Maryland aprobó la primera ley estadounidense de surveillance pricing en mayo 2026. Apunta a empresas que ajustan precios usando datos personales (historial de navegación, tipo de dispositivo, ubicación en tiempo real, patrones de compra). California, Colorado e Illinois tienen borradores activos. La Digital Services Act UE ya cubre parte. Si tu SaaS usa pricing algorítmico en cualquier forma, este artículo es la checklist operativa.
Qué cuenta como surveillance pricing
Tres señales disparan las reglas:
- El precio varía entre dos usuarios por el mismo producto a la misma hora
- La variación viene de datos personales del usuario, no de inventario, promociones o tramos por volumen
- El usuario no sabe que el precio fue personalizado
El pricing por tramos clásico (Free, Pro, Enterprise) queda fuera. El geo-pricing (USD vs EUR, descuentos PPP) está en el límite; si publicas los criterios, estás OK. Tests A/B de precio en tiempo real cruzan la línea si usan targeting de comportamiento.
Qué debe declarar tu política
1. Existencia del pricing algorítmico
Si lo haces, dilo. El lenguaje vago no pasa. "Los precios pueden variar" no basta. "Usamos [tipo de dispositivo, región, actividad previa] para computar el precio mostrado" sí.
2. Categorías de datos personales usados
Lístalas. Incluso señales aparentemente neutras (huella de navegador, hora del día) cuentan.
3. Derecho del usuario a un precio no personalizado
Maryland y la DSA UE exigen ruta de opt-out. Tu política debe describirla.
4. Lógica, significado y consecuencias
El Artículo 22 RGPD ya lo exigía para decisiones automatizadas; las leyes de surveillance pricing lo hacen explícito. Explicación en lenguaje plano de cómo decide el algoritmo.
| Región | Aviso requerido | Opt-out requerido |
|---|---|---|
| Maryland (2026) | Sí, prominente | Sí, antes del checkout |
| UE (DSA Art. 27) | Sí, en política + UI | Sí, para plataformas muy grandes |
| California (borrador) | Sí | Sí |
| Otros estados US | Aún no | Aún no |
El análisis IAPP señaló agujeros: la mayoría de leyes excluye "descuentos de fidelidad" y "ofertas de lanzamiento". Los vendors reestructuran experimentos para encajar. Espera una ola de inspección posterior cuando los reguladores cacen el truco.
Qué añadir a tus Términos
- Cláusula que explique que los precios mostrados son individualizados cuando aplique
- Política de devolución o crédito si un usuario descubre post-compra que pagó más que la base
- Reserva del derecho a cambiar el algoritmo con aviso
Impacto operativo en el producto
Más allá del texto de la política, las normas disparan trabajo de producto:
- Logging: cada cómputo de precio reproducible (versión del algoritmo, inputs, output)
- Endpoint de auditoría: un usuario que pida su historial de pricing lo recibe en 30 días
- Exposición de precio no personalizado: precio base público mostrado junto al personalizado cuando se exija
El patrón se repite en regulación: lo que se construye sin transparencia se vuelve deuda de cumplimiento. Los SaaS que documentaron pricing algorítmico en 2024 van por delante; los que no, se pasan el Q2-Q3 parchando.
Conclusión
El pricing algorítmico ya no es caja negra. Si tu SaaS usa cualquier señal más allá del inventario y los tramos estándar para fijar precios, el mínimo 2026 es transparencia en la política y opt-out. Maryland es el primero; vendrán más. Añadir los avisos por adelantado es más barato que reconstruir tras una reclamación.
Si quieres un generador de políticas que ya produzca la sección de pricing algorítmico por jurisdicción, prueba Termerly gratis y publica la versión cumplidora esta semana.
