Prezzi fissati da algoritmi: si cerca una soluzione

Quanto costa davvero una corsa in auto chiamata con l'app appena scesi dall'aereo? Dipende. Dipende dal meteo, dall'affollamento della zona, dall'ora e da una serie di altri fattori che un algoritmo calcola in tempo reale per decidere il prezzo che ciascun cliente vedrà sullo schermo. Come racconta la giornalista Michelle Singletary in una colonna pubblicata dal Washington Post, durante un recente viaggio ha controllato le tariffe di Uber e Lyft appena atterrata: nel tempo necessario per raggiungere l'area di ritiro passeggeri, i prezzi su entrambe le applicazioni erano già saliti vertiginosamente. Le piattaforme di ride-sharing si affidano infatti a modelli di apprendimento automatico che alzano le tariffe in anticipo, in risposta a condizioni meteo avverse, alla folla o a improvvisi picchi di richiesta.

Il fenomeno descritto dalla editorialista non riguarda solo le corse in auto. Nell'era digitale, sempre più aziende utilizzano sistemi di pricing algoritmico per modificare prezzi e tariffe in tempo reale, spesso sulla base di dati personali raccolti sui singoli consumatori: posizione geografica, dispositivo utilizzato, cronologia di navigazione, abitudini di acquisto. Una pratica che negli Stati Uniti viene ormai comunemente definita "surveillance pricing", ossia la definizione di prezzi individualizzati basata sulla sorveglianza del comportamento del cliente.

Il tema è arrivato con forza all'attenzione delle autorità di regolazione americane. La Federal Trade Commission (FTC) ha aperto una consultazione pubblica su una proposta di politica di applicazione della legge che riguarda proprio il pricing personalizzato, ossia l'uso dei dati personali dei consumatori per stabilire prezzi calibrati su quanto ciascuno sarebbe disposto a pagare. Il presidente della FTC aveva già chiarito la posizione dell'agenzia sostenendo che i consumatori si aspettano di vedere lo stesso prezzo mostrato a tutti gli altri clienti, non una stima della propria disponibilità a spendere basata sui dati personali.

Diversi Stati americani si sono già mossi in autonomia. Il Maryland è stato il primo a vietare esplicitamente alcune pratiche di prezzo personalizzato nel settore della vendita al dettaglio alimentare, seguito a ruota dal New Jersey. Il Connecticut ha invece modificato la propria legge sulla privacy dei dati introducendo sia obblighi di trasparenza sia veri e propri divieti per rivenditori e servizi di consegna di terze parti. Anche lo Stato di New York ha approvato una norma in materia, dopo aver già imposto in precedenza l'obbligo per le aziende di segnalare quando un prezzo è calcolato da un algoritmo sulla base dei dati personali dei clienti.

Il dibattito negli Stati Uniti si è ulteriormente acceso dopo che lo stesso Washington Post è finito al centro di una class action per aver utilizzato i dati di lettura dei propri abbonati - articoli letti, editorialisti seguiti, frequenza di accesso - per calibrare individualmente il prezzo degli abbonamenti digitali, arrivando a far pagare di più proprio ai lettori più fedeli e di lunga data rispetto ai nuovi iscritti.

Il nodo centrale, secondo chi si occupa di tutela dei consumatori, è l'asimmetria informativa: quando i prezzi personalizzati restano invisibili, i clienti non hanno modo di sapere se stanno pagando più o meno rispetto a chi ha acquistato lo stesso prodotto nello stesso momento, né possono confrontare efficacemente le offerte. Le proposte di riforma in discussione puntano quindi non tanto a vietare del tutto l'uso di dati e algoritmi nella determinazione dei prezzi, quanto a imporre obblighi di trasparenza rafforzati: comunicare chiaramente quando un prezzo è personalizzato, su quale base viene calcolato e quali tipologie di dati vengono utilizzate, prima che il consumatore concluda l'acquisto.