Yale School of Management: la fijación de precios mediante vigilancia es solo el comienzo. Los agentes de IA serán la verdadera prueba de confianza corporativa

Durante todo el año 2025, a pesar de una avalancha de propuestas, ningún estado logró prohibir los "precios de vigilancia". Esta primavera, eso cambió. En abril, Maryland se convirtió en el primer estado en prohibir a los minoristas de alimentos y servicios de entrega el uso de datos personales de los consumidores para fijar precios. En junio, Connecticut se convirtió en el segundo. California y Nueva York están considerando medidas similares como parte de una ola más amplia de esfuerzos para limitar los precios de vigilancia.

Sin embargo, el problema real no tiene que ver fundamentalmente con los precios. Se trata de cómo las empresas eligen usar los datos, los algoritmos y, cada vez más, la IA: cuando la tecnología les permite comprender a clientes y trabajadores con un detalle sin precedentes, ¿utilizarán ese conocimiento para crear valor o para extraerlo?

La pregunta es si las empresas están fijando el precio de la transacción o de la persona. Consideremos dos solicitudes idénticas de Uber desde el Midtown de Manhattan hasta el aeropuerto de Newark. La mayoría de los usuarios entienden por qué el viaje cuesta más un lluvioso viernes por la tarde que un tranquilo domingo por la mañana; ajustar los precios según el clima, el tráfico o la oferta es una forma transparente de equilibrar el mercado.

Pero los consumidores cuestionan cada vez más algo diferente: dos usuarios de pie en la misma esquina en el mismo momento pagando precios distintos según sus perfiles de datos, historiales de compras, dispositivos o disposición inferida a pagar. En el primer caso, la plataforma está fijando el precio del viaje. En el segundo, está fijando el precio del usuario. La Comisión Federal de Comercio concretó lo que está en juego en un estudio de 2025, mostrando cómo los algoritmos que se nutren de datos personales pueden inferir cuándo los consumidores pueden tener menos alternativas, mayor urgencia o una mayor disposición a pagar, y ajustar precios u ofertas en consecuencia.

La misma lógica opera en el otro lado del mercado. Un algoritmo puede ofrecer un pago menor a un conductor que predice que aceptará de todas formas, porque está cerca de alcanzar su objetivo de ganancias diarias o es poco probable que cambie de aplicación. Cuando las empresas pasan de fijar el precio de las condiciones de una transacción a explotar las vulnerabilidades de las personas que participan en ella, se alejan de la eficiencia de equilibrio del mercado hacia la extracción, erosionando la confianza, profundizando la insatisfacción de los trabajadores e invitando a la regulación que ahora se extiende por todo el país.

El debate es urgente porque la capacidad de comprender e influir en los individuos está a punto de expandirse drásticamente. Hasta ahora, el factor limitante ha sido la fragmentación. Cada uno de nosotros genera enormes cantidades de datos —búsquedas, compras, ubicaciones, hábitos de streaming e información de dispositivos wearables—, pero ninguna empresa ve más que una pequeña parte de nuestras vidas digitales.

Los agentes de IA cambian eso.

A medida que las personas delegan tareas reales a la IA —reservar viajes, reordenar productos, gestionar una mudanza—, revelan mucho más de lo que una consulta de búsqueda jamás reveló. Donde la búsqueda captaba una pregunta momentánea, un agente observa el "trabajo por hacer" en su contexto más amplio.

Consideremos lo que un agente de IA que gestiona tu hogar podría observar: sabe que te estás quedando sin medicación, que normalmente haces compras cuando estás estresado, que estás cargando el pedido de comida a domicilio a una cuenta corporativa y que rara vez comparas precios. Este perfil de comportamiento se convierte en una hoja de ruta para servir a tus intereses —encontrando ahorros genuinos y filtrando ofertas manipuladoras— o para explotar tus patrones con fines de extracción máxima.

Esto ya no es una proyección. Las principales plataformas de IA están desarrollando rápidamente agentes que pueden comprender las preferencias de los usuarios, recordar el contexto y, cada vez más, tomar acciones en su nombre. Bain & Company estima que los agentes de IA podrían influir en entre 300.000 y 500.000 millones de dólares del comercio estadounidense para 2030. Esto podría dar a las plataformas de IA una comprensión continua y en tiempo real de las preferencias, necesidades y comportamientos de las personas, incluidas señales que quizás nunca expresen explícitamente.

Esta capacidad puede utilizarse de dos maneras muy diferentes. Puede impulsar una personalización genuina: un agente que encuentra una tarifa mejor, avisa sobre una recarga necesaria o filtra el ruido. O puede orientarse hacia adentro: para cobrar a cada persona lo más cerca posible del máximo que pagará, para llegar a ellas cuando son más vulnerables y para retener mejores opciones cuando es probable que acepten las peores. La pregunta ya no es si las empresas pueden personalizar a escala, sino si establecerán principios sobre hasta dónde debe llegar esa personalización.

Eso convierte la alineación en el problema central. Un agente que nos conoce tan bien puede recurrir a la ciencia del comportamiento —los mismos sesgos y desencadenantes que siempre han influido en las decisiones humanas— para observarnos, comprendernos y ya sea servirnos o manipularnos. Entonces, cuando un agente actúa en tu nombre, ¿a quién sirve: a ti, a la plataforma que lo creó o al mejor postor por sus recomendaciones? Dadas las sumas sin precedentes que se están invirtiendo ahora en IA, los incentivos económicos para monetizar esa influencia serán inmensos.

Aquí es donde nuestra investigación apunta a un camino diferente. Basándonos en entrevistas con más de 200 directores ejecutivos en el Programa de Innovación y Gestión de Partes Interesadas de Yale, hemos encontrado un patrón consistente: la forma más eficaz de construir valor para los accionistas a largo plazo es hacer crecer el negocio a medida que se hace crecer la confianza, creando valor para las partes interesadas, incluidos clientes, trabajadores, proveedores y las comunidades a las que sirve una empresa, mientras se gana su confianza con el tiempo. A medida que la IA agudiza la capacidad de comprender e influir en cada uno de ellos, la tentación será optimizar cada relación para obtener ganancias inmediatas. Las empresas más duraderas lo resistirán, utilizando estas capacidades para profundizar la confianza y fortalecer las relaciones de las que depende el valor económico duradero.

Los precios de vigilancia son solo la primera prueba. La forma en que las empresas respondan a ella revelará cómo pretenden gobernar las herramientas mucho más poderosas que están llegando ahora, y si los agentes que actúan en nuestro nombre terminan trabajando para nosotros o sobre nosotros.

Las opiniones expresadas en los artículos de opinión de Fortune.com son exclusivamente las de sus autores y no reflejan necesariamente las opiniones y creencias de Fortune.

Esta historia fue publicada originalmente en Fortune.com