LA MARCA INVISIBLE: INTELIGENCIA ARTIFICIAL, INTERMEDIACIÓN ALGORÍTMICA Y LOS LÍMITES DEL DERECHO DE MARCAS

THE INVISIBLE BRAND: ARTIFICIAL INTELLIGENCE, ALGORITHMIC INTERMEDIATION AND THE LIMITS OF TRADE MARK LAW

Nicola Lucchi*

Enrico Bonadio**

SUMARIO: I. Introducción.— II. El «consumidor medio» revisitado: hacia un estándar mediado por IA: 1. Los cambios observables en la atención y en la prueba; 2. Distinción entre niveles de intervención de la IA y ajuste del estándar; 3. El «uso algorítmico» como cuestión de primer orden; 4. Las funciones de las marcas en los canales de IA; 5. Ajustes doctrinales para un mercado mediado por IA.— III. Asistentes de voz y marcas blancas por defecto: el problema de la marca invisible, 1. El escenario y su relevancia; 2. ¿Existe «uso» y de quién?, 3. Riesgo de confusión en interfaces solo por voz; 4. La elección automatizada y la autonomía del consumidor; 5. Prueba y carga de la prueba en un caso de voz; 6. Remedios y gobernanza; 7. Las funciones bajo presión.— IV. LA BÚSQUEDA VISUAL Y EL AUGE DE LA ECONOMÍA DE LA IMITACIÓN; 1. Inspiración frente a sustitución; 2. Remedios de proceso y exenciones de responsabilidad; 3. Instrumentos complementarios; 4. Reflexiones finales.— V. REPENSANDO EL «CONSUMIDOR MEDIO» EN LA ERA DEL ALGORITMO.— VI. UNA HOJA DE RUTA DOCTRINAL.—VII. CONCLUSIONES.— VIII. BIBLIOGRAFÍA.

CONTENTS: I. INTRODUCTION.—II. THE «AVERAGE CONSUMER» REVISITED: TOWARDS AN AI-MEDIATED STANDARD;1. Observable Changes in Attention and Proof; 2. Distinguishing Levels of AI Intervention; 3. «Algorithmic Use» as a First-Order Question; 4. Trade Mark Functions in AI Channels; 5. Doctrinal Adjustments.— III. VOICE ASSISTANTS AND DEFAULT PRIVATE LABELS: THE PROBLEM OF THE INVISIBLE BRAND: 1. The Scenario and its Relevance; 2. Is There «Use» and Whose?, 3. Likelihood of Confusion in Voice-Only Interfaces; 4. Automated Choice and Consumer Autonomy; 5. Proof and Burden of Proof; 6. Remedies and Governance; 7. Functions Under Pressure.— IV. VISUAL SEARCH AND THE RISE OF THE IMITATION ECONOMY: 1. Inspiration vs Substitution; 2. Process Remedies and Safe Harbours; 3. Complementary Instruments; 4. Final Reflections.— V. RETHINKING THE «AVERAGE CONSUMER» IN THE AGE OF THE ALGORITHM.— VI. A DOCTRINAL ROAD MAP.— VII. CONCLUSIONS.— VIII. BIBLIOGRAPHY.

I. INTRODUCCIÓN

A pesar de que la inteligencia artificial (IA) condiciona hoy la atención del consumidor, la jerarquización de resultados de búsqueda y la conclusión de compras, buena parte de la doctrina en materia de propiedad intelectual la ha abordado principalmente como un problema de Derecho de autor y de patentes, dejando relativamente inexploradas sus implicaciones en el ámbito marcario 1. Este artículo coloca precisamente ese ámbito en el centro del análisis. Se sostiene aquí que, aunque el Derecho de marcas sigue anclado en el test de riesgo de confusión 2, las interfaces mediadas por IA transforman lo que los consumidores perciben y lo que nunca llegan a ver, lo que exige una recalibración doctrinal 3. Los indicadores clásicos de similitud visual, fonética y conceptual 4 fueron concebidos para itinerarios de compra en los que una persona examina un lineal, dirige la vista hacia un logotipo y recurre a experiencias previas almacenadas en la memoria 5. Hoy, sin embargo, el «consumidor» relevante es, a menudo, un sistema de recomendación que nunca percibe un logotipo e incluso puede omitir la marca por completo, como ocurre en los pedidos por voz, las listas de reposición automática o las búsquedas por similitud visual 6. Piénsese en la simple instrucción: «Alexa, pide pilas.» Sin una orden específica de marca, el asistente ofrece por defecto su propia marca blanca 7. No se percibe ningún logotipo, no se produce ninguna comparación directa entre signos y la función comunicativa de la marca queda efectivamente eludida 8. Una dinámica similar se observa en plataformas como Shein o TikTok Shop, donde los usuarios pueden subir o seleccionar una imagen y recibir decenas de productos visualmente similares. En este caso, es el algoritmo y no la memoria del consumidor el que decide qué productos son «confundibles», impulsando con frecuencia productos visualmente similares de bajo coste por delante de la marca original 9.

La cuestión de fondo es que las marcas, que durante décadas han funcionado como atajos informativos que vinculan un signo distintivo a un origen comercial determinado y ayudan al consumidor a reconocer calidad, procedencia o reputación 10, pueden ver mermado ese papel en estos entornos 11. Estos supuestos son ya frecuentes y estructurales. Un sector doctrinal cada vez más extenso sugiere que la justificación tradicional de las marcas como mecanismo de reducción de costes de búsqueda está sometida a presión tanto empírica como tecnológica 12. Los costes de búsqueda, que antes eran canalizados por las señales de marca, son absorbidos en creciente medida por la analítica predictiva, la búsqueda por voz o imagen y las herramientas de publicidad segmentada 13. Más allá de la eficiencia, la autonomía también cobra relevancia 14. Cuando la IA neutraliza la elección de marca colapsando las alternativas en un único resultado por defecto, el perjuicio central reside en la reducción de la capacidad del consumidor para elegir, con independencia de que exista o no confusión en sentido técnico 15. Bajo esta perspectiva, el Derecho de marcas puede y debe promover arquitecturas de elección que preserven alternativas reales y significativas 16. Además, los presupuestos sobre atención del consumidor merecen ser revisados. Las herramientas digitales, desde los agregadores de reseñas hasta las plataformas de comparación, han reforzado el nivel de la atención incluso en mercados de bajo precio. Ello pone en entredicho la base empírica del estándar del «consumidor medio» y reclama una recalibración en el modo de ponderar la atención dentro del análisis de confusión 17.

Incluso en entornos digitales clásicos y bien estudiados, como la publicidad por palabras clave, la investigación empírica ofrece una imagen más matizada que la narrativa simple de «el consumidor es inducido a error» 18. Estudios de gran escala muestran tasas bajas de confusión sobre el origen y una heterogeneidad significativa en el comportamiento del usuario 19. Desde el punto de vista doctrinal, el Tribunal de Justicia trazó una distinción relevante en materia de publicidad por palabras clave: el uso de una marca como palabra clave por un anunciante puede constituir «uso» en relación con bienes y servicios, mientras que el papel del propio motor de búsqueda no constituye necesariamente un «uso» en ausencia de comunicación comercial propia 20. Muchos usuarios esperan e incluso aceptan la presencia de competidores en los resultados de búsqueda, aunque a menudo no perciben los indicadores publicitarios 21. Todo ello no se ajusta a la narrativa simplista. Otros trabajos analizan la práctica comparada y muestran cómo la visibilidad de las marcas disminuye en los mercados electrónicos, cómo numerosos vendedores optimizan su posicionamiento algorítmico bajo signos opacos o de escasa inteligibilidad, y cómo las herramientas de IA, aunque mejoran los registros y las funciones de búsqueda, siguen siendo falibles y requieren supervisión humana 22.

Todas estas evoluciones permiten extraer varias consecuencias. En primer lugar, las marcas han dejado de monopolizar la búsqueda y la elección. En entornos mediados por IA, pueden constituir solo uno entre varios parámetros y, en ocasiones, estar completamente ausentes. La cuestión jurídica central pasa a ser cuál debe ser el marco de referencia para la confusión cuando el consumidor no llega a percibir signo alguno 23. En segundo lugar, la preocupación por la protección del consumidor se desplaza desde la identificación errónea hacia el desvío por intermediación. El daño aparece cuando el sistema impide que determinadas opciones sean siquiera presentadas o dirige al consumidor hacia resultados predeterminados que anulan sus preferencias individuales. En tales circunstancias, la ausencia de confusión no implica necesariamente la ausencia de un problema jurídico relevante 24. En tercer lugar, el Derecho de marcas debe reconocer que los actos algorítmicos pueden tener efectos marcarios propios. Las decisiones de recomendación y jerarquización pueden constituir un «uso» jurídicamente relevante; y la integración de deberes de transparencia en el régimen de protección se alinea con la creciente preocupación por los sistemas de filtrado automatizado a nivel de plataforma y por la necesidad de responsabilidad en la supervisión o el control automatizado del uso de marcas 25.

Conviene tener presente, por otra parte, que no todos los sistemas de IA operan de la misma manera, y que el grado de automatización importa. Algunos sistemas se limitan a asistir, manteniendo un alto nivel de intervención humana; otros habilitan la compra automatizada con escasa intervención del usuario. Cuanto más se aproxime el sistema a la ejecución autónoma, menos plausible resultará seguir invocando la ficción del consumidor medio. En tales casos, la confusión puede quedar eliminada o descartada por defecto, ya que ningún ser humano percibe el signo en el momento relevante 26. Esto apunta a la necesidad de respuestas doctrinales escalonadas, calibradas según la capacidad del sistema y el grado de intervención humana 27. El instrumento conceptual empleado a lo largo del trabajo es el «comprador razonable mediado por IA», un usuario normativamente definido y situado dentro de la interfaz pertinente, con herramientas, limitaciones y condicionamientos identificables 28.

El artículo se organiza del siguiente modo. El apartado II examina el concepto de consumidor medio y propone su transformación en comprador razonable mediado por IA, define los términos clave, especifica indicadores de atención y de prueba, distingue niveles de intervención del sistema, trata la recomendación algorítmica como potencial uso a título de marca y esboza ajustes diferenciados por canal. El apartado III analiza los asistentes de voz y los productos de marca blanca por defecto, identifica el problema de la marca invisible y establece necesidades probatorias y remedios de proceso. El apartado IV examina la búsqueda visual y la economía de la imitación estética. El apartado V revisita y consolida el estándar y su aplicación probatoria. El apartado VI ofrece una hoja de ruta doctrinal que reorienta el análisis de lo que el consumidor recordó hacia lo que hizo el sistema y alinea los remedios con la arquitectura de la interfaz. El apartado VII concluye.

II. EL «CONSUMIDOR MEDIO» REVISITADO: HACIA UN ESTÁNDAR MEDIADO POR IA

El consumidor medio es una construcción normativa, pero no puramente ficcional 29. Tanto en el Derecho marcario europeo como en el nacional, conceptos como el riesgo de confusión o la distintividad son definidos normativamente por las oficinas y los tribunales, no a partir de lo que los consumidores o los sistemas de IA perciben en la práctica 30. El artículo propone una recalibración del estándar vigente, tomando como punto de partida la mediación algorítmica de la percepción y de la elección 31. Si los consumidores compran cada vez más con o a través de IA, el punto de vista jurídico debería reconocer la naturaleza mediada de la percepción, la memoria y la elección, y explorar cómo podría evolucionar en consecuencia el concepto de consumidor medio 32. A efectos expositivos, la expresión «mediado por IA» hace referencia a los canales en los que el diseño del sistema, los valores por defecto o la jerarquización condicionan significativamente lo que el usuario puede ver o seleccionar.

1. Los cambios observables en la atención y en la prueba

Los tribunales suelen tratar la atención como una función del precio o la complejidad del producto. Esa heurística resulta cada vez más cuestionable. Las herramientas digitales, como las reseñas, los motores de comparación o la prueba social, pueden incrementar la atención incluso en compras cotidianas, mientras que la automatización puede reducirla drásticamente cuando los valores por defecto ejecutan transacciones sin intervención del usuario 33. Un estándar modernizado debería tratar el grado de uso de dichas herramientas como un indicador indirecto de la atención y preguntarse qué mecanismos operaban realmente en el canal impugnado. En este sentido, los clics en botones de comparación, la consulta de reseñas y la recuperación de pedidos anteriores son indicios observables del nivel de atención que pueden ser ponderados directamente.

La evidencia procedente de entornos de búsqueda por palabras clave apunta en la misma dirección 34. Los estudios empíricos indican que los usuarios raramente experimentan la confusión clásica en cuanto al origen empresarial en resultados mezclados o de marca; que muchos no advierten ni comprenden las etiquetas publicitarias; y que una parte significativa de los enlaces patrocinados dirige a distribuidores autorizados o al propio titular de la marca 35. Estos datos complican las narrativas simples de «desviación del consumidor» y justifican la adopción de parámetros de referencia diferenciados por canal: lo que un usuario de internet razonablemente informado percibe hoy, asistido por tecnologías de búsqueda, puede diferir sensiblemente del modelo del comercio físico tradicional 36.

Desde un punto de vista doctrinal, cuando los tribunales identifiquen al público relevante y su nivel de atención, deberían especificar expresamente la arquitectura de compra en juego: asistente de voz con valores por defecto, búsqueda visual, resultados de plataforma de mercado, búsqueda web convencional, sitio o aplicación de la marca, o sistemas de reposición autónoma. Las tareas cognitivas y, por tanto, los riesgos de confusión varían considerablemente entre estas arquitecturas, incluso para una misma marca 37.

2. Distinción entre niveles de intervención de la IA y ajuste del estándar

Una manera útil de refinar el estándar del consumidor medio en un contexto de IA consiste en distinguir distintos grados de intervención del sistema 38. En un extremo del espectro se sitúa la IA asistida, donde la intervención humana sigue siendo elevada. En este entorno, los sistemas de recomendación proponen opciones, pero la decisión final corresponde al individuo. El consumidor medio puede concebirse aquí como un nativo digital, con atención reforzada por herramientas como reseñas, historiales de pedidos anteriores y tablas comparativas 39. El análisis de confusión sigue centrado en la impresión de conjunto, aunque debe incorporar también la arquitectura de la interfaz: cómo estaban jerarquizadas las opciones, si los nombres de marca o los logotipos eran visibles o audibles y si el sistema suprimió alternativas de productos identificados con una marca relevantes, un factor reductor de la autonomía con incidencia jurídica.

La segunda categoría abarca la IA de selección por defecto, en la que el sistema elige la marca a menos que el usuario intervenga expresamente. El ejemplo típico es la instrucción de pedir «pilas», que puede derivar a un producto de marca blanca salvo que se especifique lo contrario. En este contexto, la cuestión relevante se desplaza desde la identificación errónea hacia el sesgo del valor por defecto. La cuestión central es si el diseño del sistema desvía de forma predecible a los consumidores de sus marcas preferidas, pese a que exista preferencia latente por ellas. Cuando eso ocurre, el daño a la función de las marcas como promotoras de la elección merece reconocimiento jurídico, aunque no exista confusión en sentido tradicional 40.

En el extremo opuesto del espectro se encuentra la IA autónoma, donde la intervención humana es mínima o inexistente: reposición automatizada por suscripción, envío anticipatorio o cestas de la compra automáticas. En estos casos, hablar de confusión resulta categóricamente inapropiado, ya que ningún ser humano percibe un signo en el momento de la compra. La atención debe centrarse entonces en identificar el «uso»: el signo de quién fue empleado para parametrizar la decisión y en qué condiciones 41. La transparencia cobra aquí especial importancia: los usuarios deben poder comprender, o al menos auditar, los parámetros que guían las compras automatizadas 42.

Esta taxonomía sirve de base para articular el estándar que puede denominarse «comprador razonable mediado por IA» 43. Mantiene la perspectiva normativa del consumidor medio, precisando al mismo tiempo el entorno cognitivo en el que se toman las decisiones, las herramientas digitales disponibles y los estímulos o sesgos que condicionan la elección. Se trata de una taxonomía descriptiva de la arquitectura, no de la culpabilidad, y opera para calibrar la ponderación de los factores y la prueba.

3. El «uso algorítmico» como cuestión de primer orden

Reconocer la recomendación algorítmica como una forma de uso responde a las realidades del comercio contemporáneo y encuentra apoyo en los fundamentos funcionales de la doctrina marcaria 44. Los sistemas digitales consultan marcas de forma rutinaria, las indexan y organizan los resultados en torno a ellas, incluso cuando los signos permanecen ocultos para el consumidor 45. A efectos analíticos, el «uso algorítmico» designa en este trabajo la jerarquización, selección o relegación que (i) emplea una marca como parámetro de recuperación o posicionamiento en resultados monetizados o de autopreferencia, y (ii) canaliza de forma predecible la demanda hacia esa marca o alejándola de ella. Los parámetros transparentes y la posibilidad efectiva de que el usuario modifique los valores por defecto reducen la exposición a responsabilidad; la relegación de mala fe excluye cualquier exención de responsabilidad.

Por el lado de la infracción, surgen cuestiones cuando la función de jerarquización de una plataforma toma como objetivo o relega a una marca de maneras que causan de forma predecible una atribución errónea del origen. En tales casos, el propio acto de la plataforma puede constituir un «uso» con efectos de confusión. Algunas propuestas doctrinales sugieren que la creciente capacidad de la IA para distinguir con precisión entre marcas y para mantener un recuerdo perfecto puede reducir la confusión en ciertos contextos, pero ello no elimina la posibilidad de responsabilidad de la plataforma cuando las elecciones de jerarquización distorsionan la percepción del consumidor 46.

Por el lado de la tutela, las plataformas ya emplean filtros de aprendizaje automático que funcionan como medidas cautelares privatizadas a gran escala, con frecuencia sin supervisión judicial 47. A medida que el filtrado proactivo se convierte en el modo dominante de protección marcaria, emergen preguntas fundamentales sobre responsabilidad: quién responde de los falsos positivos y los falsos negativos, y cómo debería el Derecho de marcas orientar los incentivos que configuran estas prácticas de filtrado. La incorporación de requisitos de transparencia al marco, como registros de auditoría sobre las decisiones de parametrización o sobre los motivos de exclusión de los listados, fortalecería la rendición de cuentas 48.

4. Las funciones de las marcas en los canales de IA

La IA somete a tensión las funciones tradicionales de las marcas de maneras que inciden directamente en cómo debe entenderse el «comprador razonable mediado por IA» 49. Cuando los signos no son perceptibles, la función de indicación de origen se debilita, mientras que las funciones accesorias, como la de calidad, la publicitaria y la de inversión, también pueden verse comprometidas 50. La IA obliga a revisar las funciones de la marca allí donde el signo deja de operar como punto efectivo de orientación del consumidor. En algunos canales, la IA puede incluso reforzar las señales de origen y calidad, por ejemplo, cuando los sistemas privilegian a distribuidores autorizados o marcas verificadas; en otros, esas funciones quedan eclipsadas. A efectos doctrinales, el análisis debe centrarse en qué función opera realmente en la interacción concreta y cómo el consumidor mediado la percibe o deja de percibirla.

La misma ambivalencia se aprecia en el ámbito de la oferta y del registro, que complementa los cambios en la demanda ya examinados. La IA se emplea cada vez más en los procesos de búsqueda previa a la solicitud, de evaluación de la similitud y de predicción de riesgos, reduciendo los costes de búsqueda de los solicitantes y mejorando potencialmente la calidad del registro 51. Ahora bien, estos avances subrayan también la importancia continua de la supervisión humana, especialmente ante las preocupaciones sobre la calidad de los datos y la opacidad algorítmica 52.

Esta cautela no es solo prudencia institucional; deriva de una propiedad básica de la IA contemporánea. Los sistemas de IA operan mediante reconocimiento de patrones e inferencia probabilística, no a través de comprensión semántica («agere sine intelligere») 53. Esta diferencia desaconseja emplear los resultados de sistemas opacos como determinantes en las decisiones marcarias. Se proponen, en consecuencia, herramientas conceptuales para separar las correlaciones generadas por máquinas del razonamiento interpretativo humano y para establecer salvaguardias frente a la «sobredependencia» 54. En la práctica, la IA ya está integrada en la administración y la tutela de las marcas, desde el cotejo automatizado y la puntuación de similitud hasta la segmentación publicitaria dinámica, pero la extensión de esta integración operativa sigue sin estar suficientemente documentada 55.

5. Ajustes doctrinales para un mercado mediado por IA

Dentro de la doctrina marcaria vigente pueden defenderse varios ajustes prácticos. Un primer paso consiste en articular explícitamente el estándar relevante: el «comprador razonable mediado por IA», cuya percepción queda vinculada a la arquitectura de compra en juego, ya sea por voz, visual, plataforma de mercado, interfaz de búsqueda o sistema autónomo. En este marco, los tribunales deben tener en cuenta los indicadores de atención, como la interacción con herramientas digitales; los condicionantes perceptivos, como la ausencia de visualización del logotipo; y los riesgos de sesgo creados por los mecanismos de selección por defecto 56.

En segundo lugar, los factores de confusión deben recalibrarse según el canal. En la búsqueda por voz o imagen, la similitud visual y fonética debería perder peso, mientras que el diseño de la interfaz, la transparencia de la jerarquización y la supresión de alternativas deberían adquirir mayor relevancia 57. En los entornos de plataforma, los valores por defecto de marca blanca y el diseño de etiquetas («patrocinado» o «más vendido») deben integrarse en la valoración de la impresión de conjunto. La evidencia empírica sobre la relevancia de las etiquetas informativas respalda la afirmación de que la calidad de estas señales es ahora un elemento central del análisis de confusión 58.

En tercer lugar, los actos algorítmicos de recomendación o relegación deben reconocerse como potencial «uso» marcario cuando aprovechan una marca para condicionar la elección del consumidor. Al mismo tiempo, la doctrina debe prever exenciones de responsabilidad para los sistemas que operen con parámetros transparentes y posibilidad efectiva de que el usuario modifique los valores por defecto, premiando así los diseños que preservan la autonomía 59.

En cuarto lugar, los tribunales deben ampliar su foco para incluir los daños previos a la venta y los derivados de la no percepción. En casos en que la IA ejecuta la compra sin percepción humana y la marca solo aparece tras la entrega, la confusión posterior a la entrega y la exclusión de alternativas significativas deben ser tratados como daños jurídicamente relevantes 60.

Por último, la supervisión humana debe seguir siendo esencial tanto en el registro como en la tutela 61. Cuando se empleen sistemas de IA para evaluar similitudes, realizar búsquedas o filtrar contenidos infractores, el conjunto del procedimiento debe demostrar cómo se verificaron los resultados. Las preocupaciones sobre calidad de los datos y opacidad algorítmica constituyen un principio limitador importante para cualquier giro hacia la prueba asistida por IA 62.

III. ASISTENTES DE VOZ Y MARCAS BLANCAS POR DEFECTO: EL PROBLEMA DE LA MARCA INVISIBLE

1. El escenario y su relevancia

Considérese una instrucción simple: «Alexa, pide pilas.» El asistente responde: «Pidiendo pilas AA AmazonBasics.» No se ve ningún logotipo, no se presenta ninguna lista de marcas competidoras y no se produce comparación alguna. En una interacción solo por voz, guiada por el valor por defecto, la marca puede volverse funcionalmente invisible en el preciso momento en que el Derecho de marcas presupone que el consumidor la está evaluando. Este escenario pone en evidencia un problema doctrinal: una compra puede ejecutarse sin que el consumidor haya llegado a percibir el signo que se supone que debe anclar el análisis de confusión 63.

Confluyen aquí dos cambios de fondo. Primero, el comercio predictivo y asistido desplaza la función de reducción de costes de búsqueda de las marcas hacia las herramientas digitales. Es el asistente, y no el signo, el que reduce los costes de información y guía la selección. Si los tribunales continúan justificando la protección invocando la teoría de los costes de búsqueda en tales contextos, corren el riesgo de proteger las marcas como mero derecho de propiedad, aunque ya no cumplan su función informativa 64. Segundo, la automatización puede reducir la autonomía del consumidor al reducir el conjunto de opciones disponibles antes de que intervenga conciencia humana alguna, especialmente cuando los valores por defecto fijan al consumidor en productos de marca blanca. El resultado es una restricción estructural del margen de decisión del consumidor, que opera antes de que intervenga cualquier proceso cognitivo consciente 65.

Conviene, sin embargo, considerar también las objeciones a este planteamiento. Una postura sostiene que los valores por defecto no son inherentemente problemáticos: los consumidores pueden incluso apreciar la comodidad y confiar en que el intermediario realice elecciones fiables, especialmente en compras rutinarias de bajo riesgo, como las pilas. Desde esta perspectiva, la invisibilidad de la marca refleja una preferencia del consumidor por la eficiencia, y puede resultar coherente con sus expectativas en compras rutinarias de bajo riesgo 66. Otra postura señala que el Derecho de marcas no fue diseñado para garantizar la visibilidad de todas las opciones; su función es prevenir la confusión, no asegurar la presencia de la marca en todos los canales de venta. Mientras los consumidores retengan la posibilidad de modificar los valores por defecto, las funciones marcarias pueden preservarse, si bien en una forma modificada 67. Por último, algunos argumentan que los valores por defecto de marca blanca pueden reforzar la señalización de origen y calidad, ya que la reputación del intermediario pasa a ser el identificador del origen relevante: la propia marca del asistente (por ejemplo, AmazonBasics) sustituye, en lugar de eclipsar, el papel tradicional de las marcas 68.

El reto, en suma, consiste en precisar hasta qué punto los instrumentos doctrinales deben adaptarse al comercio por voz y con qué intensidad. Los tribunales quizá deban preguntarse con mayor precisión qué funciones informativas o relacionadas con la autonomía están realmente en juego en la interacción y si los valores por defecto menoscaban o complementan los objetivos generales del Derecho de marcas.

2. ¿Existe «uso» y de quién?

Otra cuestión relevante es si la selección por defecto de una plataforma en respuesta a una instrucción del usuario debe calificarse como «uso en el tráfico económico» 69. La dificultad radica en que la doctrina marcaria fue construida históricamente en torno a la figura de un consumidor humano, cuya memoria imperfecta y atención limitada justifican el test de riesgo de confusión. Los asistentes de voz y otros sistemas automatizados, por el contrario, operan con un recuerdo perfecto y toman decisiones a nivel de sistema en nombre del usuario 70. El hecho de que no se muestre ni perciba conscientemente ningún logotipo no significa que no se haya producido uso alguno; simplemente desplaza la pregunta: ¿quién emplea la marca, el consumidor que emitió la instrucción o el intermediario que seleccionó, jerarquizó y ejecutó la transacción?

Existen razones sólidas para tratar la selección mediada por plataforma como uso a título de marca al menos en determinadas circunstancias. Cuando un sistema elige de forma sustantiva entre ofertas competidoras y esa elección canaliza de forma predecible la demanda hacia un producto determinado, resulta difícil sostener la ficción de que nada ocurrió porque la marca nunca fue mostrada 71. Reconocer dicha conducta como uso, ya sea atribuida al intermediario o concebida como uso conjunto, acercaría la doctrina a las realidades del comercio mediado por IA.

Al mismo tiempo, no toda recomendación algorítmica debe desencadenar automáticamente responsabilidad. Un enfoque más equilibrado consistiría en combinar el reconocimiento del uso con salvaguardias claras: deberes de transparencia (explicación de por qué se seleccionó una determinada opción), posibilidad real de modificación por el usuario y presentación neutral cuando no se haya especificado ninguna marca. Estas medidas protegerían la autonomía del consumidor y reducirían el riesgo de que los valores por defecto se conviertan en un instrumento encubierto de exclusión del mercado, al tiempo que se permite a las plataformas desempeñar su función legítima como organizadoras de la elección.

3. Riesgo de confusión en interfaces solo por voz

Los indicadores clásicos de riesgo de confusión —similitud visual, fonética y conceptual— tal como los percibe un individuo, no se trasladan bien a los entornos exclusivamente auditivos. En el momento de la elección, no existe impresión visual; la comparación fonética carece de sentido si solo se enuncia una opción; y la similitud conceptual pasa a segundo plano, ya que el asistente puede priorizar criterios como el precio, la disponibilidad o la política de marca propia antes que el signo en sí 72.

La cuestión es, entonces, qué forma de confusión sigue siendo relevante en este contexto. Un enfoque sensible al canal recalibraría el análisis, dando mayor peso a la arquitectura de la interfaz previa a la venta y al reconocimiento posterior. Si un asistente de voz atiende sistemáticamente las solicitudes genéricas con su propia marca blanca, el daño inmediato no consiste en que el consumidor identifique erróneamente el origen, sino en que nunca fue expuesto a opciones alternativas. El problema radica en la intermediación distorsionadora: el filtrado de alternativas antes de que el consumidor tuviera oportunidad de considerarlas. Este tipo de daño no es ajeno al Derecho de marcas; evoca las doctrinas sobre la confusión posterior a la venta y la initial interest confusion, que ya reconocen que la percepción del consumidor puede distorsionarse fuera del momento preciso de la transacción 73.

La evidencia empírica sobre los entornos de búsqueda en línea refuerza la necesidad de cautela 74. Los estudios sobre publicidad por palabras clave muestran que la confusión tradicional en cuanto al origen empresarial es relativamente escasa, pero que muchos usuarios tienen dificultades para percibir o comprender la arquitectura de los resultados, en particular el significado de las etiquetas «patrocinado» 75. Al trasladarlo al comercio por voz, la calidad de la información facilitada al consumidor se convierte en un elemento esencial del análisis de la impresión de conjunto 76. Si el asistente se limita a anunciar su elección de un producto de marca blanca sin explicar claramente que existen alternativas y cómo acceder a ellas, el riesgo de un daño análogo a la confusión aumenta. Una información débil, rápida o ausente en un canal donde solo se escucha una opción puede justificar legítimamente la conclusión de que la toma de decisiones del consumidor ha sido desviada de un modo que el Derecho de marcas debería tener en cuenta.

4. La elección automatizada y la autonomía del consumidor

Los entornos de asistente de voz desplazan parte del análisis desde la confusión hacia la arquitectura de la elección. Cuando el sistema colapsa las alternativas en el momento de la solicitud, por ejemplo seleccionando automáticamente un producto de marca blanca en respuesta a una instrucción genérica, reduce la libertad de los consumidores para escoger entre productos de marca, aunque nadie sea en realidad engañado en cuanto al origen empresarial cuando el producto llega 77. Esta perspectiva orientada a la autonomía resulta importante porque pone de manifiesto por qué la ausencia de confusión no equivale necesariamente a la ausencia de un problema jurídico. El Derecho de marcas protege tanto la identificación del origen empresarial como las condiciones que permiten al consumidor ejercer una elección real y consciente.

Desde este punto de vista, la supresión sistemática de alternativas de marca merece ser tomada en serio 78. Cuando un asistente de voz responde a una instrucción genérica privilegiando constantemente su propia marca sin revelar ni presentar alternativas de marca, el efecto es el cierre ex ante de la competencia. Tal conducta podría razonablemente tratarse como prueba de un daño marcariamente relevante. Doctrinalmente, puede informar el análisis de la infracción y proporcionar también un punto de apoyo para remedios orientados a restablecer la exposición a las alternativas. Por ejemplo, la obligación de presentar al menos un conjunto limitado de opciones competidoras, o de permitir que el usuario anule fácilmente las opciones por defecto, podría justificarse como medida que salvaguarda la autonomía del consumidor y mantiene el espacio para una competencia efectiva 79.

Esta línea de análisis conecta también con la crítica a la teoría de los costes de búsqueda. Si los tribunales continúan invocando la reducción de costes de búsqueda como justificación de la protección marcaria, cuando en realidad «la búsqueda» la realiza el asistente, la justificación comienza a desmoronarse. En esos entornos, proteger las marcas corre el riesgo de convertirse en la protección de marcas como propiedad, desvinculada de cualquier beneficio informativo demostrable para los consumidores 80.

Una objeción posible es que los valores por defecto no son inherentemente ilegítimos. Muchos consumidores pueden valorar la comodidad del cumplimiento rápido y delegar voluntariamente el proceso de búsqueda en un intermediario de confianza. Desde esta perspectiva, la autonomía del consumidor se ejerce de forma diferente, delegando en un intermediario de confianza. Sin embargo, aunque esto pueda ser cierto para compras rutinarias de bajo riesgo, es cuestionable que pueda afirmarse lo mismo en categorías donde la identidad de la marca o la garantía de calidad son centrales. Además, incluso en mercados orientados a la comodidad, el cierre sistemático de alternativas plantea preocupaciones sobre transparencia, efecto de dependencia y erosión a largo plazo de la competencia impulsada por marcas 81.

5. Prueba y carga de la prueba en un caso de voz

Para que los litigios sobre transacciones mediante asistente de voz sean eficaces, los tribunales necesitarán precisar qué tipos de prueba son pertinentes para el expediente de riesgo de confusión. Una primera categoría es la prueba de interfaz. Las grabaciones y transcripciones pueden revelar exactamente qué se dijo, en qué orden y con qué opciones presentadas. Los detalles cruciales incluyen si se ofrecieron alternativas en la primera instrucción, si se pronunciaron nombres de marca y cómo se facilitó la información al consumidor 82.

Otra categoría corresponde a las pruebas de comprensión de la información facilitada al consumidor. La investigación empírica sobre búsquedas en línea ha mostrado que los usuarios a menudo no advierten ni comprenden etiquetas como «patrocinado» 83. En un entorno de voz con una sola opción, expresiones breves como «nuestra marca» o «patrocinado» pueden ser aún más difíciles de procesar. Los tribunales podrían, por tanto, exigir avisos o alertas informativas contrastadas empíricamente, y no simples garantías teóricas, como parte del acervo probatorio.

También es esencial la prueba del sesgo del valor por defecto. Los estudios controlados pueden demostrar con qué frecuencia los usuarios aceptan la elección por defecto de la plataforma cuando no se especifica ninguna marca y con qué frecuencia optan por otra opción cuando se ofrece un comando explícito (por ejemplo, «diga “otras marcas” para comparar»). Estos datos abordan directamente si el sistema está dirigiendo a los consumidores de modo que restrinja la autonomía o excluya las alternativas de marca 84.

Los patrones de pedidos repetidos también importan. Si los asistentes consolidan una marca blanca tras una sola compra genérica, el resultado puede ser un cierre duradero del mercado, aunque no exista confusión en ninguna transacción concreta 85. Las tasas de reclamación y devolución pueden aportar datos adicionales. Cuando los consumidores manifiestan decepción o confusión posterior a la entrega, indicando que esperaban pilas Duracell, estas señales pueden evidenciar confusión posterior a la venta o expectativas incumplidas, aunque el embalaje finalmente aclare el origen.

Por último, el acceso a las fuentes de prueba y la distribución de la carga de la prueba plantean cuestiones sistémicas. Gran parte de los elementos probatorios relevantes, como los datos internos de configuración o los experimentos aleatorios de la plataforma, permanece en manos de los intermediarios. Los tribunales podrían adaptar los principios de la gobernanza de plataformas, donde ya se están imponiendo obligaciones de transparencia y acceso a datos. El Reglamento de Servicios Digitales de la UE, por ejemplo, requiere transparencia basada en procesos y deberes de auditoría para la moderación de contenidos. Obligaciones comparables podrían desarrollarse en el ámbito del litigio marcario, garantizando que las partes tengan acceso efectivo a las pruebas subyacentes a la jerarquización y selección algorítmicas en las interfaces de comercio 86.

6. Remedios y gobernanza: de «no confundir» a «mostrar la elección»

El daño en los valores por defecto de voz reside con frecuencia en la supresión de alternativas. Por ello, los remedios más eficaces serán probablemente los basados en procesos, orientados a la forma en que la interfaz presenta, oculta o jerarquiza las opciones. Dos obligaciones concretas de diseño se desprenden de este enfoque. Una primera medida importante sería una respuesta inicial neutral cuando el consumidor emite una instrucción genérica sin especificar marca. En tales casos, el asistente debería responder presentando al menos dos alternativas de marca junto a su propia marca, acompañadas de un comando de seguimiento simple como «comprar X» u «otras opciones». Este enfoque preserva la legítima competencia de marca propia, al tiempo que operativiza el interés en la autonomía que subyace a la protección del consumidor en el Derecho de marcas 87. Una «respuesta inicial neutral» significa una respuesta que visibiliza alternativas sin inducir preferencia.

Igualmente importante es el diseño de las ventanas de información. Si el asistente prioriza su propia marca por razones de precio, disponibilidad o política, debe estar obligado a anunciarlo explícitamente en lenguaje sencillo, por ejemplo: «Puedo conseguir las pilas AA de nuestra propia marca más rápido; diga “otras marcas” para comparar.» La evidencia procedente de entornos de búsqueda en línea sugiere que muchos usuarios no comprenden o no advierten los avisos formales como «patrocinado». Esto hace que las advertencias verbales breves y comprensibles sean especialmente importantes en interfaces de voz donde solo se escucha una opción 88.

El diseño de los remedios también debe tener en cuenta la memoria del sistema. Una vez que el usuario ha elegido una marca en una categoría determinada, el asistente debería recordar y visibilizar esa preferencia en interacciones posteriores. Una respuesta como «La última vez eligió Duracell» alinea el sistema con la elección expresada por el consumidor, en lugar de recurrir a la preferencia de la propia plataforma. Esto respeta el umbral de atención y memoria en un entorno mediado por IA y evita el riesgo de que una sola compra genérica consolide permanentemente una marca de la propia plataforma 89.

La transparencia en la jerarquización y la selección también desempeña un papel fundamental 90. Los consumidores deberían poder solicitar una breve explicación de por qué se recomendó un producto concreto, por ejemplo «elegido por precio y plazo de entrega». Incluso un registro de auditoría mínimo de este tipo puede ayudar a distinguir la relevancia legítima de la autopreferencia encubierta 91.

Por último, los remedios basados en procesos deben complementarse con exenciones de responsabilidad. Las plataformas que adopten respuestas iniciales neutrales, información visible y destacada y mecanismos efectivos de modificación podrían beneficiarse de una exención específica por canal frente a la responsabilidad indirecta derivada de los valores por defecto del asistente, siempre que no existan indicios de relegación de mala fe 92.

Doctrinalmente, ninguna de estas medidas supone una innovación radical. Son los equivalentes funcionales de doctrinas ya conocidas: el test contextual de «impresión de conjunto» que ya guía el análisis de confusión 93; el reconocimiento de la autonomía como función marcaria relevante 94; y la tendencia hacia la responsabilidad procesal en la regulación de plataformas ejemplificada por la legislación reciente de la UE 95. En particular, el Reglamento de Servicios Digitales (DSA) impone deberes de proceso a los intermediarios que pueden generar materiales similares a los resultantes de la práctica probatoria del discovery, pero no redefine el «uso de la marca» ni el «riesgo de confusión». Las plataformas en línea deben divulgar los parámetros principales de sus sistemas de recomendación y ofrecer controles a los usuarios; y las plataformas de mayor tamaño están sujetas a regímenes de gestión de riesgos, auditoría independiente y acceso a datos que pueden producir registros, explicaciones y artefactos de prueba pertinentes para las cuestiones probatorias en los litigios marcarios. Estos deberes operan a nivel de gobernanza de la plataforma, no del Derecho de la propiedad intelectual sustantivo, por lo que el DSA debe leerse aquí como un equivalente en materia probatoria y de responsabilidad, no como una reformulación general de los presupuestos de infracción.

7. Las funciones bajo presión (y por qué no exagerar)

El impacto de la IA sobre las funciones clásicas de las marcas es desigual y no debe sobredimensionarse. En los canales de voz, la función de indicación de origen puede debilitarse en el momento decisivo de la elección, ya que el consumidor puede no llegar a percibir el signo. Sin embargo, una vez que llega el paquete, la marca sigue realizando una función reputacional a través de sus funciones de calidad y publicitaria. Además, la lógica de los pedidos repetidos puede incluso reforzar la preferencia genuina cuando el asistente recuerda y reproduce la selección previa del consumidor. Esta perspectiva más ponderada advierte contra la proclamación de la «muerte» de las marcas e invita a garantizar que, en los casos en que los signos no puedan operar eficazmente, la interfaz no prive al consumidor de la oportunidad de realizar una elección basada en la marca 96.

Esta misma perspectiva aconseja no sobredimensionar las capacidades de la IA en el ámbito de la resolución de las solicitudes de marca. Las herramientas automatizadas son útiles para tareas como la búsqueda de similitud o las predicciones en la búsqueda de anterioridades, pero no pueden sustituir el juicio contextual requerido para apreciar la existencia de riesgo de confusión o el carácter distintivo de la marca 97. La supervisión humana sigue siendo indispensable, especialmente en los procedimientos contenciosos y administrativos, donde las cuestiones fundamentales implican si la información proporcionada al consumidor resulta comprensible o si las listas de opciones aparentemente neutrales lo son realmente 98.

IV. LA BÚSQUEDA VISUAL Y EL AUGE DE LA ECONOMÍA DE LA IMITACIÓN

Las tecnologías de búsqueda visual permiten hoy al usuario apuntar una cámara hacia un objeto, ya sea un bolso, una silla o una zapatilla, y recibir recomendaciones de compra inmediata para artículos considerados «visualmente similares». Servicios como Google Lens, Pinterest Lens, Amazon StyleSnap, Bing Visual Search y CamFind ya permiten a los consumidores pasar de una fotografía a opciones de compra sin necesidad de escribir, ni en muchos casos ver, un nombre de marca. Los itinerarios guiados por imagen permiten al consumidor depender únicamente de la fotografía para llegar a un producto, y las marcas solo vuelven a entrar en juego cuando existen varios resultados precisos entre los que elegir 99. Los minoristas han operacionalizado rápidamente esta capacidad. Pinterest Lens impulsa funciones de «compra el look» e integraciones con minoristas como Target y el «Pinterest Style Finder» de West Elm. Los grandes almacenes y los mercados en línea despliegan herramientas de «fotografía y compra» en sus aplicaciones. En la práctica, el efecto es con frecuencia dirigir al consumidor que fotografía un bolso de lujo hacia sustitutos de moda rápida ofrecidos en plataformas como Shein o Temu.

Esto desestabiliza el marco clásico del Derecho de marcas. El análisis tradicional de infracción se basa en la confusión apreciada a través de la similitud visual, fonética y conceptual de los signos. La búsqueda visual altera el presupuesto: la entrada es una imagen del propio producto, y la métrica operativa es la similitud algorítmica entre representaciones vectoriales, no la similitud de las marcas tal como las perciben los consumidores humanos. El resultado es que la información de origen pasa a un segundo plano en la fase de búsqueda. El sistema puede proporcionar sustitutos perfectamente aceptables sin emplear en ningún momento la marca. La doctrina ha advertido que esta dinámica pone en riesgo la función de origen y las funciones accesorias de las marcas cuando los sistemas de recomendación pueden satisfacer las necesidades del consumidor directamente 100.

La figura doctrinal del «consumidor medio» queda también aquí desestabilizada. El Derecho de marcas presupone un ser humano con recuerdo imperfecto, mientras que en la búsqueda visual el intermediario es una máquina que recuerda perfectamente, traza distinciones precisas y puede incluso actuar en nombre del usuario. La arquitectura de la elección estrecha el campo ex ante: muchas interfaces de búsqueda visual presentan solo un conjunto limitado de opciones y algunos patrones de diseño se asemejan al modelo de «envío antes de compra» conocido de los asistentes de voz, donde el sistema compromete al usuario de antemano con un resultado por defecto. Desde una perspectiva normativa, las marcas importan porque preservan alternativas, pero una interfaz que suprime esas alternativas neutraliza efectivamente su función 101.

El daño jurídico resulta por tanto difícil de encajar en la clásica confusión en cuanto al origen. En muchos casos, el consumidor nunca ve la marca original ni su signo durante la fase decisiva de la transacción. Los daños se comprenden mejor a través de teorías adyacentes. Una es la desviación sin confusión: la apariencia del producto A redirige la demanda hacia sustitutos que no son A, en un eco de los debates anteriores sobre la publicidad por palabras clave, pero ahora con píxeles en lugar de palabras. Otra es la confusión o asociación posterior a la venta: los productos similares mostrados por la búsqueda visual pueden generar una atribución errónea del origen cuando se observan en público, incluso si el comprador sabía que no era el original. Una tercera es la dilución o el menoscabo o aprovechamiento indebido del carácter distintivo o del renombre de la marca, especialmente cuando la apariencia distintiva de una marca renombrada funciona como el gancho de recuperación que desencadena un aluvión de resultados «similares» 102.

Las consecuencias probatorias derivan de este desplazamiento. Dado que el momento de confusión se sitúa en una fase anterior, en la capa de jerarquización, la prueba relevante concierne a cómo el sistema procesa la imagen de la consulta y estructura el resultado 103. Los registros del sistema que muestran las representaciones vectoriales de las consultas y los umbrales pueden demostrar si el modelo fue conducido por la apariencia de un producto de marca. Los estudios de la interfaz mediante pruebas aleatorizadas pueden comprobar si los controles como «coincidencia exacta» o «incluir resultados de marca» inciden en las tasas de clics. La evidencia de comportamiento, incluidas las tasas de sustitución tras consultas visuales y las encuestas posteriores a la compra sobre el origen percibido, puede arrojar más luz sobre si los consumidores buscaban la marca, pero fueron desviados hacia sustitutos 104.

La tutela ya se está volviendo algorítmica. Los mercados dependen cada vez más de filtros de aprendizaje automático para supervisar los listados, utilizando modelos basados en imágenes, textos y comportamientos para excluir presuntos productos falsificados a gran escala. Estas medidas proactivas se asemejan a medidas cautelares privatizadas, que operan con frecuencia sin supervisión judicial. La reciente legislación europea, como el DSA, ha introducido transparencia procesal para la moderación de contenidos, pero aún no ha abordado la responsabilidad por los propios filtros 105. Las mismas herramientas que jerarquizan artículos visualmente similares pueden, en principio, detectar agrupaciones de imitaciones parasitarias, pero su adopción es desigual, exige recursos y resulta vulnerable a la evasión estratégica 106.

Parece por tanto oportuno un planteamiento que combine doctrina y diseño. Los tribunales podrían tratar la jerarquización monetizada de similitud visual como «uso en el tráfico económico», al menos cuando las plataformas monetizan la recuperación y el posicionamiento basados en imágenes de productos de marca. Los remedios deberían centrarse en recentrar las alternativas, por ejemplo, exigiendo controles visibles como filtros de «coincidencia exacta de marca», opciones de «mostrar marca original» cuando se detecta un diseño identificado con una marca y paneles de «¿por qué estos resultados?» que expliquen qué parámetros influyeron en la jerarquización. Los estándares probatorios deberían evolucionar para exigir datos de plataforma sobre los embudos de consulta visual y pruebas de percepción del consumidor que reproduzcan el flujo de la cámara al carrito. Por último, debería incentivarse a las plataformas —y, en el caso de los actores de mayor tamaño, exigírseles— el desarrollo de herramientas de agrupación que detecten conjuntos densos de imitaciones, complementadas con revisión humana y mecanismos de reparación para mitigar el efecto de vinculación excesivo.

1. Inspiración frente a sustitución: una frontera fundada en principios

La búsqueda visual no siempre menoscaba el Derecho de marcas. En muchos casos, los consumidores recurren deliberadamente a estas herramientas para explorar estilos, descubrir productos «similares» o encontrar opciones más asequibles. Este supuesto de uso por «inspiración» es legítimo: un usuario que fotografía un bolso de alta gama por curiosidad sobre tendencias de diseño o alternativas más baratas puede no esperar que el origen domine los resultados. El Derecho de marcas no debe movilizarse para impedir este comportamiento exploratorio del consumidor.

El problema surge en el caso de uso de «sustitución», cuando las plataformas son capaces de identificar la marca original pero deliberadamente no la muestran 107. Si un sistema dispone de acceso al catálogo o herramientas de reconocimiento suficientes para detectar que la consulta del usuario corresponde a un bolso Louis Vuitton, y sin embargo la página de resultados prioriza imitaciones sin marca o genéricas sin visibilizar el original, la elección del consumidor queda artificialmente restringida. La alternativa de marca está disponible, pero oculta. Esto no es inspiración neutral; es exclusión estructural.

Trazar esta frontera requiere cuidado doctrinal. Si el Derecho de marcas prohibiera todos los resultados de «artículos similares», conferiría efectivamente un derecho de propiedad sobre los estilos, contrario al principio de que solo los signos distintivos merecen protección. Al mismo tiempo, tolerar la sustitución cuando el origen es cognoscible socava las funciones informativas y de autonomía que las marcas deben asegurar. Los tribunales pueden encontrar el equilibrio centrándose en dos deberes: en primer lugar, las plataformas deben informar claramente cuando los artículos son «similares en apariencia» y no proceden del mismo origen; en segundo lugar, cuando el sistema pueda identificar la marca, debe mostrarse un panel destacado con la marca original. Este enfoque reorienta la infracción, alejándola de los debates abstractos sobre la «confusión» y anclando la responsabilidad en el diseño de la interfaz.

2. Remedios de proceso y exenciones de responsabilidad en la búsqueda visual

Dado que los daños de la búsqueda visual derivan de la forma en que las plataformas gestionan la visibilidad, los remedios deben concentrarse en el proceso de presentación, jerarquización y etiquetado de los resultados 108. Destacan algunos remedios de proceso. En primer lugar, la visibilización del origen: cuando las herramientas de una plataforma pueden identificar la marca consultada, al menos una ventana de origen debe mostrarse en una posición destacada de los resultados 109. Esto no garantiza la exclusividad, pero asegura que los consumidores conserven la opción de elegir la marca que buscaban realmente. En segundo lugar, información clara: los avisos ambiguos como «artículos relacionados» o «puede que también te guste» deben sustituirse por un lenguaje directo como «similar en apariencia, no la misma marca» 110. El objetivo es abordar la realidad empírica de que los usuarios a menudo pasan por alto o malinterpretan los indicadores sutiles 111. En tercer lugar, explicabilidad a petición: las plataformas deben ofrecer explicaciones simples de por qué aparecieron los resultados, por ejemplo «clasificados por similitud de color y forma; la colocación está influenciada por el patrocinio» 112. Aunque la mayoría de los consumidores nunca solicite dicha información, su disponibilidad genera responsabilidad y proporciona material probatorio para los tribunales.

Para fomentar el cumplimiento sin frenar la innovación, estas obligaciones deben combinarse con exenciones de responsabilidad. Las plataformas que adopten la visibilización del origen, advertencias claras y explicabilidad podrían beneficiarse de una exención presuntiva frente a la responsabilidad marcaria indirecta, siempre que no existan indicios de supresión o manipulación de mala fe 113. Este enfoque refleja los marcos de diligencia debida ya conocidos en el derecho de intermediarios en línea: la responsabilidad no se impone por todos los resultados imperfectos, pero las plataformas que cumplan los deberes básicos de transparencia y neutralidad quedan protegidas 114. En la práctica, este diseño de exención tiene dos efectos. Incentiva a las plataformas a adoptar resultados que favorezcan la elección del consumidor y reorienta el litigio, alejándolo de las pretensiones especulativas sobre el riesgo «inherente» de las imitaciones y centrándolo en si las salvaguardias de proceso estaban en funcionamiento.

3. Instrumentos complementarios más allá de la doctrina marcaria

Aunque se adopten remedios de proceso, el Derecho de marcas por sí solo no puede resolver los riesgos sistémicos de la economía de la imitación. Muchos de los problemas que plantea la búsqueda visual son estructurales: las plataformas tienen incentivos para privilegiar sus propios productos o los resultados patrocinados, para optimizar la tasa de clics en lugar de la autonomía del consumidor y para oscurecer los parámetros que impulsan la jerarquización. Estas preocupaciones incumben tanto al Derecho de la competencia como a la protección del consumidor.

El Derecho de la competencia ya aborda formas de autopreferencia y cierre del mercado. Un motor de búsqueda visual que promueva sistemáticamente sus propios productos u oculte los productos originales de marca podría ser examinado bajo los principios de abuso de posición dominante en jurisdicciones como la UE. Las investigaciones sobre Google Shopping y el mercado de Amazon ilustran cómo la priorización en la jerarquización puede suscitar preocupaciones de competencia incluso cuando las transacciones individuales son transparentes 115. El Derecho del consumidor también ofrece instrumentos complementarios: las obligaciones de divulgación clara y comprensible de las prácticas comerciales podrían aplicarse para exigir etiquetados claros en las interfaces de búsqueda visual, con independencia de la responsabilidad marcaria 116.

Los regímenes de gobernanza de plataformas, en particular el DSA de la UE, añaden una capa adicional. El DSA impone obligaciones de transparencia y auditabilidad sobre los parámetros de jerarquización y el funcionamiento de los sistemas de recomendación 117. Aunque concebidas en el contexto de la moderación de contenidos y los riesgos sistémicos, estas exigencias pueden adaptarse a las interfaces comerciales. Por ejemplo, el deber de explicar los «parámetros principales» de la jerarquización podría abarcar si la similitud visual, el patrocinio o la identidad de marca impulsaron la recuperación 118. Las obligaciones de acceso a datos para investigadores acreditados también podrían proporcionar evidencia empírica en los litigios sobre si las alternativas de marca fueron sistemáticamente suprimidas 119.

Este enfoque combinado evita atribuir al Derecho de marcas pretensiones excesivas. En lugar de intentar extender la doctrina de confusión para cubrir todo daño, el Derecho de marcas puede centrarse en proteger las condiciones para la elección informada de marca, mientras el Derecho de la competencia, el Derecho del consumidor y el Derecho de plataformas abordan las preocupaciones más amplias sobre equidad del mercado y transparencia en el mercado digital.

4. Reflexiones finales sobre la búsqueda visual

El auge de la búsqueda visual ilustra con mayor claridad la tesis central del artículo: el Derecho de marcas debe adaptarse a un entorno en el que la mediación algorítmica configura y desplaza con frecuencia la percepción de la confusión. Cuando los consumidores fotografían un producto y son dirigidos hacia sustitutos «visualmente similares», el daño no es una identificación errónea clásica, sino la supresión de la elección basada en la marca. El sistema jurídico necesita por tanto reencuadrar su análisis, pasando de la narrativa de los costes de búsqueda a un marco que enfatice la autonomía, la transparencia y el proceso.

Los remedios de proceso — la visibilización del origen, las advertencias claras y la explicabilidad — ofrecen maneras viables de restaurar la autonomía del consumidor en los itinerarios de compra guiados por imagen, especialmente cuando se combinan con exenciones de responsabilidad que evitan el efecto disuasorio excesivo. Y situar la doctrina marcaria dentro de un ecosistema regulatorio más amplio, donde el Derecho de la competencia y el de las plataformas aborden las distorsiones estructurales, evita la tentación de extender el análisis de confusión más allá de sus límites razonables.

V. REPENSANDO EL «CONSUMIDOR MEDIO» EN LA ERA DEL ALGORITMO

El «consumidor medio» se ganó su lugar en un mundo del comercio minorista construido en torno a la percepción directa, la atención limitada y la memoria imperfecta.

Ese mundo sigue existiendo, pero en muchas transacciones la percepción, la memoria y la elección están ahora moldeadas por sistemas que clasifican, establecen opciones por defecto y, en ocasiones, ejecutan compras sin que haya en ese momento ninguna percepción humana de un signo 120. El test clásico de confusión presupone la posibilidad del error humano; los itinerarios mediados por máquinas alteran tanto el lugar como la naturaleza de ese error. Si la doctrina continúa apoyándose en la narrativa de los costes de búsqueda mientras las herramientas digitales realizan la búsqueda, la protección corre el riesgo de derivar hacia las marcas como propiedad en lugar de información para los consumidores.

La corrección necesaria sitúa el estándar dentro de las arquitecturas a través de las cuales se toman las decisiones. El consumidor de referencia debe ser un usuario ubicado en un canal específico, con herramientas, limitaciones y estímulos identificables. Desde esa perspectiva, el riesgo de confusión puede operacionalizarse mediante un protocolo disciplinado. Un test útil vincula la similitud jurídicamente relevante a un umbral de materialidad predefinido, medido por un indicador primario de la brecha de atribución errónea entre la exposición y la elección. Los umbrales y criterios se registran de antemano; el test debe reproducirse en nuevos datos; y surge una presunción refutable de alcance limitado solo cuando el efecto es a la vez estadísticamente robusto y prácticamente significativo.

Desde esta perspectiva, los factores conocidos se vuelven sensibles al canal más que de aplicación uniforme. La similitud tiene un papel limitado cuando no se muestra ningún logotipo o solo se enuncia una opción, de modo que la calidad de la divulgación y la visibilización del origen forman parte de la impresión de conjunto. La atención se infiere mejor de la interacción observable con herramientas de decisión que del precio en exclusiva. La supresión previa a la venta de alternativas puede constituir un daño en sí mismo, incluso cuando el embalaje aclara posteriormente el origen empresarial, y las señales posteriores a la venta pueden corroborar que el origen quedó neutralizado en el momento que importaba. La conducta de la plataforma pertenece al análisis cuando la jerarquización o la relegación aprovechan un signo de maneras que canalizan la demanda de forma predecible, aunque la transparencia de los parámetros y la posibilidad real de modificación por el usuario limitan adecuadamente la exposición a responsabilidad.

La prueba debe reflejar el itinerario realmente experimentado. Las encuestas adaptadas al canal, los experimentos de comportamiento y las auditorías controladas proporcionan un registro indicativo de lo que probablemente percibió el consumidor mediado. Las métricas de similitud que activan el umbral legal deben validarse en datos reservados y acompañarse de una cadena documentada de custodia de modelos, parámetros y registros. Donde las herramientas de IA apoyan la resolución de los procedimientos o la administración, la verificación humana y la motivación de las decisiones siguen siendo necesarias para que las conclusiones descansen en un criterio responsable y no en resultados opacos.

Este reencuadre tiene implicaciones que van más allá de la tutela. A medida que los sistemas generativos producen nombres, eslóganes e identificadores visuales, los estándares de registrabilidad y distintividad deben anticipar los signos creados o seleccionados por máquinas. Pueden articularse criterios para evaluar dichos signos de modo que el registro siga vinculado a la señalización de origen y calidad, y no a la mera novedad de la generación. La orientación para el examen y un conjunto de herramientas prácticas que traduzcan el protocolo en pasos específicos por canal permitirían a las oficinas y los tribunales calibrar las herramientas asistidas por IA con el juicio humano de forma transparente.

Visto así, el concepto de consumidor medio evoluciona para incorporar la mediación tecnológica como condición estructural de la percepción y la elección. El estándar sigue anclando el análisis de confusión, pero la perspectiva es la del usuario dentro de la interfaz que filtró lo que podía verse y elegirse. Con ese ajuste, la doctrina mantiene su fidelidad a la protección del consumidor sin expandir indebidamente la protección otorgada por las marcas hasta convertirlas en un derecho a la colocación privilegiada, y conecta limpiamente con los deberes de proceso que preservan la autonomía: presentación neutral cuando no se especifica ninguna marca, advertencias claras que las pruebas muestren que los usuarios ordinarios comprenden, posibilidad real y recordada de modificación, y explicaciones auditables a petición.

VI. UNA HOJA DE RUTA DOCTRINAL: DE «¿SE CONFUNDIRÍA EL CONSUMIDOR?» A «¿QUÉ HIZO EL SISTEMA?»

El Derecho clásico de marcas pregunta si es probable que una persona se confunda. En el comercio mediado por IA, la pregunta más reveladora es qué le hizo el sistema a esa persona. Los asistentes de voz, las herramientas de búsqueda visual, los resultados de las plataformas de mercado y los sistemas de reposición autónoma determinan qué marcas llega a conocer el usuario, cómo se presentan y si puede ejercer una preferencia de manera significativa 121. El objetivo de protección del consumidor en el análisis de confusión debe mantenerse, pero la prueba debería desplazarse del recuerdo imperfecto del consumidor hacia el diseño, los valores por defecto y las divulgaciones del sistema.

El primer paso consiste en identificar la conducta jurídicamente relevante y el actor responsable. En los itinerarios mediados por máquinas, las decisiones de selección, jerarquización y presentación no son mero contexto. Redirigen la demanda de maneras predecibles, a menudo a cambio de una remuneración o en favor de las propias ofertas de la plataforma. Tratar esa conducta como uso en el tráfico económico, cuando los resultados son monetizados o de autopreferencia, alinea la doctrina con la realidad comercial y evita la ficción de que nada ocurrió porque no se mostró ni se pronunció ningún logotipo 122. Una vez aclarada la atribución, el análisis puede regresar a las cuestiones conocidas: el uso de quién, qué función marcaria y con qué efectos en el mercado.

La perspectiva también requiere recalibración. El consumidor medio puede mantenerse como comprador razonable mediado por IA, pero solo si los tribunales sitúan esa figura dentro de la interfaz relevante. Los pronunciamientos deben denominar la arquitectura de compra, señalar la interacción del usuario con las herramientas de decisión y registrar si las señales de marca fueron mostradas, mostradas parcialmente o suprimidas. Este encuadre acerca el estándar al modo en que las personas compran realmente en línea y crea espacio para la ponderación diferenciada por canal de los factores clásicos 123.

Esos factores se traducen de forma diferente cuando los sistemas se interponen entre las personas y las marcas. Donde una interfaz nunca muestra un logotipo u ofrece solo una opción en formato auditivo, los indicadores tradicionales de similitud tienen un papel limitado. La impresión de conjunto gira entonces en torno a la claridad de las advertencias como «patrocinado» o «nuestra propia marca», a la presencia de una ventana de origen en la búsqueda visual y a si se ofrecieron verdaderas alternativas en el primer momento relevante para la decisión 124. La atención debe inferirse de la interacción observable con herramientas digitales, en lugar de deducirse solo del precio o la complejidad del producto. Los daños anteriores a la venta merecen reconocimiento cuando las alternativas fueron suprimidas en el momento decisivo de la elección, y las señales posteriores a la venta siguen siendo informativas cuando los consumidores informan de que esperaban un producto de marca.

Un patrón recurrente en estos canales es la intermediación distorsionadora 125. El perjuicio no consiste en que el comprador confunda el origen cuando llega el paquete. Consiste en que la interfaz excluyó la alternativa de marca antes de que el comprador pudiera considerarla. Los sistemas de voz e imagen pueden redirigir las instrucciones genéricas hacia marcas blancas o hacia imitaciones, dejando el origen fuera del conjunto de elección. El Derecho de marcas no necesita abandonar la confusión para abordar esto. Los tribunales pueden reconocer la supresión sistemática de alternativas de marca, en ausencia de una preferencia expresada por el usuario, como un daño próximo a la confusión que menoscaba el papel de la marca en la organización de una elección efectiva.

Los remedios deben adaptarse al canal y al daño. Cuando el problema principal reside en la opacidad de la interfaz, las órdenes basadas en procesos ofrecen la respuesta más eficaz. Una respuesta inicial neutral a las instrucciones genéricas de voz preserva la elección sin prohibir la competencia de marca propia. En la búsqueda visual, un deber de visibilización del origen debe aplicarse cuando el sistema puede identificar la marca de forma fiable, complementado con etiquetas claras. Breves explicaciones a petición ayudan a distinguir la relevancia de la autopreferencia encubierta. Ninguna de estas medidas confiere un derecho a aparecer en los primeros puestos de los resultados; todas ellas preservan la posibilidad de descubrir alternativas y restauran las condiciones para la elección de marca 126.

Las preocupaciones por la innovación son reales, de modo que los deberes de proceso deben combinarse con exenciones de responsabilidad calibradas. Una plataforma que visibilice el origen donde sea factible, utilice advertencias que las pruebas muestren que los usuarios ordinarios comprenden y preserve una posibilidad de modificación fácil y recordable, debería disfrutar de una presunción refutable frente a la responsabilidad indirecta por los resultados de la jerarquización. Esa presunción debe decaer ante la prueba de relegación de mala fe o autopreferencia encubierta 127.

El procedimiento también debe ponerse al día con la arquitectura. Los expedientes deben reflejar el itinerario: grabaciones de la interfaz y transcripciones que muestren qué se mostró o pronunció y en qué orden; telemetría que indique si aparecieron los signos constitutivos de las marcas, y en qué momento; pruebas aleatorizadas que midan el efecto de los valores por defecto; y registros de alto nivel que expliquen por qué apareció un resultado determinado. Las encuestas deben simular los flujos de cámara al carrito y de voz de una sola opción, en lugar de apoyarse en fichas comparativas de marcas en paralelo 128. Donde las herramientas de IA sirvan de apoyo al examen del registro o la tutela de la plataforma, los expertos humanos deben verificar los resultados y dar razones que vinculen la decisión humana al conjunto del procedimiento.

No es necesario reinventar los mecanismos de responsabilidad. La regulación de plataformas ya proporciona herramientas de proceso: informes sobre los parámetros principales de jerarquización, acceso de investigadores, auditorías independientes para las plataformas de mayor tamaño e indicadores estructurados de litigiosidad. Esos deberes pueden adaptarse a las interfaces comerciales para que los sistemas de recomendación y filtrado relevantes en materia marcaria sean explicables y revisables en la práctica 129.

Un apunte final sobre los límites. A lo largo del cotejo, el examen y la tutela, la IA destaca en tareas de clasificación y recuperación, pero no resulta apta para los juicios contextuales que la apreciación del riesgo de confusión, del carácter distintivo y de los remedios exigen 130. Los órganos administrativos y los tribunales deben preservar la intervención humana en el proceso de decisión, exigir documentación de los modelos cuando se utilicen herramientas oficiales, preservar las vías de recurso y complementar los filtros proactivos con revisión efectiva y motivación a instancia de parte.

Mantener explícitas las funciones marcarias previene los excesos de protección. En los contextos asistidos, las señales de origen y calidad pueden reforzarse cuando los sistemas visibilizan a los distribuidores autorizados. En los contextos de selección por defecto, el origen puede quedar neutralizado en el momento de la elección. En los contextos autónomos, las funciones de inversión y publicidad pueden predominar porque el reconocimiento se produce, si es que se produce, tras la entrega. Identificar la función en cuestión orienta a los tribunales hacia remedios que se corresponden con el daño concreto, por ejemplo, la visibilización del origen, etiquetados más claros o transparencia de los parámetros 131.

El resultado es un giro modesto pero importante. El consumidor medio sigue siendo el prisma doctrinal del riesgo de confusión, reimaginado como comprador razonable mediado por IA y situado dentro de la interfaz que condicionó lo que el consumidor pudo ver y lo que no. Con ese prisma, la ponderación de los factores adquiere sentido, la prueba se vuelve realista y los remedios restauran la elección sin desincentivar la innovación.

VII. CONCLUSIONES

El artículo partió de una observación sencilla. El prisma doctrinal del riesgo de confusión fue construido para un comprador que examina un lineal, advierte un signo y puede olvidarlo o confundirlo con otro. Ese comprador no ha desaparecido, pero va acompañado cada vez más, y a veces sustituido, por sistemas que seleccionan, jerarquizan y realizan transacciones. Una vez que aceptamos esa realidad, la pregunta correcta se desplaza desde lo que habría pensado la persona hacia lo que hizo el sistema para estructurar aquello que esa persona podía ver y elegir.

El estándar propuesto del comprador razonable mediado por IA es un ajuste moderado y no una ruptura. Pide a los tribunales que denominen la arquitectura de compra, describan la interacción del usuario con las herramientas de decisión y registren si las señales de marca fueron mostradas o suprimidas. Este encuadre permite que los factores tradicionales conserven su sentido sin distorsión. La similitud cede ante los indicios de la interfaz cuando no aparece ningún logotipo o solo se enuncia una opción. La atención se infiere de la interacción con reseñas, comparadores y filtros, y no solo del precio. La supresión previa a la venta de alternativas se vuelve visible como daño en sí mismo, y la evidencia posterior a la venta sigue siendo pertinente cuando las expectativas han sido fijadas por una jerarquización o un valor por defecto.

Dos conclusiones sustantivas se derivan de lo anterior. En primer lugar, los actos algorítmicos pueden constituir uso a título de marca. Cuando los sistemas consultan, jerarquizan y presentan por referencia a signos, el actor relevante puede desplazarse hacia el intermediario que organiza, jerarquiza y presenta los resultados. Reconocer esa posibilidad no convierte el diseño en fuente automática de responsabilidad. Simplemente asegura que la conducta que canaliza la demanda de forma predecible quede dentro del marco doctrinal y pueda evaluarse con las herramientas habituales. En segundo lugar, el perjuicio central en muchos canales es la intermediación distorsionadora y no la identificación errónea. Por intermediación distorsionadora se entiende la supresión o distorsión de las opciones por un intermediario antes de que el consumidor pueda ejercer su elección. Donde un asistente de voz o una lente visual colapsa el conjunto de opciones antes de cualquier percepción humana, las marcas no están cumpliendo su función informativa en el momento en que importa. Tratar esa supresión como próxima a la confusión mantiene la fidelidad a la protección del consumidor sin convertir las marcas en un derecho al posicionamiento destacado.

El artículo también separa la inspiración de la sustitución. La búsqueda visual puede ser un camino legítimo hacia el descubrimiento de estilos o alternativas de menor precio cuando los resultados están claramente etiquetados y el origen se visibiliza cuando es identificable. Resulta problemática cuando el origen es cognoscible pero sistemáticamente oculto. Esta frontera protege frente a una reivindicación excesiva sobre el diseño del producto y disciplina las decisiones de diseño de interfaz que borran el origen en el momento decisivo.

Los remedios deben corresponderse con la arquitectura del daño. Las respuestas iniciales neutrales a las instrucciones genéricas de voz, las ventanas de origen en la búsqueda visual cuando la identificación es factible, las breves advertencias auditivas que los usuarios comprendan realmente, y las explicaciones a petición son más adecuadas para los canales digitales que las prohibiciones generales. Recordar las preferencias expresadas reduce el efecto de dependencia y alinea las plataformas con la elección del usuario. Para no desincentivar la innovación, estos deberes de proceso pueden combinarse con exenciones de responsabilidad específicas por canal que decaen ante la prueba de relegación de mala fe o autopreferencia encubierta.

El método probatorio debe evolucionar en paralelo. Las encuestas deben reproducir los itinerarios de voz y de cámara al carrito, no fichas comparativas de marcas en paralelo. Los expedientes deben incluir capturas de interfaz, telemetría y experimentos controlados aleatorizados que muestren cómo los valores por defecto orientan los resultados. Donde las herramientas de IA apoyan el cotejo, el examen o la tutela, la experiencia humana sigue siendo indispensable, tanto para validar los resultados como para dar razones que sean inteligibles en sede de recurso. Para garantizar la fiabilidad, los efectos de similitud y exposición jurídicamente relevantes deben predefinirse, validarse en datos reservados y replicarse en nuevas muestras, con una cadena documentada de custodia de los modelos, parámetros y registros. La regulación de plataformas ya proporciona la estructura para la transparencia, la auditoría y el acceso a datos. La resolución de litigios marcarios puede tomar prestadas esas herramientas de proceso sin importar el manual completo de moderación de contenidos.

El análisis funcional aconseja tanto mesura como ambición. En los contextos asistidos, el origen y la calidad pueden reforzarse cuando los sistemas visibilizan a los distribuidores autorizados o a las marcas verificadas. En los contextos de selección por defecto, el origen puede quedar neutralizado en el momento de la elección, aun cuando la claridad sobre el origen se reestablezca con la entrega. En los contextos autónomos, las funciones publicitarias y de inversión pueden predominar, ya que cualquier reconocimiento se produce a posteriori. Identificar la función en cuestión ayuda a calibrar los remedios y previene la deriva hacia la protección de marcas como propiedad desvinculada del beneficio para el consumidor.

La conclusión es pragmática. El riesgo de confusión sigue siendo la idea organizadora, pero la perspectiva se desplaza del ojo de un ser humano abstracto hacia la arquitectura que condicionó lo que ese ser humano vio o no vio. Con ese desplazamiento, la ponderación de los factores adquiere sentido, la prueba se vuelve realista y los remedios actúan a favor y no a contracorriente del comercio digital. El Derecho preserva un espacio real para la elección de marca, evita la sobreprotección de las marcas donde son las herramientas las que realizan la búsqueda y premia la transparencia y el control del usuario. Esa es la recalibración que los fundamentos requieren: un ajuste que se encuentra ya al alcance de la doctrina vigente, evitando una reconstrucción total.

VIII. BIBLIOGRAFÍA

Anemaet, Lotte (2020), «The Fairy Tale of the Average Consumer: Why We Should Not Rely on the Real Consumer When Assessing the Likelihood of Confusion», GRUR Int., vol. 69, págs. 1008-1026.

Arcidiacono, Davide (2025), «Interpreting EU Trade Mark Law in the Era of AI-Driven Behavioural Advertising and Digital Marketplaces», SSRN working paper, 10 de julio de 2025. Disponible en SSRN: https://ssrn.com/abstract=5346530

Batty, Rob (2022), «Trade Mark Infringement and Artificial Intelligence», New Zealand Business Law Quarterly, vol. 26, págs. 137-162.

Bertossi, Sofia (2024), «AI and the New Trademark Law: Adaptation v. Ending», IDEA, vol. 65, págs. 77-83.

Bonadio, Enrico y Rohatgi, Akshita (2025), «Trademarks and Artificial Intelligence: Some Preliminary Considerations». Disponible en SSRN: https://ssrn.com/abstract=5364772

Bubb, Ryan y Pildes, Richard H. (2014), «How Behavioral Economics Trims Its Sails and Why», Harv. L. Rev., vol. 127, págs. 1593-1678.

Cai, Yiming (2024), «Research on the Trademark Protection of Artificial Intelligence Generation Technology Achievements», en Proceedings of the 12th International Conference on Financial Innovation, Trade & Economic Development, págs. 502-509.

Cabay, Julien, Vandamme, Thomas y Debeir, Olivier (2025), «Looking Through the Crack in the Black Box: A Comparative Case Law Benchmark for Auditing AI-Powered Trade Mark Search Engines», Computer Law & Security Review, vol. 59, págs. 1-14.

Curtis, Lee (2021), «Will Artificial Intelligence Become the Gatekeeper of Trade Mark Law?», EIPR, vol. 43, págs. 1-3.

Curtis, Lee y Platts, Rachel (2020), «Trademark Law Playing Catch-up with Artificial Intelligence?», WIPO Magazine, 30 de junio de 2020. Disponible en: https://www.wipo.int/en/web/wipo-magazine/articles/trademark-law-playing-catch-up-with-artificial-intelligence-55800

Dagan, Arnon, Guy, Ido y Novgorodov, Slava (2023), «Shop by Image: Characterizing Visual Search in E-Commerce», Information Retrieval Journal, vol. 26, págs. 1-44.

Davis, Jennifer (2005), «Locating the Average Consumer: His Judicial Origins, Intellectual Influences and Current Role in European Trade Mark Law», IPQ, vol. 2, págs. 183-203.

Dessers, Vilte Kristina (2025), «Artificial Intelligence and the Future of Trademark Functions», en Fhima, I. y Moerland, A. (eds.), Research Agendas in Trade Mark Law, Edward Elgar, Cheltenham. Disponible en SSRN: https://ssrn.com/abstract=5243484

Dinwoodie, Graeme B. (2014), «Secondary Liability for Online Trademark Infringement: The International Landscape», The Columbia Journal of Law & The Arts, vol. 37, págs. 463-501.

Dinwoodie, Graeme B. y Gangjee, Dev S. (2016), «The Image of the Consumer in European Trade Mark Law», en Leczykiewicz, D. y Weatherill, S. (eds.), The Image(s) of the Consumer in EU Law, Hart Publishing, Oxford, págs. 339-380.

Dogan, Stacey L. y Lemley, Mark A. (2004), «Trademarks and Consumer Search Costs on the Internet», Houston Law Review, vol. 41, págs. 777-838.

— (2007), «A Search-Costs Theory of Limiting Doctrines in Trademark Law», TMR, vol. 97, págs. 1223-1251.

Duivenvoorde, Bram y Goanta, Catalina (2023), «The Regulation of Digital Advertising under the DSA: A Critical Assessment», Computer Law & Security Review, vol. 51, págs. 1-14.

Farley, Christine (2023), «Trademarks in an Algorithmic World», Washington Law Review, vol. 98, págs. 1123-1186.

Fhima, Ilanah Simon (2011), «The Court of Justice’s Protection of the Advertising Function of Trade Marks: An (Almost) Sceptical Analysis», JIPLP, vol. 6, págs. 325-329.

Fhima, Ilanah Simon y Gangjee, Dev S. (2019), The Confusion Test in European Trade Mark Law, Oxford University Press, Oxford.

Floridi, Luciano (2023), «AI as Agency without Intelligence: on ChatGPT, Large Language Models and Other Generative Models», Philosophy & Technology, vol. 36, págs. 1-7.

Franklyn, David J. y Hyman, David A. (2013), «Trademarks as Search Engine Keywords: Much Ado About Something?», JOLT, vol. 26, págs. 481-543.

Fromer, Jeanne C. y Mckenna, Mark P. (2025), «Amazon’s Quiet Overhaul of the Trademark System», Cal. L. Rev., vol. 113, págs. 1169-1249.

Gal, Michal S. y Elkin-Koren, Niva (2017), «Algorithmic Consumers», JOLT, vol. 30, págs. 309-353.

Gangjee, Dev S. (2020), «Eye, Robot: Artificial Intelligence and Trade Mark Registers», en Bruun, N.; Dinwoodie, G., Levin, M. y Ohly, A. (eds.), Transition and Coherence in Intellectual Property Law, Cambridge University Press, Cambridge, págs. 174-190.

— (2024), «Panoptic Brand Protection? Algorithmic Ascendancy in Online Marketplaces», EIPR, vol. 46, págs. 448-460.

Giordani, Lorenza (2025), «Consumer Attention in the Digital Era: Modernizing the Likelihood of Confusion Standard», GRUR Int., vol. 74, págs. 724-735.

Grynberg, Michael (2020), «AI and the ‘Death of Trademark», Kentucky Law Journal, vol. 108, págs. 199-238.

Janssens, Marie Christine y Dessers, Vilte Kristina (2022), «The Artificially Intelligent Consumer in EU Trademark Law», en Specht-Riemenschneider, L. (ed.), Festschrift für Thomas Dreier zum 65. Geburtstag, C.H. Beck, Múnich, págs. 143-160.

Katyal, Sonia y Kesari, Aniket (2021), «Trademark Search, Artificial Intelligence, and the Role of the Private Sector», Berkeley Tech. L.J., vol. 35, págs. 501-588.

Kur, Annette y Senftleben, Martin (2017), European Trade Mark Law, Oxford University Press, Oxford.

Lim, Daryl (2022a), «Computational Trademark Infringement and Adjudication», en Abbott, R. (ed.), Research Handbook on Intellectual Property and Artificial Intelligence, Edward Elgar, Cheltenham, págs. 259-289.

— (2022b), «Trademark Confusion Revealed: An Empirical Analysis», American University Law Review, vol. 71, págs. 1285-1365.

Luguri, Jamie y Strahilevitz, Lior Jacob (2021), «Shining a Light on Dark Patterns», Journal of Legal Analysis, vol. 13, págs. 43-109.

Mathur, Arunesh, Acar, Gunes, Friedman, Michael, J., Lucherini, Eli, Mayer, Jonathan, Chetty, Marshini y Narayanan, Arvind (2019), «Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites», Proceedings of the ACM on Human-Computer Interaction, vol. 3, n.º CSCW, artículo n.º 81, págs. 1-32. Disponible en: https://doi.org/10.1145/3359183.

McKenna, Mark P. (2012), «A Consumer Decision-Making Theory of Trademark Law», Virginia Law Review, vol. 98, págs. 67-141.

Moerland, Anke y Kafrouni, Christie (2022), «Online Shopping with Artificial Intelligence: What Role to play for Trade Marks?», en Abbott, R. (ed.), Research Handbook on Intellectual Property and Artificial Intelligence, Edward Elgar, Cheltenham, págs. 290-308.

Onishi, Hiroto (2021), «We Will Still Be Confused! Online Shopping and Trade Mark Law in the AI Era», EIPR, vol. 43, págs. 397-401.

Ouellette, Lisa Larrimore (2014), «The Google Shortcut to Trademark Law», Cal. L. Rev., vol. 102, págs. 351-408.

Pane, Meghan (2024), «Navigating the Algorithmic Marketplace: Reassessing Trademark Law in the Age of the Artificially Intelligent Consumer», Rutgers University Law Review, vol. 77, págs. 197-232.

Roy, Alpana y Marsoof, Althaf (2024), «Removing the Human from Trademark Law», IIC, vol. 55, págs. 727-761.

Senftleben, Martin (2013), «Adapting EU Trademark Law to New Technologies: Back to Basics?», en Geiger, C. (ed.), Constructing European Intellectual Property, Edward Elgar, Cheltenham, págs. 137-176.

— (2022), «Trademark Law, AI-Driven Behavioural Advertising and the Digital Services Act: Towards Source and Parameter Transparency for Consumers, Brand Owners and Competitors», en Abbott, R. (ed.), Research Handbook on Intellectual Property and Artificial Intelligence, Edward Elgar, Cheltenham, págs. 309-324.

Sevastianova, Vera N. (2023), «Trademarks in the Age of Automated Commerce: Consumer Choice and Autonomy», IIC, vol. 54, págs. 1561-1589.

Shackell, Cameron y De Vine, Lance (2022), «Quantifying the Genericness of Trademarks Using Natural Language Processing: An Introduction with Suggested Metrics», Artificial Intelligence and Law, vol. 30, págs. 199-220.

Sunstein, Cass R. y Thaler, Richard H. (2003), «Libertarian Paternalism Is Not an Oxymoron», University of Chicago Law Review, vol. 70, págs. 1159-1202.

Terryn, Evelyne y Martos Marquez, Sylvia (2025), «AI and Consumer Protection», en Smuha, N. (ed.), The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence, Cambridge University Press, Cambridge, págs. 192-210.

Tushnet, Rebecca (2008), «Gone in Sixty Milliseconds: Trademark Law and Cognitive Science», Texas Law Review, vol. 86, págs. 507-568.

---

1. * Serra Hunter Professor de Derecho Comparado, Universitat Pompeu Fabra, Barcelona. nicola.lucchi@upf.edu ORCID: (0000-0001-8611-0072).

2. ** Professor of Intellectual Property Law, City St George’s, University of London. Enrico.Bonadio.1@citystgeorges.ac.uk ORCID: (0000-0003-1078-4323).

   Los autores agradecen a la doctoranda Irene Filgueira Loureiro su generosa y valiosa contribución a la revisión de este trabajo.

   Este artículo ha sido galardonado con el Premio al Mejor Trabajo (Best Paper) en el V Congreso Carlos Fernández-Nóvoa sobre Derecho de la Competencia y de la Propiedad Industrial e Intelectual, celebrado en la Universidade de Vigo (Vigo, España) los días 27 y 28 de octubre de 2025.

   Este trabajo fue sometido a la revisión de un jurado experto de tres abogados pertenecientes al despacho Hoyng Rokh Monegier entre los meses de septiembre y octubre de 2025. Fecha de aceptación del texto definitivo traducido a castellano: 18/05/2026.

3. 1 Para los principales trabajos doctrinales que abordan las consecuencias marcarias de las interfaces algorítmicas, véanse: Gal y Elkin-Koren (2017); Gangjee (2020); Curtis y Platts (2020); Curtis (2021); Katyal y Kesari (2021); Onishi (2021); Batty (2022); Lim (2022); Senftleben (2022); Moerland y Kafrouni (2022); Shackell y De Vine (2022); Janssens y Dessers (2022); Farley (2023); Sevastianova (2023); Franklyn y Hyman (2023); Gangjee (2024); Bertossi (2024); Roy y Marsoof (2024); Cai (2024); Pane (2024); Giordani (2025); Cabay et al. (2025); Terryn y Martos Marquez (2025); Dessers (2025).

4. 2 En el Derecho de la UE, el riesgo de confusión es un estándar de probabilidad y no se requiere prueba de confusión efectiva. Véase el asunto T-346/04, Sadas SA v. OHIM, ECLI:EU:T:2005:420, par. 69. Véase también el asunto C-39/97, Canon Kabushiki Kaisha v. Metro-Goldwyn-Mayer, ECLI:EU:C:1998:442, apartados 16 y 29. Véase igualmente LIM (2022b), págs. 1285-1286 (presentándola como criterio delimitador del alcance de la infracción); Fhima y Gangjee (2019), págs. 160-203.

5. 3 Véanse Roy y Marsoof (2024), págs. 727 y 729; Dessers (2025) (señalando cómo la IA influye en las decisiones de compra… si el test de riesgo de confusión sigue teniendo relevancia… y si el consumidor medio… debe ser revisitado).

6. 4 Véanse C-251/95, SABEL BV v. Puma AG, ECLI:EU:C:1997:528, apartado 23; el asunto C-342/97, Lloyd Schuhfabrik Meyer & Co. GmbH v. Klijsen Handel BV, ECLI:EU:C:1999:323, apartado 26; y las Directrices de examen de la EUIPO para las marcas de la Unión Europea, apartado 3.2, disponibles en https://guidelines.euipo.europa.eu.

7. 5 Véase Grynberg (2020), pág. 207 (señalando que las marcas operan como atajos informativos a causa de las limitaciones cognitivas humanas y que constituyen una solución de segundo orden).

8. 6 Véanse Bertossi (2024), págs. 79-80 (describiendo los pedidos automáticos de Alexa y Dash y señalando que en tales casos «no existe interacción humana en el momento de la compra»); Grynberg (2020), págs. 200-201 (argumentando que los sistemas de IA de consumo suficientemente sofisticados harían superfluas las marcas en muchos casos y reducirían su función); Roy y Marsoof (2024), págs. 728-731 (explicando que el comercio mediado por IA, ilustrado con el ejemplo de Alexa, delega la selección del producto y la compra al sistema).

9. 7 Véase Sevastianova (2023), pág. 1565 (describiendo la respuesta de Alexa a instrucciones genéricas y el modelo de «envío antes de compra» de Amazon, donde las marcas solo afloran en la entrega); Grynberg (2020), pág. 233, n. 167 (citando a Galloway en el sentido de que Alexa sugiere AmazonBasics y retiene las alternativas, ilustrando el sesgo del valor por defecto en el comercio por voz).

10. 8 Véase Curtis (2021), pág. 1 (señalando la ausencia de interacción más allá del término de búsqueda original).

11. 9 Véase Cai (2024), págs. 506-507 (señalando que la operación del algoritmo implica que la evaluación de la confusión ya no se limita a los escenarios tradicionales; si los sistemas «no señalan claramente la información de marca», los consumidores pueden decidir «sobre la base de un conocimiento erróneo»). Véanse también Sevastianova (2023), pág. 1565 (anticipando que las herramientas de IA/ML buscarán productos en algunos casos con independencia de las marcas, más rápido que los seres humanos); Grynberg (2020), págs. 231-232 (señalando que las marcas afiliadas y poco conocidas de Amazon suben en los resultados y que la selección de la plataforma hace las marcas más vulnerables).

12. 10 Véanse Kur y Senftleben (2017), pág. 6.

13. 11 Véanse por ejemplo Lim (2022a), págs. 259-261; véase también Grynberg (2020), pág. 219.

14. 12 Véanse por ejemplo Ouellette (2014); Franklyn y Hyman (2013); Mckenna (2012); Grynberg (2020), págs. 200-201 (argumentando que los avances en la gestión de contenidos en línea y la IA debilitan la justificación tradicional de los costes de búsqueda a favor de un control marcario sólido); Tushnet (2008); Dogan y Lemley (2004).

15. 13 Véanse Farley (2023), pág. 1123; Sevastianova (2023), pág. 1561 (argumentando que los menores costes de búsqueda derivan ahora de la nueva arquitectura de compra y no de las marcas); Grynberg (2020), págs. 216-218 y 226 (señalando que la información en línea es filtrada por algoritmos y redes sociales en lugar de los curadores tradicionales).

16. 14 Véanse en general Senftleben (2022), págs. 309-324; Sevastianova (2023).

17. 15 En este trabajo, esa reducción se denomina «intermediación distorsionadora», es decir, la supresión o distorsión de las opciones por el intermediario antes de que el consumidor pueda ejercer su elección.

18. 16 Véase Sevastianova (2023), págs. 1566-1567 (reclamando que las marcas sean accesibles por defecto; los asistentes de voz y los recomendadores deben presentar opciones de marca a menos que el usuario opte por no hacerlo).

19. 17 Véanse Giordani (2025), pág. 731 (argumentando que los consumidores «demuestran con frecuencia atención a través del uso activo de herramientas digitales» y que dicho compromiso debe indicar atención); Grynberg (2020), págs. 225 y 227-228 (señalando que los tribunales atribuyen crecientemente sofisticación al usuario en línea y esperan que los lectores interpreten los resultados al estilo Amazon sin confusión en cuanto al origen empresarial). Véanse también LIM (2022b), págs. 1319-1320 (criticando la «sofisticación del consumidor» como indicador artificial) y pág. 1289 (señalando cómo los indicadores como las encuestas o la sofisticación a menudo no reflejan las condiciones reales de compra).

20. 18 Véase Sevastianova (2023).

21. 19 Véase Franklyn y Hyman (2013), págs. 522-526 (analizando datos de encuestas que muestran que una mayoría exigua o cercana a la mayoría reconoció que los enlaces de competidores eran anuncios de pago, con solo el 10-14 por 100 creyendo que los enlaces estaban autorizados por la marca; la disposición a hacer clic en tres anuncios de competidores fue del 41-52 por 100, y si el clic no ofrecía información de la marca el 60-64 por 100 reportó que volvería a buscar el enlace de la marca).

22. 20 Véanse los asuntos acumulados C-236/08 a C-238/08, Google France SARL v. Louis Vuitton Malletier SA, ECLI:EU:C:2010:159 (declarando que el uso de un signo por los anunciantes como palabra clave puede constituir «uso» en relación con bienes y servicios, mientras que los motores de búsqueda no «usan» necesariamente el signo en sus propias comunicaciones comerciales).

23. 21 Véase Franklyn y Hyman (2013), pág. 515 (Tabla 4, solo el 21 por 100 identificó correctamente ambas secciones de pago) y págs. 519-520 (Tabla 7, el 33 por 100 reportó haber visto una etiqueta nunca utilizada, el 22 por 100 no advirtió etiqueta alguna, solo el 13 por 100 identificó correctamente las etiquetas utilizadas, y muchos reconocen no prestar atención a la colocación, el sombreado y las etiquetas).

24. 22 Véanse por ejemplo Fromer y McKenna (2025); Bonadio y Rohatgi (2025); Katyal y Kesari (2021), págs. 506-507 (subrayando que no todos los motores de búsqueda potenciados por IA son iguales y que la eficacia del motor es una variable clave); Grynberg (2020).

25. 23 Véanse Farley (2023), pág. 1123; Roy y Marsoof (2024), pág. 752 (proponiendo que la confusión jurídicamente relevante puede surgir en entornos mediados por IA incluso sin percepción humana en el momento de la decisión); Dessers (2025), pág. 12 (planteando si el test de riesgo de confusión sigue teniendo relevancia y si el consumidor medio o el reconocimiento deben ser revisitados cuando la IA condiciona la compra).

26. 24 Véase Sevastianova (2023), págs. 1567-1568, 1573 y 1576-1577 (explicando que las herramientas de compra por IA pueden ocultar alternativas y anticipar la elección, debilitando la autonomía del consumidor incluso cuando la confusión clásica en cuanto al origen está ausente, e instando a la visibilidad de las marcas para preservar las alternativas).

27. 25 Véanse Gangjee (2024), pág. 448; Cai (2024), pág. 507 (argumentando que las «características de caja negra» del algoritmo complican la evaluación y apuntan a la necesidad de «supervisión efectiva»).

28. 26 Véase Roy y Marsoof (2024), págs. 755-756 (argumentando que el prisma de confusión centrado en el ser humano no encaja cuando las máquinas realizan la transacción; propone modificar la confusión posterior a la venta o pasar a la «confusión de la máquina»).

29. 27 Véase Giordani (2025).

30. 28 Cf. Arcidiacono (2025) (abogando por un «consumidor medio» que comprende los mecanismos de jerarquización en los mercados en línea y que se apoya en la transparencia del DSA sobre los «parámetros principales»; abordando los usos de las plataformas principalmente a través de los marcos de publicidad engañosa y de la práctica del bait-and-switch), en contraste con el enfoque aquí desarrollado, que se extiende más allá de los mercados electrónicos a los entornos de selección mediados por IA y utiliza la percepción algorítmica como parámetro de referencia, con implicaciones para las funciones marcarias y para las cargas probatorias y los remedios.

31. 29 Véanse por ejemplo Davis (2005); Dinwoodie y Gangjee (2016), págs. 339-380; Anemaet (2020), págs. 1008-1026 (abogando por un parámetro normativo a la vez que muestra la dependencia práctica de los tribunales del estándar del «consumidor medio» y las heurísticas conexas del TJUE).

32. 30 Véase Lim (2022b), págs. 1358-1360 (explicando que la IA puede agilizar el trabajo jurídico y revelar patrones, pero debe complementar, no sustituir, la adjudicación humana, dadas las preocupaciones sobre sesgo, opacidad y limitaciones de contexto).

33. 31 Véase Roy y Marsoof (2024), pág. 752 (señalando que el art. 16(1) del ADPIC no especifica quién debe confundirse; la práctica de la UE se centra en un ser humano con recuerdo imperfecto, lo que revela el carácter contingente de esa elección).

34. 32 Véase Sevastianova (2023), págs. 1564-1565 (caracterizando la nueva arquitectura; los asistentes pueden actuar sobre parámetros no marcarios; el «envío antes de compra» autónomo).

35. 33 Véase Giordani (2025) (criticando el atajo precio-atención e instando a que las evaluaciones de atención reflejen la práctica moderna).

36. 34 Véase Franklyn y Hyman (2013), pág. 511 (Tabla 2, codificando 18.733 enlaces de pago vinculados a 2.463 marcas, que muestra que los anuncios del titular y de canales autorizados representan una gran parte, mientras que los anuncios de solo competidores son una pequeña parte).

37. 35 Ibid., pág. 535 (resumiendo que menos del 15 por 100 experimenta confusión en cuanto al origen o la afiliación y que la incertidumbre sobre el porqué de los enlaces de pago es generalizada); págs. 515 y 519-520 (Tablas 4 y 7 sobre el débil reconocimiento de etiquetas); pág. 511 (Tabla 2, mostrando que muchos enlaces de pago proceden del titular o de canales autorizados).

38. 36 Véase Giordani (2025), pág. 732 (leyendo al consumidor medio como un «usuario de internet normalmente informado y razonablemente atento», citando los asuntos Google France, Interflora y L’Oréal).

39. 37 Ibid., págs. 731-732 (vinculando la atención moderna a las reseñas y comparaciones, e insistiendo en la transparencia a través del DSA para mejorar la calidad de la información en línea).

40. 38 Véase Ibid., págs. 731-733 (reconfigurando al consumidor medio como nativo de internet y explicando cómo las herramientas de IA estructuran ahora la atención y la elección).

41. 39 Ibid., págs. 731-732 (reencuadrando al «consumidor medio» como un usuario digital nativo y explicando que las herramientas de reseñas y comparación incrementan la atención).

42. 40 Véase Sevastianova (2023), págs. 1561-1562, 1567-1568 y 1579-1581 (reencuadrando el valor de las marcas como promotoras de alternativas y de la autonomía del consumidor; mostrando cómo los asistentes de voz y las predicciones prefiltran las opciones y debilitan la elección; y señalando que las normas de plataformas de la UE enfatizan la transparencia dejando los valores por defecto a las plataformas, de ahí la necesidad de deberes a nivel de diseño para preservar la elección incluso donde la «confusión» clásica está ausente).

43. 41 Véase Roy y Marsoof (2024), pág. 747 (revisitando el requisito de «uso» y el criterio de «comunicación comercial propia» del TJUE en los contextos de palabras clave y alojamiento, útil para atribuir el uso en la selección mediada por plataforma).

44. 42 Véase Giordani (2025), pág. 732 (explicando que el marco de transparencia y responsabilidad del DSA, si se aplica efectivamente, puede mejorar la calidad de la información en línea de la que dependen los consumidores).

45. 43 Ibid. (abogando por un «consumidor medio ampliado» y describiendo al consumidor medio actual como un usuario de internet nativo digital); Sevastianova (2023) (enfatizando el diseño que preserva la autonomía y las arquitecturas impulsadas por valores por defecto).

46. 44 Véase Bertossi (2024), págs. 81-82 (analizando el asunto Cosmetic Warriors Ltd. & Lush Ltd. v. Amazon.co.uk Ltd. y señalando que el uso de una marca de terceros en el motor de búsqueda de un sitio web puede constituir infracción, e instando a mayores responsabilidades de las plataformas en las compras mediadas por IA). Véase también Cai (2024), págs. 505-507 (resumiendo el asunto Lush v. Amazon/Ortlieb y señalando que la publicidad y recomendación algorítmicas pueden crear expectativas erróneas; la operación algorítmica amplía la confusión más allá de los contextos de visualización clásicos).

47. 45 Véase Roy y Marsoof (2024), pág. 751 (enfatizando que el «uso» marcario se extiende más allá de los signos visibles para el consumidor, ya que los casos de metatags y palabras clave establecen la relevancia de los identificadores invisibles legibles por máquina).

48. 46 Véase Batty (2022), págs. 152-153 (explicando que la búsqueda visual de IA puede distinguir con bastante precisión entre marcas y que la IA puede tener «recuerdo perfecto», reduciendo la confusión en algunos contextos).

49. 47 Véase Gangjee (2024), pág. 448 (argumentando que los filtros de aprendizaje automático de los mercados funcionan como «medidas cautelares privatizadas»).

50. 48 Ibid., págs. 458-459 (insistiendo en la opacidad y la escasez de información sobre las exclusiones incorrectas; reclamando responsabilidad por la moderación algorítmica).

51. 49 Véanse Cai (2024), pág. 502 (analizando cómo los identificadores generados por IA desafían los estándares de distintividad y detección de confusión, e instando a adaptar los estándares de examen y la supervisión humana para la evaluación de similitud asistida por IA); Sevastianova (2023), pág. 1561 (enfatizando que las reducciones de costes de búsqueda derivan ahora de las arquitecturas digitales y no de las marcas, e instando a un giro hacia la elección y la autonomía como justificación central); Roy y Marsoof (2024), págs. 733-736 (analizando cómo las funciones clásicas de las marcas —origen, calidad, publicidad e inversión— son desestabilizadas por el auge del comercio mediado por IA e IoT).

52. 50 Véase Dessers (2025), págs. 5-7, 11-12 y 16-17 (reportando diversas opiniones sobre cómo las sugerencias impulsadas por IA pueden socavar la función de origen y hacer las marcas «menos importantes como significante», señalando al mismo tiempo que las funciones de calidad, publicidad e inversión se superponen y pueden verse afectadas por la IA de maneras complejas y dependientes del contexto). Véanse en particular Farley (2023), pág. 1127 (argumentando que «las marcas están desapareciendo de las búsquedas de productos de los consumidores», por lo que la función informativa de origen se reduce); Roy y Marsoof (2024); Batty (2022), págs. 158-161 (explicando que las compras mediadas por IA con mínima o ninguna intervención humana desafían el papel de indicación de origen y resumiendo las funciones publicitaria, de inversión y comunicativa reconocidas por el TJUE).

53. 51 Véanse Katyal y Kesari (2021), págs. 527-533 (revisando las principales categorías de herramientas marcarias de IA del sector privado, incluidos los motores de búsqueda e identificación y sugerencia, los sistemas de cotejo y registro, la comparación y evaluación de similitud, la predicción y evaluación de riesgos y las plataformas de gestión de marca); Gangjee (2020), págs. 182-185 (señalando que las oficinas de marcas usan herramientas algorítmicas de similitud, incluida la búsqueda de imágenes).

54. 52 Véase Bonadio y Rohatgi (2025).

55. 53 Véase Floridi (2023), pág. 6.

56. 54 Véase Katyal y Kesari (2021), pág. 552 (señalando que existe poca evidencia sistemática sobre cómo se realizan las búsquedas en la práctica, y proponiendo una metodología empírica para comenzar a cartografiar el fenómeno).

57. 55 Véase Giordani (2025), pág. 731 (proponiendo utilizar el empleo de herramientas digitales por parte de los consumidores como «indicador clave de la atención del consumidor»).

58. 56 Véase Sevastianova (2023), págs. 1579-1583 (analizando los deberes de transparencia del DSA sobre los parámetros de jerarquización y la configuración de los recomendadores, y criticando el tratamiento de los valores por defecto en el DMA por no exigir opciones favorables al consumidor).

59. 57 Véase Franklyn y Hyman (2013), págs. 519-520 (mostrando, en la Tabla 7, que muchos encuestados reportaron etiquetas nunca utilizadas o no advertidas, y solo el 13 por 100 identificó correctamente las etiquetas utilizadas).

60. 58 A efectos de claridad, las exenciones de responsabilidad aquí descritas son propuestas normativas y no declaraciones del Derecho vigente de la UE o de los EE. UU.

61. 59 Véanse Roy y Marsoof (2024), págs. 751-752 (argumentando que las señales legibles por máquina pero invisibles para el usuario, como las metatags y las palabras clave, constituyen un «uso» jurídicamente relevante, desvinculado de la percepción humana); Lim (2022b), págs. 1343-1345 (explicando las ventajas generales de las exenciones de responsabilidad y cómo operan en el Derecho de marcas); Sevastianova (2023), págs. 1579-1583 (argumentando a favor de la transparencia sobre los «parámetros principales» de jerarquización, criticando los valores por defecto fijados por la plataforma, y motivando deberes de diseño y de modificación).

62. 60 Véanse Batty (2022), pág. 162 (anticipando que donde la IA recomienda o compra, los tribunales evaluarán cada vez más la confusión posterior a la venta porque «los consumidores pueden… advertirlo solo tras la entrega», y señalando que los sistemas de recomendación de IA «empujan» a los usuarios hacia determinados productos); Sevastianova (2023), págs. 1565-1569 (describiendo el fenómeno del «envío antes de compra» y explicando que los asistentes de voz solo visibilizan unas pocas opciones prefiltradas, reduciendo la visibilidad de las marcas y restringiendo la elección); Curtis (2021).

63. 61 Véanse Cai (2024), págs. 508-509 (reclamando estándares de evaluación claros y deberes de divulgación para las marcas generadas por IA, asignando responsabilidad entre titulares, usuarios y supervisores en función del nivel de automatización, y manteniendo un vínculo de revisión manual con el cribado asistido por IA y la comparación en bases de datos); Katyal y Kesari (2021), pág. 579 (argumentando que la IA debe complementar, no sustituir, el juicio humano en el registro y la búsqueda de marcas; respaldando la prudencia a pesar de las ganancias de eficiencia).

64. 62 Véase Ibid., pág. 526 (subrayando que los datos precisos, estructurados y representativos y la explicabilidad son fundamentales, y advirtiendo de los riesgos derivados de los marcos opacos y los datos de entrenamiento no representativos).

65. 63 Sobre la relevancia doctrinal de la perceptibilidad, véase Sevastianova (2023), pág. 1565 (explicando que, en las transacciones con asistente de voz, las instrucciones genéricas suelen derivar a productos de marca blanca por defecto, por lo que las marcas solo afloran en la fase de entrega).

66. 64 Véase Farley (2023).

67. 65 Véanse Giordani (2025), págs. 733-734 (sobre los asistentes virtuales y la compra automatizada, advirtiendo que los valores por defecto pueden anular las preferencias individuales, reduciendo la autonomía); Sevastianova (2023), págs. 1567-1568 (describiendo el envío antes de compra en el que la marca se percibe solo con la entrega y advirtiendo que las interfaces mediadas por IA ocultan alternativas y reducen la autonomía del consumidor).

68. 66 Sobre la conveniencia del consumidor y la aceptación de los valores por defecto, véase la literatura de economía del comportamiento aplicada a los mercados digitales: Sunstein y Thaler (2003); Bubb y Pildes (2014); Mathur et al. (2019); Luguri y Strahilevitz (2021); Lupiáñez-Villanueva et al., Behavioural Study on Unfair Commercial Practices in the Digital Environment: Dark Patterns and Manipulative Personalisation, Publications Office of the European Union, Luxemburgo. Disponible en: https://data.europa.eu/doi/10.2838/859030.

69. 67 Sobre los límites del papel del Derecho de marcas en la estructuración del acceso al mercado, véanse los asuntos acumulados C-236/08 a C-238/08, Google France SARL v. Louis Vuitton Malletier SA, ECLI:EU:C:2010:159 (los anuncios por palabras clave que usan marcas no están prohibidos per se; la visualización neutral de un motor de búsqueda no es «uso»); asunto C-323/09, Interflora Inc. v. Marks & Spencer plc, ECLI:EU:C:2011:604 (los derechos de marca no confieren control sobre los anuncios de competidores; el foco es si el anuncio permite al usuario de internet medio conocer el origen); asunto C-558/08, Portakabin Ltd v. Primakabin BV, ECLI:EU:C:2010:416 (los revendedores pueden usar marcas como palabras clave si la publicidad es coherente con las prácticas honestas y no sugiere un vínculo económico); KP Permanent Make-Up, Inc. v. Lasting Impression I, Inc., 543 U.S. 111 (2004) (Tribunal Supremo de EE.UU.) (el uso descriptivo leal tolera cierta confusión; el Derecho de marcas no garantiza la exclusividad en el mercado); Dastar Corp. v. Twentieth Century Fox Film Corp., 539 U.S. 23 (2003) (Tribunal Supremo de EE.UU.) (la Lanham Act no puede utilizarse para asegurar un derecho continuado a controlar el acceso posterior a los contenidos).

70. 68 Véase Dogan y Lemley (2007) (argumentando que el Derecho de marcas no debe impedir la competencia de otras fuentes de información, como la reputación del minorista, que también reducen los costes de búsqueda del consumidor).

71. 69 Véanse Dogan y Lemley (2004), págs. 786-789 (analizando cómo los motores de búsqueda y la publicidad por palabras clave complican la definición del «uso» marcario); asuntos acumulados C-236/08 a C-238/08, Google France SARL v. Louis Vuitton Malletier SA, ECLI:EU:C:2010:159, apartados 50-52 (declarando que la visualización de palabras clave por un motor de búsqueda no es «uso» por parte del proveedor, sino meramente una facilitación técnica del uso por terceros).

72. 70 Véase Batty (2022), págs. 138-139, 147-149 y 157 (señalando que la doctrina marcaria presupone un consumidor humano con memoria imperfecta, mientras que los sistemas de IA como los asistentes de voz operan con un recuerdo casi perfecto y pueden comprar en nombre del usuario).

73. 71 Véanse Grynberg (2020), págs. 199 y 226-228 (observando que la interfaz de Amazon puede restar importancia a las marcas y hacer más saliente la propia plataforma, desviando así a los usuarios hacia sustitutos); Dogan y Lemley (2004), págs. 786-789 (abogando por un enfoque funcional del «uso» en línea centrado en los efectos sobre la búsqueda y la demanda, y no en la mera visualización de marcas).

74. 72 Véanse Giordani (2025); Batty (2022).

75. 73 Véanse Giordani (2025).

76. 74 Véase Franklyn y Hyman (2013), pág. 535 (señalando que una minoría modesta confunde el origen empresarial o la afiliación). Véanse también págs. 515 y 519-520 (Tablas 4 y 7 sobre la baja comprensión de las etiquetas y el 22 por 100 que no advirtió etiqueta alguna).

77. 75 Véanse Cai (2024), págs. 506-507 (señalando que donde los sistemas no señalan claramente la información de marca, los consumidores pueden decidir bajo «cognición errónea»); Giordani (2025), págs. 731-732 (vinculando la dependencia del consumidor de la información en línea a los objetivos de transparencia y responsabilidad del DSA).

78. 76 Véase en general Sevastianova (2023) (señalando que los asistentes de voz solo visibilizan unas pocas opciones prefiltradas, limitando las alternativas y debilitando la autonomía).

79. 77 Véase Giordani (2025), págs. 733-734 (señalando que la compra mediante IA y la mediación por asistente pueden desplazar el poder de decisión del consumidor a la IA, planteando preocupaciones de autonomía).

80. 78 Véanse Sevastianova (2023), págs. 1577-1582 (argumentando que los sistemas de comercio automatizado deben, por defecto, visibilizar una diversidad de ofertas marcadas y permitir instrucciones del usuario como «algo parecido a X», protegiendo así la autonomía del consumidor sin conferir un derecho al primer posicionamiento); Duivenvoorde y Goanta (2023), págs. 7-10 (explicando que el art. 26 DSA obliga a las plataformas a hacer reconocible la publicidad con marcas prominentes y a proporcionar información de manera clara, concisa e inequívoca y en tiempo real, ofreciendo un punto de apoyo jurídico para los remedios que preservan la exposición a las alternativas); Giordani (2025), págs. 730-733 (proponiendo que el análisis de confusión marcaria tenga en cuenta el diseño de la interfaz y los valores por defecto digitales que afectan a la atención del consumidor).

81. 79 Véase Farley (2023), págs. 1125-1126 y 1156-1168.

82. 80 Véase Sevastianova (2023).

83. 81 Véanse Sevastianova (2023), págs. 1579-1583 (subrayando la transparencia de proceso sobre los parámetros de jerarquización y poniendo de relieve el poder orientador de los valores por defecto en el comercio por voz y asistente); Gangjee (2024), págs. 458-459.

84. 82 Véase Franklyn y Hyman (2013), págs. 484 y 513-520 (reportando que solo el 13 por 100 identificó correctamente las etiquetas utilizadas, el 22 por 100 no advirtió ninguna etiqueta, y solo el 16 por 100 clasificó correctamente todas las secciones; casi la mitad no presta atención a las etiquetas patrocinadas).

85. 83 Véase Sevastianova (2023).

86. 84 Cf. Sevastianova (2023), págs. 1566-1567 (sobre los valores por defecto de las herramientas de IA/ML como nudges que reducen la motivación del consumidor para buscar alternativas).

87. 85 Cf. Gal y Elkin-Koren (2017), págs. 312-317 y 322-324 (señalando que los sistemas de aprendizaje retienen y utilizan los historiales del usuario para realizar y ejecutar compras, con efectos de dependencia de la trayectoria en las elecciones futuras).

88. 86 Véase Gangjee (2024), págs. 459-460 (señalando los deberes de proceso del DSA para las plataformas: declaraciones claras de los motivos de las retiradas (art. 17), una base de datos pública de transparencia, gestión interna de quejas y resolución extrajudicial de controversias, y, especialmente para las plataformas de mayor tamaño, auditorías independientes (art. 37) y acceso a datos para investigadores acreditados (art. 40); también señala el desafío de la «responsabilidad significativa» cuando las decisiones son de base algorítmica o de aprendizaje automático).

89. 87 Ibid., págs. 1579-1581 (analizando las normas de transparencia del DSA sobre los parámetros de jerarquización y la configuración de los recomendadores, pero criticando su fracaso en obligar a los valores por defecto favorables al consumidor, subrayando así la necesidad de salvaguardias a nivel de diseño).

90. 88 Véase Franklyn y Hyman (2013), págs. 513-520 (reportando el fracaso generalizado en advertir o interpretar correctamente las etiquetas «patrocinado»); Duivenvoorde y Goanta (2023), pág. 8 (señalando que el art. 26.1 DSA exige que la información publicitaria sea directa y fácilmente accesible y se presente de manera clara, concisa e inequívoca y en tiempo real).

91. 89 Véanse Gal y Elkin-Koren (2017), págs. 312-313 y 322-324; Sevastianova (2023), págs. 1567-1568 (argumentando que los asistentes de IA pueden orientarse hacia los productos de marca propia y que preservar las alternativas y el control del usuario salvaguarda la autonomía del consumidor).

92. 90 Véase Giordani (2025), págs. 731-732 (vinculando los deberes de transparencia del DSA a la mejora de la calidad de la información de la que dependen los consumidores, e instando a obligaciones de transparencia en el diseño de la interfaz).

93. 91 Véase Gangjee (2024), págs. 451-455 (instando a la transparencia sobre la jerarquización y la curación).

94. 92 Ibid.

95. 93 Asunto C-251/95, SABEL BV v. Puma AG, ECLI:EU:C:1997:528, apartado 22; asunto C-342/97, Lloyd Schuhfabrik Meyer & Co. GmbH v. Klijsen Handel BV, ECLI:EU:C:1999:323, apartado 26.

96. 94 Véanse Sevastianova (2023), págs. 1567-1578 (argumentando que las marcas salvaguardan la autonomía del consumidor y la elección en el comercio automatizado, e instando a la visibilidad por defecto de las alternativas); Fhima (2011), pág. 325.

97. 95 Véanse Gangjee (2024), págs. 451-460 (vinculando las herramientas de responsabilidad del DSA con la tutela marcaria y la gobernanza de los mercados); Reglamento (UE) 2022/2065 del Parlamento Europeo y del Consejo, de 19 de octubre, relativo a un mercado único de servicios digitales (Reglamento de Servicios Digitales), DO L 277, de 27 de octubre de 2022.

98. 96 Véase Dessers (2025).

99. 97 Véase Gangjee (2020), págs. 189-190 (advirtiendo que las herramientas de similitud de IA son útiles, pero no deben desplazar el análisis de confusión multifactorial y sensible al contexto).

100. 98 Véase Bonadio y Rohatgi (2025).

101. 99 Véase Farley (2023), págs. 1161-1162.

102. 100 Véase Dessers (2025), págs. 6-10 (reportando argumentos según los cuales las recomendaciones de IA pueden llevar a los consumidores a decidir sin recurrir a las marcas).

103. 101 Véanse Sevastianova (2023), págs. 1567-1568 (explicando que los asistentes de voz solo visibilizan unas pocas opciones prefiltradas, limitando la autonomía del consumidor); Farley (2023), págs. 1161-1162 (observando que las herramientas de búsqueda visual presentan conjuntos limitados de opciones, y que las marcas reentran solo en la fase de selección).

104. 102 Véanse Farley (2023), págs. 1161-1162; Dessers (2025), págs. 6-10 (argumentando que la IA puede apartar las marcas en el momento de la compra, pero seguir afectando el origen y la calidad tras la entrega, y que las funciones accesorias pueden distorsionarse cuando las marcas actúan solo como ganchos de recuperación, planteando preocupaciones de dilución y aprovechamiento del esfuerzo ajeno).

105. 103 Véase Gangjee (2020), pág. 189 y notas 71-72 (señalando que las herramientas de búsqueda de imágenes de las oficinas permiten recortar una región de interés y que los elementos figurativos comunes deben aislarse y descontarse en el análisis de similitud).

106. 104 Véase Dagan et al. (2023) (analizando 1,6 millones de consultas visuales de eBay y mostrando cómo los datos de clics y compras tras búsquedas por imagen revelan patrones de sustitución entre resultados marcados y no marcados).

107. 105 Véase el Reglamento (UE) 2022/2065 del Parlamento Europeo y del Consejo, de 19 de octubre, relativo a un mercado único de servicios digitales y por el que se modifica la Directiva 2000/31/CE (Reglamento de Servicios Digitales), DO L 277, de 27 de octubre de 2022, pág. 1.

108. 106 Véase Gangjee (2024), págs. 451-455 y 457-460 (describiendo el reconocimiento de imágenes basado en CNN y la detección de anomalías).

109. 107 Véase Farley (2023), págs. 1126-1127 (describiendo cómo las herramientas de compra guiadas por imagen dirigen a los consumidores hacia sustitutos «visualmente similares» sin visibilizar la marca original, por lo que la marca puede aparecer solo después, si es que aparece).

110. 108 Véase Farley (2023), págs. 1161-1162.

111. 109 Ibid.

112. 110 Ibid., págs. 1184-1186.

113. 111 Véase Gangjee (2024), págs. 456-460 (abogando por la transparencia en los parámetros de jerarquización).

114. 112 Véase Sevastianova (2023).

115. 113 Ibid.; Katyal y Kesari (2021), págs. 581-582 (instando a la transparencia, la explicabilidad y la motivación para que los sistemas de búsqueda de marcas sean auditables y responsables).

116. 114 Cf. Dinwoodie (2014), págs. 486-489 (explicando el puerto seguro del art. 14 de la UE, la condición de neutralidad del TJUE, y que el incumplimiento de una condición elimina la inmunidad sin imponer automáticamente responsabilidad).

117. 115 Véase la Decisión de la Comisión, asunto AT.39740 - Google Search (Shopping), de 27 de junio de 2017 (constatando un abuso de autopreferencia mediante priorización en la jerarquización de la búsqueda general); confirmada por el asunto T-612/17, Google y Alphabet v. Comisión, ECLI:EU:T:2021:763 (Tribunal General, 10 de noviembre de 2021); confirmada por el asunto C-48/22 P, Google LLC v. Comisión, ECLI:EU:C:2024:726 (TJUE, 10 de septiembre de 2024) (confirmando la constatación del abuso); Nota de prensa de la Comisión Europea, La Comisión acepta los compromisos de Amazon (19 de diciembre de 2022), disponible en https://ec.europa.eu/commission/presscorner/detail/en/ip_22_7777; Resumen de la Decisión de compromisos, asuntos AT.40462 (Amazon Marketplace) y AT.40703 (Amazon Buy Box), de 9 de marzo de 2023 (abordando las preocupaciones sobre cómo la jerarquización de Amazon, la presentación de la Buy Box y el uso de datos de vendedores pueden distorsionar la competencia aunque las ofertas individuales sean transparentes).

118. 116 Véanse Giordani (2025), págs. 729-733 (argumentando que el nuevo consumidor medio debe situarse «dentro» de la interfaz digital relevante); Arcidiacono (2025) (argumentando que el riesgo de confusión en línea depende del diseño de los anuncios y las páginas y del etiquetado, con deberes más estrictos para la búsqueda general que para la búsqueda interna del sitio, y vinculando la transparencia de los «parámetros principales» del DSA a la comprensión del usuario de los resultados de jerarquización).

119. 117 Véase Terryn y Martos Marquez (2025), págs. 192-210.

120. 118 Reglamento (UE) 2022/2065 (DSA), art. 27 (transparencia del sistema de recomendación: divulgar los «parámetros principales» y las opciones del usuario) y art. 37 (auditorías independientes para las plataformas y buscadores en línea de muy gran tamaño).

121. 119 DSA, art. 27(1) (obligación de establecer en lenguaje sencillo los principales parámetros utilizados por los sistemas de recomendación).

122. 120 Véase Dinwoodie y Gangjee (2016) (trazando la construcción del «consumidor medio» en el Derecho marcario de la UE, enfatizando el recuerdo imperfecto, la atención limitada y la evaluación de las marcas basada en la percepción).

123. 121 Véanse Giordani (2025), pág. 732 (señalando que el prisma jurídico operativo es ya el de un «individuo competente en internet» en los principales casos del TJUE sobre tecnología publicitaria); Gal y Elkin-Koren (2017), págs. 310-317 y 322-324 (señalando cómo los asistentes digitales pueden jerarquizar opciones y ejecutar compras, soslayando la toma de decisiones humana y la percepción contemporánea de las marcas).

124. 122 Véase Grynberg (2020), pág. 226 (explicando cómo el diseño de la interfaz de Amazon resta importancia a las marcas y hace más saliente la propia plataforma que el signo).

125. 123 Véanse Gangjee (2024), págs. 451-455 (analizando cómo los mercados monetizan la jerarquización y la curación); Dessers (2025), págs. 6-7 (explicando que los recomendadores de IA dirigen la demanda del consumidor según criterios que sirven a los intereses de la plataforma).

126. 124 Véase en general Giordani (2025) (instando a los tribunales a alinear el riesgo de confusión con las realidades de la compra en línea, situando al consumidor medio dentro de las interfaces digitales y teniendo en cuenta la interacción con reseñas y herramientas de comparación).

127. 125 Véanse Franklyn y Hyman (2013), págs. 535-536 (señalando que la confusión se concentra en comprender por qué aparecen los enlaces y qué encontrará el usuario al hacer clic, más que en el origen empresarial; los autores instan a sustituir el empirismo de gabinete por pruebas); Giordani (2025); Batty (2022); Gangjee (2024).

128. 126 Véanse Sevastianova (2023), págs. 1575-1577 (argumentando que los sistemas de comercio automatizado deben hacer visibles por defecto las alternativas de marca y permitir el control del usuario sobre la configuración, salvaguardando así la autonomía del consumidor y la elección sin conferir ningún derecho a la prioridad en la jerarquización); Franklyn y Hyman (2013), págs. 517-519 (reportando objetivos y expectativas heterogéneas del usuario y señalando que los desajustes entre expectativas y contenido de los enlaces de pago aumentan los costes de búsqueda).

129. 127 Véanse Farley (2023), págs. 1127-1128 y 1184-1186 (explicando que los canales mediados por IA desplazan las marcas e instando a los tribunales a comprobar si las marcas realmente transmiten información en lugar de proteger «marcas como propiedad»); Katyal y Kesari (2021) (señalando cómo la búsqueda y la jerarquización controladas por la plataforma pueden orientar la exposición a las alternativas).

130. 128 Véase Franklyn y Hyman (2013), pág. 518 (ilustrando en la Tabla 6 y el texto adyacente los objetivos y expectativas heterogéneas), págs. 519-520 (Tabla 7 sobre la baja notoriedad de las etiquetas) y pág. 535 (señalando la baja confusión tradicional en cuanto al origen empresarial pero la incertidumbre sobre por qué y cómo aparecen los anuncios).

131. 129 Véase Gangjee (2024), págs. 451-455 (vinculando los sistemas de clasificación del mercado y de retirada de contenidos a una gobernanza al estilo del DSA, Reglamento de Servicios Digitales).

132. 130 Véase Lim (2022b), págs. 1358-1360.

133. 131 Véanse Senftleben (2013), págs. 137-176 (instando a retornar a la función de origen e información y advirtiendo de la expansión al estilo de la propiedad); Giordani (2025), págs. 724-733 (instando a los tribunales a situar al consumidor medio dentro de la interfaz digital relevante, tener en cuenta la interacción con reseñas y herramientas de comparación, y recalibrar la ponderación de los factores para reflejar las realidades de la compra en línea).