Las plataformas digitales han comenzado a depender más de algoritmos para realizar tareas básicas como fijar precios. Estas plataformas deben establecer precios que coordinen dos o más partes que se necesitan mutuamente de alguna manera (por ejemplo, desarrolladores y usuarios o compradores y vendedores). Por lo tanto, es esencial formar expectativas correctas sobre cómo se comportan ambas partes. El propósito de este documento fue estudiar el efecto de diferentes niveles de información en dos metaheurísticas inspiradas en biología (algoritmos de evolución diferencial y optimización por enjambre de partículas) que fueron programados para fijar precios en plataformas de múltiples lados. Supusimos que una plataforma siempre formaba expectativas correctas (plataforma humana) mientras que el competidor siempre usaba una versión genérica de algoritmos de optimización por enjambre de partículas o evolución diferencial. Probamos diferentes niveles de información que modificaban cómo se formaban las expectativas. Descubrimos que ambos algoritmos podrían terminar en soluciones subóptimas, mostrando que los algoritmos necesitaban tener en cuenta la formación de expectativas explícitamente o correr el riesgo de establecer precios no óptimos. Además, encontramos regularidad en la forma en que los algoritmos fijaban precios cuando formaban expectativas incorrectas, lo que puede ayudar a los profesionales a detectar casos que requieren intervención.