Precios personalizados con IA: qué está documentado del 'surveillance pricing' y cómo defenderte

Imagina que tú y tu vecino buscáis el mismo vuelo, en el mismo momento, desde el mismo pueblo. A ti te sale 40 euros más caro. No has hecho nada diferente: simplemente, el sistema sabe cosas de ti que no sabe de él.

Esto tiene nombre: surveillance pricing, precios de vigilancia. Fijar el precio que ves tú, y solo tú, a partir de tus datos. Y como pasa casi siempre con la IA, lo que se dice al respecto mezcla cosas documentadas, cosas plausibles y cosas que nadie ha demostrado. Este artículo separa las tres, porque defenderte bien empieza por saber contra qué te defiendes.

Tres cosas que no son lo mismo

Cuando alguien dice "los precios cambian según quién mira", puede estar hablando de tres fenómenos distintos, y la diferencia importa:

1. Precios dinámicos. El precio cambia para todos según la demanda, la hora o el stock. El vuelo del viernes por la tarde es más caro para todo el mundo. No usa tus datos personales. Es legal y es viejo como los mercados.

1. Discriminación por grupo. El precio cambia según características de grupo: desde dónde te conectas, si eres "miembro" del programa de fidelidad, si llegas desde un comparador o directamente. Aquí sí hay evidencia sólida desde hace más de una década.

1. Personalización individual. El precio se fija para ti en concreto, a partir de tu perfil: qué has mirado, qué has comprado, cuánto pareces dispuesto a pagar. Esto es el surveillance pricing en sentido estricto, y es donde la IA cambia las reglas del juego.

Qué hay documentado, caso por caso

La FTC miró dentro de la maquinaria

En julio de 2024, la autoridad de consumo de Estados Unidos (FTC) ordenó a ocho empresas, entre ellas Mastercard, JPMorgan Chase, Accenture y McKinsey, que explicaran qué servicios de fijación de precios por perfil ofrecen a sus clientes.

Los resultados preliminares, publicados en enero de 2025, son el documento más importante que existe sobre este tema. La FTC encontró que hay herramientas comerciales que pueden usar, para ajustar precios y ofertas, señales como la localización precisa, el historial de navegación, los productos abandonados en el carrito e incluso los movimientos del ratón en la página. Uno de los ejemplos citados: una empresa de cosmética que orienta promociones según el tipo y el tono de piel del cliente.

El matiz honesto: eso documenta que la maquinaria existe y se vende, no cuántas empresas la usan ni con qué intensidad. El estudio sigue sin informe final: el nuevo presidente de la FTC retiró la consulta pública una semana después de abrirse, y el tema se ha convertido en terreno de batalla política.

Delta y el precio "con IA" de los billetes

En 2025, Delta Air Lines explicó a inversores que ya fijaba un 3% de las tarifas domésticas con IA (con la empresa Fetcherr) y que quería llegar al 20% a final de año. Tres senadores estadounidenses pidieron explicaciones por escrito, preocupados por que el sistema apuntara al "punto de dolor" de cada pasajero. La respuesta oficial de Delta fue categórica: "nuestro precio de billetes nunca tiene en cuenta datos personales". La compañía sostiene que la IA optimiza tarifas agregadas, no individuales.

Fíjate en el patrón, porque lo verás siempre: está la capacidad técnica, está la alarma, y está la negación del uso individualizado. Lo que casi nunca está es transparencia verificable de forma independiente.

Uber, Lyft y los descuentos que no lo eran

Consumer Reports publicó en 2025 una investigación con viajes idénticos pedidos en el mismo momento: la diferencia mediana entre el precio más alto y el más bajo por el mismo trayecto era del 42%. Y un 12% de los "descuentos" anunciados eran descuentos sobre un precio de referencia inflado, es decir, no eran descuentos. Las dos empresas niegan personalizar la tarifa con datos personales y cuestionan la metodología. Lo que queda documentado, como mínimo, es que el precio que ves no es una foto fiable del mercado.

RealPage: cuando el algoritmo coordina los precios de todos

El fenómeno vecino también cuenta. El Departamento de Justicia estadounidense demandó a RealPage en 2024 porque su software de precios de alquiler usaba datos de propietarios competidores para recomendar rentas, coordinando de facto el mercado. El acuerdo propuesto en noviembre de 2025 le obliga a trabajar solo con datos antiguos y públicos. Aquí nadie te personaliza el precio a ti: el algoritmo sube el precio de todos a la vez. Es un recordatorio de que el problema no siempre es que te miren a ti; a veces es que los vendedores se miran entre ellos.

Lo que dice la ciencia (y que casi nadie cita)

Los dos estudios de medición más citados van en una dirección incómoda para los titulares alarmistas:

• Mikians y colegas (2012) midieron 200 vendedores durante semanas: no encontraron evidencia de precios distintos por sistema operativo o navegador, pero sí diferencias de hasta el 166% según la ubicación geográfica y de un 23% según si llegabas desde un agregador o directamente.
• Hannak y colegas (Northeastern, 2014) analizaron 16 grandes webs de comercio y viajes con cuentas reales y sintéticas: encontraron personalización en 9, pero mayoritariamente en forma de steering (ordenarte los resultados para que veas primero los caros) y de precios para "miembros". La mayoría de sus experimentos no detectaron personalización individual.

La conclusión honesta a día de hoy: la discriminación por grupo y el steering están ampliamente documentados; la personalización individual 1:1 a gran escala, no. Lo que ha cambiado con la IA no es la evidencia, es el coste: la FTC ha demostrado que las herramientas para hacerlo ya se venden como servicio, y lo que antes exigía un equipo de científicos de datos ahora es una suscripción. Por eso los legisladores se están moviendo antes de que la evidencia sea masiva. Nueva York exige desde noviembre de 2025 que cualquier precio fijado con un algoritmo que use datos personales lleve este aviso literal: "THIS PRICE WAS SET BY AN ALGORITHM USING YOUR PERSONAL DATA", con multas de hasta 1.000 dólares por infracción.

El derecho europeo que casi nadie usa

Aquí viene la parte que te afecta directamente y que casi nadie conoce.

Desde el 28 de mayo de 2022, por la directiva europea conocida como Ómnibus, cualquier comerciante que te muestre un precio personalizado basado en una decisión automatizada te lo tiene que decir antes de que compres. No es opcional: es información precontractual obligatoria, como el precio total o el derecho de desistimiento. Ojo al matiz: los precios dinámicos puros (los que suben por demanda, para todos) no tienen que avisarlo; la personalización basada en tu perfil, sí.

Y España fue más allá al transponerlo. El artículo 97.1.f del texto refundido de la Ley de consumidores dice, literalmente, que el precio personalizado por decisión automatizada "debe mantenerse invariable durante todo el proceso de compra", que te tienen que informar de los parámetros que se han tenido en cuenta, y que esos parámetros "en ningún caso" podrán ser discriminatorios "ni explotar situaciones de urgencia o necesidad".

Lee eso dos veces, porque es una herramienta real: en España, si un precio está personalizado, te lo tienen que decir, no te lo pueden subir a mitad del proceso de compra, y no pueden usar tu urgencia contra ti. A eso se suma el RGPD: si el perfilado se apoya en el "interés legítimo" de la empresa, puedes oponerte (artículo 21, aunque la empresa puede intentar justificar que sus motivos prevalecen, salvo en marketing directo, donde tu oposición es incondicional), y frente a decisiones solo automatizadas con efectos significativos tienes garantías adicionales (artículo 22).

Cómo defenderte: lo que funciona, por orden de evidencia

1. Primero, identifica contra qué luchas. Si el precio cambia igual para todos (compruébalo con otra persona en el mismo momento), es precio dinámico: tu defensa es el calendario y la flexibilidad, no la privacidad.

2. Haz la prueba del doble navegador. Es el método de los investigadores y el único detector fiable al alcance de cualquiera: abre el mismo producto a la vez en tu sesión normal y en una ventana de incógnito sin iniciar sesión (mejor aún: otro dispositivo con otra red). Si los precios difieren de forma consistente, tienes personalización delante.

3. La ubicación es la palanca más documentada. Las diferencias por geografía son las mayores que ha encontrado la investigación (hasta el 166% en productos digitales). Comparar desde otra ubicación (una VPN, o simplemente la web de otro país de la misma empresa) es la comprobación con más probabilidad de encontrar diferencia real. Cuidado: cambiar de país para comprar puede violar las condiciones del servicio y complicarte impuestos y garantías; como herramienta de diagnóstico, en cambio, es perfectamente legítima.

4. Borrar cookies y limitar rastreadores: útil, no mágico. Reduce la personalización basada en tu historial, que es una de las señales documentadas por la FTC. No te esconde del fingerprinting del dispositivo ni de tu IP. Es higiene, no invisibilidad.

5. Desconfía del "descuento". Uno de cada ocho descuentos que miró Consumer Reports era falso: precio de referencia inflado. Para compras que importan, un historial de precios (comparadores, rastreadores de precio) vale más que cualquier etiqueta de rebaja.

6. App contra web: compara, no asumas. Hay diferencias documentadas en los dos sentidos. La única regla es mirarlo en ambos antes de compras grandes.

7. La fidelización es personalización que has firmado. Los precios "de miembro" son la forma legal y documentada de precio por perfil: pagas con tus datos. Puede salir a cuenta, pero decídelo sabiéndolo.

8. Usa tus derechos, que para eso están. Si sospechas de un precio personalizado no avisado, o de un precio que ha subido mientras comprabas: captura de pantalla, reclamación a la empresa citando el artículo 97.1.f, y si no responden, hoja de reclamaciones de consumo. Estas obligaciones solo tendrán dientes si los consumidores las invocan.

Y si eres empresa, mírate al espejo

Muchas pymes usan herramientas de pricing sin saber qué hacen por dentro. Si tu herramienta personaliza precios con datos de los clientes, la ley ya te obliga a decirlo, y la tendencia regulatoria (Nueva York, Maryland, la Comisión Europea revisando la aplicación de la Ómnibus) va toda en la misma dirección: más transparencia, no menos. Saberlo antes de que te lo diga un inspector o un hilo viral es, sencillamente, más barato. Lo tratamos a fondo en la guía del AI Act para pymes.

El criterio de siempre, aplicado a los precios

Si has leído nuestro artículo sobre las estafas con IA, reconocerás el esquema: el mecanismo real no es la tecnología, es la asimetría. Ellos saben cosas de ti; tú no sabes qué saben ni cómo las usan. La defensa no es ninguna herramienta mágica: es criterio. Saber distinguir un precio dinámico de uno personalizado, comprobar en lugar de asumir, y conocer los derechos que ya tienes.

Eso se enseña. En IAescola formamos equipos de empresa, ayuntamientos y centros educativos para que entiendan cómo funciona la IA que ya les rodea, la que usan y la que usan sobre ellos. Si quieres que tu equipo aprenda a mirar la letra pequeña algorítmica con este mismo método, hablemos sin compromiso.

---

Fuentes: FTC, órdenes de la sección 6(b) a ocho empresas (23 de julio de 2024) y resultados preliminares del estudio de surveillance pricing (17 de enero de 2025). Cartas de los senadores Gallego, Blumenthal y Warner a Delta Air Lines y respuesta oficial de Delta (2025). Consumer Reports, investigación sobre precios de Uber y Lyft (2025). Departamento de Justicia de EE. UU., acuerdo propuesto con RealPage (noviembre de 2025). Mikians et al., "Detecting price and search discrimination on the Internet" (ACM HotNets, 2012). Hannak et al., "Measuring Price Discrimination and Steering on E-commerce Web Sites" (ACM IMC, 2014). Directiva (UE) 2019/2161 y Directiva 2011/83/UE (EUR-Lex). Real Decreto Legislativo 1/2007, artículo 97.1.f (BOE, texto consolidado). Ley de Nueva York de divulgación de precios algorítmicos (en vigor desde el 10 de noviembre de 2025).