Algoritmos de IA miram teto de preço para consumidor e piso salarial de trabalhadores

Reguladores, incluindo a Comissão Federal de Comércio dos EUA (FTC), estão examinando de perto o avanço da precificação personalizada por algoritmos e dos sistemas de remuneração de trabalhadores. À medida que as plataformas digitais coletam extensos dados pessoais e comportamentais, modelos preditivos permitem cada vez mais que as empresas estimem tanto o preço máximo que um cliente individual pagará quanto a remuneração mínima que um trabalhador aceitará.

Rastreando limites comportamentais

Plataformas digitais coletam dados contínuos dos usuários, incluindo localização, dados demográficos, histórico de navegação, atualizações no carrinho de compras e movimentos do mouse. Varejistas podem utilizar essas informações para direcionar descontos seletivos a compradores sensíveis a preços, ao mesmo tempo em que retêm promoções para aqueles previstos para comprar pelos preços normais. No mercado de trabalho, plataformas como a Lyft contam com sistemas documentados que personalizam incentivos e desafios de ganhos para motoristas. Um estudo com 1,5 milhão de viagens da Uber no Reino Unido identificou de forma semelhante uma associação entre mecanismos de precificação dinâmica, rendimentos horários reais menores e maior desigualdade entre os motoristas.

Transparência de mercado unilateral

Historicamente, as transações de mercado continham incertezas financeiras para ambos os lados, com consumidores frequentemente pagando menos do que seu orçamento máximo e trabalhadores ganhando acima do seu patamar mínimo. Ferramentas de previsão baseadas em algoritmos reduzem essa incerteza prioritariamente para as empresas, em vez dos indivíduos. Enquanto as plataformas observam, testam e aprendem constantemente com as decisões dos usuários, os consumidores não conseguem determinar facilmente se desistir de uma compra resultará em uma oferta mais baixa, nem os trabalhadores autônomos conseguem verificar se recusar uma tarefa geraria um pagamento maior.

Privacidade de dados e barganha de mercado

Embora algoritmos preditivos possam otimizar a correspondência de oferta e reduzir desperdícios operacionais, restam dúvidas sobre como esses ganhos econômicos são distribuídos. Grupos de defesa do consumidor, como o Consumer NZ, destacaram como programas de fidelidade do varejo geram dados detalhados de gastos que poderiam embasar estratégias de preços individualizados. Como os dados pessoais ajudam a determinar os limites de transação, a privacidade influencia diretamente o poder de barganha, motivando pedidos por maior visibilidade sobre o funcionamento dos algoritmos de precificação e de salários.

Ilustração editorial gerada por IA; não é uma fotografia documental.

Fonte: Businesses are using AI to predict what individual customers will pay – and workers will accept being paid