Aviación Digital, Sp.- Encontrar por casualidad una tarifa anormalmente baja en un vuelo muy demandado podría ser cada vez menos frecuente. La inteligencia artificial está entrando en el núcleo del revenue management de las aerolíneas, permitiendo analizar el mercado y modificar precios con una velocidad y granularidad difíciles de alcanzar con los sistemas tradicionales.
La transformación no significa que los vuelos baratos vayan a desaparecer. Sí apunta, sin embargo, a un mercado en el que las compañías dispondrán de más herramientas para detectar rápidamente cuándo están vendiendo un asiento por debajo del precio que la demanda podría soportar.
Un análisis publicado por Bloomberg sostiene que aerolíneas como Delta Air Lines y Virgin Atlantic están incorporando sistemas basados en inteligencia artificial (IA) capaces de reaccionar con mayor rapidez a cambios en reservas, competencia, costes y demanda. Bloomberg resumió el fenómeno señalando que las tarifas económicas inesperadas en vuelos populares podrían ser más difíciles de encontrar a medida que mejore la capacidad de optimización de las compañías.
De reglas de revenue management a decisiones casi continuas
El precio dinámico no es una novedad en la aviación comercial. Las aerolíneas llevan décadas gestionando inventario y tarifas en función de la demanda prevista, el ritmo de reservas, la antelación de compra, el desempeño de cada ruta y la oferta de sus competidores.
La diferencia está en la escala y velocidad de cálculo.
Un sistema tradicional puede trabajar con reglas, pronósticos y diferentes clases tarifarias administradas por equipos especializados. La nueva generación de herramientas incorpora modelos que procesan simultáneamente grandes volúmenes de información y generan recomendaciones o acciones de precio prácticamente de forma continua.
Fetcherr, empresa israelí especializada en estas tecnologías, presenta actualmente como clientes a Delta, Virgin Atlantic, WestJet, Azul y Viva Aerobus. Su plataforma utiliza modelos predictivos para analizar dinámicas de mercado y calcular precios, con capacidad de automatizar desde la recomendación hasta su publicación en los canales de distribución. La compañía afirma que su solución se basa en datos de mercado y no en información personal del pasajero.
El caso de Azul muestra hasta dónde puede llegar este proceso. Según Fetcherr, más del 70% de la red de la aerolínea brasileña estaba gestionada mediante precios impulsados por IA a finales de 2025, con más de tres millones de recomendaciones tarifarias anuales.
Delta mantiene supervisión humana y niega precios personalizados
El debate adquirió una dimensión distinta después de que la estrategia de Delta generase críticas políticas en Estados Unidos durante 2025.
La aerolínea ha rechazado expresamente que su sistema utilice datos personales para calcular cuánto cobrar a un pasajero concreto. En una respuesta enviada a varios senadores estadounidenses, Delta aseguró que no ha utilizado, probado ni planea utilizar productos tarifarios que asignen precios individualizados a partir de información personal.
Delta también señala que sus tarifas se distribuyen mediante ATPCO (Airline Tariff Publishing Company) y se rigen por criterios objetivos, entre ellos origen y destino, anticipación de compra, duración de estancia, condiciones de reembolso y producto contratado. Además, sostiene que un usuario puede consultar precios sin iniciar sesión.
Este punto es esencial: precio dinámico y precio de vigilancia no son sinónimos.
Un algoritmo puede subir el precio de un vuelo porque las reservas están creciendo rápidamente o porque un competidor ha reducido capacidad sin conocer la identidad del comprador. Otra cuestión sería utilizar el historial de navegación, geolocalización, nivel de ingresos u otros datos personales para determinar que un individuo concreto está dispuesto a pagar más.
Por qué la IA puede dificultar las gangas en rutas populares
El principal impacto para el pasajero podría producirse no por una subida uniforme de las tarifas, sino por una reducción de las ineficiencias.
En un sistema menos preciso, una compañía puede mantener durante demasiado tiempo asientos en una clase tarifaria barata mientras la demanda real del vuelo ya justificaría un precio superior. Un modelo capaz de identificar ese cambio antes puede cerrar esa oportunidad con mayor rapidez.
En rutas con demanda fuerte, esto podría traducirse en menos plazas vendidas por debajo de lo que el sistema estima como precio óptimo. Esa es la razón por la que analistas consultados por Bloomberg anticipan más presión sobre las gangas en vuelos populares.
Pero el mecanismo funciona en ambos sentidos. Cuando la demanda es débil, un algoritmo también puede detectar antes que el precio existente está frenando las ventas y recomendar una reducción para estimular la ocupación.
La IA también entra en la gestión de capacidad después de la reserva
La optimización no termina cuando se vende el billete.
La compañía tecnológica Volantio utiliza otro modelo: identificar pasajeros con flexibilidad y ofrecerles incentivos para cambiar de vuelo, permitiendo trasladar demanda desde servicios muy cargados hacia otros con capacidad disponible.
En junio de 2026 presentó Vector, una plataforma diseñada para detectar oportunidades de reasignación de demanda y convertirlas en acciones operativas. Alaska Airlines participa en su proyecto inicial. Volantio ya había desarrollado herramientas que permiten ofrecer compensaciones a pasajeros flexibles para liberar inventario en vuelos con alta demanda y potencialmente volver a comercializar esas plazas.
Para una aerolínea, este enfoque conecta revenue management, gestión de inventario y operaciones: el asiento deja de ser una unidad cuyo valor se decide únicamente antes de reservar y puede continuar siendo optimizado después de la venta.
El regulador investiga dónde termina la optimización y empieza la vigilancia
El uso de información personal es precisamente el aspecto que está atrayendo mayor atención regulatoria.
La Comisión Federal de Comercio de Estados Unidos (FTC) lanzó en julio de 2024 un estudio mediante órdenes bajo la sección 6(b) para examinar los sistemas de precios de vigilancia ofrecidos por intermediarios tecnológicos.
En enero de 2025 publicó hallazgos iniciales, no conclusiones definitivas. La FTC comprobó que las tecnologías examinadas podían utilizar datos como localización, historial de navegación, patrones de compra e incluso determinados comportamientos dentro de una web para adaptar precios y descuentos. La investigación estudiaba intermediarios de distintos sectores y no estableció que Delta estuviera realizando esas prácticas.
El escrutinio continuó en 2026. El 27 de enero, el fiscal general de California, Rob Bonta, anunció una investigación formal sobre empresas que utilizan información personal para establecer precios individualizados y sobre su cumplimiento de la California Consumer Privacy Act (CCPA). La actuación se dirigió inicialmente a empresas de comercio minorista, alimentación y hotelería.
Maryland también ha legislado, aunque con un alcance más limitado del que podría sugerir hablar de una prohibición general. La norma HB895 fue aprobada por el gobernador el 28 de abril como Chapter 154 y prohíbe determinadas prácticas de precio dinámico y uso de datos personales a minoristas de alimentación y proveedores de reparto de terceros. Entrará en vigor el 1 de octubre de 2026. No constituye, por tanto, una prohibición general aplicable a la fijación de tarifas aéreas.
Un cambio estructural para el revenue management aéreo
Para las aerolíneas, el incentivo económico es evidente. Cada vuelo combina un inventario perecedero, un asiento vacío pierde todo su valor comercial después de la salida, con una demanda que cambia continuamente y clientes con necesidades muy distintas.
La IA promete reaccionar a esas variaciones con mayor rapidez, automatizar tareas repetitivas y permitir que los equipos de revenue management se concentren en estrategia, excepciones y supervisión.
Para el pasajero, la consecuencia puede ser un mercado menos predecible y con menos errores tarifarios aprovechables, especialmente en fechas y rutas muy demandadas.
Eso no equivale a la desaparición de las tarifas bajas. Una aerolínea seguirá necesitando reducir precios cuando tenga capacidad sin vender y la competencia seguirá limitando cuánto puede cobrar: un algoritmo que eleve una tarifa demasiado por encima del mercado también puede desplazar al pasajero hacia otro operador.
La verdadera cuestión será otra: qué datos puede utilizar el algoritmo, con qué nivel de automatización, qué capacidad de supervisión conserva la aerolínea y qué transparencia tendrá el pasajero sobre la lógica que determina la oferta que recibe.
