Saltar al contenido
Implementa.
AutomatizaciónPlaybook··8 min

Automatizar precios con IA: antes del precio dinámico, el precio actualizado

Automatizar precios con IA casi nunca empieza por el precio dinámico. En la mayoría de empresas el margen no se pierde por no cobrar el precio óptimo cada hora: se pierde porque el proveedor subió en marzo y la tarifa se actualizó en junio. Qué puede decidir la máquina, qué tiene que firmar una persona, los dos límites legales que no se automatizan y por dónde empezar.

Senior AI Operations Implementer

AI Operations Pod

El correo llega un martes: el proveedor principal actualiza su lista de precios, PDF adjunto, «vigente desde el día 1». Son 1.800 referencias. Alguien en compras lo reenvía a administración, administración lo deja para cuando cierre el mes, y la tarifa de venta se actualiza seis semanas después. Durante esas seis semanas has vendido con un coste nuevo y un precio viejo. Nadie ha tomado una mala decisión de precio. Simplemente no se ha tomado ninguna.

La tesis en una línea: automatizar precios con IA no va de cobrar el precio perfecto cada hora, va de no cobrar el precio equivocado durante semanas. El precio dinámico es la última capa, no la primera. Antes van dos más aburridas y más rentables: que la tarifa refleje el coste el mismo día que cambia, y que cada movimiento de precio se mueva dentro de un corredor que firma una persona.

Automatizar precios con IA: qué significa de verdad (y qué no)

«Pricing con IA» se usa para cuatro cosas muy distintas, con riesgos y retornos que no se parecen. Conviene separarlas antes de pedir un solo presupuesto:

  • Repercutir costes. Cuando cambia el coste de compra, el precio de venta se recalcula con tu regla de margen y se propone para aprobar. Es la capa que más dinero recupera en distribución y comercio, y la que menos se hace.
  • Reglas con corredor. El precio se ajusta por stock, caducidad, rotación o precio público de la competencia, siempre entre un suelo y un techo que decide alguien con nombre.
  • Precio dinámico por demanda. El precio sube y baja con la demanda en tiempo real. Tiene sentido con mucha transacción, mucho dato y producto comparable: billetes, hoteles, algunos ecommerce. En un catálogo B2B con clientes recurrentes, rara vez.
  • Precio personalizado. Un precio distinto según el perfil de quien compra. Es la capa con más carga legal y reputacional, y en B2C casi nunca compensa.

Fíjate en dónde está la IA de verdad. En la primera capa, el trabajo duro no es calcular el margen —eso es una fórmula—, es leer la tarifa del proveedor: PDFs con formatos que cambian, referencias que no coinciden con las tuyas, unidades de venta distintas. Ahí un modelo de lenguaje sí aporta, porque convierte un documento desordenado en una tabla que el ERP entiende. En la tercera capa, lo que trabaja no suele ser un LLM: son modelos estadísticos de elasticidad de los de siempre. Si alguien te vende un chatbot que fija precios, desconfía.

Por qué el precio que nadie actualiza cuesta más que el precio que no es óptimo

El precio es la palanca con más efecto sobre el beneficio, y no es una opinión nuestra. En «The power of pricing» (McKinsey Quarterly, 2003), Marn, Roegner y Zawada calcularon que, sobre la cuenta de resultados media de una empresa del S&P 1500, subir un 1 % el precio con volumen estable eleva un 8 % el beneficio operativo. Es una media ilustrativa de empresas cotizadas estadounidenses, no una predicción para tu negocio, pero el mecanismo es universal: cada punto de precio cae casi entero al resultado, porque el coste ya está pagado.

La misma aritmética funciona al revés. Si tu coste sube y tu precio no, cada pedido de esas semanas lleva el margen recortado, y ese margen no vuelve. Por eso la primera pregunta no es «¿cuál es el precio óptimo?», sino «¿cuántos días pasan entre que cambia un coste y cambia tu precio?». Si la respuesta se mide en semanas, ahí está el proyecto.

Qué puede decidir la máquina y qué tiene que firmar una persona

La frontera no la marca la tecnología, la marca quién responde del margen. Esta es la que aplicamos por defecto:

DecisiónLa máquinaUna persona
Leer la tarifa del proveedor y mapear referenciasSí, con revisión de las que no casanResuelve las excepciones
Recalcular el precio con la regla de margenSí, y proponeAprueba el lote
Mover precio dentro del corredorSí, con registro de cada cambioRevisa la tendencia semanal
Fijar el suelo, el techo y la regla de margenNoSí, por familia de producto
Precio de un cliente con condiciones pactadasNoSí, siempre

La lógica es la de cualquier automatización con humano en el bucle: la máquina hace el volumen y la persona fija las reglas y aprueba lo que se sale de ellas. Lo que nunca se delega es la política: cuánto margen quieres por familia y hasta dónde estás dispuesto a bajar para no perder un cliente.

El corredor: suelo, techo y velocidad

Un algoritmo de precios sin límites es un riesgo que nadie ha decidido correr. Tres parámetros lo convierten en algo gobernable, y los tres se escriben antes de encender nada:

  1. Suelo. El precio por debajo del cual no se vende, normalmente coste más un margen mínimo. Si el modelo propone algo por debajo, no se publica: salta un aviso.
  2. Techo. El precio por encima del cual el cliente recurrente se va o se enfada. Protege la relación, no la hoja de cálculo.
  3. Velocidad. Cuánto puede moverse un precio en un día o en una semana. Un precio que cambia tres veces en una mañana genera llamadas de clientes, aunque cada cambio sea defendible.

Los dos límites legales que no se automatizan

El primero es de competencia, y el caso de referencia es estadounidense. El 24 de noviembre de 2025, el Departamento de Justicia de EE. UU. anunció un acuerdo propuesto con RealPage, cuyo software ayudaba a fijar alquileres: entre otras cosas, el acuerdo le impide usar datos no públicos de competidores para fijar precios en tiempo real y limita el entrenamiento de sus modelos a datos históricos de al menos doce meses. Está pendiente de aprobación judicial y es derecho de EE. UU., pero la lección viaja: si tu herramienta de precios se alimenta de datos no públicos de tus competidores, el problema no es técnico. Precios públicos de la competencia y datos propios, sí; un fondo común de datos sensibles con otros vendedores, no.

El segundo es de consumo y afecta a quien vende a particulares en la Unión Europea. La Directiva (UE) 2019/2161 obliga a informar al consumidor cuando el precio que ve está personalizado mediante decisiones automatizadas a partir de su perfil; en España se incorporó con el Real Decreto-ley 24/2021. El precio dinámico que cambia por la demanda o por la hora no es lo mismo que el personalizado, y esa distinción es la que tienes que poder explicar si alguien pregunta. Esto es información general, no asesoramiento jurídico: revisa tu caso concreto con tu asesor.

Cuándo NO automatizar el precio

Hay casos en los que el proyecto correcto es no hacerlo, y la lista se parece mucho a la de cuándo no automatizar un proceso con IA:

  • Pocas referencias y poco cambio de coste. Si actualizas cuarenta precios dos veces al año, una hoja bien hecha gana.
  • Precio negociado por cuenta. En B2B con tarifas pactadas, el precio es una decisión comercial, no un cálculo. Ahí se automatiza el documento, no la cifra, como contamos en automatizar propuestas sin perder margen.
  • El coste no es fiable. Si el coste en el ERP no incluye portes, rappels o mermas, el algoritmo optimiza sobre un número falso, más rápido.
  • Nadie es dueño del margen. Sin una persona que firme suelos y techos, cualquier automatización acaba en una discusión entre comercial y dirección financiera.

Por dónde empezar: cuatro semanas, una familia de producto

  1. Semana 1: mide el retraso. Para los últimos cambios de tarifa de tus tres proveedores principales, cuenta los días entre el aviso y tu nuevo precio. Ese número es tu caso de negocio, y es la forma de elegir qué proceso automatizar primero con datos y no con intuición.
  2. Semana 2: escribe la política. Regla de margen, suelo, techo y velocidad para una sola familia. Firmada por quien responde del margen.
  3. Semana 3: conecta. La tarifa del proveedor entra, se convierte en tabla, se cruza con tus referencias y genera una propuesta de precios en el ERP o la tienda. Es un problema de integrar la IA con tus sistemas, sea Odoo o Shopify.
  4. Semana 4: aprueba en lote y mide. Una persona aprueba la propuesta semanal. Mides días de retraso antes y después y cuántas propuestas se corrigieron a mano.

Si el retraso baja de semanas a días y las correcciones manuales bajan con el tiempo, amplías a la siguiente familia. Si no, el problema estaba en el dato de coste, y lo has descubierto con una familia y no con todo el catálogo. Montar este circuito de punta a punta, del correo del proveedor a la tarifa publicada, es exactamente el tipo de trabajo que hacemos en automatización de operaciones.

La frase para la próxima reunión: «Antes de hablar de precio dinámico, ¿cuántos días tardamos en subir el precio cuando nos sube el coste?».

¿Lo dejamos funcionando?

Si esto te ha resonado, conversación de 30 minutos sin compromiso. Te decimos qué encaja, qué no y a qué precio aproximado.

Ver casos
Automatizar precios con IA: antes del precio dinámico, el precio actualizado · Implementa