Copyrights. Juneiska ,
2026. Todos los derechos reservados.
La fijación de precios mediante algoritmos ha transformado la forma en que las empresas tecnológicas compiten en el mercado. Ya no se trata simplemente de ajustar manualmente los precios según la oferta y la demanda, sino de delegar esta tarea crucial en sistemas automatizados capaces de procesar millones de datos en tiempo real. Este avance, que promete eficiencia y optimización, también ha abierto una caja de Pandora regulatoria: ¿hasta qué punto un algoritmo puede ser considerado un instrumento de colusión? ¿Pueden las empresas ser sancionadas por conductas que no fueron explícitamente acordadas con sus competidores?
Las autoridades de competencia, tanto en Europa como en América, han detectado que los algoritmos pueden facilitar acuerdos tácitos de precios, incluso sin que exista una comunicación directa entre los agentes económicos. Esta nueva realidad obliga a las empresas a replantearse sus estrategias de fijación de precios y a entender que el código informático no es un escudo frente a la ley antimonopolio. El desafío es mayúsculo: navegar entre la innovación tecnológica y el cumplimiento normativo sin poner en riesgo la viabilidad del negocio.
Históricamente, la colusión requería reuniones secretas, llamadas telefónicas o intercambios de documentos comprometedores. Los carteles se construían sobre la base de acuerdos explícitos entre personas. Con la llegada de los algoritmos de fijación de precios, el paradigma cambió radicalmente. Ahora, un software puede aprender de forma autónoma a coordinarse con los sistemas de la competencia para mantener los precios artificialmente altos, sin que ningún directivo haya dado una orden directa en ese sentido.
Este fenómeno, conocido como «colusión tácita algorítmica», es especialmente preocupante para los reguladores porque es difícil de detectar y de probar. Los algoritmos pueden reaccionar instantáneamente a los cambios de precios de los competidores, castigando cualquier intento de reducción y generando un entorno de estabilidad de precios que perjudica al consumidor. Las empresas tecnológicas deben ser conscientes de que el simple uso de herramientas de fijación dinámica de precios puede exponerlas a riesgos legales, especialmente si el mercado en el que operan es oligopólico o presenta altas barreras de entrada.
Los expertos han identificado varios escenarios en los que los algoritmos pueden facilitar conductas anticompetitivas. Comprenderlos es el primer paso para diseñar una estrategia de cumplimiento eficaz. No todos los casos son iguales, y la responsabilidad legal puede variar según el grado de control humano sobre el sistema:
Chile, al igual que otras jurisdicciones, cuenta con un marco legal diseñado para perseguir las prácticas anticompetitivas. El Decreto Ley 211 establece sanciones severas para quienes participen en acuerdos colusorios, incluyendo la fijación de precios. Sin embargo, la aplicación de estas normas a la realidad algorítmica presenta desafíos particulares. ¿Son aplicables estas sanciones cuando la conducta no es directamente atribuible a una decisión humana consciente?
La respuesta es sí, pero con matices. Las sanciones tradicionales, como las multas o la inhabilitación para contratar con el Estado, han sido diseñadas pensando en la responsabilidad de personas jurídicas y naturales. Para que sean efectivas en el contexto algorítmico, se requiere una interpretación extensiva de la ley y, en algunos casos, la aplicación de una suerte de responsabilidad objetiva sobre los directivos que implementan sistemas de fijación de precios sin los debidos controles. No se trata de sancionar al algoritmo, sino a quienes deciden utilizarlo sin supervisión ni garantías de cumplimiento normativo.
El artículo 26 del Decreto Ley 211 chileno contempla una serie de sanciones que pueden aplicarse a los infractores. Para el caso de la colusión por algoritmos de precios, el análisis de su aplicabilidad es crucial. La multa a beneficio fiscal, por ejemplo, puede ser una herramienta disuasoria poderosa si su cuantía supera el beneficio económico esperado de la conducta. Pero, ¿cómo se calcula ese beneficio cuando la colusión es fruto de un aprendizaje autónomo del software?
Además de las multas, la ley permite la modificación o disolución de las personas jurídicas involucradas, así como la prohibición de contratar con el Estado. Estas medidas, aunque drásticas, pueden ser especialmente efectivas para desmantelar estructuras de colusión algorítmica. Sin embargo, su aplicación exige que la Fiscalía Nacional Económica (FNE) pueda acreditar la existencia del acuerdo colusorio, lo que en entornos automatizados puede ser extremadamente complejo. Por ello, se ha planteado la necesidad de establecer mecanismos de responsabilidad objetiva para los directores y ejecutivos, de modo que no puedan escudarse en el «desconocimiento» del funcionamiento del algoritmo.
Frente a la dificultad probatoria, las autoridades cuentan con dos herramientas complementarias de gran valor: la delación compensada y el análisis de datos o data screening. La primera permite que un miembro del cartel delate a sus cómplices a cambio de beneficios sustanciales, como la exención de la multa. En el ámbito algorítmico, esta herramienta es vital porque el delator puede proporcionar las claves técnicas para entender cómo operaba el software y demostrar que existía una intencionalidad (aunque sea delegada en la máquina).
El data screening, por su parte, es una técnica que permite detectar patrones de comportamiento anómalos en los mercados. Los algoritmos de fijación de precios suelen dejar huellas digitales: estabilidad de precios inusual, cambios sincronizados sin justificación aparente o márgenes de beneficio persistentemente altos. La FNE puede utilizar estas herramientas para iniciar investigaciones y, junto con la delación compensada, construir casos sólidos contra las empresas que utilizan estos sistemas de forma anticompetitiva. Sin embargo, como advierten los expertos, el data screening no es infalible y puede generar falsos positivos, por lo que debe ser utilizado con cautela y complementado con un análisis jurídico profundo.
Mientras que en Chile y Europa se debate la adaptación de las leyes existentes, en Estados Unidos la ofensiva regulatoria contra la fijación de precios algorítmica ha tomado un camino más agresivo. El Departamento de Justicia (DOJ) y la Comisión Federal de Comercio (FTC) han dejado claro que consideran que delegar la estrategia de precios a un algoritmo común puede ser una violación de la Ley Sherman, incluso si no hay una comunicación directa entre los competidores. Esta postura ha generado un intenso debate en el sector tecnológico, donde muchas empresas veían estas herramientas como una simple optimización de procesos.
La clave de esta nueva doctrina es el concepto de «intención». Las agencias estadounidenses ya no se centran tanto en si los directivos hablaron entre sí, sino en si el diseño del software y su implementación tenían el efecto previsible de facilitar la coordinación de precios. Si una empresa sabe que su rival utiliza el mismo software de fijación de precios, y decide adoptarlo para «seguir el mercado», puede estar incurriendo en una conducta ilegal. Este cambio de enfoque supone un riesgo jurídico enorme para las startups y las grandes tecnológicas que dependen de terceros para sus estrategias de precios.
Un caso paradigmático que ilustra esta nueva realidad es el escrutinio al que se ha sometido a plataformas como RealPage en el mercado inmobiliario estadounidense. La acusación sostiene que este software de análisis de datos permitía a los propietarios compartir información sensible y coordinar los precios de los alquileres, eliminando la competencia en el mercado. La estructura de «eje y radios» es clara: RealPage actúa como el eje, proporcionando una «recomendación» de precio basada en datos agregados de todos sus clientes, y los propietarios actúan como los radios, aceptando esa recomendación sin discutirla entre ellos.
Este caso ha puesto de manifiesto que los proveedores de software también pueden ser considerados responsables. Si una herramienta está diseñada específicamente para alinear precios y reducir la incertidumbre competitiva, el desarrollador puede ser procesado como co-conspirador. Para las empresas tecnológicas que desarrollan o utilizan este tipo de plataformas, la lección es clara: la transparencia del algoritmo y la independencia de las decisiones de fijación de precios son elementos críticos para evitar sanciones. No basta con argumentar que «el software lo hizo»; hay que demostrar que el diseño del sistema no estaba orientado a la coordinación.
Ante este panorama, las empresas tecnológicas no pueden permitirse una actitud pasiva. La fijación de precios automatizada no es un juego de «configurar y olvidar», sino un proceso que requiere supervisión constante y una gobernanza sólida. Los líderes empresariales deben integrar la variable legal en el diseño de sus sistemas de precios, no como un mero trámite, sino como un pilar estratégico. A continuación, se presentan algunas recomendaciones prácticas para mitigar los riesgos legales:
Imagina que varios tenderos de un mismo barrio usan el mismo programa informático para decidir el precio de la leche. El programa analiza las ventas del día y sugiere un precio para todos. Aunque los tenderos no se hayan reunido en secreto, el resultado es que todos venden la leche al mismo precio, evitando la competencia. Eso, para las autoridades, puede ser ilegal. Lo importante es que, incluso sin una llamada telefónica o un acuerdo escrito, el simple hecho de usar una herramienta compartida que fija precios de forma coordinada puede meter a las empresas en un problema legal muy serio.
Si trabajas en una empresa tecnológica o usas sistemas de precios dinámicos, debes saber que no basta con que «el ordenador lo haga solo». La ley te pide que entiendas cómo funciona esa herramienta y que te asegures de que no está perjudicando a los consumidores. Piensa en el algoritmo como un empleado muy listo, pero que necesita supervisión. Debes poder explicar por qué se ha subido un precio: si la única razón es «porque mi competidor también lo ha hecho», estás en una zona de alto riesgo. Lo seguro es basar los precios en tus propios costes, en la demanda de tus clientes y en datos que sean públicos para todos.
Desde una perspectiva jurídica y técnica, el desafío central reside en la atribución de responsabilidad cuando la colusión es un efecto emergente del aprendizaje automático. Los supuestos de colusión tácita algorítmica, donde no existe un acuerdo explícito (mens
Descubra cómo nuestra asesoría legal puede ayudarle a resolver sus desafíos legales con profesionalismo y confidencialidad.
