Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
https://centrocompetencia.com/wp-content/themes/Ceco
Esta nota es publicada en el marco de un convenio entre CeCo y ASCOLA Latam. Ambas organizaciones acordaron cubrir parte de los artículos discutidos en la conferencia anual de 2025 de ASCOLA, celebrada en Chicago. Esta nota en particular corresponde a una traducción al español de un resumen elaborado por Miroslava Marinova sobre su presentación en la ya mencionada conferencia. Para ver la versión original en inglés, haz click aquí.
La Doctora Mirsolava Marinova discute cómo se debiera lidiar en la jurisdicción europea con la discriminación de precios algorítmica.
___________________________________________________________________
El uso creciente de algoritmos, incluidos aquellos impulsados por Inteligencia Artificial (IA) para optimizar precios, ha generado un debate significativo sobre sus beneficios y los posibles efectos adversos en la competencia y en los consumidores. Dos cuestiones clave emergen en este debate: el uso de algoritmos que facilitan la fijación de precios personalizada basada en datos individuales de los consumidores, una práctica que resulta en discriminación de precios personalizada (denominada discriminación de precios algorítmica), y su potencial para facilitar la colusión. Si bien la colusión algorítmica ha recibido considerable atención tanto en la discusión académica como política, el posible daño derivado de la discriminación de precios algorítmica sigue siendo comparativamente menos explorado. La discriminación de precios se refiere a la práctica de cobrar a distintos clientes precios diferentes por los mismos bienes o servicios, a pesar de que los costos de producción sean similares, con el fin de maximizar los beneficios totales. Esto normalmente depende de las diferencias en la sensibilidad al precio o en la disposición a pagar de los consumidores, lo que permite a las empresas extraer más valor de quienes están dispuestos a pagar más, al mismo tiempo que capturan compras de aquellos más sensibles al precio. Históricamente, la discriminación de precios personalizada rara vez se implementaba en la práctica debido a la dificultad de identificar las preferencias y la disposición a pagar de los clientes. En los últimos años, los avances en las tecnologías digitales han ampliado significativamente el alcance de la discriminación de precios al permitir la recopilación y el análisis de datos detallados a nivel individual. Esto ha permitido que las empresas superen la tradicional segmentación basada en categorías demográficas amplias y que, en cambio, construyan perfiles de consumidores altamente granulares. Investigaciones recientes indican que las empresas están utilizando cada vez más algoritmos impulsados por IA que pueden procesar datos complejos para personalizar y adaptar estrategias de precios para cada consumidor en un grado mucho mayor que antes. Como resultado, el mismo producto puede ofrecerse a diferentes consumidores a distintos precios bajo condiciones de mercado idénticas, a menudo sin conocimiento de los consumidores, lo que suscita preocupaciones sobre la falta de justificación. El propósito de nuestro estudio es examinar directamente si la discriminación de precios algorítmica, cuando es implementada por empresas dominantes, constituye un abuso de posición dominante conforme al artículo 102 del Tratado de Funcionamiento de la Unión Europea (TFUE).
Los esquemas de discriminación de precios se consideran generalmente procompetitivos, ya que amplían las ventas al reducir los precios cuando una empresa opera en un mercado competitivo. Tanto los modelos económicos clásicos como los análisis modernos respaldan la conclusión de que, al cobrar precios más altos a los clientes dispuestos a pagar más que aquellos que valoran menos el producto, una empresa puede extraer más beneficios que si cobrara a todos los clientes un precio uniforme.
Los economistas tradicionalmente clasifican la discriminación de precios en tres tipos. La discriminación de precios de primer grado, o discriminación de precios perfecta, ocurre cuando un vendedor cobra a cada consumidor el precio máximo que está dispuesto a pagar por un producto. Este enfoque permite al vendedor capturar todo el excedente del consumidor y maximizar los beneficios extrayendo valor incremental de cada transacción. Sin embargo, para que esto tenga éxito deben cumplirse tres condiciones. En primer lugar, el vendedor debe poseer cierto grado de poder de mercado; de lo contrario, no sería posible cobrar a ningún consumidor un precio superior al competitivo. En segundo lugar, el cliente debe estar limitado en su capacidad de revender el producto a un precio mayor a otro consumidor con una valoración más alta. Por ejemplo, el arbitraje puede restringirse si una empresa ofrece productos con garantías válidas solo para el comprador inicial, lo que significa que, si el producto se revende, el nuevo comprador puede incurrir en costos adicionales. En tercer lugar, el vendedor debe poseer conocimiento completo sobre la disposición a pagar de sus clientes, a fin de cobrar a quienes están dispuestos a pagar más el precio más alto, y a quienes valoran menos el bien, un precio inferior. Estos requisitos estrictos hacen que la discriminación de precios de primer grado sea difícil de lograr en la práctica.
La discriminación de precios de segundo grado implica esquemas de precios más complejos que maximizan las ganancias del vendedor al cobrar diferentes precios según la cantidad vendida (conocidos como descuentos por cantidad o volumen), lo que da lugar a fluctuaciones no lineales del precio. Uno de estos esquemas de precios no lineales es la tarifa en dos partes. Ejemplos reales incluyen las tarjetas de transporte estudiantil, las suscripciones de telecomunicaciones, entre otros.
La discriminación de precios de tercer grado implica segmentar a los consumidores en función de características observables, como la edad o la ubicación, y cobrar precios diferentes en consecuencia. Al ajustar los precios para que se correspondan con la elasticidad de la demanda de cada segmento, las empresas pueden optimizar sus ingresos, ofreciendo potencialmente precios más bajos a los consumidores más sensibles al precio. Por ejemplo, los estudiantes o las personas mayores pueden beneficiarse de descuentos basados en su presunta vulnerabilidad económica. Esta forma de discriminación de precios se emplea ampliamente porque es práctica y rentable, permitiendo a las empresas optimizar los ingresos al mismo tiempo que potencialmente mejoran el acceso a bienes o servicios para ciertos segmentos.
Tradicionalmente, las empresas segmentaban a los consumidores en grupos amplios basados en características observables. En contraste, las herramientas algorítmicas utilizan grandes volúmenes de datos conductuales y transaccionales para inferir la probable disposición a pagar de un consumidor individual. La discriminación de precios algorítmica se alinea más estrechamente con la discriminación de precios de primer grado. Si bien la tipología de la discriminación de precios destaca cómo las empresas adaptan sus estrategias de precios basadas en las características y el comportamiento de los consumidores, la cuestión más amplia sigue siendo: ¿bajo qué condiciones estas prácticas mejoran o perjudican el bienestar general de los consumidores?
Los efectos de la discriminación de precios sobre el bienestar han sido ampliamente estudiados en la literatura económica. La discriminación de precios es empleada principalmente por las empresas para maximizar sus beneficios, pero su efecto sobre el bienestar depende de la estructura del mercado y de la respuesta de los consumidores. En determinadas condiciones, especialmente cuando la discriminación de precios conduce a una expansión en la producción al permitir el acceso a consumidores sensibles al precio, puede mejorar el bienestar total. En tales casos, la fijación diferencial de precios puede mejorar la eficiencia asignativa y reducir los precios para algunos consumidores. Sin embargo, ello no implica necesariamente un aumento del bienestar del consumidor. Por esta razón, la discriminación de precios que resulta eficiente desde el punto de vista del bienestar total puede seguir siendo problemática desde una perspectiva de bienestar del consumidor y, por tanto, el efecto global de la discriminación de precios sobre la producción y el bienestar es ambiguo y puede variar caso a caso. Una de las razones de ello es que las preferencias de los consumidores respecto a la discriminación de precios tenderían a corregirse por sí mismas en un mercado competitivo, permitiendo que los clientes sustituyan a las empresas que observan aplicando prácticas discriminatorias de precios que consideran injustas. Sin embargo, esto supone la existencia de un mercado competitivo en funcionamiento. Cuando tales condiciones están ausentes, especialmente en casos que involucran a empresas dominantes, la discriminación de precios puede considerarse abusiva conforme al derecho de la competencia.
De manera crucial, el éxito y los efectos sobre el bienestar de la discriminación de precios dependen no solo de la capacidad de la empresa para recopilar y utilizar información sobre la disposición a pagar de los consumidores, sino también de su capacidad para prevenir el arbitraje. Tradicionalmente, la eficacia de la discriminación de precios estaba limitada por la amenaza de arbitraje, ya que los consumidores podían revender bienes entre segmentos de mercado, socavando los intentos de las empresas de cobrar precios diferenciados. Si bien gran parte de la literatura académica sobre arbitraje y segmentación del mercado se centra en mercados tradicionales, investigación emergente aborda cómo las tecnologías digitales permiten a las empresas prevenir el arbitraje en contextos digitales. Como resultado, la reventa se vuelve más difícil o imposible, haciendo que la discriminación sea más sostenible y menos detectable. Las tecnologías digitales han mejorado significativamente la capacidad de las empresas para implementar y sostener estrategias de discriminación de precios que antes resultaban difíciles de mantener, lo que vuelve sus efectos sobre el bienestar más complejos y dependientes del contexto.
Si bien la discriminación de precios de primer grado, o discriminación de precios perfecta, se ha considerado tradicionalmente imposible de ejecutar en la práctica debido a limitaciones de información y dificultades para prevenir el arbitraje, el desarrollo de las tecnologías digitales y de las herramientas algorítmicas durante la última década ha cambiado significativamente la aproximación que tradicionalmente se tenía respecto de la fijación personalizada de precios. Las plataformas en línea recopilan y analizan de forma rutinaria datos personales que van desde información demográfica (por ejemplo, edad, género, educación) hasta patrones de comportamiento dinámicos. Esto incluye datos sobre transacciones en línea previas, ubicación geográfica e historial de navegación, todos los cuales se recopilan habitualmente directamente de los usuarios, mediante cookies, o a través de proveedores externos de datos. Los algoritmos modernos tienen la capacidad de analizar grandes volúmenes de datos y construir perfiles detallados de los consumidores individuales. A través de técnicas como la minería de datos, las plataformas en línea pueden analizar fragmentos de información para desarrollar perfiles integrales de consumidores, lo que les permite predecir e influir en su comportamiento y sus reacciones frente a cambios de precios u ofertas especiales en línea. Una barrera central para implementar la fijación de precios personalizada —en particular, la segunda condición identificada anteriormente— históricamente ha sido la amenaza de arbitraje: el riesgo de que los consumidores que enfrentan precios bajos revendan a otros. Sin embargo, un creciente cuerpo de evidencia sugiere que, en los mercados digitales, la reventa puede restringirse eficazmente tanto mediante instrumentos técnicos como estructurales. Estos incluyen mecanismos invasivos de la privacidad (por ejemplo, etiquetas de identidad intransferibles, verificación de cuentas, gestión de derechos digitales (DRM)) que sirven para prevenir la reventa y el intercambio. Sin embargo, aunque estos desarrollos sientan las bases técnicas para la discriminación de precios personalizada, pasan por alto un factor crítico y a menudo poco explorado: las percepciones de equidad de los consumidores.
Las percepciones de equidad de los consumidores introducen una perspectiva nueva y crucial en la discusión sobre la fijación de precios personalizada. La discriminación de precios basada en características específicas de los consumidores se considera generalmente justa cuando los parámetros utilizados para establecer los diferentes precios son transparentes y comprensibles para el consumidor. La evidencia empírica sugiere que los consumidores son más receptivos a la fijación de precios personalizada cuando ésta va acompañada de una comunicación clara y transparente. Sin embargo, cuando los consumidores desconocen los parámetros considerados al establecer los precios, pueden percibirlos como injustos, incluso si el precio cobrado maximiza el bienestar general del consumidor.
Si los consumidores consideran que un precio es injusto, esto afecta directamente sus decisiones de compra, reduce la confianza en el mercado y genera incomodidad psicológica que disminuye el valor global de las transacciones. Los estudios demuestran que los consumidores reaccionan negativamente ante prácticas de fijación de precios que carecen de una justificación objetiva clara, especialmente cuando se involucran datos personales. Esto coincide con la evidencia de la economía del comportamiento y de la ciencia cognitiva, que muestra que los consumidores tienen actitudes negativas hacia la discriminación de precios algorítmica principalmente porque la perciben como injusta o no transparente. Estudios recientes han demostrado que la fijación de precios algorítmica genera sentimientos de traición, reduce la percepción de equidad y erosiona la confianza de los consumidores. El caso de Amazon también ilustra este fenómeno: en el año 2000, Amazon experimentó con la discriminación de precios cobrando diferentes precios por los mismos DVD en función del comportamiento de compra de los clientes. Cuando los consumidores descubrieron que la empresa utilizaba datos de sus compras para cobrar precios distintos por las ventas de DVD en línea, se produjo una reacción pública negativa. Esta reacción subrayó una fuerte resistencia de los consumidores a las estrategias de precios personalizadas no transparentes. Con base en esta evidencia, algunos autores han sugerido que, en los mercados digitales, muchas empresas se abstendrán de emplear la fijación de precios personalizada incluso cuando sea técnicamente posible, debido a su preocupación por el daño potencial a la reputación de la marca y la pérdida de confianza del consumidor. Sin embargo, esta autorrestricción tiende a desvanecerse cuando una empresa dominante emplea la discriminación de precios algorítmica. En tales condiciones, los consumidores carecen de alternativas significativas. Es en este punto donde la discriminación de precios algorítmica pasa de ser una estrategia competitiva a una posible fuente de perjuicio para los consumidores. Esto lleva al primer plano la cuestión de si, y cómo, los instrumentos jurídicos existentes —en particular, el artículo 102 del TFUE— pueden abordar las prácticas de fijación de precios explotativas o discriminatorias que surgen de la personalización algorítmica.
El artículo 102 del TFUE prohíbe el abuso de una posición dominante y constituye la base jurídica para abordar diversas formas de conducta anticompetitiva, incluida la discriminación de precios. En concreto, la discriminación de precios se contempla en el artículo 102(c) del TFUE, que prohíbe expresamente aplicar condiciones desiguales a transacciones equivalentes con otras partes comerciales, colocando así a éstas en una desventaja competitiva. La jurisprudencia ofrece ejemplos de prácticas discriminatorias que infringen el artículo 102 del TFUE. La sentencia MEO aclaró, en primer lugar, que las empresas no integradas verticalmente suelen carecer de interés en perjudicar la competencia aguas abajo y, en segundo lugar, que el trato diferenciado solo se considerará abusivo si puede distorsionar la competencia, teniendo en cuenta todas las circunstancias relevantes. Cabe destacar que el requisito de MEO de un efecto anticompetitivo como condición del abuso limita la aplicabilidad del artículo 102(c) a los escenarios de discriminación de precios algorítmica en los que el daño no surge de una desventaja competitiva, sino de una explotación percibida como injusta de los consumidores. Como se ha señalado anteriormente, el posible perjuicio derivado de la discriminación de precios algorítmica radica en la extracción de excedente de los consumidores finales mediante estrategias de fijación de precios personalizadas y no transparentes, lo que la asemeja más a una explotación conforme al artículo 102(a) del TFUE.
El artículo 102(a) del TFUE prohíbe que las empresas dominantes “impongan directa o indirectamente precios de compra o de venta injustos…”, disposición que se entiende generalmente como referida a precios que superan significativamente los que prevalecerían en condiciones competitivas. La disposición no se refiere explícitamente a precios excesivos, pero generalmente se acepta que puede utilizarse para impedir que una empresa dominante imponga precios excesivos si éstos son injustos. La disposición también puede utilizarse para impedir condiciones injustas impuestas por una empresa dominante. El primer caso en que el TJUE estableció un marco para evaluar precios excesivos fue United Brands, en el que el Tribunal especificó que un precio es excesivo si no guarda una relación razonable con el valor económico del producto. Según el enfoque del Tribunal, un precio se considera excesivo si: (i) la diferencia entre el coste incurrido y el precio cobrado por un producto o servicio resulta excesiva; y (ii) el precio es injusto en sí mismo o en comparación con productos competidores. Desde entonces, este test (teórico) se convirtió en el baremo principal en materia de abusos por precios excesivos, conocida como “el test de dos pasos de United Brands”. Sin embargo, dicho test ha sido ampliamente criticado en la literatura académica, por cuanto el Tribunal no proporcionó claridad sobre cuándo el margen de beneficio resulta excesivo y cuándo el precio es injusto.
La aplicación de la segunda parte de la prueba —que requiere determinar si el precio es “injusto”— debe ser el foco aquí. Un estudio reciente que evalúa el desarrollo del criterio jurídico en los casos de precios excesivos mostró que el segundo elemento del test de dos pasos de United Brands, a saber, el test “en sí mismo” y el test “de productos competidores”, constituyen exámenes separados que miden distintos aspectos de la injusticia de la situación, aunque en realidad abordan la misma cuestión: si el precio es excesivo en relación con el valor económico del producto o servicio. Por lo tanto, una vez establecido si es excesivo el precio, la cuestión decisiva es si éste guarda una relación razonable con el valor económico, es decir, si el aumento del precio no está justificado por un incremento de los costes y no existen factores ajenos al coste, como las preferencias de los consumidores, que aporten un valor añadido al producto y que, por ende, influyan en la disposición de los clientes a pagar un precio superior. Así, un precio excesivo que carece de justificación también es injusto. Estos casos confirman que la injusticia es un elemento central de la prueba jurídica. Esto reviste particular importancia en el contexto de la fijación personalizada de precios, donde la diferenciación no se basa en la calidad del producto ni en justificaciones de coste, sino en el análisis extensivo de datos de los consumidores.
La discriminación de precios algorítmica, posibilitada por el creciente uso de la IA y de los macrodatos, permite a las empresas personalizar los precios para consumidores individuales basándose en datos conductuales detallados. Esta práctica da lugar a una mayor diferenciación de precios, especialmente cuando los consumidores visitan repetidamente los sitios web. Si bien tales prácticas buscan maximizar los beneficios, con frecuencia generan percepciones de injusticia entre los consumidores, lo cual constituye un factor crucial para determinar sus implicancias competitivas y jurídicas. Las percepciones de equidad de los consumidores son centrales para este análisis. Si la discriminación de precios algorítmica se percibe como injusta, ello pasa a formar parte de las preferencias de los consumidores, influyendo en sus decisiones de compra y llevándolos a potencialmente optar por plataformas que garanticen precios uniformes. Esta dinámica demuestra la naturaleza autorreguladora de la competencia en mercados competitivos, donde los consumidores pueden cambiar de proveedor. Sin embargo, este mecanismo de corrección no funciona en mercados dominados por empresas con un poder de mercado significativo. En tales casos, la discriminación de precios algorítmica no está limitada por las fuerzas competitivas y, en cambio, sirve como herramienta para que las empresas dominantes extraigan beneficios adicionales reduciendo el excedente del consumidor.
Esta dinámica pone de relieve que la discriminación de precios algorítmica está controlada por la competencia y se convierte en un problema de derecho de la competencia solo cuando existe poder de mercado. El principio subyacente es que las prácticas de fijación de precios consideradas justas son aquellas que podrían surgir en condiciones normales de competencia. Cuando la discriminación de precios ocurre únicamente debido a la existencia de poder de mercado, se aparta de lo que se consideraría justo en un entorno competitivo. El impacto potencial de esta fijación de precios algorítmica es que puede conducir a un trato injusto hacia los consumidores y a una disminución de su bienestar, ya que representa una transferencia extrema del bienestar desde los consumidores hacia los productores. Incluso cuando la fijación de precios algorítmica no reduce necesariamente el bienestar general, plantea preocupaciones significativas sobre la equidad y el posible perjuicio a los consumidores.
Aunque la discriminación de precios algorítmica presenta desafíos únicos para el derecho de la competencia, su impacto depende en gran medida de la estructura del mercado. En los mercados competitivos, los consumidores pueden mitigar el daño cambiando de proveedor, aunque persisten las preocupaciones relativas a la equidad y la privacidad de los datos. Sin embargo, en los mercados donde una empresa dominante controla los precios, la discriminación de precios algorítmica se vuelve mucho más problemática, ya que los consumidores carecen de alternativas, lo que provoca una reducción del bienestar del consumidor y un posible abuso explotativo conforme al artículo 102 del TFUE. No obstante, mientras no se presenten casos concretos, la incertidumbre persiste. Se requiere más investigación para desarrollar métodos sólidos que permitan evaluar y probar las percepciones de injusticia de los consumidores en el análisis del artículo 102(a).
* Esta traducción fue realizada por Fernanda Ruiz del equipo de CeCo
** La autora señala que esta nota se basa en su artículo anterior escrito con Christian Bergqvist: «Unlocking Manufacturer Utopia: AI’s Role in Perfect Price Discrimination», un artículo revisado por pares y presentado en la conferencia ASCOLA de 2025, Chicago.
*** En cumplimiento con la Declaración de Transparencia y Divulgación de ASCOLA, la autora declara no tener conflicto de intereses.
