Los algoritmos de IA apuntan a los límites de precios de consumidores y salarios de trabajadores

Los organismos reguladores, entre ellos la Comisión Federal de Comercio de EE. UU. (FTC), están examinando de cerca el avance de la fijación de precios personalizada y los sistemas de remuneración laboral impulsados por algoritmos. A medida que las plataformas digitales recopilan amplios datos personales y de comportamiento, los modelos predictivos permiten cada vez más a las empresas estimar tanto el precio máximo que pagará un cliente individual como el ingreso mínimo que aceptará un trabajador.

Monitoreo de límites conductuales

Las plataformas digitales recopilan datos continuos de los usuarios, incluyendo ubicación, datos demográficos, actividad de navegación, actualizaciones del carrito de compras y movimientos del ratón. Los comerciantes pueden utilizar esta información para ofrecer descuentos selectivos a los compradores sensibles al precio, mientras omiten promociones para aquellos que se prevé comprarán a precios estándar. En el ámbito laboral, plataformas como Lyft han documentado sistemas que personalizan los incentivos y los retos de ingresos para los conductores. De manera similar, un estudio sobre 1,5 millones de viajes de Uber en el Reino Unido halló una relación entre los mecanismos de precios dinámicos, ingresos reales por hora más bajos y una mayor desigualdad entre los conductores.

Transparencia unilateral en el mercado

Históricamente, las transacciones de mercado conllevaban incertidumbre financiera para ambas partes: los consumidores solían pagar menos de su presupuesto máximo y los trabajadores percibían ingresos por encima de su umbral mínimo. Las herramientas de predicción algorítmica reducen esta incertidumbre principalmente para las empresas y no para las personas. Mientras las plataformas observan, prueban y aprenden de manera constante de las decisiones de los usuarios, los consumidores no pueden determinar fácilmente si desistir de una compra provocará una oferta más baja, ni los trabajadores independientes pueden verificar si rechazar un encargo generará una mayor remuneración.

Privacidad de datos y poder de negociación

Aunque los algoritmos predictivos pueden optimizar la adecuación de la oferta y reducir el desperdicio operativo, persisten las dudas sobre cómo se distribuyen esos beneficios económicos. Grupos de defensa del consumidor como Consumer NZ han señalado cómo los programas de fidelización minoristas generan datos detallados de gasto que podrían sustentar estrategias de precios individualizados. Dado que los datos personales ayudan a fijar los umbrales de las transacciones, la privacidad influye directamente en el poder de negociación, lo que impulsa llamados a una mayor visibilidad sobre el funcionamiento de los algoritmos de precios y salarios.

Ilustración editorial generada con IA; no es una fotografía documental.

Fuente: Businesses are using AI to predict what individual customers will pay – and workers will accept being paid