Discriminación de precios algorítmica: eficiencia, riesgos y límites desde el derecho de la competencia en Ecuador

En la era digital, el procesamiento masivo de datos y tecnologías basadas en inteligencia artificial ha transformado sustancialmente las estrategias comerciales de las empresas. Dicho procesamiento ha permitido, principalmente, a las BigTech implementar algoritmos avanzados para la fijación de precios personalizados para los consumidores. Esta práctica, conocida como discriminación de precios algorítmica, facilita la segmentación de consumidores al identificar con precisión la máxima disposición a pagar de cada usuario y ajustar los precios en consecuencia.

Desde una perspectiva económica, esta técnica tiene el potencial de eliminar ineficiencias clásicas del mercado, como la pérdida de peso muerto (deadweight loss), optimizando la asignación de recursos. No obstante, su implementación genera importantes interrogantes jurídicos y éticos, especialmente en materia de derecho de la competencia, donde el uso de algoritmos plantea nuevos desafíos regulatorios. En particular, esta evolución obliga a repensar los límites entre estrategias legítimas de mercado y conductas potencialmente anticompetitivas.

Este blog analiza este fenómeno desde tres ejes: su potencial para generar eficiencias, los riesgos de colusión algorítmica y el posible abuso de posición dominante por parte de empresas con poder significativo en el mercado.

¿Qué es un algoritmo?

Para comprender las implicaciones jurídicas del uso de algoritmos en la fijación de precios, es fundamental definir primero de qué hablamos. En términos generales, un algoritmo es un conjunto de instrucciones que permiten resolver un problema o ejecutar una tarea de forma automatizada (Kerns, 2019). Su uso en entornos digitales ha evolucionado enormemente gracias a la incorporación de modelos de inteligencia artificial (IA), particularmente mediante técnicas de machine learning, que permiten a los algoritmos aprender y adaptarse a nuevas condiciones del mercado sin intervención humana directa (Li, 2023).

En este contexto, los algoritmos no solo automatizan procesos; analizan patrones de comportamiento de consumo y ajustan dinámicamente los precios en función de la disposición a pagar de cada consumidor. Este análisis permite construir perfiles económicos y conductuales individualizados, a partir de los cuales se fijan precios personalizados en tiempo real.

¿Qué es la discriminación de precios?

Según la OCDE, la discriminación de precios es una práctica comercial que consiste en cobrar distintos precios por un mismo bien o servicio. (OCDE, 1993). Desde la perspectiva económica, la discriminación de precios es una práctica llevada a cabo en todos los niveles de actividades empresariales para ofrecer precios que se ajusten más a la máxima disposición a pagar de sus consumidores. Desde un punto de vista económico esto es deseable porque crea un mejor ajuste entre oferta y demanda, que finalmente puede ser beneficioso para el bienestar general del mercado.

La doctrina económica ha distinguido formas de clasificar la discriminación de precios considerando el grado de información que posee el vendedor sobre los consumidores, así como el mecanismo mediante el cual se realiza la segmentación. Esta clasificación distingue tres tipos principales; discriminación de tercer, segundo y primer grado.

• Discriminación de tercer grado: el proveedor segmenta a los consumidores en grupos con base en características observables como edad, nacionalidad o condición laboral, y ofrece precios diferenciados según cada grupo. Ejemplos comunes incluyen tarifas especiales para estudiantes, adultos mayores o precios ajustados por región.

• Discriminación de segundo grado: el vendedor no conoce las características del consumidor, pero diseña un menú de opciones (como paquetes, condiciones o cantidades) que permite a los usuarios auto-seleccionarse conforme a su sensibilidad al precio. Es el caso de tarifas aéreas con condiciones específicas o descuentos por volumen.

• Discriminación de primer grado: también llamada discriminación de precios perfecta, se presenta cuando el vendedor conoce con precisión la disposición a pagar de cada consumidor y ajusta el precio individualmente. Aunque históricamente teórica, esta modalidad se ha vuelto cada vez más viable gracias al uso de algoritmos de inteligencia artificial que permiten calcular precios personalizados en tiempo real.

Esta última categoría, que normalmente era considerada teórica, es hoy una realidad gracias a los algoritmos de IA. La discriminación de precios algorítmica representa una manifestación moderna de la discriminación de primer grado: mediante el acceso masivo a datos personales y la capacidad de aprendizaje automático, las empresas pueden estimar con alta precisión la disposición a pagar de cada individuo y fijar precios individualizados que limitan su excedente.

Eficiencia y beneficios de la discriminación algorítmica

Desde el análisis económico del derecho, la discriminación de precios puede generar eficiencias importantes. Cuando un proveedor no conoce la disposición a pagar de sus consumidores, debe fijar un precio único, lo que excluye a quienes no pueden pagar ese precio y reduce el ingreso potencial del vendedor. Este fenómeno genera una pérdida conocida como deadweight loss, que afecta tanto a consumidores como a productores.

La fijación de precios diferenciados, en cambio, puede ampliar el mercado al permitir el acceso a consumidores con menor poder adquisitivo, mientras maximiza los ingresos al cobrar más a quienes están dispuestos a pagar más. Como señala Antón Suárez:

“Desde un punto de vista económico, la discriminación de precios incluso en un mercado monopolístico puede aumentar el bienestar del consumidor. Reduciría los efectos perniciosos del monopolio (reducción de la oferta), permitiendo aumentar el tamaño del mercado”. (Juárez, 2021)

En este sentido, la discriminación algorítmica puede corregir ineficiencias estructurales del mercado, siempre que no derive en prácticas anticompetitivas. Incluso considerando que el consumidor termine alcanzando su máxima disposición de pago, reduciendo su excedente, este mecanismo también permite que otros consumidores, con menor poder adquisitivo, accedan al bien o servicio a un precio ajustado a sus posibilidades. De tal forma, se amplía la cobertura del mercado y se corrigen ineficiencias, permitiendo una participación más inclusiva en la dinámica comercial. No se trata simplemente de cobrar distinto, sino de alinear oferta y demanda con mayor precisión.

Colusión algorítmica: la coordinación sin acuerdo

Sin embargo, el uso de algoritmos de fijación dinámica de precios con capacidad de aprendizaje autónomo trae consigo riesgos relevantes desde la óptica del derecho de la competencia. Uno de los más complejos es el de la colusión algorítmica: es decir, la posibilidad de que diferentes algoritmos, al interactuar repetidamente en el mercado, aprendan a coordinarse de forma tácita, fijando precios supracompetitivos sin que exista un acuerdo humano explícito.

Esta hipótesis, que ya ha sido estudiada por diversas autoridades y académicos, alerta sobre un nuevo tipo de cártel: sin reuniones, sin pactos y sin correos electrónicos, pero con resultados económicos equivalentes a los de una colusión tradicional. El aprendizaje automático puede llevar a los algoritmos a converger en estrategias que maximizan sus beneficios y reducen el excedente del consumidor, simplemente como resultado de su programación para observar y reaccionar a patrones de conducta en el mercado (Zhang et al., 2024).

Además, cuando todos los actores del mercado emplean algoritmos similares, la supuesta personalización del precio puede convertirse en una práctica sistemática que excluye alternativas reales para los consumidores, erosionando la competencia efectiva. Este tipo de colusión presenta un gran desafío para las autoridades de competencia, ya que su detección y prueba resultan particularmente difíciles.

En este contexto, cobra relevancia la figura del paralelismo consciente, reconocida en el artículo 11 de la Ley Orgánica de Regulación y Control del Poder de Mercado como una práctica concertada en la que varios operadores económicos sustituyen los riesgos de la competencia por la cooperación, siendo su conducta paralela en el mercado la principal evidencia de coordinación (LORCPM, 2011). Aunque no requiere un acuerdo directo, puede generar efectos equivalentes a los de una colusión anticompetitiva, especialmente cuando varias empresas acceden a bases de datos similares o a información estructuralmente homogénea, y emplean algoritmos con lógicas de aprendizaje comparables. En tales casos, los algoritmos pueden converger en decisiones supracompetitivas sin necesidad de comunicación explícita, haciendo que la personalización del precio deje de ser una ventaja individual y se transforme en una práctica sistemática que erosiona la competencia efectiva.

Este tipo de colusión algorítmica presenta además desafíos significativos para las autoridades de competencia, tanto por la dificultad para probar la intencionalidad, como por la complejidad y comprensibilidad de las decisiones automatizadas. Sin embargo, su posible efecto restrictivo sobre la eficiencia económica y el bienestar general podría justificar que se interprete subsunción en lo tipificado en el artículo 11, lo cual permita fiscalizar incluso aquellas prácticas cuya coordinación emane del diseño tecnológico y no de una voluntad humana verificable.

Así, la discriminación de precios algorítmica puede transitar de ser una herramienta de eficiencia individualizada a convertirse en un mecanismo de colusión tácita automatizada, cuando los algoritmos comienzan a actuar como cárteles, sin necesidad de que exista un acuerdo explícito de por medio.

Abuso de posición dominante y precios personalizados

El uso de algoritmos para fijar precios personalizados adquiere una dimensión más preocupante cuando se encuentra en manos de empresas con posición de dominio. Plataformas digitales que concentran grandes volúmenes de datos y tienen control sobre los canales de interacción con el consumidor pueden utilizar estos mecanismos no solo para optimizar su rentabilidad, sino también para excluir competidores o explotar consumidores sin alternativas reales (Li, 2019).

En este contexto, el derecho de la competencia debe mantenerse vigilante frente a los abusos explotativos, que se presentan cuando los consumidores son forzados a pagar el precio máximo posible sin alternativas reales de comparación o elección; así como frente a los abusos exclusorios, donde la personalización de precios se utiliza estratégicamente para debilitar o excluir a competidores, mediante prácticas como precios predatorios dirigidos, descuentos discriminatorios o bloqueos de acceso basados en perfilamientos, lo cual puede ser facilitado por los algoritmos (Gorab, 2024). No obstante, hasta el momento, la evidencia empírica que vincula directamente este tipo de abusos con el uso de algoritmos es limitada, siendo uno de los pocos precedentes relevantes el caso “Google Shopping”, investigado por presuntas prácticas de auto-preferencia en sus servicios (Ceco Chile, 2023).

Ambos escenarios son posibles gracias al uso intensivo de datos personales combinados con algoritmos de IA en mercados donde una empresa tiene la capacidad de imponer condiciones. El carácter opaco de estos sistemas dificulta su fiscalización, pero no debería eximirlos del control por parte de la autoridad. En Ecuador, estas conductas se encuentran reguladas en el artículo 9 de la LORCPM, que tipifica como infracción todo abuso de poder de mercado cuando, por cualquier medio, se impide o restringe la competencia, o se afecta negativamente la eficiencia económica o el bienestar general. En tal sentido, cuando una empresa dominante utiliza algoritmos para extraer el máximo posible de cada consumidor sin que este pueda comparar precios o elegir, puede configurarse un abuso explotativo, especialmente si el perfilamiento se basa en información sensible o asimétrica.

Por otro lado, la aplicación de algoritmos de fijación de precios en tiempo real no solo puede conducir a una discriminación de precios más precisa y veloz, sino que también habilita escenarios de abuso exclusorio, especialmente cuando las firmas dominantes logran segmentar con mayor detalle a sus consumidores. Como advierte la literatura, estos sistemas permiten distinguir entre consumidores marginales e inframarginales, identificando, por ejemplo, a aquellos menos propensos a abandonar una plataforma incluso cuando sus condiciones empeoren. En entornos digitales, ya se ha documentado que algoritmos como el de Uber son capaces de detectar variables conductuales, como el nivel de batería del dispositivo de un conductor, para limitar su capacidad de migrar a otras plataformas, con lo que se refuerza el poder de mercado y se dificulta la competencia efectiva (Gal y Rubinfeld, 2023).

Finalmente, el numeral 6 del artículo 9 de la LORCPM tipifica como infracción la discriminación injustificada de precios, condiciones o modalidades de fijación de precios. Esta disposición no prohíbe la discriminación de precios per se, sino que su legalidad dependerá de las razones que la sustenten y de la forma en que se implemente, quedando a criterio de la autoridad de competencia evaluar su pertinencia en el mercado. En este sentido, la discriminación algorítmica de precios, aunque puede tener fundamentos económicos ligados a la eficiencia, no está exenta del control previsto en el derecho de la competencia, especialmente en mercados con fallas estructurales o en presencia de actores con poder dominante. El carácter opaco y autónomo de los sistemas de inteligencia artificial no debe ser una excusa para eludir la aplicación de la normativa, sino un argumento adicional para fortalecer la capacidad analítica y la anticipación regulatoria de las autoridades.

Conclusiones

La discriminación algorítmica de precios no es, en sí misma, una práctica ilegal. Puede ser una herramienta poderosa para expandir el acceso a productos y servicios. Sin embargo, cuando su implementación genera efectos anticompetitivos, ya sea por facilitar colusión, consolidar poder de mercado o excluir rivales, se convierte en un fenómeno que merece atención jurídica y regulatoria especializada.

El reto para las autoridades de competencia es doble: por un lado, entender cómo operan estos sistemas, sus capacidades técnicas y sus límites; por otro, ajustar los marcos normativos para evitar que la automatización se convierta en un escudo para prácticas que, aunque silenciosas, pueden distorsionar profundamente el funcionamiento de los mercados.

La discriminación de precios algorítmica representa uno de los ejemplos más claros de cómo la tecnología puede tensionar la frontera entre eficiencia económica y riesgo anticompetitivo. Su capacidad para ajustar precios con alta precisión, a partir del tratamiento de grandes volúmenes de datos y en el aprendizaje autónomo de la inteligencia artificial, plantea beneficios innegables para la asignación de recursos, pero también abre la puerta a escenarios de colusión tácita, abusos explotativos y estrategias exclusorias difíciles de detectar y probar.

En el contexto ecuatoriano, la LORCPM proporciona herramientas normativas para fiscalizar estas conductas, pero su aplicación frente a este tipo de estrategias exige un fortalecimiento técnico y metodológico de la autoridad de competencia. No se trata de frenar la innovación, sino de garantizar que su aplicación no se aparte de los principios de eficiencia económica y bienestar general que inspiran la regulación. En última instancia, el desafío radica en establecer un equilibrio entre la mejora de la eficiencia económica a través de la explotación de herramientas tecnológicas, y procurar que no se crucen límites que podrían derivar en prácticas explotativas o exclusorias en el mercado.
 

Bibliografía

Belleflamme, P., Peitz, M., & Vergote, W. (2020). Competitive Imperfect Price Discrimination and Market Power. Marketing Science, 39(5), 996–1008. https://doi.org/10.1287/mksc.2019.1191

Cabral, L. M. B. (2000). Introduction to Industrial Organization. MIT Press.

Calo, R., & Rosenblat, A. (2017). The Price Is (Not) Right: Data Protection and Discrimination in the Age of Pricing Algorithms. Maryland Law Review, 117(4), 1023–1077. https://digitalcommons.law.uw.edu/faculty-articles/780/

Franco, M., Vázquez, I., & Sánchez, L. (2018). Discriminación de precios y Big Data: implicaciones desde el derecho del consumo. Revista de Derecho de Consumo, [volumen y número pendientes].

Gauthier, G. (2021). AI Algorithms, Price Discrimination and Collusion: A Technological, Economic and Legal Perspective. European Journal of Law and Technology, [volumen y número pendientes].

Harrington, J. E. (2021). Algorithms and Collusion: Insights from the Theory of Repeated Games. En Gauthier, G. (Ed.), AI Algorithms, Price Discrimination and Collusion: A Technological, Economic and Legal Perspective. [Editorial pendiente].

Ittoo, A., & Petit, N. (2017). Algorithmic pricing agents and tacit collusion: A technological perspective. En H. Jacquemin & A. de Streel (Eds.), L'intelligence artificielle et le droit (pp. 241–256). Bruxelles: Larcier.

Juárez, I. A. (2021). Marketplaces que personalizan precios a través del big data y de los algoritmos:

¿Esta práctica es legal en atención al derecho de la competencia europeo? Cuadernos de Derecho Transnacional, 13(1), 42–69. https://doi.org/10.20318/cdt.2021.6006

Kearns, M., & Roth, A. (2019). The ethical algorithm: The science of socially aware algorithm design. Oxford University Press.

Ley Orgánica de Regulación y Control del Poder de Mercado. (2011). Registro Oficial Suplemento, 555, 13.

Li, Q., Philipsen, N., & Cauffman, C. (2023). AI-enabled price discrimination as an abuse of dominance: A law and economics analysis. China-EU Law Journal, 9(1), 51–72. https://doi.org/10.1007/s12689-023-00091-y
OCDE. (1993). Price Discrimination. OECD Economic Studies No. 21.

Suárez, A. (2018). Discriminación de precios en mercados digitales. En Franco, M. et al. Discriminación de precios y Big Data: implicaciones desde el derecho del consumo. [Editorial pendiente].

Zhang, X., Zhang, M., & Zhao, W. (2024). Algorithmic collusion and price discrimination: The over-usage of data. arXiv preprint arXiv:2403.06150. https://doi.org/10.48550/arXiv.2403.06150

Zuiderveen Borgesius, F., & Poort, J. (2017). Online Price Discrimination and EU Data Privacy Law.

Journal of Consumer Policy, 40, 347–366. https://doi.org/10.1007/s10603-017-9354-z