В США опасаются персональных цен, которые искусственный интеллект может устанавливать для каждого покупателя

В США усиливается обеспокоенность использованием искусственного интеллекта для индивидуального формирования цен на товары и услуги. Покупатели опасаются, что магазины, рестораны и цифровые сервисы могут учитывать персональные данные, историю покупок и предполагаемую платёжеспособность клиентов, предлагая разную стоимость одного и того же товара.

Поводом для обсуждения стала ситуация с покупкой жёсткого диска в интернет-магазине Walmart. Житель штата Иллинойс обнаружил, что на его смартфоне устройство стоило 369 долларов, тогда как на телефоне его супруги цена была на 110 долларов ниже. В итоге покупатель приобрёл товар по более выгодной цене.

В Walmart объяснили расхождение технической ошибкой, которую впоследствии исправили. Компания заявила, что не использует персональные данные клиентов для определения стоимости товаров. Представители сети также заверили, что цены не повышаются с учётом доходов покупателей, истории их приобретений или срочности потребности в конкретном продукте.

Тем не менее этот случай усилил дискуссию о прозрачности алгоритмического ценообразования. Дополнительное внимание привлекли патенты, предусматривающие потенциальные возможности использования персональных данных при формировании цен. Общественные организации призвали торговые сети отказаться от технологий, которые могут привести к дискриминации покупателей по уровню дохода или другим характеристикам.

В центре внимания оказались и другие крупные компании. В отношении McDonald’s был подан иск, в котором компанию обвинили в использовании алгоритмов, способствующих согласованному повышению цен. Представители сети отвергли обвинения. Сам факт подачи иска не означает, что нарушения были доказаны.

Почему персональные цены вызывают опасения

Важно различать динамическое и персонализированное ценообразование. Динамическое предполагает изменение стоимости в зависимости от спроса, времени, наличия товара или других рыночных условий. Например, тариф на поездку может вырасти в часы пик, а стоимость гостиничного номера — измениться по мере заполнения отеля.

Персонализированное ценообразование предполагает иной подход: алгоритм потенциально может учитывать особенности конкретного покупателя и его предполагаемую готовность заплатить определённую сумму. В таком случае два человека могут увидеть разные цены на один и тот же товар при сопоставимых условиях покупки.

Опасения связаны с тем, что подобные системы способны анализировать большие объёмы информации о поведении пользователей. Если алгоритм определит, что покупатель срочно нуждается в товаре или с высокой вероятностью согласится на более высокую цену, это теоретически может использоваться для увеличения стоимости предложения.

При этом различие в ценах само по себе не доказывает применение персональных алгоритмов. На стоимость могут влиять скидки, настройки приложения, регион продажи, комплектация товара и технические ошибки.

Власти добиваются большей прозрачности

В США постепенно усиливается регулирование алгоритмического ценообразования. Отдельные штаты принимают меры, направленные на раскрытие информации об использовании персональных данных при формировании стоимости товаров и услуг, а также на ограничение некоторых недобросовестных практик.

Вопрос находится на пересечении защиты потребителей, конфиденциальности данных и конкуренции. Регуляторы стремятся определить, в каких случаях использование алгоритмов является обычным инструментом управления ценами, а когда оно может вводить покупателей в заблуждение или создавать для них неравные условия.

Распространение искусственного интеллекта делает такие вопросы особенно актуальными для электронной торговли. Алгоритмы позволяют компаниям быстрее анализировать спрос, оценивать эффективность скидок и корректировать предложения. Однако те же инструменты потенциально могут использоваться для более точной оценки того, сколько конкретный клиент готов заплатить.

Как покупателям проверить стоимость товара

Потребителям стоит сравнивать цены в приложениях и на сайтах магазинов, проверять предложения нескольких продавцов и обращать внимание на итоговую стоимость перед оплатой. Если один и тот же товар на разных устройствах стоит по-разному, полезно убедиться, что совпадают регион доставки, комплектация, условия продажи и применяемые скидки.

Заметное расхождение в стоимости можно зафиксировать с помощью скриншотов и уточнить у службы поддержки магазина. Однако делать вывод о персональном ценообразовании только на основании такого сравнения не следует.

Главный вопрос для рынка заключается в том, насколько прозрачными должны быть алгоритмы, влияющие на стоимость покупок. По мере развития искусственного интеллекта потребителям становится всё важнее понимать причины изменения цен и знать, используются ли их персональные данные для определения условий продажи.