CONTROL SOCIAL - LA MANO INVISIBLE DEL ALGORITMO: EL MERCADO QUE NOS OBSERVA, POR CRISTIAN BRITO VALDEBENITO

 

 

 

LA MANO INVISIBLE DEL ALGORITMO: EL MERCADO QUE NOS OBSERVA,

POR CRISTIAN BRITO VALDEBENITO

[DIARIO CONSTITUCIONAL - 22 de mayo de 2026]

 

La opinión analiza cómo plataformas digitales utilizan

datos personales, historial de navegación y patrones de consumo

para personalizar precios y tarifas,

advirtiendo eventuales tensiones con

 los principios de transparencia, libre elección y no discriminación arbitraria

consagrados en la Ley de Protección de los Derechos de los Consumidores.

 

En la era dorada de la información, se instaló el mito de que el ecosistema digital sería un espacio transparente. Sin embargo,

detrás de cada interfaz opera un mecanismo sigiloso que evalúa la vulnerabilidad del usuario antes de fijar un precio.

 

Lejos de la clásica ley de oferta y demanda, la evidencia reciente demuestra que nos enfrentamos a una asimetría donde

la tarifa se moldea de forma dinámica basándose en la recolección de datos del consumidor.

 

El comercio minorista ha perfeccionado esta técnica. En la plataforma de Mercado Libre en Argentina, los consumidores denunciaron

haber encontrado variaciones de hasta un 20% en el valor de un mismo producto dependiendo del perfil del usuario[1].

 

Un caso ampliamente difundido a principios de 2026 fue el del economista Ariel Setton, quien demostró cómo

dos personas que ingresaban desde cuentas separadas en el mismo momento obtenían un 20% de diferencia para el mismo artículo.

 

La empresa justificó el uso de estas herramientas bajo el concepto de “grupos de control” para optimizar precios y maximizar ventas.

En la práctica, este mecanismo opera en las sombras y resulta poco transparente para el consumidor común, que no es advertido de estas alteraciones[2].

 

Pero el sistema no solo optimiza el consumo diario;

también capitaliza la urgencia de las personas.

 

Cuando un pasajero requirió un vuelo en la aerolínea estadounidense JetBlue para asistir a un funeral, se topó con un incremento injustificado de $230 dólares de un día para otro[3].

Al quejarse públicamente el 18 de abril, la cuenta oficial (en una red social) de la aerolínea respondió: 

Lo sentimos por tu pérdida. Intenta borrar el caché y las cookies o reservar con una ventana de incógnito. 

 

Este desliz corporativo derivó velozmente en una demanda colectiva, en la cual

se acusa a la empresa de ejercer “precios de vigilancia” mediante el rastreo del historial de navegación, la ubicación y el comportamiento de compra para ajustar las tarifas en tiempo real según lo que el usuario esté dispuesto a pagar[4].

 

ALGORITMOS QUE EXCLUYEN LA NEURODIVERSIDAD

 

La opacidad alcanza su punto más crítico en plataformas de la economía colaborativa como Uber,

donde la asimetría opera en dos direcciones y afecta directamente a los propios trabajadores.

 

Lejos de actuar como un mero intermediario, la empresa ejerce una discriminación salarial algorítmica,

un término acuñado por Veena Dubal,[5] profesora de derecho de la Universidad de California.

 

Utilizando datos extraídos del trabajo diario y alimentados en tecnologías de aprendizaje automático, la plataforma

personaliza el pago base,

lo que resulta en ingresos variables e impredecibles que

los conductores llegan a comparar con los mecanismos de las apuestas.

 

Esto ha quedado evidenciado en experimentos y reportajes donde,

al reunir a varios conductores en una misma habitación, estos reciben ofertas con valores distintos para realizar exactamente el mismo viaje.

 

Desde la perspectiva legal, en nuestro derecho, esta dinámica hace trizas los principios fundamentales consagrados en el derecho de protección al consumidor específicamente en el Artículo 3º de la Ley de Protección de los Derechos de los Consumidores (Ley N° 19.496).

 

En primer lugar, se vulnera el derecho a la información veraz y oportuna[6]:

las plataformas omiten advertir en sus páginas que el precio exhibido está inflado artificialmente según el perfil, la ubicación o el historial del usuario, configurando un engaño por omisión.

 

En segundo lugar, se anula el derecho a la libre elección[7], impidiendo que el consumidor

compare precios reales cuando el entorno digital está manipulado desde las sombras.

 

Finalmente, se transgrede el derecho a no ser discriminado arbitrariamente[8];

cobrar montos distintos a dos personas en el mismo momento por idéntico servicio, amparándose en su urgencia o nivel de batería,

es discriminación pura disfrazada de “precio dinámico”.

 

Esquivar los rastreadores alternando entre redes Wi-Fi y datos móviles para cambiar la IP, o borrar periódicamente el caché y las cookies, puede ofrecer una defensa táctica momentánea.

 

Sin embargo, la evasión individual no soluciona la falla estructural. Mientras las legislaciones se mantengan rezagadas respecto

al uso intensivo de datos personales para la fijación de tarifas y salarios, los ciudadanos seguirán participando en un mercado digital que ya no tan es libre, sino que opera con los dados cargados desde el servidor.

 

Cristian Brito Valdebenito. Abogado.

 

[1] LA 100. Tras la polémica por los ‘precios dinámicos’, Mercado Libre dio su explicación [en línea]. [consultado el 15 de mayo de 2026]. Disponible en: https://la100.cienradios.com/sociedad/tras-la-polemica-por-los-precios-dinamicos-mercado-libre-dio-su-explicacion/.

[2] LOS ANDES. Precios dinámicos: la polémica que sacude a Mercado Libre por valores distintos para un mismo producto [en línea]. [consultado el 16 de mayo de 2026]. Disponible en: https://www.losandes.com.ar/economia/precios-dinamicos-la-polemica-que-sacude-mercado-libre-valores-distintos-un-mismo-producto-n5983457.

[3] FOX 5. JetBlue lawsuit: Airline sued over ‘surveillance pricing’ claims [en línea]. [consultado el 15 de mayo de 2026]. Disponible en: https://www.fox5dc.com/news/jetblue-lawsuit-airline-sued-over-surveillance-pricing-claims.

[4] MAYER BROWN. New Class Action Targets ‘Surveillance Pricing’ [en línea]. [consultado el 14 de mayo de 2026]. Disponible en: https://www.mayerbrown.com/en/insights/publications/2026/05/new-class-action-targets-surveillance-pricing-what-businesses-using-personalized-pricing-need-to-know.

[5] LPE PROJECT (Dubal, Veena). The House Always Wins: The Algorithmic Gamblification of Work [en línea]. [consultado el 15 de mayo de 2026]. Disponible en: https://lpeproject-org.translate.goog/blog/the-house-always-wins-the-algorithmic-gamblification-of-work/?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=tc.

[6] CHILE. Ley 19496, Art. 3, letra b.

[7] CHILE. Ley 19496, Art. 3, letra a.

[8] CHILE. Ley 19496, Art. 3, letra c