La Federal Trade Commission abrió un período de comentarios públicos sobre un proyecto de declaración de política de aplicación referida a la fijación de precios personalizada: la práctica de cobrar precios distintos a distintos clientes por el mismo producto o servicio en función de datos recolectados sobre ellos, frecuentemente a través de sistemas algorítmicos o basados en IA.
La declaración en sí no constituye una ley ni una norma nueva. Es un documento de política destinado a aclarar cómo pretende la FTC aplicar su autoridad vigente en materia de protección al consumidor y competencia a las prácticas de precios personalizados y algorítmicos. El período de comentarios da a empresas, gremios y defensores del consumidor la oportunidad de opinar antes de que el organismo finalice su posición.
La fijación de precios personalizada se ha vuelto habitual no solo en el comercio minorista dirigido a consumidores, sino cada vez más en contextos B2B, donde sistemas CPQ (configurar-cotizar-precio) asistidos por IA, plataformas de habilitación de ventas y motores de pricing dinámico ajustan las cotizaciones según los datos firmográficos del prospecto, el historial de negociación, señales competitivas o incluso el comportamiento de navegación en una página de precios. Estos sistemas suelen construirse para maximizar la tasa de cierre o el margen, no para cumplir con la ley de protección al consumidor, pero el movimiento de la FTC sugiere que esa distinción podría importar menos que las prácticas de datos subyacentes.
Para una empresa B2B de entre 10 y 200 empleados, la exposición legal inmediata es limitada: hoy no existe una norma vigente, y las declaraciones de política de aplicación son orientativas, no regulación vinculante. Pero suelen anticipar las teorías en las que la FTC se apoyará en futuras investigaciones o denuncias, y con frecuencia son citadas por fiscales generales estatales y abogados de demandantes privados que persiguen reclamos similares bajo leyes estatales de protección al consumidor.
Las empresas que hayan implementado lógica de precios basada en IA o en reglas dentro de su stack de ventas, ya sea a través de un motor de pricing dedicado, un complemento de CRM o una función de cotización dinámica integrada de un proveedor, deberían tomar esto como una señal para auditar qué datos impulsan esas decisiones. Preguntas clave: ¿qué variables determinan el precio de un cliente dado? ¿alguna de esas variables funciona como proxy de características que la FTC o la ley estatal calificarían como discriminatorias? ¿existe una justificación de negocio documentada y defendible para cada variable de precio? ¿la lógica es auditable, o se trata de una caja negra provista por un proveedor externo sin visibilidad sobre sus variables de puntuación?
Esto no está confirmado como un requisito vinculante, pero la dirección es lo bastante clara como para que esperar una norma final antes de revisar la automatización de precios sea la apuesta más riesgosa. Los responsables de operaciones de ventas que dependen de cotización asistida por IA deberían tratar el período de comentarios como un plazo para poner en orden su propia documentación, no como un motivo para esperar.