Δύο καταναλωτές αγοράζουν το ίδιο προϊόν, από το ίδιο κατάστημα, την ίδια χρονική στιγμή. Ωστόσο, ο ένας ενδέχεται να πληρώνει περισσότερο από τον άλλον, όχι επειδή υπάρχει κάποια προσφορά ή διαφοροποίηση στο προϊόν, αλλά επειδή ένας αλγόριθμος έχει υπολογίσει πόσα χρήματα είναι διατεθειμένος να ξοδέψει ο καθένας.

Αυτό είναι ένα από τα σενάρια που ανοίγει η ολοένα μεγαλύτερη αξιοποίηση της τεχνητής νοημοσύνης στο λιανεμπόριο, προκαλώντας προβληματισμό για το μέλλον της τιμολόγησης και την προστασία των καταναλωτών.

Στις Ηνωμένες Πολιτείες, ειδικοί προειδοποιούν ότι οι νέες τεχνολογίες θα μπορούσαν να οδηγήσουν σε μια αγορά όπου η τιμή ενός προϊόντος δεν θα είναι απαραίτητα κοινή για όλους, αλλά θα διαφοροποιείται ανάλογα με προσωπικά χαρακτηριστικά, καταναλωτικές συνήθειες και άλλα δεδομένα που διαθέτουν οι επιχειρήσεις.

Πρόκειται για μια πιθανή ανατροπή ενός από τους πιο καθιερωμένους κανόνες του εμπορίου: της αναγραφόμενης τιμής στο ράφι, η οποία επιτρέπει στον αγοραστή να γνωρίζει εκ των προτέρων πόσο κοστίζει ένα προϊόν.

Η Λίντσεϊ Όουενς, διευθύνουσα σύμβουλος της μη κερδοσκοπικής δεξαμενής σκέψης Groundwork Collaborative, εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να μεταβάλει ριζικά αυτή την πρακτική.

Η ίδια παραπέμπει στην ιστορία του αμερικανικού λιανεμπορίου και ειδικότερα στη δεκαετία του 1860, όταν ο πρωτοπόρος επιχειρηματίας Τζον Γουαναμέικερ καθιέρωσε τις σταθερές τιμές στο πολυκατάστημά του στη Φιλαδέλφεια.

Η πρακτική αυτή αποτέλεσε σημαντική αλλαγή για την εποχή, καθώς προσέφερε στους καταναλωτές έναν σταθερό και προβλέψιμο τρόπο υπολογισμού των δαπανών τους.

«Η αναγραφόμενη τιμή ήταν καθοριστικής σημασίας για τους καταναλωτές και πιστεύω ότι κινδυνεύει να εξαφανιστεί», δήλωσε η Όουενς.

Όπως εξήγησε, η δυνατότητα προγραμματισμού των αγορών είναι ιδιαίτερα σημαντική για τα νοικοκυριά με περιορισμένο διαθέσιμο εισόδημα.

Το να γνωρίζει κανείς ότι ένα προϊόν θα έχει περίπου το ίδιο κόστος από τη μία εβδομάδα στην άλλη αποτελεί βασικό πλεονέκτημα της παραδοσιακής τιμολόγησης.

Από τη δυναμική τιμολόγηση στις προσωπικές τιμές

Η προσαρμογή των τιμών δεν αποτελεί καινούργια πρακτική για τις επιχειρήσεις.

Εδώ και δεκαετίες, πολλές εταιρείες χρησιμοποιούν τη λεγόμενη δυναμική τιμολόγηση (dynamic pricing), μεταβάλλοντας τις χρεώσεις ανάλογα με τις συνθήκες της αγοράς.

Η προσφορά και η ζήτηση, η ώρα της ημέρας, οι καιρικές συνθήκες και άλλοι παράγοντες μπορούν να επηρεάζουν το τελικό ποσό που καλείται να πληρώσει ένας καταναλωτής.

Η τεχνητή νοημοσύνη, ωστόσο, δημιουργεί τη δυνατότητα για ένα πολύ πιο σύνθετο μοντέλο.

Αντί η τιμή να καθορίζεται μόνο από τις γενικές συνθήκες της αγοράς, οι επιχειρήσεις θα μπορούσαν να λαμβάνουν υπόψη ποιος είναι ο συγκεκριμένος πελάτης, πού κατοικεί και ποια καταναλωτική συμπεριφορά παρουσιάζει.

Η πρακτική αυτή περιγράφεται με τον όρο surveillance pricing, δηλαδή τιμολόγηση βάσει παρακολούθησης και ανάλυσης δεδομένων των καταναλωτών.

Στην πράξη, οι αλγόριθμοι θα μπορούσαν να συνδυάζουν μεγάλο αριθμό πληροφοριών, εντοπίζοντας μοτίβα που δεν είναι εύκολο να αναγνωριστούν με τις παραδοσιακές μεθόδους.

Η συνεχής επεξεργασία αυτών των δεδομένων επιτρέπει την ανάπτυξη ολοένα πιο λεπτομερών μοντέλων πρόβλεψης της καταναλωτικής συμπεριφοράς.

Σε έκθεση του 2025, αναλυτές της Cornerstone Research επισήμαναν ότι τέτοιες τεχνολογίες μπορούν να ενισχύσουν σημαντικά την ικανότητα των επιχειρήσεων να συλλέγουν, να επεξεργάζονται και να αξιοποιούν μεγάλους όγκους δεδομένων.

Το αποτέλεσμα θα μπορούσε να είναι πολύ πιο εξειδικευμένη, μεταβαλλόμενη και εξατομικευμένη τιμολόγηση σε σχέση με όσα έχουν εφαρμοστεί μέχρι σήμερα.

Όχι πόσο αξίζει το προϊόν, αλλά πόσα μπορείτε να πληρώσετε

Η βασική ανησυχία αφορά τη μετατόπιση του τρόπου με τον οποίο οι επιχειρήσεις προσδιορίζουν τις τιμές.

Σύμφωνα με την Όουενς, οι λιανοπωλητές θα μπορούσαν να χρησιμοποιούν τις πληροφορίες που έχουν ήδη συγκεντρώσει για τους πελάτες τους, όχι απλώς για να κατανοήσουν τις αγοραστικές συνήθειες, αλλά για να εκτιμήσουν το μέγιστο ποσό που κάθε καταναλωτής είναι πρόθυμος να καταβάλει.

Με αυτόν τον τρόπο, η τιμή θα μπορούσε να πάψει να αποτελεί ένα ενιαίο χαρακτηριστικό του προϊόντος και να μετατραπεί σε αποτέλεσμα ατομικής ανάλυσης.

Σήμερα, υπηρεσίες όπως η Uberαξιοποιούν δυναμικά συστήματα τιμολόγησης, στα οποία οι χρεώσεις μεταβάλλονται συνήθως με βάση τη ζήτηση για μετακινήσεις και τη διαθεσιμότητα οδηγών σε μια συγκεκριμένη περιοχή.

Με την εξέλιξη της τεχνητής νοημοσύνης, όμως, οι επιχειρήσεις θα μπορούσαν να προχωρήσουν ένα βήμα παραπέρα, ενσωματώνοντας προσωπικά καταναλωτικά προφίλ στον καθορισμό των χρεώσεων.

Η Όουενς παρομοιάζει αυτή την προοπτική με μια μορφή διαρκούς διαπραγμάτευσης μέσω αλγορίθμων, στην οποία ο καταναλωτής ενδέχεται να βρίσκεται αντιμέτωπος με συνεχώς μεταβαλλόμενες τιμές, χωρίς να γνωρίζει τους παράγοντες που τις καθορίζουν.

«Η τεχνολογία επιτρέπει στις εταιρείες να σταματήσουν να καθορίζουν τιμές για τα προϊόντα και να αρχίσουν να καθορίζουν τιμές ειδικά για εσάς», ανέφερε χαρακτηριστικά.

Instacart: Διαφορές έως 23% για το ίδιο καλάθι αγορών

Μια έρευνα της Groundwork Collaborative και της οργάνωσης προστασίας καταναλωτών Consumer Reports έφερε στο προσκήνιο τις δυνατότητες, αλλά και τις αμφιλεγόμενες πλευρές, τέτοιων συστημάτων.

Οι δύο οργανώσεις εξέτασαν πιλοτικό πρόγραμμα της πλατφόρμας ηλεκτρονικών αγορών τροφίμων Instacart, το οποίο αξιοποιούσε τεχνητή νοημοσύνη ώστε διαφορετικοί καταναλωτές να βλέπουν διαφορετικές τιμές για πανομοιότυπα προϊόντα από το ίδιο κατάστημα, την ίδια χρονική στιγμή.

Το πρόγραμμα βασιζόταν στην τεχνολογία της Eversight, εταιρείας που εξαγοράστηκε από την Instacart το 2022.

Η συγκεκριμένη πλατφόρμα λογισμικού είχε σχεδιαστεί για την εφαρμογή συστημάτων τιμολόγησης με τη βοήθεια τεχνητής νοημοσύνης.

Στο πλαίσιο των δοκιμών, εμφανίζονταν διαφορετικές τιμές σε διαφορετικούς πελάτες, ενώ παράλληλα καταγράφονταν οι αντιδράσεις τους.

Οι επιχειρήσεις μπορούσαν, για παράδειγμα, να εξετάζουν εάν ένας καταναλωτής ολοκλήρωνε την αγορά ενός προϊόντος όταν η τιμή του αυξανόταν ή εάν εγκατέλειπε τη συναλλαγή.

Σύμφωνα με την έρευνα, καλάθια που περιλάμβαναν ακριβώς τα ίδια προϊόντα εμφάνισαν αποκλίσεις κόστους έως και 23% μεταξύ διαφορετικών πελατών.

Οι ερευνητές εκτίμησαν ότι μια τέτοια διαφορά θα μπορούσε, υπό συγκεκριμένες προϋποθέσεις, να επιβαρύνει μια τετραμελή οικογένεια με περίπου 1.200 δολάρια επιπλέον τον χρόνο.

Το εύρημα προκάλεσε προβληματισμό για το ενδεχόμενο οι τεχνολογίες τιμολόγησης να δημιουργούν σημαντικές αποκλίσεις στις καθημερινές δαπάνες των νοικοκυριών.

Η απάντηση της Instacart και η αλλαγή πολιτικής

Η Instacart αμφισβήτησε τα συμπεράσματα της έρευνας, υποστηρίζοντας ότι ο υπολογισμός της πιθανής ετήσιας επιβάρυνσης των 1.200 δολαρίων βασιζόταν σε ένα μη αντιπροσωπευτικό καλάθι αγορών.

Σύμφωνα με την εταιρεία, το συγκεκριμένο παράδειγμα προϋπέθετε ότι κάθε προϊόν του καλαθιού εμφάνιζε τη μεγαλύτερη δυνατή διαφορά τιμής.

Παράλληλα, η Instacart διευκρίνισε ότι δεν χρησιμοποιεί προσωπικά δεδομένα καταναλωτών για τον καθορισμό των τιμών, συμπεριλαμβανομένων χαρακτηριστικών που προστατεύονται από την αμερικανική ομοσπονδιακή νομοθεσία, όπως η φυλή και το φύλο.

Επομένως, η καταγραφή διαφορετικών τιμών στο πλαίσιο του πιλοτικού προγράμματος δεν αποδεικνύει από μόνη της ότι αυτές καθορίζονταν βάσει των προσωπικών χαρακτηριστικών των πελατών.

Ωστόσο, τον Δεκέμβριο η εταιρεία ανακοίνωσε ότι θα σταματήσει να χρησιμοποιεί τεχνητή νοημοσύνη για να επιτρέπει στους λιανοπωλητές να χρεώνουν διαφορετικές τιμές για πανομοιότυπα προϊόντα στην πλατφόρμα της.

Η απόφαση ανέδειξε την ευαισθησία του ζητήματος, ιδιαίτερα όταν οι τεχνολογικές δυνατότητες των επιχειρήσεων έρχονται αντιμέτωπες με την ανάγκη διαφάνειας στις καταναλωτικές συναλλαγές.

Walmart: Οι αιτήσεις για πατέντες και οι ανησυχίες για το μέλλον

Το ενδιαφέρον για την εξατομικευμένη τιμολόγηση δεν περιορίζεται στις διαδικτυακές πλατφόρμες διανομής τροφίμων.

Σύμφωνα με την Όουενς, διάφορες επιχειρήσεις διερευνούν τρόπους αξιοποίησης πληροφοριών όπως το ιστορικό περιήγησης στο διαδίκτυο, το εισόδημα, ο ταχυδρομικός κώδικας και η οικογενειακή κατάσταση για την ανάπτυξη πιο εξειδικευμένων μοντέλων τιμολόγησης.

Σε ξεχωριστή έρευνα, η Groundwork Collaborative αναφέρθηκε σε αιτήσεις διπλωμάτων ευρεσιτεχνίας που είχε καταθέσει η Walmart για τεχνολογίες σχετικές με τη δημιουργία λεπτομερών προφίλ πελατών και τον προσδιορισμό εξατομικευμένων τιμών.

Κατά την οργάνωση, τέτοιου είδους τεχνολογίες θα μπορούσαν να συνδυαστούν με ηλεκτρονικές ετικέτες τιμών στα ράφια, δημιουργώντας τη δυνατότητα διαφοροποίησης των χρεώσεων μεταξύ καταναλωτών.

Σε ένα τέτοιο υποθετικό σενάριο, κάποιος θα μπορούσε να πληρώνει διαφορετική τιμή από τον πελάτη που βρίσκεται ακριβώς μπροστά του στην ουρά του ταμείου.

Οι ερευνητές υποστήριξαν επίσης ότι μία από τις αιτήσεις διπλώματος ευρεσιτεχνίας περιγράφει τεχνολογία που θα μπορούσε να προσαρμόζει την τιμή ενός προϊόντος ανάλογα με τα υπόλοιπα είδη που έχει επιλέξει ο καταναλωτής.

Ένα χαρακτηριστικό παράδειγμα αφορά κάποιον που έχει τοποθετήσει μια κονσέρβα τόνου στο καλάθι του.

Σύμφωνα με την οργάνωση, ένα τέτοιο σύστημα θα μπορούσε να του εμφανίσει διαφορετική τιμή για τη μαγιονέζα, λαμβάνοντας υπόψη τη σχέση ανάμεσα στα δύο προϊόντα.

Η συγκεκριμένη περιγραφή αφορά τις δυνητικές εφαρμογές της τεχνολογίας και δεν αποτελεί απόδειξη ότι η Walmart εφαρμόζει σήμερα τέτοιου είδους εξατομικευμένες χρεώσεις.

Η Walmart απορρίπτει τους ισχυρισμούς

Η αμερικανική αλυσίδα διαφωνεί με την εκτίμηση ότι αναπτύσσει εργαλεία που θα της επέτρεπαν να αξιοποιεί προσωπικά δεδομένα πελατών για τον καθορισμό διαφορετικών τιμών.

Σε δημόσια επιστολή προς την Όουενς, ο Νταν Μπάρτλετ (Dan Bartlett), εκτελεστικός αντιπρόεδρος εταιρικών υποθέσεων της Walmart, απέρριψε κατηγορηματικά ένα τέτοιο ενδεχόμενο.

«Η Walmart δεν χρησιμοποιεί και δεν πρόκειται να χρησιμοποιήσει προσωπικές πληροφορίες μεμονωμένων πελατών, το εισόδημά τους, το ιστορικό αγορών τους, την αίσθηση του επείγοντος ή την προθυμία τους να πληρώσουν για να καθορίζει εξατομικευμένες τιμές», δήλωσε.

Ο ίδιος υποστήριξε επίσης ότι η εταιρεία δεν εφαρμόζει δυναμική τιμολόγηση με βάση τις καιρικές συνθήκες ή την εκδήλωση έκτακτων αναγκών.

«Δεν αυξάνουμε, για παράδειγμα, τις τιμές όταν επικρατεί ένα ζεστό απόγευμα ή όταν πλησιάζει μια χιονοθύελλα», διευκρίνισε.

Η διαφωνία αναδεικνύει ένα βασικό ζήτημα της συζήτησης γύρω από την τεχνητή νοημοσύνη: τη διαφορά ανάμεσα σε μια τεχνολογία που μπορεί να αναπτυχθεί και σε μια εμπορική πρακτική που εφαρμόζεται πραγματικά.

Η ύπαρξη αιτήσεων για διπλώματα ευρεσιτεχνίας δεν σημαίνει απαραίτητα ότι οι αντίστοιχες λειτουργίες χρησιμοποιούνται από μια επιχείρηση στις συναλλαγές με τους πελάτες της.

Ο κίνδυνος της αδιαφάνειας στις καταναλωτικές συναλλαγές

Πέρα από τις συγκεκριμένες περιπτώσεις, οικονομολόγοι προειδοποιούν ότι η δυνατότητα εξατομίκευσης των τιμών δημιουργεί νέα ερωτήματα για τη διαφάνεια και την ισότιμη μεταχείριση των καταναλωτών.

Ο Τζέι Ζαγκόρσκι (Jay Zagorsky), ανώτερος λέκτορας στη Σχολή Διοίκησης Επιχειρήσεων Questrom του Πανεπιστημίου της Βοστώνης, έχει επισημάνει τους κινδύνους που μπορεί να προκύψουν από την αξιοποίηση της τεχνητής νοημοσύνης στη συγκεκριμένη δραστηριότητα.

Κατά την εκτίμησή του, οι επιχειρήσεις δύσκολα θα επέλεγαν να γνωστοποιήσουν ανοιχτά την εφαρμογή τέτοιων πρακτικών, καθώς θα αντιμετώπιζαν τον κίνδυνο αρνητικών αντιδράσεων από το καταναλωτικό κοινό.

«Ένας έμπορος δεν έχει τίποτα να κερδίσει ανακοινώνοντας ότι εφαρμόζει αυτή την πρακτική», υποστήριξε.

Ο ίδιος εκτιμά ότι οι λιανοπωλητές αναπτύσσουν ήδη τα τεχνολογικά εργαλεία που θα μπορούσαν να χρησιμοποιηθούν για εξατομικευμένο καθορισμό τιμών.

Αυτό, ωστόσο, δεν σημαίνει ότι το μοντέλο έχει υιοθετηθεί καθολικά ούτε ότι κάθε διαφοροποίηση τιμής συνδέεται με την παρακολούθηση προσωπικών δεδομένων.

Το βασικό ερώτημα είναι πόσο εύκολο θα είναι για τον καταναλωτή να γνωρίζει γιατί του προσφέρεται μια συγκεκριμένη τιμή και εάν άλλοι αγοραστές αντιμετωπίζουν διαφορετικές χρεώσεις για το ίδιο προϊόν.

Το τέλος της σταθερής τιμής;

Η συζήτηση για την τεχνητή νοημοσύνη στο λιανεμπόριο δεν αφορά μόνο την τεχνολογική εξέλιξη των μεγάλων αλυσίδων.

Αγγίζει και την ίδια τη σχέση εμπιστοσύνης μεταξύ επιχειρήσεων και καταναλωτών, η οποία στηρίχθηκε επί δεκαετίες στη δυνατότητα σύγκρισης των τιμών και στον προγραμματισμό των αγορών.

Για ένα νοικοκυριό που διαθέτει περιορισμένο εισόδημα, ακόμη και σχετικά μικρές αποκλίσεις στις τιμές βασικών προϊόντων μπορούν να επηρεάσουν τον μηνιαίο προϋπολογισμό του.

Η εξατομικευμένη τιμολόγηση θα μπορούσε να μεταβάλει αυτή την πραγματικότητα, εφόσον οι επιχειρήσεις αποκτήσουν τη δυνατότητα να προσαρμόζουν τις χρεώσεις στις πληροφορίες που διαθέτουν για κάθε πελάτη.

Παράλληλα, η χρήση αλγορίθμων για τον προσδιορισμό των τιμών δημιουργεί ζητήματα σχετικά με την προστασία των προσωπικών δεδομένων, τη διαφάνεια των συναλλαγών και τη δυνατότητα ουσιαστικής σύγκρισης των προσφορών.

Οι εξελίξεις στην Instacart και η αντιπαράθεση γύρω από τις τεχνολογίες που περιγράφονται στις αιτήσεις διπλωμάτων ευρεσιτεχνίας της Walmart δείχνουν ότι το θέμα αποκτά ολοένα μεγαλύτερη σημασία για το αμερικανικό λιανεμπόριο.

Παραμένει, ωστόσο, ανοιχτό το κατά πόσον αυτές οι δυνατότητες θα μετατραπούν σε ευρέως διαδεδομένες εμπορικές πρακτικές.

Για τον Ζαγκόρσκι, η κατεύθυνση των εξελίξεων είναι ήδη ορατή.

«Οι ημέρες κατά τις οποίες η τιμή που έβλεπες παρέμενε σταθερή για σχετικά μεγάλο χρονικό διάστημα φαίνεται πως έχουν περάσει», ανέφερε.

Το κρίσιμο στοίχημα για την επόμενη ημέρα του λιανεμπορίου δεν θα είναι μόνο η αποτελεσματικότερη αξιοποίηση της τεχνητής νοημοσύνης από τις επιχειρήσεις, αλλά και το κατά πόσον οι καταναλωτές θα μπορούν να γνωρίζουν πώς διαμορφώνεται η τιμή που καλούνται να πληρώσουν.

Διαβάστε ακόμη: