Intellectual Property
Cómo las recomendaciones impulsadas por algoritmos están cambiando la protección de las marcas
En este artículo, Crystal Lo, Head del China Desk de Latin Counsel , analiza cómo las recomendaciones impulsadas por algoritmos están empezando a transformar los conceptos tradicionales de confusión marcaria y protección de marcas .

En este artículo, Crystal Lo, Head del China Desk de Latin Counsel, analiza cómo las recomendaciones impulsadas por algoritmos están empezando a transformar los conceptos tradicionales de confusión marcaria y protección de marcas.
Durante décadas, el derecho de marcas se ha apoyado en una prueba central: ¿podría confundirse un "consumidor medio"? Siempre hemos asumido que ese consumidor medio es una persona. Pero la inteligencia artificial está asumiendo cada vez más tareas cotidianas, desde navegar por páginas web hasta comparar precios y realizar compras.
Pero ¿cómo funciona esa prueba cuando el comprador ya no toma la decisión por sí solo?
Hoy, una parte cada vez mayor de las compras online está facilitada por herramientas de recomendación basadas en IA, asistentes de voz y motores de búsqueda inteligentes. Cuando alguien pide a un asistente de IA que compre "champú" o "granos de café", el algoritmo selecciona la marca, precisamente el momento en el que la prueba tradicional sobre riesgo de confusión empieza a perder claridad.
Normalmente, el verdadero riesgo en un mercado impulsado por IA no es que una persona confunda dos logotipos similares, sino que el algoritmo tome silenciosamente la decisión por ella.
Si un comprador pide a un asistente inteligente una marca específica, pero el algoritmo de la plataforma está programado para sugerir en su lugar una alternativa genérica con mayor margen, el consumidor ni siquiera llega a comparar ambas opciones. Bajo el enfoque tradicional del derecho de marcas, puede que no exista un "riesgo de confusión"; sencillamente, el consumidor ha sido desviado antes de tener la oportunidad de elegir.
Desde la perspectiva marcaria, esto cambia la forma en que pensamos sobre la confusión de interés inicial y las decisiones en el punto de venta. Factores tradicionales como la similitud visual o el "recuerdo imperfecto" no se aplican fácilmente a un algoritmo que procesa metadatos de productos dentro de una caja negra.
A medida que las herramientas de compra automatizada se vuelvan más comunes, los titulares de marcas