McDonald’s acaba de recibir una demanda colectiva nacional por usar IA para coordinar precios entre franquicias. Si tu negocio tiene un motor de pricing algorítmico, ya estás en la misma zona de riesgo.
El 2 de octubre de 2026, un cliente de Illinois llamado Michael Thomas demandó a McDonald’s en la Corte Federal del Distrito Norte de Illinois. La tesis: la cadena usó un sistema de precios impulsado por IA, entrenado con datos no públicos de sus propios restaurantes y franquicias, para coordinar precios del menú entre negocios que legalmente deberían competir entre sí. Eso, dice la demanda, viola la Sección 1 de la Sherman Antitrust Act.
Mi postura, sin adornos: esto no es un caso sobre hamburguesas. Es el primer test real de si tu recomendador de precios es una herramienta de negocio o evidencia de colusión. Y la mayoría de los operadores que conozco no tienen ni idea de en qué lado están parados.
Qué pasó
La demanda, presentada como acción colectiva nacional, sostiene que McDonald’s reemplazó desde al menos 2019 la fijación independiente de precios por lo que el demandante llama un «acuerdo coercitivo de fijación de precios» que aplica tanto a tiendas propias como franquiciadas. El mecanismo: un sistema que recopila datos de precios no públicos de los restaurantes, los mete en un algoritmo y devuelve precios de menú alterados.
El detalle que enciende las alarmas legales es la coerción. Según la demanda, los franquiciados que no siguen la herramienta compartida arriesgan perder sus inversiones. Ahí está el corazón del asunto: si no puedes decir «no» sin que te cueste plata, la defensa de «solo era una recomendación» se cae a pedazos.
McDonald’s respondió con lo esperado: que «la IA no fija el precio de un Big Mac ni de ningún otro artículo», que cada franquiciado decide sus precios y que las herramientas de recomendación son práctica estándar en todas las industrias. Suena razonable. También sonaba razonable lo que dijo RealPage antes de que el DOJ le cayera encima.
Qué significa
Esta demanda no salió de la nada. Es la continuación directa del caso del DOJ contra RealPage, donde la tesis central fue que compartir recomendaciones de precios generadas con datos sensibles de competidores equivale a coordinación prohibida. En noviembre de 2025, DOJ y RealPage cerraron un acuerdo que obliga a la empresa a dejar de usar y recopilar información no pública y competitivamente sensible de competidores para sus recomendaciones.
Ese precedente ya se expandió. Nueva York aprobó en octubre de 2025 la primera ley estatal que prohíbe el pricing algorítmico de alquileres, vigente desde el 15 de diciembre de 2025. California aprobó la AB 325 enmendando el Cartwright Act. Y en el caso RealPage, un tribunal de Carolina del Norte rechazó en octubre de 2026 las mociones de RealPage y de grandes propietarios para salir del caso, mientras California cerró acuerdos de 7 millones de dólares con LivCor y otro con Greystar.
Ahora el perímetro se corre del sector inmobiliario a la comida rápida. Y eso importa porque el modelo de franquicia es idéntico en estructura al de cualquier red de distribuidores, concesionarios, clínicas o retailers independientes. La lógica legal no distingue entre un arriendo y un combo: si el algoritmo central se alimenta de datos que los operadores no compartirían entre ellos por su cuenta, la demanda antimonopolio pricing algorítmico franquicias se replica casi sin cambios.
La visión contraria existe y no es tonta. McDonald’s dice que las acusaciones son «especulativas y desinformadas». NetChoice, que representa a Amazon, Meta y Google, pidió a la FTC retirar su propuesta de divulgación de precios personalizados. Y un juez federal bloqueó temporalmente la ley de Nueva York contra el pricing algorítmico de alquileres por posible inconstitucionalidad: demasiado amplia. La doctrina no está consolidada. Pero apostar a que un tribunal te dé la razón mientras tu operación sigue igual es una estrategia, no una defensa.
Qué hacer al respecto
Si tienes un motor de pricing algorítmico o un recomendador de precios compartido con tu red, esto no es un tema de tu abogado corporativo para el próximo trimestre. Es de esta semana. Concretamente:
- Audita el flujo de datos de tu motor de pricing hoy. Si el algoritmo se alimenta de datos no públicos de competidores, franquiciados o socios, estás en la zona de riesgo de la Sección 1 de la Sherman Act. Traza la fuente de cada input y márcala como pública o no pública.
- Documenta la autonomía real de decisión. Si los operadores no pueden rechazar las recomendaciones sin represalias económicas, la defensa de «solo es una recomendación» se debilita ante un tribunal. Necesitas evidencia de que el rechazo es viable y sin costo.
- Revisa contratos de franquicia y de software de pricing. Elimina cláusulas que condicionen inversiones, renovaciones o territorios al uso de la herramienta de precios compartida. Esa cláusula es la que convierte una recomendación en coerción.
- Mapea tu exposición regulatoria estatal. Nueva York y California ya legislaron sobre pricing algorítmico y las leyes aplican más allá del sector inmobiliario. Si operas en varios estados, asume que el siguiente en legislar ya está redactando.
- Prepara un plan de contingencia legal y reputacional. La acción colectiva nacional contra McDonald’s anticipa un modelo de litigio replicable contra cualquier red con pricing algorítmico centralizado. Ten el memo listo antes de que llegue la carta.
El error más caro que puedes cometer es creer que esto es un problema de McDonald’s. No lo es. Es un problema de cualquiera que haya delegado decisiones de precio a un algoritmo que aprende de datos que no debería ver.
¿Tu operación usa recomendaciones de precio compartidas con tu red? Cuéntame cómo manejas la autonomía de decisión de tus operadores. Ahí está la línea entre herramienta y evidencia.
Preguntas frecuentes
¿Qué es exactamente lo que alega la demanda contra McDonald’s?
Que la cadena violó la Sección 1 de la Sherman Antitrust Act al coordinar precios entre franquicias y tiendas propias mediante un sistema de IA entrenado con datos no públicos, sustituyendo la fijación independiente de precios desde al menos 2019.
¿Usar un recomendador de precios es ilegal?
No por sí solo. El problema aparece cuando el algoritmo se alimenta de datos no públicos de competidores o cuando los operadores no pueden rechazar la recomendación sin represalias económicas. Ahí la recomendación se convierte en coordinación.
¿Qué pasó con RealPage y por qué importa?
El DOJ demandó a RealPage en agosto de 2024 por usar datos no públicos de competidores para recomendar alquileres. En noviembre de 2025 llegaron a un acuerdo que le prohíbe seguir haciéndolo. Ese caso creó la plantilla legal que ahora se aplica a restaurantes y a cualquier red con pricing centralizado.
¿Qué estados ya legislaron sobre pricing algorítmico?
Nueva York aprobó en octubre de 2025 la primera ley estatal que prohíbe el pricing algorítmico de alquileres, vigente desde el 15 de diciembre de 2025. California aprobó la AB 325 enmendando el Cartwright Act. Un juez federal bloqueó temporalmente la ley de Nueva York, así que el panorama sigue abierto.
Fuentes
- McDonald’s sued in US over alleged AI-powered price coordination across franchises – The Economic Times
- Is AI deciding what you pay at McDonald’s? New US lawsuit raises antitrust questions – Mint
- McDonald’s Faces Nationwide Class Action Claiming AI Pricing Raised Big Mac Prices – Law Commentary
- MCD Stock’s Rough Year Gets Worse: AI Menu Pricing Claims Land McDonald’s In Antitrust Trouble – Stocktwits/Yahoo Finance
- Trump Administration takes a targeted antitrust enforcement approach to AI – Global Competition Review