Durante décadas, poner precio a un plato ha sido una decisión relativamente estática. El restaurante calcula el coste de la materia prima, observa qué está haciendo la competencia, establece el margen que considera necesario, intenta estimar cuánto está dispuesto a pagar el cliente y finalmente imprime una cifra en la carta. A partir de ese momento, ese precio puede permanecer prácticamente inalterado durante meses, aunque cambie el coste del producto, aunque un martes queden treinta mesas vacías, aunque el sábado exista una lista de espera o aunque la demanda de determinados platos sea completamente diferente entre el almuerzo y la cena. Hemos aceptado con bastante naturalidad que el precio sea estable aunque casi todas las variables que determinan su rentabilidad sean dinámicas.
Esta forma de trabajar empieza a entrar en tensión con una realidad que otras industrias conocen desde hace décadas. Una habitación de hotel que permanece vacía esta noche no puede almacenarse para venderla mañana. Lo mismo ocurre con un asiento de avión cuando despega sin pasajero y, aunque tradicionalmente lo hayamos observado de otra manera, también con una mesa de restaurante. Si disponemos de una mesa para cuatro personas entre las 21:00 y las 23:00 y nadie la ocupa, esas dos horas de capacidad desaparecen para siempre. No hemos perdido únicamente una venta; hemos perdido un inventario que caduca exactamente en el momento en que pasa el tiempo.
El salto tecnológico que está produciéndose en la restauración añade ahora una dimensión nueva a este problema. Reuters informó el 29 de septiembre de 2026 de que McDonald's está utilizando modelos de inteligencia artificial para realizar recomendaciones de precios a sus franquiciados a partir del análisis de millones de transacciones y de la estimación de la disposición a pagar en distintas ubicaciones. La decisión final continúa formalmente en manos de cada franquiciado, pero el sistema puede recomendar precios diferentes incluso entre restaurantes geográficamente próximos. El proyecto ha generado también interrogantes entre algunos operadores y cuestiones relacionadas con la autonomía de los franquiciados y el tratamiento de información competitivamente sensible.
El interés del caso no está en discutir si todos los restaurantes deberían empezar a modificar automáticamente sus precios. Probablemente sería una conclusión precipitada. Lo verdaderamente relevante es que estamos asistiendo a un cambio en la naturaleza de la decisión: el precio empieza a dejar de ser únicamente una cifra calculada a partir del coste para convertirse en una variable que puede relacionarse continuamente con demanda, capacidad, comportamiento, momento de consumo y rentabilidad.
El precio tradicional parte de una ficción: que todas las ventas tienen el mismo valor
Imaginemos un restaurante de cincuenta plazas. Un martes a las 20:30 tiene dieciocho clientes y una parte considerable de su capacidad permanece sin utilizar. El sábado a las 21:30 las cincuenta plazas están ocupadas, hay clientes esperando y el establecimiento ha rechazado varias solicitudes de reserva porque no dispone de mesas. El producto puede ser exactamente el mismo, la carta también y buena parte de la estructura operativa será similar, pero económicamente estamos ante dos situaciones radicalmente distintas. El martes existe más capacidad que demanda; el sábado sucede exactamente lo contrario.
En muchos mercados esa diferencia entre oferta y demanda tiene consecuencias sobre el precio o, como mínimo, sobre las condiciones de venta. En restauración tendemos a ignorarla porque hemos construido una convención cultural muy potente: un plato debería costar aproximadamente lo mismo con independencia del momento en que se consume. Esta estabilidad tiene ventajas importantes. Simplifica la comunicación, transmite previsibilidad, facilita la operación y evita que el cliente tenga la sensación de estar negociando constantemente con el restaurante. Por eso no deberíamos confundir innovación con la obligación de abandonar el precio fijo.
Sin embargo, esa convención también tiene un coste económico. El restaurante puede estar ofreciendo exactamente las mismas condiciones cuando necesita desesperadamente estimular demanda y cuando dispone de mucha más demanda de la que puede atender. En un caso necesita convencer a alguien para que ocupe una mesa; en el otro tiene que decidir a quién asigna una capacidad insuficiente. Mantener exactamente la misma estrategia comercial en ambas situaciones merece, al menos, ser cuestionado.
Una mesa es un inventario que caduca cada minuto
El concepto de capacidad perecedera permite comprender mejor el problema. Supongamos que un restaurante dispone de cincuenta asientos durante un periodo de dos horas. En términos simplificados tiene cien asiento-horas de capacidad. Si durante ese periodo únicamente utiliza cuarenta, las sesenta restantes no pasan al inventario del día siguiente. A las 22:01 han desaparecido. Esta característica acerca económicamente la restauración a hoteles, aerolíneas, espectáculos y otros negocios donde el tiempo forma parte inseparable del producto.
De ahí procede el interés del RevPASH —Revenue per Available Seat Hour—, que relaciona los ingresos con los asientos y el tiempo disponible. Si un restaurante factura 2.000 euros utilizando cincuenta asientos durante dos horas, genera 20 euros por asiento-hora disponible. Si en otro periodo factura 3.500 euros con la misma capacidad, alcanza 35 euros. La diferencia no está en los metros cuadrados, el número de mesas o la cantidad de sillas; está en cómo se ha utilizado económicamente el tiempo asociado a esas plazas.
Esta perspectiva modifica incluso la forma de interpretar una sala llena. Un restaurante puede alcanzar el 100 % de ocupación y, sin embargo, gestionar mal su capacidad si las mesas permanecen bloqueadas demasiado tiempo, el ticket es insuficiente o las reservas se concentran de tal manera que generan periodos vacíos antes o después. Del mismo modo, una ocupación inferior puede producir un excelente resultado si combina un buen ticket, margen suficiente y una duración adecuada. La ocupación, por sí sola, no es sinónimo de rentabilidad.
Revenue management no significa cobrar más cuando el restaurante se llena
Aquí aparece una confusión importante. Revenue management y precio dinámico no son exactamente lo mismo. El precio constituye una de las herramientas posibles, pero existen muchas otras formas de gestionar la demanda y la capacidad sin modificar constantemente lo que cuesta cada plato. Un restaurante puede ofrecer una propuesta específica de lunes a jueves, crear un early dinner, establecer diferentes duraciones de reserva, diseñar menús para determinadas franjas, solicitar depósitos, limitar promociones a horas de baja demanda o reservar determinadas mesas para propuestas de mayor valor.
De hecho, la restauración lleva décadas utilizando mecanismos de este tipo sin denominarlos revenue management. El menú del día introduce una diferencia de precio y producto según el momento de consumo. Un happy hour modifica las condiciones comerciales durante una franja determinada. Los menús de Navidad, las tarifas específicas para grupos o las promociones de determinados días responden a la misma lógica: no toda la demanda tiene el mismo comportamiento ni toda la capacidad tiene el mismo valor en cualquier momento.
La diferencia que introduce la gestión basada en datos es que estas decisiones pueden dejar de apoyarse exclusivamente en tradición e intuición. Podemos medir qué ocurre cuando desplazamos una promoción, modificamos una condición de reserva o alteramos el precio de una referencia. El objetivo del revenue management no debería ser cobrar siempre más, sino conseguir una mejor relación entre demanda, capacidad, precio y rentabilidad.
La inteligencia artificial cambia la pregunta sobre el precio
Un gerente experimentado puede saber perfectamente que existe mayor disposición a pagar un sábado por la noche que un martes a primera hora. No necesitamos inteligencia artificial para descubrirlo. La dificultad aparece cuando queremos responder preguntas más precisas: qué sucedería si aumentamos un euro el precio de determinado plato, cuántas unidades dejaríamos de vender, qué referencias son más sensibles al precio, si esa sensibilidad cambia entre comida y cena o si los clientes de dos establecimientos aparentemente similares reaccionan de manera diferente.
Ahí es donde los modelos basados en grandes volúmenes de transacciones adquieren relevancia. Según la información publicada por Reuters sobre McDonald's, el sistema analiza millones de operaciones para realizar recomendaciones específicas de precios en diferentes ubicaciones. La escala es muy distinta a la de un restaurante independiente, pero el principio económico es el mismo: utilizar comportamiento real para intentar estimar qué ocurrirá después de una modificación de precio.
La pregunta deja entonces de ser simplemente cuánto deberíamos cobrar por un producto y pasa a ser qué consecuencias económicas podemos esperar si cobramos una determinada cantidad. Esta segunda pregunta es mucho más sofisticada porque obliga a relacionar precio con volumen, margen, comportamiento y capacidad.
La elasticidad importa más que el porcentaje que subimos
Supongamos un plato que se vende a 20 euros y alcanza 1.000 unidades mensuales. Su facturación es de 20.000 euros. Si aumentamos el precio a 21 euros y mantenemos exactamente las mismas 1.000 unidades, los ingresos pasan a 21.000 euros y la decisión parece evidente. Pero el comportamiento del cliente no tiene por qué permanecer constante. Si las ventas descienden hasta 930 unidades, la facturación se reduce a 19.530 euros.
A primera vista podríamos concluir que la subida ha sido un fracaso. Sin embargo, todavía falta incorporar el coste. Si producir cada unidad cuesta 7 euros, antes generábamos una contribución de 13 euros por plato, es decir, 13.000 euros en total. Después de la modificación obtenemos 14 euros por unidad y, multiplicados por 930 ventas, alcanzamos 13.020 euros. Hemos facturado menos, pero generamos ligeramente más contribución.
El ejemplo demuestra por qué la discusión sobre precios no puede reducirse a comprobar si las ventas aumentaron o disminuyeron. Necesitamos conocer la elasticidad de la demanda y observar conjuntamente unidades, facturación y margen. Una reducción moderada del volumen puede resultar perfectamente compatible con una mejora económica; del mismo modo, un incremento de ventas provocado por una promoción puede destruir contribución si el descuento necesario para conseguirlo es excesivo.
Antes de optimizar necesitamos decidir qué queremos optimizar
La inteligencia artificial introduce aquí un problema de dirección que a veces queda oculto detrás de la tecnología. Un sistema puede buscar maximizar facturación, margen, ocupación, frecuencia de visita, ticket medio, contribución por hora disponible o valor del cliente a largo plazo. Todas son variables razonables, pero no producen necesariamente la misma recomendación.
Un restaurante que quiera llenar una franja con baja demanda puede aceptar una menor contribución por cliente si la alternativa es mantener mesas vacías. Otro establecimiento que opera sistemáticamente al límite de su capacidad puede preferir proteger margen y reducir presión operativa. Una empresa en fase de expansión puede priorizar captación y frecuencia, mientras otra con una posición consolidada puede buscar rentabilidad por transacción. El algoritmo puede procesar una cantidad extraordinaria de información, pero necesita que alguien determine qué significa realmente un buen resultado.
Este punto es esencial porque evita atribuir a la tecnología una neutralidad que no tiene. Toda recomendación algorítmica responde, explícita o implícitamente, a un objetivo. Si pedimos maximizar ingresos obtendremos una solución; si pedimos maximizar margen quizá obtengamos otra. La inteligencia artificial puede mejorar enormemente la capacidad para analizar escenarios, pero la responsabilidad de decidir qué persigue el restaurante continúa perteneciendo a la dirección.
El gran límite no será tecnológico, sino la percepción de justicia
Desde un punto de vista puramente técnico podemos imaginar sistemas cada vez más sofisticados capaces de estimar la disposición a pagar de distintos clientes. El problema aparece cuando trasladamos esa capacidad al mundo real. Si dos personas descubren que han pagado precios diferentes por exactamente el mismo producto, en el mismo restaurante y a la misma hora porque un algoritmo consideró que una de ellas estaba dispuesta a pagar más, la reacción puede ser muy distinta de la que provoca encontrar un hotel más caro en agosto.
La diferencia está en la percepción de la regla. Los consumidores aceptamos numerosas formas de precio variable cuando entendemos por qué existen. Nos parece razonable que un vuelo sea más caro en determinadas fechas, que un menú de mediodía tenga un precio diferente a la cena o que una promoción solo esté disponible de lunes a jueves. Existe una relación comprensible entre condición y precio. Cuando esa lógica se vuelve invisible o parece personalizada en función de cuánto puede extraerse de cada individuo, la optimización económica puede empezar a percibirse como discriminación.
Esto coloca la transparencia en el centro del debate. El futuro del pricing gastronómico probablemente no dependerá únicamente de la precisión con la que un algoritmo pueda calcular la disposición a pagar, sino de la capacidad del restaurante para establecer reglas que el cliente considere razonables. Una mejora marginal del beneficio puede resultar insignificante si a cambio deterioramos confianza, reputación o frecuencia de visita.
Un restaurante independiente no necesita millones de datos
Sería fácil concluir que todo esto pertenece exclusivamente al mundo de las grandes cadenas. No es así. Un restaurante independiente no puede construir el mismo modelo predictivo que una compañía con miles de establecimientos y millones de transacciones, pero tampoco lo necesita para aplicar los principios fundamentales del revenue management.
Puede empezar analizando ocupación por día y franja, ticket medio, duración de mesas, anticipación de las reservas, cancelaciones, rechazos por falta de disponibilidad, RevPASH y contribución de los diferentes servicios. Con esta información puede descubrir, por ejemplo, que el viernes entre las 21:00 y las 22:30 no necesita invertir más dinero en captar demanda porque ya está rechazando clientes, mientras que el martes a las 20:00 dispone de una capacidad que sistemáticamente permanece sin utilizar.
Las decisiones derivadas pueden ser relativamente sencillas. Quizá interese crear una propuesta atractiva para las primeras horas de la cena, modificar la distribución de reservas, establecer determinadas promociones únicamente en días débiles o reservar los horarios de máxima demanda para productos y condiciones con mayor contribución. Ninguna de estas decisiones requiere cambiar el precio de un plato cada diez minutos. Requiere entender que la capacidad tiene diferente valor según el momento.
Una promoción debería ser también un experimento
La reacción tradicional ante una franja débil consiste con frecuencia en aplicar un descuento. El problema es que una promoción permanente puede aumentar las ventas y, al mismo tiempo, enseñarnos muy poco sobre lo que está ocurriendo. No sabemos si el cliente ha elegido el restaurante porque realmente lo desea o simplemente porque hemos reducido suficientemente el precio.
Una gestión más rigurosa trataría las promociones como experimentos. Podemos introducir una propuesta concreta durante varias semanas, medir cuántas reservas adicionales genera, observar el ticket final, calcular el margen, analizar qué productos se venden junto a la promoción y comprobar si esos clientes regresan posteriormente sin incentivo. De esta manera, el descuento deja de ser únicamente una renuncia de margen y se convierte también en una herramienta para adquirir información sobre la demanda.
Este enfoque es especialmente relevante porque una promoción que aumenta ocupación puede seguir siendo una mala decisión si desplaza clientes que habrían pagado el precio completo. El objetivo no es llenar mesas a cualquier coste, sino utilizar precios y propuestas para captar demanda adicional allí donde realmente existe capacidad ociosa.
El precio puede convertirse también en una herramienta operativa
El revenue management suele interpretarse como una disciplina comercial, pero sus efectos alcanzan directamente a la operación. Pensemos en un restaurante donde prácticamente todos los clientes desean reservar entre las 21:00 y las 21:30. Aunque exista suficiente capacidad total durante la noche, la concentración de entradas puede saturar recepción, sala, barra y cocina. Los tiempos aumentan, el pase se congestiona y la experiencia empeora.
Si conseguimos desplazar una parte de esa demanda hacia las 20:00 o las 20:30 mediante una propuesta específica, estamos utilizando una decisión comercial para resolver un problema operativo. No necesariamente tendremos más clientes; quizá simplemente los distribuiremos mejor. Sin embargo, podremos atenderlos con mayor calidad, reducir picos de producción y aprovechar una capacidad que antes permanecía vacía.
Esta conexión entre demanda y operación es una de las aportaciones más interesantes del revenue management aplicado a restauración. Vender y operar dejan de ser dos mundos independientes. La forma en que comercializamos nuestra capacidad determina cómo tendrá que producirla posteriormente el restaurante.
La carta digital elimina una barrera, pero introduce otra responsabilidad
Durante décadas existió una limitación física muy sencilla: cambiar precios costaba dinero y tiempo. Había que modificar archivos, imprimir nuevas cartas, sustituir soportes y comprobar que todos los precios coincidieran. Esa fricción favorecía naturalmente la estabilidad. La carta digital y los sistemas conectados al TPV eliminan gran parte de esa barrera. Técnicamente es posible modificar un precio en cuestión de segundos.
Precisamente por eso necesitamos más gobernanza. La posibilidad tecnológica de cambiar precios constantemente no constituye por sí misma una razón para hacerlo. Un restaurante debe definir quién puede modificar precios, con qué criterios, dentro de qué límites, con qué frecuencia y cómo se comprueba posteriormente el resultado. Si en el futuro incorporamos sistemas capaces de realizar recomendaciones automáticas, estas reglas serán todavía más importantes.
La madurez tecnológica no consiste en permitir que el software tome todas las decisiones posibles. Consiste en saber cuáles podemos delegar, cuáles necesitan supervisión y cuáles deben permanecer deliberadamente bajo criterio humano.
No todos los restaurantes necesitan llegar al precio dinámico
Podemos imaginar una evolución gradual. En un primer nivel encontramos el precio completamente fijo. En otro, ofertas y productos diferentes según días u horarios. Un nivel posterior incorpora decisiones basadas en previsiones de demanda y capacidad. Más adelante aparecen algoritmos capaces de recomendar precios y, finalmente, sistemas que podrían modificarlos automáticamente en tiempo real.
No existe ninguna razón para asumir que el último nivel sea necesariamente el mejor. Para muchos restaurantes, una combinación de precios estables con gestión inteligente de horarios, promociones, disponibilidad y propuestas probablemente capture buena parte de los beneficios del revenue management sin introducir la complejidad ni el riesgo reputacional de un pricing permanentemente variable.
La sofisticación adecuada depende del modelo. Un restaurante gastronómico con una relación muy personal con sus clientes tendrá necesidades distintas de una cadena de comida rápida con millones de transacciones. Un establecimiento turístico con enormes variaciones estacionales no se comportará igual que un restaurante de barrio con una clientela recurrente. La tecnología debería adaptarse al negocio, no obligar al negocio a comportarse como la tecnología permite.
El caso McDonald's plantea también una cuestión de poder
La experiencia que está desarrollando McDonald's resulta especialmente interesante porque no solo habla de precios, sino también de quién controla la información necesaria para decidirlos. Según Reuters, algunos franquiciados han expresado preocupación por el grado de influencia que puede ejercer la compañía cuando dispone de sistemas capaces de analizar el comportamiento económico de miles de restaurantes y generar recomendaciones individualizadas. El debate muestra que la inteligencia artificial no elimina los conflictos tradicionales entre propiedad, gestión, franquicia y autonomía empresarial; puede incluso introducir nuevas formas de dependencia informativa.
Esta cuestión llegará también a empresas más pequeñas. Si una plataforma de reservas conoce mejor que el restaurante la demanda futura, si un agregador conoce la sensibilidad al precio de sus clientes o si un proveedor tecnológico dispone de todos los datos transaccionales, el valor no estará únicamente en el software. Estará en quién controla la información y quién puede convertirla en decisiones.
Los datos de restauración dejarán progresivamente de ser un simple registro de lo ocurrido. Se convertirán en activos capaces de anticipar lo que podría ocurrir. Y cuando un activo adquiere capacidad predictiva, también adquiere poder económico.
Del escandallo a la demanda
La formación tradicional en gestión gastronómica ha enseñado correctamente a empezar el precio desde el coste. Necesitamos conocer cuánto cuesta producir aquello que vendemos, porque ningún modelo de pricing puede compensar indefinidamente un producto mal escandallado. Sin embargo, el coste solo explica una parte del precio. La otra parte pertenece al mercado: cuánto valor percibe el cliente, qué alternativas tiene, cuándo quiere consumir, qué capacidad tenemos disponible y cómo reacciona cuando cambia la cifra.
Durante mucho tiempo hemos trabajado extraordinariamente bien la primera mitad y con bastante menos información la segunda. La digitalización del TPV, las reservas, los programas de fidelización y las cartas digitales están cambiando esa asimetría. Cada vez podemos conocer mejor cuándo compran los clientes, qué combinaciones realizan, cuánto dura su visita, con qué frecuencia regresan y cómo responden a diferentes propuestas.
La inteligencia artificial puede convertir esa enorme cantidad de registros en patrones y escenarios. El verdadero salto no será que una máquina nos diga qué precio debemos poner, sino que podamos comprender mucho mejor las consecuencias probables de cada decisión.
Vender, Operar y Dirigir en la era del precio algorítmico
Desde la perspectiva del Método Jordi Rosell, el revenue management demuestra hasta qué punto Vender, Operar y Dirigir son dimensiones inseparables. Vender implica comprender demanda, percepción de valor, sensibilidad al precio y comportamiento. Operar obliga a gestionar una capacidad limitada en mesas, cocina y tiempo. Dirigir significa conectar ambas dimensiones con margen, objetivos y reglas de decisión.
Un restaurante que únicamente analiza el precio desde el escandallo está observando una parte del problema. Otro que solo intenta cobrar lo máximo que acepta el mercado ignora la relación a largo plazo con el cliente. Y uno que llena la sala sin considerar qué ocurre después en cocina puede terminar deteriorando precisamente la experiencia que sostiene su demanda.
La gestión madura aparece cuando precio, capacidad, operación y cliente se observan conjuntamente. La inteligencia artificial puede mejorar nuestra capacidad de cálculo, pero no sustituye esa visión empresarial.
Reflexión final: el mejor precio no es necesariamente el precio más alto
La posibilidad de calcular cada vez mejor cuánto está dispuesto a pagar un cliente plantea una tentación evidente: intentar capturar la máxima cantidad posible en cada transacción. Sería una interpretación demasiado limitada del potencial de estas herramientas. Un restaurante no necesita maximizar lo que obtiene de una visita; necesita construir una relación económica sostenible con clientes que perciban suficiente valor como para elegirlo y, cuando corresponda, regresar.
Por eso el gran debate sobre los precios dinámicos en restauración no será tecnológico. Los sistemas serán capaces de procesar millones de operaciones, estimar elasticidades, prever demanda y proponer cantidades con una precisión creciente. El debate será empresarial y, en cierta medida, cultural: hasta dónde queremos utilizar esa capacidad y qué reglas consideramos compatibles con la confianza que exige la hospitalidad.
El precio fijo probablemente no desaparecerá. Tiene demasiadas ventajas y forma parte de las expectativas del consumidor. Pero sí parece probable que deje de ser la única forma de pensar el precio. Entre la tarifa completamente estática y una cifra que cambia cada minuto existe un enorme territorio de posibilidades: menús por franjas, promociones selectivas, propuestas diferenciadas, gestión de reservas, condiciones de acceso, previsión de demanda y recomendaciones algorítmicas.
La pregunta interesante, por tanto, no es si los restaurantes terminarán comportándose como las aerolíneas. Seguramente muchos nunca lo harán ni deberían hacerlo. La cuestión es si podemos seguir gestionando un recurso perecedero como la mesa ignorando sistemáticamente el valor del tiempo, la demanda y la capacidad.
La inteligencia artificial nos permitirá aproximarnos cada vez mejor a la respuesta económica. Pero seguirá quedando una decisión que ningún algoritmo debería resolver por nosotros: no cuánto podemos conseguir que pague el cliente, sino qué precio permite que el restaurante gane dinero y que el cliente siga considerando justo el intercambio. Esa diferencia, aparentemente pequeña, separa la optimización de una transacción de la construcción de un negocio.
FAQ
¿Qué son los precios dinámicos en restaurantes? Son modelos en los que el precio o determinadas condiciones comerciales pueden variar en función de criterios previamente establecidos, como horario, demanda, disponibilidad, producto o canal. No implican necesariamente modificaciones automáticas en tiempo real.
¿Revenue management significa subir precios cuando hay mucha demanda? No. El revenue management busca gestionar conjuntamente demanda, capacidad e ingresos. Puede utilizar precios, pero también promociones, horarios, menús específicos, duración de reservas, depósitos o disponibilidad.
¿Qué es el RevPASH? El Revenue per Available Seat Hour mide los ingresos obtenidos en relación con los asientos disponibles y el tiempo durante el cual pueden venderse. Permite analizar cómo se monetiza la capacidad de una sala.
¿Puede utilizar revenue management un restaurante independiente? Sí. No necesita millones de transacciones. Datos como ocupación por franja, ticket medio, duración de mesa, reservas rechazadas, anticipación, margen y RevPASH permiten comenzar a gestionar la capacidad con mayor precisión.
¿Puede la inteligencia artificial decidir el precio de un plato? Técnicamente puede analizar datos y generar recomendaciones e incluso automatizar cambios. La conveniencia de permitirlo depende de la estrategia del restaurante, la transparencia del sistema y los límites de decisión establecidos por la empresa.
¿Los precios dinámicos pueden perjudicar la confianza del cliente? Sí, especialmente cuando el consumidor no comprende por qué está pagando un precio diferente o percibe que la diferencia responde a una estimación individual de su capacidad de pago. La transparencia de las reglas resulta fundamental.
¿Deberían cambiar los restaurantes sus precios continuamente? No. Para muchos establecimientos puede resultar más apropiado mantener precios estables y aplicar principios de revenue management mediante horarios, productos, promociones y gestión de reservas.
¿Cuál es la principal ventaja de aplicar revenue management en restauración? Permite comprender que la capacidad del restaurante tiene un valor diferente según el momento y utilizar esa información para mejorar ingresos y rentabilidad sin depender exclusivamente de aumentar el número de clientes.
Fuente de actualidad: información publicada por Reuters el 29 de septiembre de 2026 sobre el uso de inteligencia artificial para recomendaciones de precios en McDonald's y el debate generado entre compañía y franquiciados.
Autor
Jordi Rosell Salvó, es profesor universitario, consultor gastronómico y CEO de Formahostel. Desde hace más de 25 años investiga la gestión económica y operativa de restaurantes, desarrollando el Método Jordi Rosell®, un modelo que integra dirección, tecnología y rentabilidad para ayudar a los empresarios a tomar mejores decisiones.
