Τα προσωπικά σου δεδομένα μπορεί να καθορίζουν πόσο πληρώνεις για ένα κουτί αυγά
Περίληψη
Ένας νέος νόμος στη Νέα Υόρκη απαιτεί από τις επιχειρήσεις να δηλώνουν αν χρησιμοποιούν αλγορίθμους που βασίζονται σε προσωπικά δεδομένα για να καθορίζουν τιμές βασικών αγαθών, όπως αυγά και χαρτί τουαλέτας. Αν και οι εταιρείες πρέπει να αποκαλύπτουν ότι χρησιμοποιούν προσωπικά δεδομένα, δεν υποχρεώνονται να εξηγήσουν ποια δεδομένα χρησιμοποιούνται ή πώς επηρεάζουν την τελική τιμή. Η Target εμφανίζει διαφορετικές τιμές ανάλογα με το κατάστημα ή τη γεωγραφική τοποθεσία του χρήστη, ενώ παρόμοιες πρακτικές έχουν εφαρμοστεί από πολλές εταιρείες στο παρελθόν. Το φαινόμενο συνδέεται με την αυξανόμενη ανησυχία των ρυθμιστικών αρχών για το «surveillance pricing» και μπορεί να οδηγήσει σε νέες ρυθμίσεις σε πολιτειακό και ομοσπονδιακό επίπεδο.
Κύρια σημεία
- Νέος νόμος στη Νέα Υόρκη απαιτεί «σαφή και εμφανή» ενημέρωση όταν οι τιμές καθορίζονται αλγοριθμικά με χρήση προσωπικών δεδομένων.
- Η Target εμφανίζει διαφορετικές τιμές για το ίδιο προϊόν ανάλογα με την τοποθεσία ή το κατάστημα με το οποίο συνδέεται ο χρήστης.
- Οι εταιρείες δεν χρειάζεται να αποκαλύπτουν ποια προσωπικά δεδομένα χρησιμοποιούν ούτε πώς επηρεάζουν την τιμή.
- Παρόμοιες πρακτικές έχουν εφαρμοστεί από Staples, Princeton Review και άλλες εταιρείες εδώ και χρόνια.
- Η FTC έχει ξεκινήσει μελέτη αγοράς για το «surveillance pricing», αλλά δεν έχει δημοσιεύσει ακόμη τελικό πόρισμα.
- Άλλες πολιτείες εξετάζουν αντίστοιχους νόμους, ενώ κατατίθενται δεκάδες νομοθετικές προτάσεις στις ΗΠΑ για αλγοριθμική τιμολόγηση και πιθανή χειραγώγηση.
Αναλυτικά
Το άρθρο εξετάζει πώς ένας νέος νόμος στη Νέα Υόρκη επηρεάζει τον τρόπο με τον οποίο οι εταιρείες ενημερώνουν το κοινό για την αλγοριθμική τιμολόγηση βασικών αγαθών. Αφορμή αποτελεί η παρατήρηση ότι σε διαφορετικές περιοχές της πολιτείας, όπως μεταξύ Rochester και Tribeca της Νέας Υόρκης, η Target εμφανίζει διαφορετικές τιμές για το ίδιο προϊόν (π.χ. Good & Gather αυγά: $1.99 έναντι $2.29). Στην ιστοσελίδα της Target εμφανίζεται η ειδοποίηση «This price was set by an algorithm using your personal data», υποδηλώνοντας ότι προσωπικές πληροφορίες μπορεί να επηρεάζουν την τιμή.
Ο νέος νόμος απαιτεί από τις επιχειρήσεις που χρησιμοποιούν αλγορίθμους με βάση προσωπικά δεδομένα για τον καθορισμό τιμών να το δηλώνουν με «σαφή και εμφανή» τρόπο. Προσωπικά δεδομένα θεωρούνται οποιαδήποτε πληροφορία συνδέεται άμεσα ή έμμεσα με ένα άτομο ή μια συσκευή. Ωστόσο, ο νόμος δεν απαιτεί να αναφέρεται ποια δεδομένα χρησιμοποιούνται ούτε πώς ακριβώς αυτά επηρεάζουν την τιμή. Το μόνο που γνωρίζουμε είναι ότι οι εταιρείες οφείλουν να αποκαλύπτουν την ύπαρξη του αλγορίθμου — όχι τη λειτουργία του.
Η Target δεν απάντησε σε ερωτήσεις για το ποιες πληροφορίες χρησιμοποιούνται ούτε για τους λόγους διαφοράς τιμών. Η εταιρεία έχει ιστορικό διαφοροποιημένων τιμών ανά περιοχή, ενώ στο παρελθόν είχε κατηγορηθεί για χρήση γεωφράχτησης (geofencing) ώστε η εφαρμογή της να αλλάζει αυτόματα τις τιμές ανάλογα με το πού βρίσκεται ο χρήστης. Η Target συνεχίζει να συνδέει αυτόματα κάθε επισκέπτη της ιστοσελίδας με ένα κοντινό κατάστημα, επηρεάζοντας τις τιμές που βλέπει.
Παραδείγματα διαφοροποίησης τιμών εμφανίζονται και σε άλλα προϊόντα, όπως χαρτί υγείας Charmin Ultra Strong, όπου οι τιμές αλλάζουν από περιοχή σε περιοχή. Αν και αυτές οι πρακτικές δεν είναι παράνομες, η έλλειψη διαφάνειας έχει απασχολήσει την κοινή γνώμη και τις ρυθμιστικές αρχές.
Φαινόμενα αλγοριθμικής ή γεωγραφικής τιμολόγησης έχουν καταγραφεί εδώ και μια δεκαετία από Staples, Princeton Review και άλλους παρόχους υπηρεσιών — συχνά με σημαντικές διαφορές τιμών που αποδόθηκαν στο κόστος λειτουργίας ανά περιοχή, τον ανταγωνισμό και τη ζήτηση.
Η Ομοσπονδιακή Επιτροπή Εμπορίου (FTC) διερευνά το φαινόμενο «surveillance pricing», όπου η τοποθεσία και άλλα δεδομένα πελατών χρησιμοποιούνται για καθορισμό τιμών. Έχει δημοσιεύσει ήδη μια ενδιάμεση αναφορά, ενώ η τελική αναμένεται. Παράλληλα, πολλές πολιτείες εξετάζουν αντίστοιχες νομοθεσίες – με πάνω από 50 προτάσεις νόμων να έχουν εισαχθεί για ζητήματα όπως αλγοριθμική τιμολόγηση, price-fixing μέσω AI, και χρήση ευαίσθητων χαρακτηριστικών στους αλγορίθμους.