Hay una forma de manipulación que no llega con forma de anuncio, ni de recomendación, ni de chatbot amable… sino que llega con forma de precio. Es un número, una etiqueta, una oferta que parece objetiva, neutra, incuestionable.
Pero en los mercados digitales, el precio hace rato dejó de ser solamente una decisión comercial humana. Hoy puede ser el resultado de tests, automatizaciones, comparaciones competitivas en tiempo real, datos de comportamiento y modelos predictivos. Y cuando eso ocurre sin explicaciones claras, el problema ya no es solo comercial, también es ético.
Hace tan solo unos días, esa discusión explotó en Argentina alrededor de Mercado Libre. Algunos usuarios reportaron que una misma publicación mostraba precios distintos según la cuenta o el dispositivo desde el que se la consultaba. La empresa negó que existan “precios personalizados según el usuario” y sostuvo que las diferencias respondían a “pruebas de promociones para evaluar su efectividad”. Al mismo tiempo, explicó que su plataforma ofrece a vendedores una herramienta de “Ajuste Automático de Precios” para adaptar valores de forma dinámica y competitiva.
El caso todavía no prueba, por sí solo, que estemos frente a discriminación algorítmica individual. Pero sí deja al descubierto algo más grande: en 2026, el pricing ya es parte de la conversación sobre inteligencia artificial, opacidad algorítmica y ética de negocios; y las marcas que no entiendan eso van a pagar un costo reputacional cada vez más alto.
Qué pasó con Mercado Libre y por qué el tema explotó
La polémica pública se activó cuando usuarios empezaron a compartir capturas comparando el precio de un mismo producto en distintas cuentas o dispositivos. Uno de los mensajes más citados fue el del economista Ariel Setton, quien escribió que veía “mismo producto, mismo momento, distinto usuario, 20% de diferencia”. A partir de ahí, la conversación se volvió viral y muchos interpretaron que la plataforma estaba aplicando algún tipo de precio segmentado o personalizado.
La respuesta de Mercado Libre, según la cobertura periodística, fue doble. Por un lado, negó que hubiera segmentación de precios según el usuario. Por otro, explicó que sí realiza “pruebas de promociones” con grupos de control, es decir, experimentos temporales en los que algunos usuarios pueden ver una oferta o descuento distinto para medir resultados. También confirmó que ofrece a los vendedores una herramienta de ajuste automático para comparar publicaciones similares y fijar un valor competitivo.
Qué dijo exactamente Mercado Libre
La postura pública atribuida a la empresa fue que no existen precios personalizados según el usuario. Según esa explicación, las diferencias observadas no responderían a perfilado individual sino a promociones o testeos acotados para entender demanda y efectividad comercial.
Qué reconoció que sí existe
Mercado Libre sí tiene publicada una herramienta de automatización de precios para vendedores. En su sitio para sellers explica que el sistema puede ajustar precios automáticamente dentro de rangos definidos por el vendedor y en función de variables competitivas, incluso comparando publicaciones dentro y fuera de la plataforma.
Ese matiz importa mucho. Porque una cosa es que un sistema cambie precios por dinámica comercial general. Otra muy distinta es que cambie precios por persona. Y entre una cosa y la otra vive toda la discusión ética.
Diferencia entre precio dinámico y precio personalizado
Una de las confusiones más habituales en esta discusión es meter todo bajo la misma etiqueta de “precios dinámicos”. Pero no todo pricing algorítmico es lo mismo.
Qué es el precio dinámico
El precio dinámico es, en términos simples, un precio que cambia con rapidez según variables de mercado: demanda, competencia, inventario, estacionalidad, contexto logístico o timing. La lógica es parecida a la de aerolíneas, apps de transporte o marketplaces: el sistema ajusta el valor porque cambió el entorno comercial.
Qué es el precio personalizado
El precio personalizado es otra cosa. La normativa europea establece que, cuando el precio se personaliza para un consumidor sobre la base de toma de decisiones automatizada y perfilado, el consumidor debe ser informado claramente. La norma además distingue este supuesto del pricing dinámico que cambia por demanda sin personalización individual.
Para resumir…
- Precio dinámico: responde al mercado.
- Precio personalizado: responde a vos.
En el caso de Mercado Libre, lo que está probado públicamente no es la segunda hipótesis, sino la existencia de diferencias observadas por usuarios y la explicación empresaria de que se trató de experimentos promocionales, no de personalización por perfil.
Qué dice la ley argentina sobre precios, promociones y transparencia
Aunque en Argentina no exista hoy una regla tan explícita como la europea sobre precio personalizado, sí hay principios legales muy relevantes para mirar este fenómeno.
La Ley 24.240 de Defensa del Consumidor establece que el proveedor debe suministrar información cierta, clara y detallada sobre las características esenciales de los bienes y servicios y las condiciones de comercialización.
Además, la guía oficial de Derecho Fácil explica que el consumidor tiene derecho a conocer con claridad el precio, formas de pago, promociones y condiciones de venta, también en entornos online.
El problema legal empieza antes de probar discriminación
Esto significa que, incluso sin demostrar una discriminación algorítmica individual, ya existe una pregunta jurídica válida: si distintos usuarios están viendo distintos precios o promociones, ¿esa lógica está siendo comunicada de manera suficientemente clara? ¿El consumidor entiende qué está viendo, por qué lo está viendo y bajo qué condiciones puede cambiar ese precio?
Qué pasa si entra en juego el perfilado
Si el precio dependiera de variables asociadas al comportamiento, historial o características del usuario, la discusión se ampliaría hacia protección de datos y decisiones automatizadas. En Europa, el marco de protección de datos reconoce límites a decisiones basadas exclusivamente en procesamiento automatizado que produzcan efectos significativos sobre las personas.
Por qué el pricing algorítmico también es un tema psicológico
Acá es donde muchas marcas fallan. Piensan que el debate es sobre sistemas, eficiencia, automatización o revenue management. Pero para el consumidor, la experiencia es mucho más visceral. Cuando alguien sospecha que a otra persona le cobraron menos por lo mismo, no siente solo molestia. Siente injusticia. Siente arbitrariedad. Siente que del otro lado no hay un mercado, sino una máquina tratando de sacarle el máximo posible.
El problema no es solo pagar más
El daño no es únicamente económico. También es emocional. La persona siente que “le vieron la cara”, que la usaron como variable de maximización y no como cliente.
La confianza se rompe mucho antes que la relación comercial
Un estudio sobre discriminación algorítmica de precios encontró que, a mayor percepción de discriminación, mayor sensación de traición por parte del consumidor, mediada por la caída en la percepción de justicia del precio.
Eso importa muchísimo para cualquier marca. Porque la traición percibida no se arregla fácilmente con una promo. Y cuando el consumidor pierde la confianza en la lógica del precio, empieza a desconfiar de toda la experiencia.
Qué viene diciendo la OCDE sobre precios personalizados
La OCDE, la Organización para la Cooperación y el Desarrollo Económicos, viene estudiando este tema hace años. En su trabajo sobre personalised pricing in the digital era analiza cómo la digitalización, los datos y la automatización hacen cada vez más viable cobrar precios distintos a consumidores distintos en función de información disponible sobre ellos.
No se trata de una prohibición general ni de una condena absoluta. Pero sí de un reconocimiento claro: la infraestructura técnica para hacer pricing cada vez más segmentado ya existe, y por eso el tema debe discutirse en términos de competencia, protección del consumidor y políticas públicas.
Qué es la OCDE, explicado simple
La OCDE es un organismo internacional que produce datos, análisis y recomendaciones sobre economía, educación, tecnología, regulación y políticas públicas. No legisla, pero influye mucho porque sus informes suelen ser referencia para gobiernos, empresas y medios.
Por qué este caso es también un debate sobre ética en IA
En negocios, una de las trampas más comunes es confundir legalidad con legitimidad.
Que una empresa pueda automatizar precios no responde, por sí mismo, la pregunta ética. La pregunta ética es otra: ¿para qué se está usando esa inteligencia? ¿Para hacer el mercado más eficiente y útil para el cliente, o para maximizar captura de valor aprovechando asimetrías de información que el consumidor no puede ver ni discutir?
El algoritmo puede ser legal y aun así ser antiético
Incluso si una práctica no vulnera todavía una norma específica, puede ser profundamente problemática si opera de forma opaca, se aprovecha de vulnerabilidades del usuario o destruye la percepción de trato justo.
El precio también comunica
En branding y marketing solemos pensar el precio como táctica. Pero en entornos algorítmicos, el precio también es mensaje. Puede comunicar eficiencia, competitividad y acceso. O puede comunicar oportunismo, arbitrariedad y abuso. Y eso convierte al pricing en un tema de reputación.
De Mercado Libre a ChatGPT: el mismo problema con distinta interfaz
Este es, para mí, el punto más interesante. Porque el caso Mercado Libre no está aislado, sino que forma parte de una transformación mayor: la inteligencia artificial y los algoritmos ya no solo influyen en qué elegimos, también pueden influir en bajo qué condiciones elegimos.
En febrero de 2026, OpenAI comenzó a testear anuncios en ChatGPT en Estados Unidos para usuarios adultos de los planes Free y Go. La empresa informó que los anuncios no influyen en las respuestas, que están claramente separados del contenido orgánico y que los anunciantes no tienen acceso a los chats. Pero también explicó que, durante el test, la selección del anuncio puede apoyarse en el tema de la conversación, chats previos e interacciones anteriores con anuncios.
Esto no es lo mismo que pricing personalizado, por supuesto. Pero el patrón es el mismo: una interfaz que parece asistencia neutral empieza a integrar capas comerciales más profundas y más contextuales. El riesgo no aparece solo cuando el sistema miente, también aparece cuando monetiza de forma cada vez más sofisticada una relación que el usuario vive como ayuda.
Ayer discutíamos si la IA podía manipular respuestas. Hoy discutimos si los sistemas pueden intervenir, directa o indirectamente, en promociones, visibilidad comercial y lógica de precios. Mañana la pregunta probablemente sea otra: cuánto margen de autonomía real conserva el usuario cuando todo el entorno está optimizado para persuadirlo, segmentarlo o rentabilizarlo.
Qué deberían hacer las marcas antes de que esto les explote
No hace falta esperar un escándalo para actuar mejor.
1. Diferenciar claramente automatización comercial de personalización individual
No todo ajuste de precios es abusivo. Pero si usás reglas automáticas, promociones test A/B o pricing competitivo en tiempo real, necesitás poder explicarlo con precisión.
2. Tratar la transparencia como parte del producto
No alcanza con tener la lógica “internamente documentada”. El usuario necesita entender promociones, condiciones, limitaciones y vigencia. La normativa argentina ya va en esa dirección.
3. Auditar la experiencia, no solo el revenue
A veces una optimización mejora métricas de corto plazo y destruye confianza de largo plazo. Si tu sistema “rinde” pero hace que la gente sienta arbitrariedad, el costo reputacional llega después. Y llega fuerte.
4. Asumir que el pricing también construye marca
El precio comunica. Siempre. En entornos algorítmicos, comunica todavía más. Puede comunicar eficiencia, accesibilidad y competitividad. O puede comunicar oportunismo y opacidad.
5. Entender que la ética ya es una ventaja competitiva
A medida que más decisiones comerciales sean mediadas por IA, la diferencia entre marcas no va a ser solo quién automatiza más. Va a ser quién automatiza mejor, con más límites, más explicabilidad y más respeto por la confianza del usuario.
Entonces, ¿qué está en juego de verdad?
La pregunta no es solo si Mercado Libre mostró o no un precio distinto por usuario. La pregunta más grande es esta:
Cuando un consumidor abre una app y ve un precio, qué está viendo exactamente.
- ¿Un precio de mercado?
- ¿Una promoción?
- ¿Un test?
- ¿Una recomendación comercial?
- ¿O el resultado de una inferencia silenciosa sobre lo que probablemente esté dispuesto a pagar?
Ahí está, en realidad, la discusión de fondo. Porque no se trata solo de tecnología, sino de poder, de asimetría y de confianza; y también de si vamos a usar la inteligencia artificial para servir mejor al usuario o simplemente para cobrarle mejor.
Preguntas Frecuentes sobre Reputación de Marca
¿Mercado Libre aplica precios personalizados según el usuario?
Hasta donde se conoce públicamente, Mercado Libre negó que existan precios personalizados según el usuario y atribuyó las diferencias observadas a pruebas de promociones. No hay prueba pública concluyente de personalización individual en este caso puntual.
¿Qué diferencia hay entre precio dinámico y precio personalizado?
El precio dinámico cambia por variables de mercado, como demanda, competencia o inventario. El precio personalizado cambia según la persona o su perfil, a partir de decisiones automatizadas o perfilado.
¿El precio dinámico es ilegal?
No necesariamente. Muchas industrias usan precio dinámico de manera legal. El problema aparece cuando hay falta de transparencia, prácticas engañosas o segmentación opaca que el consumidor no puede entender ni cuestionar.
¿Qué dice la ley argentina sobre este tema?
La Ley de Defensa del Consumidor exige información cierta, clara y detallada sobre condiciones de comercialización. Eso vuelve especialmente sensible cualquier esquema donde precios o promociones cambien sin que el consumidor entienda por qué.
¿La inteligencia artificial ya se usa para pricing?
Sí. Las plataformas y marketplaces usan automatización y algoritmos para ajustar precios, comparar competencia y optimizar ofertas. Mercado Libre, por ejemplo, tiene publicada una herramienta de ajuste automático de precios para vendedores.
¿Por qué esto es un tema ético y no solo técnico?
Porque aunque una práctica pueda ser legal o habitual, sigue existiendo la pregunta de si usa datos e inteligencia para ayudar mejor al cliente o para capturar más valor a costa de su falta de información. La ética entra cuando el algoritmo opera con poder que el usuario no ve ni puede discutir.
¿Qué relación tiene esto con la publicidad en ChatGPT?
La relación está en el patrón. En ambos casos, sistemas algorítmicos o de IA median decisiones comerciales del usuario de manera cada vez más contextual y sofisticada. La discusión ya no es solo qué vemos, sino bajo qué lógica lo vemos y a quién beneficia esa lógica.
¿Qué deberían hacer las marcas frente a este escenario?
Deberían explicar mejor sus lógicas comerciales automatizadas, auditar riesgos reputacionales, distinguir claramente promociones de personalización y tratar la transparencia como parte central de la experiencia de marca.