Immaginiamo un piovoso venerdì sera autunnale. È mezzanotte passata, hai lavorato fino a tardi e devi tornare a casa. Prendi lo smartphone per prenotare una corsa di taxi con un’app e ti accorgi che la batteria è al 12%. Poiché il tuo dispositivo si sta per spegnere e sei in una condizione di immediata necessità, l’algoritmo di intelligenza artificiale dell’applicazione rileva la tua vulnerabilità momentanea e ti addebita una tariffa maggiorata.
Questo fenomeno non è semplice “tariffazione dinamica” (quella usata dalle compagnie aeree, dove i prezzi fluttuano per tutti in base all’offerta e alla domanda di mercato). Si tratta di “prezzi di sorveglianza” o “prezzi personalizzati”: una strategia con cui i sistemi di intelligenza artificiale incrociano quantità enormi di dati personali — età, posizione, abitudini d’acquisto e persino lo stato hardware del telefono — per stimare in tempo reale il massimo prezzo che il singolo individuo è disposto a pagare (il cosiddetto “punto di non ritorno”).
Se a prima vista la personalizzazione viene venduta come un servizio “su misura”, la realtà economico-giuridica è opposta: i prezzi personalizzati rappresentano una minaccia notevole per il libero mercato.
La distruzione della concorrenza e del libero mercato
Il funzionamento fisiologico del libero mercato si basa su un principio fondamentale: la trasparenza dei prezzi. Quando i prezzi sono pubblici e uguali per tutti i consumatori, le aziende concorrono al ribasso, si possono confrontare le offerte, scegliere la più conveniente e premiare i commercianti più efficienti.
I prezzi di sorveglianza distruggono questa dinamica:
- Eliminazione della comparabilità: Se il prezzo cambia da persona a persona e da un minuto all’altro, confrontare le offerte diventa impossibile. Il consumatore perde il potere di scelta informata e trasparente.
- Frammentazione del mercato: Il mercato unico e concorrenziale viene frantumato in una miriade di “micro-mercati individuali”. Ogni consumatore si trova isolato di fronte all’algoritmo del venditore, senza sapere se stia pagando più o meno degli altri.
- Estrazione totale del surplus del consumatore: Invece di stimolare l’efficienza dei costi per abbassare i prezzi, l’IA lavora esclusivamente per estrarre la massima disponibilità economica da ogni singola transazione.
Il caso emblematico: la trappola del “pacco di pasta e del sugo”
Immaginiamo la spesa al supermercato o sugli e-commerce alimentari: l’algoritmo rileva che hai appena inserito nel carrello un pacco di pasta in offerta. Sapendo che la pasta richiede quasi inevitabilmente un condimento e che hai già manifestato l’intenzione di cucinare quel primo piatto, il sistema aggiorna istantaneamente e in tempo reale il prezzo dei barattoli di sugo di pomodoro, aumentandolo.
L’algoritmo sfrutta l’effetto di “dipendenza” tra i due acquisti e la tua ridotta propensione a cercare alternative in quel momento. Risultato? Quello che sembrava un risparmio sulla pasta viene spazzato via dal rincaro artificiale del sugo. Se questi sistemi iniziassero a monitorare lo stress, gli acquisti di farmaci o i bisogni periodici, l’intero costo della vita subirebbe una spinta inflazionistica invisibile e incontrollabile.
La legislazione italiana ed europea
1. Protezione dei Dati e Profilazione (GDPR)
In Italia, la raccolta massiva di dati tramite carte fedeltà o app è regolata dal GDPR (Regolamento UE 2016/679). L’articolo 22 del GDPR sancisce il diritto di non essere sottoposti a decisioni basate unicamente sul trattamento automatizzato (compresa la profilazione) che producano effetti giuridici o incidano significativamente sulla persona. Inoltre, l’informativa ai sensi dell’art. 13 impone estrema trasparenza. Tuttavia, molte aziende inseriscono la profilazione nei termini di servizio delle carte fedeltà, trasformando i dati dei clienti in una miniera con margini di profitto ben superiori a quelli della vendita al dettaglio tradizionale.
2. Trasparenza dei Prezzi e Codice del Consumo
In Italia, l’obbligo di esporre chiaramente il prezzo finale al pubblico è sancito dal Codice del Consumo (D.Lgs. 206/2005) e dalla recente attuazione della Direttiva UE “Pratiche Commerciali Incomplete/Direttiva Omnibus”. La legge impone che il consumatore debba essere informato in modo chiaro e inequivocabile quando un prezzo viene personalizzato sulla base di un processo decisionale automatizzato. Se le etichette digitali o le offerte in-app nascondono i criteri di calcolo o impediscono di conoscere il prezzo base effettivo, ci si trova di fronte a una pratica commerciale scorretta o ingannevole, sanzionabile dall’AGCM.
3. Diritto della Concorrenza e Antitrust (AGCM)
La Legge 287/1990 e le norme UE sulla concorrenza vietano l’abuso di posizione dominante e le pratiche discriminatorie. L’Autorità Garante della Concorrenza e del Mercato (AGCM) ha strumenti sanzionatori incisivi, ma i prezzi predatori e discriminatori gestiti da algoritmi pongono sfide enormi: la rapidità e l’opacità dei dati rendono difficile dimostrare le intese anticoncorrenziali o l’abuso a danno dei consumatori, poiché non esiste più un unico registro dei prezzi verificabile.
Conclusione
La personalizzazione algoritmo-centrica dei prezzi non è un’evoluzione naturale del commercio, ma un’alterazione strutturale che mina alla base i principi del libero mercato, della trasparenza e della tutela del consumatore.
Mentre i marchi investono massicciamente in etichette digitali e infrastrutture di calcolo per massimizzare i profitti individuali, il quadro normativo italiano ed europeo possiede gli strumenti di principio (GDPR, Codice del Consumo, intervento dell’AGCM), ma necessita di un’applicazione tempestiva e rigorosa. Senza controlli effettivi sugli algoritmi, il mercato cesserà di essere il luogo del confronto ad armi pari e diventerà un terreno di estrazione predatoria dei consumatori.
Vincenzo Donvito
Lascia un commento