2026-10-19
La IA puede ajustar precios. Tu cliente necesita entender las reglas
Automatizar precios puede mejorar una decisión comercial, siempre que el cliente no se convierta en la variable oculta del precio.
Una tienda puede usar inteligencia artificial para detectar productos que se venden poco, proponer un descuento o actualizar etiquetas en minutos. Eso puede ser útil. El problema empieza cuando el precio cambia según lo que el sistema cree saber de cada persona y el cliente no lo sabe.
La diferencia parece pequeña, pero cambia toda la relación. Una cosa es ajustar un precio para todos por stock, temporada o costes. Otra es cobrar más a alguien porque sus datos indican que probablemente aceptará pagar más.
Qué ha ocurrido
Associated Press ha examinado cómo la inteligencia artificial, las etiquetas electrónicas y el uso de datos están cambiando la forma de fijar precios en Estados Unidos. La preocupación ha llegado a consumidores, legisladores y reguladores, aunque todavía no está claro hasta qué punto se usa realmente un precio distinto para cada persona.
La Comisión Federal de Comercio de Estados Unidos, la FTC, propuso en agosto una política de aplicación de la ley sobre precios personalizados. Su advertencia es concreta: cuando una empresa usa datos personales para calcular cuánto cree que alguien está dispuesto a pagar, ocultarlo o explicarlo de forma insuficiente puede ser una práctica engañosa o desleal.
Esto no significa que una etiqueta electrónica haga por sí sola precios personalizados. Tampoco que cambiar precios según la hora, el stock o la demanda sea siempre abusivo. La cuestión decisiva es qué hace variar el precio, qué datos se utilizan y si el cliente lo entiende antes de comprar.
Cambiar una etiqueta no es poner precio a una persona
Una etiqueta electrónica es una herramienta. Permite actualizar precios sin sustituir carteles a mano y reducir errores entre la estantería y la caja. La misma tecnología puede usarse bien o mal, igual que una hoja de cálculo puede servir para ordenar costes o para ocultar un recargo.
El riesgo aparece cuando la empresa mezcla el precio con el historial de compras, la ubicación, la navegación, el tipo de dispositivo u otros datos personales para estimar la disposición a pagar. Si dos clientes ven importes diferentes sin saber por qué, la eficiencia deja de ser el único asunto: entran en juego la confianza, la privacidad y la capacidad de comparar.
Para un negocio pequeño, perder esa confianza puede costar más que el margen ganado en una operación. El cliente quizá no distinga qué modelo o proveedor tomó la decisión, pero sí recuerda que el precio le pareció arbitrario.
Un ejemplo sencillo: mover stock sin romper la confianza
Ejemplo hipotético: una tienda tiene productos que llevan varias semanas sin venderse. Un sistema analiza unidades disponibles, fecha de entrada, margen mínimo y ventas recientes. Cada lunes propone descuentos por producto para todos los clientes. La responsable revisa la propuesta, aprueba los cambios y las etiquetas muestran el mismo precio a cualquier persona durante el periodo anunciado.
La IA no recibe nombres, perfiles individuales ni historiales personales. Tampoco puede superar un descuento máximo, bajar del margen autorizado o cambiar precios por sí sola durante el día. Cada propuesta conserva el motivo y la persona que la aprobó.
El negocio gana rapidez y aprende qué descuentos funcionan. El cliente conserva una regla visible y comprensible. Si más adelante se quiere personalizar una oferta para miembros de un programa, esa sería otra decisión: exigiría explicar las condiciones, revisar qué datos se usan y comprobar la normativa aplicable.
Seis reglas antes de dejar que la IA proponga precios
Empezaríamos con un uso pequeño, reversible y fácil de explicar:
- Definir el objetivo: reducir stock, proteger margen o corregir diferencias, no simplemente cobrar el máximo posible.
- Separar datos del producto y del negocio de los datos personales del cliente. Si estos últimos no son necesarios, no utilizarlos.
- Fijar límites de precio, frecuencia y horario que el sistema no pueda saltarse.
- Mantener aprobación humana mientras se comprueba el comportamiento real y registrar el motivo de cada cambio.
- Asegurar que estantería, web y caja muestran el mismo importe y que las condiciones se entienden antes de pagar.
- Detener la prueba si aparecen errores repetidos, quejas difíciles de explicar o diferencias que el equipo no puede justificar.
Qué medir durante la prueba
Mediríamos margen, rotación de stock y ventas, pero también correcciones manuales, diferencias entre el precio mostrado y el cobrado, reclamaciones y preguntas de clientes. Una mejora comercial que multiplica las incidencias no es una mejora completa.
Revisaríamos ejemplos concretos, no solo una media final. Conviene saber qué productos recibieron una propuesta, qué regla se aplicó, quién la aprobó y qué ocurrió después. Así se puede corregir el sistema sin discutir a ciegas con una cifra agregada.
Solo ampliaríamos la automatización cuando el resultado sea estable y el equipo pueda explicar la regla con una frase sencilla. Si hace falta una explicación técnica larga para justificar un precio a un cliente, el diseño todavía no está listo.