez afecta al mercado y quienes busquen alojamiento encontrarán aproximadamente las mismas condiciones. Un precio personalizado funciona de otra manera: el sistema intenta calcular características del comprador y adaptar la oferta a ese conocimiento.

La posibilidad tampoco nació con la inteligencia artificial. Un vendedor que negocia lleva siglos intentando descubrir el máximo que su cliente aceptará pagar. Los concesionarios, las aseguradoras y numerosos servicios han utilizado históricamente información individual para fijar condiciones diferentes.

La novedad reside en la escala y en la asimetría. Una plataforma puede procesar cantidades de información imposibles para un vendedor humano y hacerlo instantáneamente. Historial de navegación, compras anteriores, dispositivo, ubicación aproximada, comportamiento dentro de una web o respuesta ante ofertas previas pueden convertirse en señales a partir de las cuales inferir características que el consumidor nunca ha comunicado explícitamente. La empresa no necesita saber con certeza cuánto dinero tenemos; le basta con que su algoritmo sea razonablemente bueno estimando cuánto estamos dispuestos a entregar.

Europa lleva años viendo una parte del problema

Conviene no exagerar lo que ya sucede. La existencia de la tecnología no demuestra que los grandes comercios estén aplicando masivamente precios individualizados. Un amplio estudio de la Comisión Europea sobre segmentación online encontró personalización en el orden en que se mostraban las ofertas en el 61% de las webs examinadas, porcentaje que alcanzaba el 92% en las páginas de billetes aéreos. Sin embargo, el mismo trabajo no encontró evidencia de precios personalizados consistentes y sistemáticos: las diferencias aparecieron solo en una pequeña proporción de los casos y fueron generalmente reducidas.

Aunque el estudio europeo se realizó hace años y la capacidad tecnológica ha avanzado enormemente desde entonces, aquella distinción sigue siendo esencial. Una cosa es afirmar que las empresas disponen cada vez de mejores herramientas para personalizar precios y otra asegurar que cada consumidor está recibiendo ya una tarifa secreta construida exclusivamente para él.

Precisamente por eso la iniciativa estadounidense resulta interesante. El regulador no está intentando resolver un escándalo después de que se haya generalizado, sino fijar principios mientras la tecnología amplía las posibilidades de hacerlo.

El mercado transparente puede dejar de ser transparente

Internet prometió inicialmente devolver poder al consumidor. La comparación se volvió extraordinariamente sencilla ya que bastaban unos minutos para abrir varias páginas, ordenar resultados y localizar el precio más bajo. Pero comparar requiere que exista algo comparable.

Si dos consumidores empiezan a recibir ofertas distintas en función de perfiles invisibles, el mercado deja de ser completamente observable desde fuera. Una persona puede recomendar un precio que otra no consigue encontrar; una rebaja puede existir únicamente para determinado perfil y comprobar si una compañía ha aumentado sus tarifas se vuelve más difícil si no sabemos cuál era la tarifa que mostraba a los demás.

La personalización también puede beneficiar al consumidor. Una empresa puede ofrecer un descuento a alguien que de otro modo no compraría, ajustar mejor la demanda o diseñar promociones relevantes. El problema no reside necesariamente en que existan precios diferentes, sino en la opacidad con la que puedan construirse.

El estudio europeo mostraba precisamente que muchos consumidores reclamaban más información y mayor control sobre las prácticas de personalización. Seis de cada diez afirmaban que las aceptarían mejor si existiera una opción sencilla para rechazarlas.

Los datos que nunca parecieron económicos

Hay otra cuestión especialmente delicada. Los algoritmos pueden aprender a estimar características sensibles sin recibirlas directamente. El código postal puede relacionarse con renta. El modelo del teléfono puede aportar información sobre capacidad económica. El horario de una búsqueda puede sugerir urgencia. Una sucesión de visitas al mismo producto puede revelar interés. Ninguna de esas variables dice explícitamente «esta persona puede pagar veinte euros más», pero combinadas con millones de observaciones pueden producir precisamente esa predicción.

La discriminación algorítmica plantea por ello dificultades distintas de la discriminación tradicional. Una máquina puede tratar de manera diferente a grupos sociales sin utilizar formalmente ninguna de las características protegidas que asociamos a la discriminación, porque encuentra variables que funcionan como sustitutos estadísticos.

Esto no convierte automáticamente la personalización comercial en discriminatoria, pero obliga a preguntarse qué límites deben existir cuando los modelos dejan de segmentar publicidad y empiezan a intervenir directamente en las condiciones económicas ofrecidas a cada persona.

De vendernos lo que queremos a cobrarnos lo que soportamos

Durante años, el debate sobre privacidad se centró en que las plataformas sabían demasiado sobre nosotros para mostrarnos anuncios. Aceptamos en buena medida ese intercambio porque el precio aparente del servicio era cero y la consecuencia más visible consistía en recibir publicidad relacionada con nuestras búsquedas.

La personalización del precio modifica la naturaleza de ese intercambio. El conocimiento acumulado sobre el consumidor podría utilizarse no solo para averiguar qué desea comprar, sino para estimar cuánto margen económico puede extraerse de esa decisión.

Ahí aparece una cuestión que trasciende la protección de datos y alcanza la propia idea de mercado. Un precio cumple también una función informativa, permite comparar, negociar y decidir. Si se convierte en una cifra parcialmente construida a partir de quien la observa, pierde parte de esa condición pública.

No estamos todavía ante un mundo en el que cada persona tenga asignado un precio distinto para cada producto. La evidencia disponible no permite afirmarlo y hacerlo convertiría una advertencia legítima en alarmismo. Lo que sí existe es una tecnología capaz de acercarnos a ese escenario y reguladores que empiezan a preguntarse qué debe saber el consumidor cuando ocurra.

Durante siglos, el comerciante intentó descubrir cuánto estaba dispuesto a pagar quien tenía delante. La diferencia es que el consumidor podía intentar ocultarlo y negociar desde esa incertidumbre; un mercado construido sobre cantidades masivas de datos amenaza con reducir precisamente ese pequeño espacio de información que todavía pertenecía al comprador.