La causa sulla determinazione dei prezzi tramite AI di McDonald's mette alla prova il confine tra consulenza e fissazione dei prezzi
McDonald’s è oggetto di una proposta di azione collettiva nazionale relativa a un sistema di determinazione dei prezzi assistito dall'AI che, secondo l'accusa, coordina i prezzi dei menu in migliaia di ristoranti gestiti in modo indipendente.
La causa sulla determinazione dei prezzi tramite AI di McDonald’s è stata depositata il 2 ottobre 2026 presso un tribunale federale di Chicago. Il ricorrente Michael Thomas sostiene che l'azienda abbia aggregato dati riservati dei ristoranti e li abbia trasformati in raccomandazioni sui prezzi che hanno ridotto la concorrenza tra i franchisee.
McDonald’s contesta questa ricostruzione. Sostiene che l'intelligenza artificiale non stabilisca i prezzi dei menu e che i gestori dei ristoranti restino liberi di accettare o respingere le raccomandazioni. Il disaccordo solleva la questione centrale: quando una consulenza centralizzata sui prezzi diventa coordinamento tra imprese che dovrebbero competere?
Il ricorso non ha dimostrato alcun illecito e nessun tribunale ha certificato l'azione collettiva proposta. Tuttavia, la controversia arriva dopo che le agenzie federali antitrust hanno perseguito casi di prezzi algoritmici nel settore immobiliare e hanno esaminato pratiche di determinazione dei prezzi basate sui dati nei mercati di consumo.
Il caso riguarda quindi qualcosa di più del prezzo di un Big Mac. Verifica se un franchisor possa combinare dati provenienti da ristoranti nominalmente indipendenti senza trasformare uno strumento di gestione in un meccanismo di coordinamento.
Cosa sostiene la causa sulla determinazione dei prezzi tramite AI di McDonald's
Il ricorso prende di mira l'accordo di condivisione dei dati alla base delle raccomandazioni, non la mera presenza dell'intelligenza artificiale.
Thomas ha avviato il procedimento contro McDonald’s USA e McDonald’s Corporation presso la U.S. District Court for the Northern District of Illinois. Il registro federale pubblico identifica la causa come Thomas v. McDonalds USA, LLC, numero di procedimento 1:26-cv-12149.
Thomas vive a DeKalb, Illinois, e afferma di acquistare regolarmente pasti nei ristoranti McDonald’s vicino a casa sua. Secondo il ricorso, ha osservato prezzi diversi per articoli identici in sedi vicine.
Le differenze di prezzo, da sole, non dimostrano una violazione delle norme antitrust. Le imprese indipendenti possono normalmente applicare prezzi diversi in base ad affitti, salari, domanda locale e spese operative.
Il ricorso propone un'argomentazione diversa. Sostiene che McDonald’s abbia creato un motore comune di determinazione dei prezzi che raccoglie informazioni attuali e non pubbliche dai ristoranti prima di raccomandare prezzi dei menu agli stessi ristoranti.
Questa distinzione è rilevante perché circa il 95 percento dei circa 14.000 ristoranti McDonald’s negli Stati Uniti è di proprietà e gestione indipendente. Questi franchisee sono entità giuridiche separate, pur operando sotto un unico marchio.
L'atto sostiene che i ristoranti partecipanti forniscano informazioni dettagliate sulle vendite e sui prezzi a un sistema condiviso. Secondo l'accusa, il sistema analizza milioni di transazioni giornaliere, caratteristiche dei punti vendita, domanda locale, sensibilità dei clienti ai prezzi e prezzi dei concorrenti.
Genera quindi raccomandazioni specifiche per ciascun ristorante su singole voci del menu. Il ricorso descrive questi risultati come parte di un sistema coordinato, anziché come una ricerca di mercato neutrale.
Thomas sostiene inoltre che il motore applichi una “regola del 30%”. Secondo la ricostruzione del ricorso, lo strumento può raccomandare un aumento dopo che una quota prestabilita di ristoranti vicini ha aumentato il prezzo dello stesso articolo.
Questa accusa non è stata verificata attraverso la fase istruttoria. McDonald’s non ha accettato la descrizione del ricorrente dello strumento né delle sue regole operative.
Il ricorso afferma inoltre che McDonald’s monitori se i franchisee seguono le sue raccomandazioni. Sostiene che deviazioni persistenti possano influire sul modo in cui l'azienda valuta l'idoneità di un gestore all'espansione o al rinnovo del franchising.
L'accusa di pressione è essenziale alla teoria del ricorrente. Una raccomandazione che i gestori ignorano abitualmente appare diversa da una raccomandazione sostenuta da monitoraggio e conseguenze commerciali.
L'azione collettiva proposta include i consumatori statunitensi che hanno acquistato cibo da McDonald’s durante il periodo contestato. Thomas cerca inoltre di rappresentare una sottoclasse di clienti dell'Illinois.
Il ricorso avanza pretese ai sensi della Sezione 1 dello Sherman Act, dell'Illinois Antitrust Act e dell'Illinois Consumer Fraud and Deceptive Business Practices Act. Chiede la certificazione dell'azione collettiva, danni, spese legali e un'ingiunzione contro l'accordo contestato.
Ai sensi del diritto antitrust federale, i ricorrenti privati vittoriosi possono chiedere danni tripli, ossia tre volte le perdite dimostrate. Questo rimedio non significa che i danni siano già stati accertati.
Il ricorso resta un'accusa iniziale. Nessun giudice ha deciso se i ristoranti abbiano concordato di coordinarsi, se il sistema abbia limitato la concorrenza o se i clienti abbiano subito sovrapprezzi misurabili.
Queste questioni irrisolte distinguono una seria pretesa legale da un accertamento definitivo di fissazione dei prezzi.
McDonald's afferma che l'AI non stabilisce i prezzi dei menu
La difesa di McDonald’s si basa sull'indipendenza dei gestori: le raccomandazioni forniscono contesto, mentre ogni franchisee prende la decisione finale sui prezzi.
Prima del deposito della causa, McDonald’s ha pubblicato una risposta dettagliata alle notizie sulla propria tecnologia di determinazione dei prezzi. La sua dichiarazione sui prezzi del 1° ottobre afferma che l'AI non determina il prezzo di alcun articolo del menu.
L'azienda descrive il proprio sistema come uno strumento di raccomandazione specifico per ristorante. Afferma che i gestori usino tali raccomandazioni insieme alla propria conoscenza dei costi locali, dei clienti e della concorrenza.
McDonald’s respinge inoltre l'idea di utilizzare prezzi dinamici in tempo reale. La determinazione dinamica dei prezzi modifica generalmente i prezzi rapidamente in risposta a condizioni immediate, come domanda, inventario o ora del giorno.
Secondo l'azienda, il suo strumento non modifica automaticamente i menu digitali nei periodi di maggiore affluenza. Né assegna prezzi diversi a singoli clienti sulla base di informazioni personali.
Questa distinzione separa tre pratiche che il dibattito pubblico spesso riunisce.
La determinazione algoritmica dei prezzi usa software per analizzare informazioni e raccomandare o selezionare prezzi. La determinazione dinamica dei prezzi modifica un prezzo al mutare delle condizioni di mercato. La sorveglianza dei prezzi usa dati personali o comportamentali per adattare prezzi o promozioni a specifici consumatori o gruppi.
Il ricorso riguarda principalmente il coordinamento algoritmico tra ristoranti. Non dimostra che McDonald’s addebiti a due persone, nella stessa sede, prezzi diversi per lo stesso ordine.
McDonald’s ha dichiarato all'Associated Press che il ricorso è pieno di inesattezze e che si difenderà. L'azienda ha affermato che i suoi strumenti opzionali non automatizzano né coordinano i prezzi dei ristoranti.
Un portavoce dell'azienda ha inoltre sottolineato che McDonald’s raccoglieva informazioni di mercato e raccomandava prezzi prima che il machine learning entrasse nel processo. Da questa prospettiva, l'AI migliora una funzione consultiva già consolidata.
Il comportamento dei franchisee offre un certo sostegno all'affermazione secondo cui le raccomandazioni aziendali non sono comandi automatici. Durante una call con gli investitori ad agosto, il CEO Chris Kempczinski ha dichiarato che solo il 60 percento dei ristoranti statunitensi proponeva un menu convenienza proposto.
Ha affermato che McDonald’s non poteva semplicemente attivare l'offerta nell'intero sistema. La direzione aziendale doveva raggiungere un accordo con i franchisee.
Questo esempio non risolve la causa. Un franchisee potrebbe rifiutare una promozione nazionale pur continuando a fare forte affidamento su raccomandazioni di prezzo specifiche per il ristorante.
Dimostra però perché la controversia non possa essere decisa trattando ogni sede McDonald’s come una filiale aziendale. Il sistema di franchising divide l'autorità tra il proprietario del marchio e migliaia di gestori locali.
McDonald’s ha inoltre ragioni legittime per fornire analisi sui prezzi. I franchisee devono tenere conto dei costi alimentari, delle spese per il lavoro, dei concorrenti locali, del traffico di clienti e dell'effetto delle variazioni di prezzo sulle vendite.
Un sistema di raccomandazione può elaborare più transazioni di quante un singolo gestore potrebbe valutare manualmente. Potrebbe inoltre individuare quando un prezzo più alto ridurrebbe il traffico dei clienti a sufficienza da diminuire i ricavi complessivi.
La questione legale non è se il software possa produrre analisi utili. È se McDonald’s abbia costruito tale analisi usando input competitivamente sensibili e incoraggiato rivali nominali a seguire un risultato comune.
La discrezionalità finale sui prezzi favorisce la difesa di McDonald’s, ma non è necessariamente decisiva. I tribunali possono esaminare il funzionamento pratico di un sistema, inclusi partecipazione, monitoraggio, pressione e tassi di adozione.
Le prove più forti dell'azienda dimostrerebbero un processo decisionale realmente indipendente. Potrebbero includere frequenti scostamenti dalle raccomandazioni, metodi di determinazione dei prezzi diversificati e l'assenza di sanzioni legate alla conformità.
Il ricorrente, al contrario, necessita di prove che i ristoranti partecipanti sapessero che i concorrenti contribuivano con dati e si aspettassero che altri seguissero lo stesso sistema.
È improbabile che tali fatti emergano soltanto da dichiarazioni pubbliche. Richiederebbero documenti interni, comunicazioni con i gestori, registri tecnici e testimonianze sull'attuazione delle raccomandazioni.
Perché i dati condivisi dei franchisee creano il rischio antitrust
Il conflitto centrale riguarda la determinazione indipendente dei prezzi rispetto a un motore comune addestrato su informazioni che i concorrenti normalmente non si scambierebbero.
La Sezione 1 dello Sherman Act vieta gli accordi che limitano irragionevolmente il commercio. La tradizionale fissazione dei prezzi implica che i concorrenti concordino direttamente i prezzi che applicheranno.
Il software non crea un'esenzione legale. Se i concorrenti non possono coordinarsi lecitamente attraverso una riunione, in genere non possono rendere lecito lo stesso accordo instradando le decisioni attraverso un algoritmo.
Il Dipartimento di Giustizia ha adottato questa posizione in varie controversie recenti. In un caso sui prezzi alberghieri, il dipartimento e la Federal Trade Commission hanno affermato che le aziende non possono usare algoritmi per compiere condotte che sarebbero illecite se svolte da persone.
Il loro atto sul caso dei prezzi alberghieri ha inoltre affrontato il ruolo delle raccomandazioni. Le agenzie hanno sostenuto che un prezzo di partenza comune può creare problemi antitrust anche quando le imprese mantengono una certa discrezionalità.
Questa posizione sostiene la teoria giuridica alla base del ricorso contro McDonald’s. Non dimostra che McDonald’s abbia operato un simile accordo.
La struttura del franchising aggiunge una complessa questione di confine. McDonald’s possiede il marchio e stabilisce standard per prodotti, operazioni dei ristoranti, marketing ed esperienza del cliente.
L'uniformità è fondamentale per un franchising. I clienti si aspettano cibo, servizio e branding simili in tutte le sedi, anche quando i ristoranti appartengono a società diverse.
I prezzi rientrano in una categoria più sensibile. McDonald’s ha ripetutamente dichiarato che i gestori indipendenti stabiliscono i propri prezzi dei menu e competono per i clienti nei mercati locali.
Se questi gestori competono davvero, i loro dati privati sulle vendite possono rivelare come i clienti abbiano risposto a specifiche variazioni di prezzo. Aggregare tali informazioni può ridurre l'incertezza su quanto i rivali intendano far pagare.
L'incertezza competitiva non è un difetto che ogni strumento di ottimizzazione dovrebbe eliminare. È una delle forze che incoraggiano le imprese a ridurre i prezzi, migliorare il servizio o accettare margini inferiori.
La denuncia sostiene che McDonald’s abbia ridotto tale incertezza raccogliendo informazioni a livello di singolo punto vendita e restituendo raccomandazioni coordinate. Dipinge l’azienda come il fulcro centrale che collega operatori altrimenti indipendenti.
Gli avvocati antitrust definiscono spesso questa struttura un accordo hub-and-spoke. Un soggetto centrale funge da hub, mentre i concorrenti partecipanti costituiscono i raggi.
Una teoria hub-and-spoke richiede comunque la prova di un accordo. Non è sufficiente dimostrare che più imprese abbiano acquistato lo stesso software o ricevuto consigli simili.
L’attore deve collegare i rapporti verticali tra McDonald’s e ciascun franchisee a un’intesa orizzontale tra ristoranti concorrenti. I tribunali valutano se i partecipanti sapessero che altri si stavano unendo e si aspettassero una condotta coordinata.
Il ruolo dei ristoranti gestiti direttamente dall’azienda aggiunge un ulteriore livello di complessità. Le controllate di McDonald’s gestiscono una quota minore delle sedi negli Stati Uniti, collocando potenzialmente i ristoranti aziendali in concorrenza diretta con i franchisee.
Se i punti vendita aziendali hanno fornito dati e ricevuto raccomandazioni dallo stesso motore, l’attore sosterrà che McDonald’s abbia partecipato sia come gestore della piattaforma sia come concorrente nel settore della ristorazione.
McDonald’s può rispondere che branding condiviso e supporto ai franchise richiedono naturalmente un’analisi centralizzata. Può inoltre sostenere che le raccomandazioni a livello di ristorante riflettano differenze locali anziché sopprimerle.
Le variazioni visibili dei prezzi supportano questa tesi. Lo stesso Thomas ha notato prezzi diversi nei punti vendita vicini, suggerendo che il sistema non imponesse un unico prezzo nazionale per il menu.
Tuttavia, il coordinamento anticoncorrenziale non produce sempre prezzi identici. Un sistema comune può raccomandare prezzi diversi pur riducendo l’autonomia decisionale.
La domanda pertinente è quindi controfattuale: quali prezzi avrebbero scelto i ristoranti senza i dati aggregati, le regole comuni e le presunte pressioni?
Questa domanda rende la causa contro McDonald’s sui prezzi basati sull’AI un caso economico tanto quanto tecnologico. Le parti dovranno separare gli effetti del coordinamento da inflazione, salari, costi degli ingredienti, affitti e cambiamenti nella domanda dei consumatori.
Prezzi del Menu Più Alti Non Dimostrano la Fissazione Algoritmica dei Prezzi
I prezzi di McDonald’s sono aumentati sensibilmente, ma una correlazione tra lo strumento di pricing e tali aumenti non può da sola dimostrare un accordo illecito.
La denuncia richiama una dichiarazione della stessa McDonald’s secondo cui i prezzi medi dei menu negli Stati Uniti sono aumentati di circa il 40 percento tra il 2019 e il 2024. Collega quel periodo allo sviluppo e all’espansione della tecnologia di pricing dell’azienda.
La tempistica solleva una plausibile questione di ricerca. Non isola però l’effetto dell’algoritmo.
In quel periodo, i ristoranti hanno affrontato forti aumenti dei costi di lavoro, cibo, imballaggi, trasporti e occupazione degli spazi. Anche il comportamento dei consumatori è cambiato durante la pandemia e con l’inflazione che ne è seguita.
McDonald’s aveva già dichiarato che i prezzi dei menu erano aumentati in parte per compensare maggiori spese operative. I franchisee in regioni diverse hanno affrontato normative salariali, affitti, tasse e condizioni di approvvigionamento differenti.
Un modello affidabile per quantificare i danni dovrebbe controllare questi fattori. Dovrebbe inoltre includere un parametro di riferimento che mostri come siano cambiati prezzi comparabili senza il sistema contestato.
Le sedi McDonald’s vicine offrono un possibile confronto, ma la proprietà locale può complicarlo. Lo stesso franchisee può possedere più ristoranti all’interno di una regione.
La class action proposta copre inoltre un mercato ampio e diversificato. Uno strumento potrebbe influenzare fortemente alcuni ristoranti e avere scarso effetto su altri.
L’attore dovrà dimostrare che il presunto coordinamento abbia prodotto prezzi superiori ai livelli concorrenziali in un gruppo giuridicamente coerente. Ciò può diventare difficile quando raccomandazioni, adozione, costi e proprietà variano da una sede all’altra.
Le fonti originarie hanno rilevato notevoli divari di prezzo a livello locale. Un esempio riguardava due ristoranti di Fresno distanti circa due miglia, dove i prezzi indicati dei Big Mac differivano reportedly del 21 percento.
Tale variazione può sostenere interpretazioni contrapposte. Potrebbe dimostrare una determinazione indipendente dei prezzi, oppure indicare che un motore centralizzato ottimizza l’importo che ciascun mercato locale può sopportare.
Il machine learning di per sé non risponde a questa domanda. È un metodo per individuare schemi nei dati e produrre previsioni o raccomandazioni sulla base di tali schemi.
Un modello che stima la disponibilità a pagare può raccomandare prezzi differenti per sedi diverse senza identificare singoli clienti. Questa pratica assomiglia all’ottimizzazione localizzata dei prezzi più che a una sorveglianza personalizzata ai fini del pricing.
Il pricing localizzato non è automaticamente illecito. Le imprese adeguano abitualmente i prezzi ai costi regionali, alla domanda e alle condizioni concorrenziali.
Il rischio cambia quando il modello incorpora dati attuali e riservati provenienti da imprese che dovrebbero prendere decisioni indipendenti. La provenienza e la tempestività degli input possono contare più della sofisticazione del modello.
Lo studio della FTC sul pricing mostra perché le autorità di regolamentazione esaminano sempre più le pipeline di dati. Le sue conclusioni iniziali hanno descritto intermediari in grado di utilizzare posizione, attività di navigazione, dati demografici e comportamento d’acquisto per influenzare prezzi o promozioni.
Lo studio della FTC riguarda una categoria più ampia rispetto alle accuse contro McDonald’s. Non identifica McDonald’s come azienda che abbia applicato prezzi individualizzati.
Tuttavia, riflette un cambiamento nell’attenzione normativa. Le autorità chiedono sempre più spesso quali dati entrino nei sistemi di pricing, chi li condivida e se i clienti possano comprendere le offerte risultanti.
La denuncia dovrà affrontare un’ulteriore difficoltà, poiché gran parte della sua narrativa pubblica si basa su notizie e materiali aziendali. Il contenzioso richiede prove ammissibili che supportino ogni elemento giuridico.
La discovery potrebbe rivelare un sistema coercitivo progettato per allineare gli operatori. Potrebbe invece mostrare raccomandazioni facoltative, scarsa adozione e ampie variazioni di prezzo determinate dalle condizioni locali.
Finché tali documenti non emergeranno, le affermazioni secondo cui McDonald’s abbia “usato l’AI per aumentare il prezzo per tutti” vanno oltre i fatti verificati. L’affermazione accurata è più circoscritta: un consumatore sostiene che il sistema di pricing abbia reso possibile un coordinamento illecito.
Il Vero Precedente Arriva dal Settore Immobiliare e Alberghiero
Questa causa trasferisce una consolidata teoria della collusione algoritmica in una rete di franchise, dove il rapporto tra i partecipanti è meno lineare.
I più importanti casi recenti sul pricing algoritmico hanno coinvolto proprietari immobiliari, hotel e intermediari software. In genere, tali cause sostengono che imprese concorrenti abbiano fornito dati riservati a un fornitore comune e ricevuto raccomandazioni sui prezzi.
Nel 2024, il Dipartimento di Giustizia ha citato in giudizio RealPage, sostenendo che il suo sistema di gestione dei ricavi avesse aiutato proprietari immobiliari concorrenti a coordinare gli affitti degli appartamenti. Il governo ha poi aggiunto diversi grandi proprietari immobiliari come convenuti.
Il caso RealPage del dipartimento ha descritto il software come un meccanismo per condividere informazioni sensibili e allineare le decisioni sugli affitti. RealPage ha contestato le accuse.
Quel contenzioso fornisce all’attore contro McDonald’s un vocabolario e una roadmap legale. Entrambe le teorie si concentrano su dati non pubblici aggregati, raccomandazioni comuni e partecipanti che avrebbero rinunciato al proprio giudizio indipendente.
Le differenze sono sostanziali. RealPage serviva società immobiliari separate che acquistavano software da un fornitore esterno.
McDonald’s gestisce una rete di franchise con marchi, standard di approvvigionamento, pubblicità, prodotti e rapporti contrattuali condivisi. Il coordinamento aziendale è integrato in molte parti lecite di quel sistema.
Un tribunale deve distinguere la gestione del marchio dal coordinamento orizzontale dei prezzi. Questo rende l’indipendenza degli operatori la questione decisiva.
Il contenzioso sul pricing alberghiero offre un precedente correlato. I proprietari di hotel partecipano spesso alla stessa rete di brand pur rimanendo imprese indipendenti.
Le agenzie federali hanno sostenuto che persino raccomandazioni volontarie possano fondare un’accusa di fissazione dei prezzi quando i partecipanti usano consapevolmente un sistema comune di pricing. I tribunali, tuttavia, continuano a valutare questi casi in base ai loro fatti specifici.
La controversia McDonald’s potrebbe influenzare anche altri settori basati sui franchise. I brand della ristorazione, dell’hotellerie, del fitness, dell’automotive e dei servizi forniscono sempre più spesso agli operatori analisi centralizzate.
Questi strumenti possono migliorare le previsioni, ridurre gli sprechi e aiutare i piccoli operatori a interpretare la domanda locale. Possono anche creare una visione dettagliata del comportamento dei concorrenti che nessun partecipante potrebbe ottenere autonomamente.
La distinzione più sicura non è “AI contro assenza di AI”. Fogli di calcolo tradizionali, consulenti o telefonate possono facilitare la stessa condotta illecita.
Una migliore domanda di conformità è se il sistema preservi una reale indipendenza. Le tutele rilevanti includono dati storici aggregati, limiti alle informazioni sui concorrenti, partecipazione volontaria e restrizioni sul monitoraggio dell’adozione.
Le informazioni in tempo reale a livello di singolo punto vendita comportano un rischio maggiore, poiché possono rivelare l’attuale strategia competitiva. Anche le raccomandazioni legate alle recenti decisioni dei rivali invitano a un esame più approfondito.
Le imprese che utilizzano il pricing algoritmico dovrebbero quindi documentare più di una semplice clausola di esclusione di responsabilità sulla scelta finale. Hanno bisogno di prove operative che dimostrino che i clienti mantengono il controllo e che il fornitore non punisce le deviazioni.
I sistemi di franchising affrontano un ulteriore problema di governance. Una raccomandazione può essere tecnicamente facoltativa ma avere un peso pratico, poiché il franchisor controlla rinnovi, opportunità di espansione, accesso alla tecnologia e standard del marchio.
Questo non rende coercitiva ogni raccomandazione. Significa che il rapporto commerciale circostante può contare tanto quanto l’interfaccia software.
L’importanza finale di Thomas v. McDonald’s dipenderà da come il tribunale tratterà quel rapporto. Una sentenza ampia potrebbe esporre molti strumenti centralizzati per i franchise a nuove contestazioni.
Una sentenza restrittiva potrebbe confermare che i franchisor possono fornire sofisticate indicazioni sui prezzi quando gli operatori restano indipendenti e i dati riservati dei concorrenti sono adeguatamente protetti.
Per ora, la denuncia è un test di pressione, non un precedente.
Cosa Osservare con l’Evoluzione della Causa McDonald's sui Prezzi Basati sull’AI
Tre segnali mostreranno se questo caso diventerà un importante precedente antitrust sull’uso degli algoritmi o si concluderà come una contestazione infruttuosa degli strumenti di supporto ai franchise.
Il primo segnale è la fase iniziale delle mozioni di McDonald’s. L’azienda probabilmente contesterà che la denuncia esponga in modo plausibile un accordo orizzontale tra franchisee.
Una decisione di archiviazione rivelerebbe quanto dettaglio fattuale un consumatore debba fornire prima di ottenere accesso ai documenti interni. Il superamento di questa fase consentirebbe la discovery sul motore di pricing e sui rapporti di franchising.
La questione chiave non sarà se la denuncia utilizzi ripetutamente il termine AI. Sarà se il presunto sistema colleghi concorrenti attraverso un impegno condiviso a seguire raccomandazioni comuni.
Il secondo segnale riguarda le prove sull’adozione e sull’applicazione. I documenti interni potrebbero mostrare con quale frequenza gli operatori accettassero le raccomandazioni, come McDonald’s monitorasse le deviazioni e cosa accadesse quando un operatore rifiutava.
Un’elevata adozione non dimostrerebbe autonomamente un accordo. Tuttavia, un’elevata adozione combinata con pressioni, consapevolezza dei concorrenti e input non pubblici rafforzerebbe la teoria dell’attore.
Deviazioni frequenti senza conseguenze rafforzerebbero la posizione di McDonald’s. Sosterrebbero l’affermazione dell’azienda secondo cui lo strumento fornisce contesto anziché comandi.
Il terzo segnale è il trattamento dei dati da parte del tribunale. La denuncia sottolinea informazioni attuali e granulari provenienti dai singoli ristoranti, perché tali informazioni possono rivelare la strategia competitiva.
Un sistema addestrato principalmente su informazioni aggregate o storiche presenta un rischio diverso da uno che utilizza vendite e prezzi in tempo reale a livello di singolo punto vendita. L’istruttoria tecnica dovrebbe chiarire quale descrizione si applichi al motore di McDonald’s.
I lettori dovrebbero anche verificare se le autorità di regolamentazione intervengono. Il Dipartimento di Giustizia e la FTC hanno depositato memorie in cause private sull’uso di algoritmi per la determinazione dei prezzi quando erano in gioco interpretazioni più ampie della normativa antitrust.
Il deposito di un atto da parte di un’agenzia non determinerebbe l’esito. Segnalerebbe che le autorità federali ritengono il contesto del franchising rilevante per la politica della concorrenza algoritmica.
La causa arriva inoltre mentre McDonald’s cerca di ripristinare la propria reputazione in termini di convenienza presso i clienti attenti al budget. Questa pressione commerciale attribuisce alla controversia conseguenze che vanno oltre gli eventuali danni legali.
Se i clienti ritengono che il software sia progettato per individuare il prezzo più alto tollerabile, il messaggio aziendale sulla convenienza diventa più difficile da sostenere. McDonald’s deve spiegare sia il funzionamento dello strumento sia i limiti che ne disciplinano l’uso.
Sviluppatori e acquirenti aziendali dovrebbero prestare attenzione per un motivo diverso. Il caso mostra che un prodotto tecnicamente consultivo può generare rischi legali attraverso i suoi input, incentivi e modello di implementazione.
I team di prodotto dovrebbero chiedersi se i loro sistemi combinino dati riservati provenienti da concorrenti. Dovrebbero inoltre valutare se le raccomandazioni diventino di fatto obbligatorie attraverso monitoraggio, leva contrattuale o valutazioni delle prestazioni.
I consumatori dovrebbero evitare di presumere che ogni differenza di prezzo basata sulla località rifletta una condotta illecita. Dovrebbero anche aspettarsi spiegazioni più chiare quando le aziende utilizzano dati condivisi per orientare i prezzi tra attività gestite in modo indipendente.
La causa contro McDonald’s sull’uso dell’IA per i prezzi dipenderà da prove non ancora pubbliche. L’atto di citazione descrive una fissazione coordinata dei prezzi, mentre McDonald’s parla di consulenza aziendale facoltativa.
Occorre seguire le memorie sulla richiesta di archiviazione, i registri di adozione delle raccomandazioni e i controlli tecnici sui dati. Nel loro insieme, questi segnali mostreranno se il motore ha preservato la concorrenza o l’ha silenziosamente sostituita.
