El cálculo de privacidad: por qué compartimos datos aunque nos preocupe la privacidad

Una persona puede afirmar que le preocupa mucho su privacidad y, pocos minutos después, facilitar su ubicación a una aplicación, su fecha de nacimiento a una tienda o sus preferencias a una plataforma de contenidos. La explicación fácil es llamarlo incoherencia, pero la explicación más útil es preguntarse qué recibe a cambio, qué riesgo percibe y cuánto confía en quien solicita los datos. Esa es la intuición del cálculo de privacidad (privacy calculus), concepto que implica que revelar información personal no depende únicamente de una preocupación general por la privacidad, sino de la evaluación conjunta de consecuencias favorables y desfavorables en una situación concreta. No presupone que hagamos una hoja de cálculo mental ni que decidamos siempre de forma plenamente racional. Describe una estructura de decisión: los riesgos frenan la divulgación; los beneficios, la confianza y otras motivaciones pueden impulsarla.

Preocuparse por la privacidad no equivale a negarse a compartir datos

Conviene distinguir cuatro conceptos que suelen mezclarse.

• La preocupación por la privacidad es una inquietud general respecto al tratamiento de la información personal.
• El riesgo percibido incorpora la probabilidad subjetiva de sufrir un daño y la gravedad de sus consecuencias en un entorno con incertidumbre.
• La confianza recoge las expectativas acerca de la competencia, honestidad y benevolencia de la otra parte.
• Los beneficios percibidos son los resultados favorables asociados a revelar los datos.

Imaginemos un ejemplo hipotético. Una tienda online solicita la fecha de nacimiento para enviar una promoción personalizada. El descuento es un beneficio; la posibilidad de que el dato se combine con otra información o se ceda a terceros constituye un riesgo. Una explicación clara, la posibilidad de revocar el consentimiento y una trayectoria fiable pueden elevar la confianza. La decisión final no revela cuánto valora la persona «la privacidad en general», sino cómo interpreta ese intercambio específico.

El modelo ampliado de Dinev y Hart (2006), contrastado con 369 participantes, representa precisamente fuerzas de signo contrario. Las preocupaciones por la privacidad en Internet reducían la disposición a realizar transacciones, mientras que la confianza en Internet y el interés personal por usarlo contribuían a contrarrestar las percepciones de riesgo en la intención de proporcionar información.

IUIPC: no existe una única preocupación por la privacidad

El modelo IUIPC de Malhotra, Kim y Agarwal (2004) ayuda a precisar qué significa estar preocupado por la privacidad. Lo concibe como un constructo formado por tres dimensiones:

• Recopilación: preocupación por la cantidad de información que se obtiene.
• Control: capacidad percibida para decidir cómo se utiliza esa información.
• Conocimiento (awareness): comprensión de las prácticas de privacidad de la organización.

Estas dimensiones permiten entender por qué dos peticiones del mismo dato pueden producir respuestas distintas. Una aplicación de actividad física que solicita la ubicación solo durante una sesión, explica para qué la necesita y permite desactivarla, plantea un intercambio diferente de otra que exige acceso permanente sin una justificación comprensible. El dato es el mismo; cambian el control, el conocimiento y el riesgo percibido.

También cambia el contexto. Facilitar el código postal para calcular los gastos de envío suele percibirse de manera distinta que autorizar el acceso a movimientos bancarios. Por eso, una medida general de preocupación por la privacidad no permite predecir perfectamente una conducta concreta.

La confianza convierte la protección percibida en relación

Han pasado 20 años de uno de mis primeros trabajos junto al profesor Flavián. En el mismo, distinguíamos la privacidad, asociada a las normas y buenas prácticas en la recogida y utilización de datos, de la seguridad, referida a las garantías técnicas que hacen posible cumplir esas promesas. Una empresa puede comprometerse a no ceder datos, pero necesita sistemas capaces de impedir accesos o interceptaciones no autorizados.

El estudio utilizó una encuesta web con 354 internautas hispanohablantes que habían comprado repetidamente en el sitio que evaluaban. La privacidad y la seguridad formaban un constructo de segundo orden denominado seguridad percibida en el tratamiento de datos privados. La confianza también era multidimensional: incluía honestidad, benevolencia y competencia.

Los resultados mostraron una relación positiva entre la protección percibida de los datos y la confianza, y entre la confianza y la lealtad. En cambio, la relación directa entre protección percibida y lealtad no alcanzó el nivel de significación establecido. El patrón es compatible con una idea estratégica relevante: la privacidad y la seguridad no generan lealtad automáticamente; contribuyen a ella cuando se traducen en confianza.

No obstante, el estudio no contrasta directamente un modelo de cálculo de privacidad. Tampoco su diseño transversal basado en respuestas autodeclaradas permite demostrar causalidad o mediación psicológica. Su valor para esta discusión es complementario: muestra que la confianza puede funcionar como puente entre las percepciones sobre el tratamiento de los datos y una relación comercial más estable.

Del cumplimiento normativo a una propuesta de intercambio legítima

Para el marketing digital, la consecuencia no es ofrecer un beneficio suficientemente grande para que el consumidor entregue sus datos. Ese razonamiento puede justificar intercambios desequilibrados o diseños manipulativos. La cuestión es construir una propuesta legítima en cuatro frentes:

1. Pedir solo los datos necesarios. Cuanto más difícil sea explicar para qué se necesita un dato, más cuestionable es solicitarlo.
2. Hacer visible el beneficio. «Mejorar tu experiencia» es demasiado abstracto. «Guardar tu talla para evitar que la introduzcas en cada compra» permite valorar el intercambio.
3. Dar control efectivo. Elegir finalidades, modificar permisos y retirar el consentimiento reduce la sensación de pérdida de control.
4. Demostrar confiabilidad. Una política comprensible es insuficiente si la organización no transmite competencia técnica, honestidad y ausencia de oportunismo.

Pensemos en un programa de fidelización hipotético. Solicitar el correo para enviar el comprobante de compra exige una justificación mínima. Solicitar además la fecha de nacimiento, la ubicación y acceso a contactos requiere beneficios separados, explicaciones específicas y permisos independientes. Agruparlo todo no mejora el intercambio: lo vuelve opaco.

El cálculo de privacidad es útil porque sustituye una pregunta demasiado simple —«¿cuánto preocupa la privacidad?»— por otra más fértil: ¿qué combinación de riesgo, beneficio, control y confianza explica esta decisión concreta? Para las organizaciones, la respuesta no debería servir para extraer más datos, sino para diseñar intercambios más claros, proporcionales y confiables. En privacidad, la lealtad no se compra con una recompensa: se construye demostrando que el intercambio merece la confianza del consumidor.