McDonald’s usa IA para recomendar precios: qué sabemos

Por Redacción Pangea IA · 29 de septiembre de 2026

McDonald’s utiliza aprendizaje automático para recomendar el precio de cada producto en cada restaurante de Estados Unidos y algunos mercados internacionales. Una investigación de Reuters, publicada este 29 de septiembre, muestra que el sistema analiza millones de transacciones, estima la sensibilidad al precio de los clientes de cada zona y propone un «precio óptimo» a los franquiciados. La compañía sostiene que es una herramienta voluntaria; cinco propietarios de restaurantes consultados por la agencia afirman que reciben presión para seguirla.

El hallazgo importa porque lleva la inteligencia artificial a una decisión cotidiana y muy visible: cuánto cuesta una hamburguesa. También obliga a separar tres conceptos que suelen mezclarse. Un precio recomendado por algoritmo no es necesariamente un precio dinámico que cambia cada minuto, ni tampoco un precio personalizado para una persona concreta. Lo documentado por Reuters es, sobre todo, una recomendación por establecimiento basada en datos del propio local y de su mercado.

Qué ha descubierto la investigación

Reuters revisó capturas de la plataforma tomadas en agosto y entrevistó a nueve personas con conocimiento directo de la estrategia. Según ese material, el motor de precios analiza millones de operaciones diarias de los casi 14.000 restaurantes que McDonald’s tiene en Estados Unidos. Para cada local y producto genera una recomendación que la empresa denomina «precio óptimo».

Entre las señales mostradas a los franquiciados figura una estimación de la sensibilidad al precio y de la disposición a pagar de los clientes de la zona. La plataforma también incorpora precios públicos de menús cercanos de competidores como Burger King y Wendy’s. Dos antiguos empleados de Tiger Analytics, la empresa que opera la plataforma, explicaron a Reuters que McDonald’s fija objetivos y reglas: por ejemplo, favorecer el tráfico, mejorar la rentabilidad o evitar subidas en helados y bebidas durante el verano.

Cuestión	Qué está comprobado	Qué no está demostrado
Uso de IA	El motor emplea aprendizaje automático y datos de millones de transacciones.	Reuters no publica el modelo, sus ponderaciones ni una auditoría independiente.
Nivel del precio	La recomendación se calcula por restaurante y producto.	No se ha probado que dos personas reciban distinto precio en el mismo local por su perfil individual.
Diferencias entre locales	La aplicación mostraba un Big Mac un 21 % más caro en dos restaurantes separados por unos tres kilómetros en Fresno.	Reuters no pudo atribuir esa diferencia exclusivamente al algoritmo.
Decisión final	McDonald’s afirma que cada franquiciado decide el precio.	Cinco propietarios dicen haber recibido presión para seguir las recomendaciones.
España	La compañía habla de Estados Unidos y algunos mercados internacionales.	No hay confirmación de que este sistema concreto se utilice en España.

Cómo funciona la IA de precios de McDonald’s

Un motor de este tipo no «decide» como una persona. Busca relaciones entre precio, demanda y contexto: cuánto se vendió un producto después de una subida, qué ocurrió en locales comparables, qué precios publica la competencia y cómo respondió el tráfico. Con esos patrones estima qué importe puede equilibrar ventas, margen y objetivos comerciales.

De millones de tickets a una recomendación local

La escala es la ventaja principal. Una persona no puede revisar continuamente millones de tickets y comparar cada producto con restaurantes cercanos. El algoritmo sí puede detectar que una pequeña subida apenas reduce la demanda en un local, mientras que en otro provoca una caída suficiente para empeorar los ingresos. También puede sugerir bajadas cuando atraer más clientes resulta más valioso que elevar el margen por unidad.

Eso explica una aparente paradoja de la investigación: la IA no está programada únicamente para subir precios. Algunos franquiciados sostienen que durante la pandemia recomendó aumentos importantes, pero que últimamente propone ajustes más moderados e incluso reducciones. McDonald’s obtiene la mayor parte de sus ingresos de los restaurantes mediante un porcentaje de las ventas; un franquiciado, en cambio, debe cubrir costes de salarios, alquiler y operación. Las dos partes pueden preferir precios distintos aun mirando los mismos datos.

No es lo mismo precio local, dinámico y personalizado

• Precio local: cambia entre restaurantes por costes, competencia o demanda de la zona. Es el caso que la investigación documenta con mayor claridad.
• Precio dinámico: varía según la hora, la demanda instantánea u otra condición temporal. Reuters no demuestra que el precio de McDonald’s cambie en tiempo real para cada pedido.
• Precio personalizado: se calcula para una persona o perfil concreto usando su comportamiento o datos. Tampoco hay pruebas en la investigación de que McDonald’s cobre precios individuales de esa forma.

La distinción es importante para no convertir una investigación sólida en una afirmación mayor de la que permiten las pruebas. También lo es para entender el alcance de las normas de transparencia europeas.

El ejemplo del Big Mac un 21 % más caro

Reuters consultó en septiembre la aplicación de McDonald’s y encontró dos restaurantes gestionados por la propia compañía en Fresno, California. Uno vendía el Big Mac por 5,69 dólares y otro, situado a unos tres kilómetros, por 6,89 dólares: una diferencia del 21 %. La comparación confirma que el precio no es uniforme ni siquiera entre establecimientos cercanos, pero no identifica la causa exacta. Alquileres, salarios, tráfico, promoción y otras decisiones locales también pueden influir.

El episodio más llamativo es anterior. En 2023, una herramienta de precios habría sugerido a un franquiciado de Connecticut cobrar alrededor de 18 dólares por un menú Big Mac en una autopista. El dato procede de una demanda del propietario y McDonald’s lo discute; Reuters no pudo verificar de forma independiente qué recomendó la plataforma. La cifra, por tanto, sirve para explicar el conflicto, no para atribuir al algoritmo una orden confirmada.

La tensión con los franquiciados

McDonald’s afirma que el portal «es una herramienta, no un mandato» y que cada propietario conserva la decisión final. Sin embargo, cinco franquiciados describieron llamadas y controles cuando se apartaban de las recomendaciones. Desde enero, los estándares del negocio exigen que los franquiciados colaboren de forma constructiva con los consultores y herramientas de precios aprobados por la cadena, según una comunicación interna revisada por Reuters.

Esta diferencia entre autoridad formal y presión práctica es una lección empresarial relevante. Una recomendación automatizada puede presentarse como opcional, pero convertirse de hecho en el valor por defecto si la organización mide el incumplimiento, condiciona revisiones o pide justificar cada excepción. Para implantar IA de forma responsable no basta con decir que existe supervisión humana: la persona debe poder apartarse de la recomendación sin una penalización automática y dejar constancia del motivo.

El mismo problema aparece en otros procesos comerciales. Los riesgos de dejar compras en manos de agentes de IA aumentan cuando no queda claro quién autoriza el gasto o responde del error. Y la apertura del checkout de Shopify a los agentes muestra que el comercio automatizado necesita permisos, trazabilidad y límites desde el diseño.

Por qué preocupa a los reguladores

El uso de un algoritmo para fijar precios no es ilegal por sí mismo. El riesgo de competencia aparece cuando rivales comparten información sensible o coordinan sus precios mediante una plataforma común. La Comisión Federal de Comercio y el Departamento de Justicia de Estados Unidos han resumido el principio con claridad: los competidores no pueden colaborar para fijar precios, ya sea mediante empleados o mediante un algoritmo.

En este caso hay una particularidad: los franquiciados pertenecen a la misma marca, pero pueden ser competidores entre sí. Las condiciones del portal de McDonald’s, revisadas por Reuters, advierten precisamente de las obligaciones antimonopolio y recomiendan consultar a abogados. Un antiguo comisario de la FTC considera que esa advertencia reconoce un posible problema; otros expertos citados por la agencia creen que el riesgo es limitado por el margen que los tribunales conceden a las marcas para dirigir a sus franquicias. No existe en la información publicada una resolución que declare ilegal el sistema de McDonald’s.

La FTC también investiga la llamada «tarificación de vigilancia»: el uso de ubicación, historial de navegación, comportamiento de compra u otros datos personales para calcular cuánto está dispuesto a pagar cada consumidor. Esa es una categoría más intrusiva que la recomendación por local documentada aquí. Confundir ambas prácticas oscurece el debate y puede llevar a conclusiones jurídicas incorrectas.

Qué cambia para consumidores en España y la UE

La investigación no confirma que el motor descrito se utilice en España. Si una empresa europea personaliza un precio para un consumidor basándose en decisiones automatizadas y en el perfil de su comportamiento, las normas de la UE exigen informar de esa personalización. La Comisión Europea explica que la práctica no está prohibida de forma general, pero sí sujeta a transparencia. La obligación no significa que todo precio distinto entre tiendas sea personalizado: dos locales pueden cobrar cantidades diferentes por costes y condiciones comerciales sin perfilar a una persona.

Para el usuario, la consecuencia práctica es sencilla: conviene comparar el precio final entre locales y canales antes de pagar, especialmente en aplicaciones de cadenas con franquicias. Una diferencia no prueba discriminación ni uso indebido de datos, pero sí demuestra que la uniformidad de marca no garantiza uniformidad de precio.

Cinco lecciones para empresas que usan IA para decidir precios

1. Definir el objetivo. Maximizar ingresos, margen y tráfico puede producir recomendaciones distintas. El sistema debe mostrar qué está optimizando.
2. Separar datos propios y de competidores. La procedencia, frecuencia y nivel de agregación importan para evitar coordinación o uso de información sensible.
3. Conservar una excepción humana real. Apartarse del algoritmo debe ser posible, justificable y revisable sin convertir la recomendación en una orden encubierta.
4. Medir el impacto por grupos y zonas. Un precio eficiente para la empresa puede perjudicar de forma desproporcionada a comunidades con pocas alternativas.
5. Explicar los límites. Una estimación de disposición a pagar no es una certeza. Debe acompañarse de intervalos, pruebas controladas y vigilancia de resultados inesperados.

Para pymes y cadenas españolas, la lección no es copiar un motor de una multinacional, sino establecer gobernanza antes de automatizar. La hoja de ruta IA360 presentada en España para pymes y empleo sitúa precisamente la adopción responsable, la formación y la ciberseguridad entre los requisitos para ampliar el uso empresarial de la IA.

Conclusión: el algoritmo recomienda, pero la responsabilidad no desaparece

La novedad no es que dos McDonald’s cobren precios distintos, sino el grado de automatización y control que hay detrás de esas diferencias. La investigación muestra una plataforma capaz de convertir millones de tickets y señales de mercado en recomendaciones por producto y restaurante. También revela la fricción que aparece cuando una herramienta supuestamente opcional se integra en las evaluaciones de una red de franquicias.

La IA puede ayudar a evitar subidas torpes, detectar promociones ineficientes o adaptar el menú a costes locales. Pero no resuelve por sí sola qué precio es justo, qué datos deben usarse ni cuánta autonomía conserva quien gestiona el establecimiento. Esas decisiones siguen siendo empresariales, jurídicas y sociales. El algoritmo amplía la capacidad de decidir; no reduce la responsabilidad de explicar y responder por el resultado.

Fuentes consultadas

• Reuters: investigación sobre el motor de precios de McDonald’s, publicada el 29 de septiembre de 2026.
• FTC: estudio sobre datos personales y precios individualizados, 17 de enero de 2025.
• FTC y Departamento de Justicia: algoritmos y coordinación de precios, 28 de marzo de 2024.
• Unión Europea: información al consumidor sobre precios personalizados, consultada el 29 de septiembre de 2026.