La spinta di McDonald's sui prezzi con l'AI incontra una netta smentita su chi stabilisce i prezzi del menu

Il sistema di pricing con AI di McDonald's guida ora le raccomandazioni in quasi 14.000 ristoranti negli Stati Uniti, secondo un'inchiesta Reuters pubblicata il 29 settembre. Tuttavia, McDonald's afferma che l'intelligenza artificiale non stabilisce mai i prezzi, non li modifica e non determina quanto paga un singolo cliente.

Questa distinzione è al centro della controversia. Reuters descrive un motore di machine learning che analizza milioni di transazioni giornaliere e raccomanda un “prezzo ottimale” per ogni prodotto in ciascun ristorante. McDonald's descrive la stessa tecnologia come uno strumento consultivo che lascia ogni decisione finale ai franchisee umani.

Entrambe le descrizioni possono essere vere. Un algoritmo può influenzare una decisione senza eseguirla. Una raccomandazione può inoltre avere maggior peso quando l'azienda monitora se i proprietari dei ristoranti la seguono.

La vera domanda, quindi, non è se sia il software a premere un pulsante digitale. È quanto controllo pratico acquisisca una raccomandazione dell'AI all'interno di un sistema in franchising in cui la sede centrale detiene una leva considerevole.

La questione va oltre gli hamburger. Le aziende stanno adottando algoritmi per trasformare domanda, concorrenza e comportamento dei clienti in suggerimenti sui prezzi. McDonald's offre ora un test di primo piano per capire se i consumatori accetteranno questo processo quando l'accessibilità economica è già un tema delicato.

Cosa fa davvero il pricing con AI di McDonald's

Secondo quanto riportato, il sistema raccomanda prezzi a livello di singolo ristorante, mentre i franchisee mantengono l'autorità formale sul menu finale.

Reuters riferisce che McDonald's utilizza qualche forma di tecnologia di pricing con AI almeno dal 2019. Il suo attuale motore analizza continuamente i dati delle transazioni provenienti dall'ampia rete di ristoranti statunitensi della catena.

Per machine learning si intende un software che identifica modelli nei dati storici e li utilizza per formulare previsioni o raccomandazioni. In questo caso, il risultato è un prezzo suggerito per ogni voce del menu di uno specifico ristorante.

Gli input includerebbero domanda locale, condizioni operative, prezzi dei menu della concorrenza e stime della sensibilità dei clienti ai prezzi. Screenshot esaminati da Reuters facevano riferimento alla “disponibilità a pagare dei clienti” nell'area di un ristorante.

Questa espressione ha suscitato comprensibili preoccupazioni. Suggerisce un sistema progettato per individuare quanto in più un mercato locale potrebbe tollerare prima che le vendite inizino a calare.

Tuttavia, lo strumento segnalato opera a livello di ristorante, non di singolo cliente. Non esistono prove verificate che McDonald's presenti prezzi base del menu diversi a due persone che ordinano simultaneamente nello stesso locale.

McDonald's ha ribadito tale distinzione in una chiarificazione sui prezzi del 1° ottobre. L'azienda ha dichiarato che il suo sistema non utilizza informazioni personali per stabilire quanto debba pagare un singolo cliente.

McDonald's ha inoltre negato di ricorrere al pricing dinamico. Il pricing dinamico modifica i prezzi in risposta a condizioni quali domanda, tempistiche, inventario o capacità. Le compagnie aeree e le piattaforme di ride-hailing utilizzano comunemente versioni di questo approccio.

L'azienda afferma che il suo strumento non modifica i prezzi in tempo reale né applica prezzi più elevati in fasce orarie specifiche. Produce invece raccomandazioni specifiche per ristorante basate sui mercati geografici e su altre condizioni locali.

Questo rende “pricing locale assistito dall'AI” una definizione più accurata di “prezzi personalizzati” o “surge pricing”. Inoltre, fa apparire il sistema meno eclatante di quanto suggeriscano alcuni titoli.

Ciononostante, le raccomandazioni sembrano più sofisticate di un foglio di calcolo aggiornato occasionalmente. L'inchiesta Reuters afferma che McDonald's invia linee guida sui prezzi ai franchisee almeno tre volte all'anno.

Reuters riferisce inoltre che Tiger Analytics gestisce la piattaforma e collabora con McDonald's sui suoi parametri. Ex dipendenti di Tiger hanno dichiarato che tali parametri riflettevano obiettivi aziendali, tra cui attrarre clienti o migliorare i profitti.

Le regole riportate non erano concepite solo per aumentare i prezzi. Alcune impedivano incrementi su prodotti selezionati durante particolari stagioni. Altre concentravano gli aumenti proposti su articoli i cui prezzi erano rimasti invariati più a lungo.

Più di recente, i franchisee avrebbero ricevuto raccomandazioni per una politica di prezzo prudente e alcune riduzioni. Il cambiamento riflette lo sforzo di McDonald's di ricostruire la propria reputazione di convenienza dopo diversi anni di aumento dei costi per la ristorazione.

Il sistema, dunque, fa più che cercare il numero più alto tollerabile. Secondo quanto riportato, bilancia volume delle vendite, affluenza dei clienti, costi operativi, posizionamento competitivo e priorità aziendali.

Eppure, questo obiettivo più ampio non elimina la controversia. Sposta l'attenzione sul rapporto tra le raccomandazioni aziendali e le decisioni dei franchisee.

La disputa tra strumento e imposizione

McDonald's afferma che il motore fornisce consigli facoltativi, ma diversi franchisee hanno detto a Reuters che rifiutarne le raccomandazioni comporta pressioni.

McDonald's opera attraverso un modello fortemente basato sul franchising. Secondo le notizie sul menu conveniente, circa il 95% dei suoi ristoranti statunitensi è posseduto e gestito da franchisee.

Questi proprietari stabiliscono formalmente i prezzi dei propri ristoranti. Sostengono inoltre le spese locali, tra cui salari, affitti, utenze, assicurazioni, alimenti e imballaggi.

La sede centrale ha incentivi economici diversi. McDonald's riceve ricavi collegati alle vendite dei ristoranti, mentre ciascun franchisee deve tutelare la redditività di un singolo locale.

Un prezzo più basso può attirare più clienti e incrementare le vendite complessive. Tuttavia, può anche ridurre il margine del proprietario di un ristorante quando i costi locali restano elevati.

Questa tensione precede l'intelligenza artificiale. L'algoritmo offre alla sede centrale un modo più coerente e ricco di dati per raccomandare come i franchisee dovrebbero risolverla.

McDonald's afferma che una raccomandazione rimane esattamente questo. La sua risposta pubblica dichiara che i proprietari dei ristoranti possono rifiutare l'output dello strumento e determinare autonomamente i prezzi finali.

Reuters ha riscontrato elementi che indicano una realtà operativa più complessa. Cinque franchisee hanno descritto pressioni a utilizzare le raccomandazioni, sebbene un altro ex proprietario non si sia sentito obbligato ad accettarle.

Un documento esaminato da Reuters avrebbe monitorato gli scostamenti dalle indicazioni del sistema. Da gennaio, inoltre, i franchisee sono tenuti a confrontarsi in modo costruttivo con consulenti e strumenti di pricing approvati, in base a standard operativi aggiornati.

Le conversazioni con l'azienda possono contare perché McDonald's valuta i franchisee su questioni che incidono sul loro futuro all'interno del sistema. Tali decisioni possono includere il rinnovo dei ristoranti e le opportunità di aprire ulteriori sedi.

Ad agosto, il CEO Chris Kempczinski ha riconosciuto che la non conformità sui prezzi può entrare in alcune discussioni con i franchisee. Questa dichiarazione non prova che McDonald's imponga i prezzi, ma mostra che il disaccordo può ricevere attenzione aziendale.

Questo crea un divario tra autorità legale e influenza pratica. Un franchisee può avere il diritto formale di rifiutare una raccomandazione, pur trovandosi di fronte a incentivi commerciali a seguirla.

Questo è il nodo centrale della disputa sui prezzi del menu con AI di McDonald's. Concentrarsi solo su chi inserisce il numero finale trascura il modo in cui il potere organizzativo plasma la decisione.

La stessa questione emerge in tutta l'AI aziendale. Le aziende descrivono spesso i sistemi automatizzati come supporto decisionale, con un essere umano che mantiene il controllo.

Questa salvaguardia funziona soltanto quando la persona ha una libertà significativa, informazioni sufficienti e una possibilità realistica di dissentire. Un passaggio di approvazione puramente nominale non dimostra automaticamente un giudizio indipendente.

McDonald's respinge l'idea che i suoi standard equivalgano a un controllo sui prezzi finali. L'azienda afferma che le sue valutazioni considerano l'esperienza complessiva del cliente, non solo il fatto che un ristorante segua le linee guida sui prezzi.

Le prove disponibili non dimostrano che ogni franchisee riceva pressioni identiche. Né mostrano che i ristoranti implementino automaticamente ogni raccomandazione.

Mostrano però che il motore di pricing opera all'interno di un rapporto con potere contrattuale diseguale. Questo rende i tassi di adozione e i registri degli scostamenti indicatori importanti, non semplici dettagli amministrativi.

Perché McDonald's sta ampliando ora le raccomandazioni sui prezzi con AI

L'azienda ha bisogno di prezzi abbastanza bassi da riportare i clienti nei ristoranti, ma sufficientemente alti da sostenere l'economia dei franchisee dopo anni di inflazione dei costi.

McDonald's è entrata in questo dibattito con un problema già esistente di accessibilità economica. L'azienda ha dichiarato che i prezzi medi dei suoi menu negli Stati Uniti sono aumentati di circa il 40% tra il 2019 e il 2024.

McDonald's ha attribuito tali aumenti a una crescita comparabile dei principali input della ristorazione. La sua scheda informativa sui prezzi affermava che i salari del personale erano aumentati di circa il 40%, mentre i costi di alimenti e imballaggi erano cresciuti di circa il 35%.

L'azienda ha sostenuto che i suoi aumenti complessivi restavano coerenti con le maggiori spese operative. I consumatori hanno comunque percepito il risultato come una visita più costosa.

Anche i prezzi dei singoli ristoranti variano. Reuters ha rilevato una differenza del 21% tra i prezzi di un Big Mac in due sedi aziendali di Fresno distanti appena due miglia.

Questo confronto dimostra una variazione geografica dei prezzi, ma non ne chiarisce la causa. Reuters ha esplicitamente dichiarato di non poter stabilire se il motore di AI avesse prodotto tale differenza.

Il pricing locale esisteva prima del machine learning. I ristoranti vicini ad aeroporti, autostrade, aree turistiche e costosi centri urbani applicano da tempo prezzi diversi rispetto alle sedi suburbane.

McDonald's afferma che ristoranti vicini possono appartenere a mercati distinti con costi e domanda differenti. Un algoritmo può misurare tali differenze con maggiore precisione, ma non le ha inventate.

La complicazione è che una maggiore precisione può ampliare le variazioni. Tre franchisee hanno dichiarato a Reuters che il motore ha esteso le differenze di prezzo già esistenti tra ristoranti, comprese sedi in quartieri vicini.

Per i consumatori, l'origine di una differenza potrebbe contare meno della sua equità percepita. Un cliente che confronta due menu nell'app vede lo stesso prodotto e lo stesso marchio a prezzi diversi.

Se il prezzo più alto sembra legato a costi inevitabili, i clienti potrebbero accettarlo. Se sembra invece progettato in base a quanto un quartiere può tollerare, la reazione cambia.

McDonald's deve inoltre affrontare la pressione dei clienti a reddito più basso, che hanno ridotto le visite in tutto il settore della ristorazione veloce. Reuters ha citato stime di Placer.ai che mostrano un calo del traffico negli Stati Uniti presso McDonald's, su base annua, in ogni mese completo da marzo.

L'azienda ha risposto ponendo l'accento sulla convenienza. La sua strategia nazionale aggiornata per l'offerta conveniente include una selezione più semplice di prodotti a prezzo inferiore e offerte pasto.

Questa strategia richiede la collaborazione di migliaia di operatori indipendenti. Circa un terzo dei franchisee non ha seguito alcuni prezzi raccomandati per il menu conveniente, ha dichiarato Kempczinski durante una conference call sui risultati di agosto.

Ha affermato che quei ristoranti hanno prodotto risultati commerciali più deboli, sebbene l'azienda non abbia divulgato prove sufficienti per verificare la tesi in modo indipendente. McDonald's può usare il proprio motore per sostenere che prezzi più bassi generino traffico aggiuntivo sufficiente a compensare la riduzione dei margini unitari.

Gli affiliati potrebbero giungere a una conclusione diversa dopo aver esaminato le proprie spese per manodopera, affitti e alimenti. Il loro obiettivo non è massimizzare le vendite dell’intero sistema a qualsiasi costo.

Questo spiega perché l’AI pricing di McDonald's sta diventando più importante ora. La sede centrale ha bisogno di un metodo ripetibile per individuare dove prezzi più bassi possano ripristinare la domanda senza sacrificare troppi ricavi.

La tecnologia promette indicazioni più specifiche rispetto a una direttiva nazionale. Può raccomandare riduzioni in alcuni mercati, mantenere i prezzi altrove e identificare i prodotti che sembrano meno sensibili agli aumenti.

Questa precisione potrebbe aiutare McDonald's a sostenere un messaggio di valore coerente, riconoscendo al contempo le dinamiche economiche locali. Può anche fornire alla sede centrale un argomento quantitativo quando un affiliato preferisce un prezzo più alto.

La tecnologia non è quindi soltanto un calcolatore di prezzi. Sta diventando parte del modo in cui McDonald's negozia l’accessibilità economica nella propria rete di affiliati.

L’AI Pricing di McDonald's non è Dynamic Pricing, ma la Fiducia Resta Importante

McDonald's respinge l’etichetta di dynamic pricing, ma i consumatori possono comunque mettere in dubbio raccomandazioni basate sulla disponibilità locale a pagare.

La differenza tra raccomandazioni a livello di ristorante e prezzi personalizzati in tempo reale è sostanziale. McDonald's afferma che chiunque ordini dalla stessa sede vede lo stesso prezzo base applicabile del menu.

Il suo sistema, secondo quanto riportato, non aumenta i prezzi del pranzo perché a mezzogiorno si forma una fila. Né li abbassa automaticamente durante un pomeriggio senza clienti.

McDonald's afferma inoltre che il motore non esamina la cronologia degli acquisti di una persona per scegliere un prezzo di menu più alto per quel cliente. Nulla nelle fonti verificate dimostra l’esistenza di una simile tariffazione individualizzata.

Questi limiti distinguono la pratica riportata dalle forme più sensibili di pricing algoritmico. Non dovrebbero essere confusi semplicemente perché tutti e tre gli approcci possono coinvolgere l’intelligenza artificiale.

Tuttavia, l’assenza di prezzi in tempo reale o individualizzati non risolve la questione dell’equità. Una stima della disponibilità a pagare a livello di quartiere divide comunque i mercati sulla base di comportamenti dedotti.

Quella stima può riflettere reddito, concorrenza, abitudini di pendolarismo, accesso ai trasporti o disponibilità di alternative. I consumatori raramente sanno quali variabili abbiano influenzato la raccomandazione.

Secondo quanto riportato, lo strumento utilizza prezzi dei concorrenti pubblicamente disponibili, tratti dai menu dei ristoranti vicini. Wendy's e Burger King hanno dichiarato a Reuters di non utilizzare l’AI nelle proprie decisioni sui prezzi.

I dati dei concorrenti possono aiutare un ristorante a evitare di discostarsi troppo dal proprio mercato locale. Possono anche sollevare preoccupazioni se molte aziende utilizzano algoritmi che rispondono ai prezzi reciproci.

La questione legale non è che un software elabori informazioni pubbliche. Le autorità di regolamentazione si concentrano sul fatto che i sistemi di pricing facilitino coordinamento, discriminazione, inganno o altre condotte vietate.

Reuters ha esaminato i termini del portale, che avvertono gli utenti del fatto che gli affiliati potrebbero essere concorrenti. Secondo quanto riportato, i termini li istruiscono a rispettare le leggi sulla concorrenza e a consultare i propri avvocati quando necessario.

William Kovacic, ex commissario della Federal Trade Commission, ha dichiarato a Reuters che l’avvertenza riconosce una potenziale criticità. Altri esperti legali hanno valutato il rischio come relativamente basso, poiché i tribunali consentono ai marchi in franchising una notevole influenza sui prezzi.

Nessuna autorità di regolamentazione citata nelle fonti ha concluso che McDonald's abbia violato la normativa antitrust. La FTC e il Dipartimento di Giustizia non hanno commentato l’articolo di Reuters.

Il contesto normativo più ampio sta diventando meno indulgente. La FTC ha avvertito le aziende che l’uso non dichiarato di dati personali nella tariffazione individualizzata può sollevare preoccupazioni di tutela dei consumatori.

McDonald's afferma di non adottare questa pratica. L’avvertimento spiega comunque perché una terminologia precisa e la trasparenza pubblica siano diventate essenziali.

Wendy's ha sperimentato il rischio reputazionale nel 2024. Commenti sui pannelli digitali dei menu e sugli esperimenti di pricing hanno innescato diffuse affermazioni secondo cui la catena stesse pianificando il surge pricing.

Wendy's ha negato tale interpretazione e ha dichiarato di non aver implementato un sistema del genere. L’episodio ha mostrato con quanta rapidità i consumatori associno il pricing algoritmico al pagamento di più nei periodi di maggiore affluenza.

Instacart ha affrontato critiche correlate dopo aver testato strumenti che mostravano prezzi diversi per i generi alimentari a diversi acquirenti. In seguito ha interrotto quel test limitato e ha dichiarato che le informazioni personali non avrebbero determinato i prezzi degli articoli.

McDonald's ha risposto con un linguaggio categorico. L’AI non stabilisce i prezzi del menu, afferma l’azienda, e le persone restano responsabili delle decisioni finali.

Questa risposta affronta l’automazione, ma solo in parte l’influenza. I consumatori potrebbero anche voler sapere come vengono elaborate le raccomandazioni, quali variabili vengono escluse e con quale frequenza gli affiliati le respingono.

La trasparenza dovrebbe distinguere i prezzi base dagli sconti personalizzati. Un’offerta fedeltà può variare da cliente a cliente senza modificare il prezzo esposto che tutti vedono.

Le aziende devono spiegare chiaramente questa distinzione. Altrimenti, promozioni personalizzate, prezzi geografici e discriminazione individuale dei prezzi possono confluire in un’unica, allarmante narrazione pubblica.

McDonald's dovrebbe anche spiegare come verifica le raccomandazioni alla ricerca di disparità geografiche involontarie. Un sistema può evitare i dati personali pur producendo risultati correlati a caratteristiche demografiche sensibili.

Al momento non esistono prove pubbliche che il suo motore svantaggi sistematicamente gruppi protetti. Sarebbe irresponsabile affermare il contrario senza un’analisi a livello locale.

Il divario di verifica resta comunque rilevante. McDonald's ha descritto cosa lo strumento non fa, ma ha divulgato dettagli limitati sui suoi modelli, sulla governance, sugli input o sul processo di audit.

Ciò lascia i consumatori a scegliere tra una rassicurazione aziendale e un’indagine basata su screenshot interni, documenti e testimonianze anonime di affiliati. Una maggiore divulgazione renderebbe la distinzione più facile da valutare.

La Sfida Più Ampia è tra Ottimizzazione Aziendale e Giudizio Locale

Il conflitto centrale non è tra McDonald's e un’altra catena di ristoranti. È tra coerenza algoritmica, controllo degli affiliati e fiducia dei consumatori.

McDonald's può visualizzare gli stessi dati in migliaia di ristoranti. Questa scala consente al suo sistema di individuare schemi che un singolo gestore non può cogliere da una manciata di sedi.

Un motore può stimare in che modo una modifica del prezzo abbia influenzato le transazioni in mercati comparabili. Può separare le variazioni stagionali da un problema specifico di un ristorante in modo più efficace della sola intuizione.

L’azienda può anche coordinare il messaggio nazionale sul valore. La pubblicità diventa difficile quando i prezzi promossi differiscono ampiamente o troppi affiliati rifiutano l’offerta.

Gli affiliati apportano informazioni che un modello centralizzato potrebbe non cogliere rapidamente. Un gestore locale comprende carenze di personale, interruzioni dovute a lavori, eventi di quartiere e cambiamenti competitivi che le transazioni storiche possono non rilevare.

Questo non crea una semplice sfida tra esseri umani e macchine. Il modello utile combina dati ampi con un giudizio locale responsabile.

I problemi iniziano quando una delle due parti considera complete le proprie informazioni. I team aziendali possono sovrastimare la precisione del modello, mentre i proprietari dei ristoranti possono scambiare l’esperienza recente per una tendenza duratura.

Il sistema di AI modifica anche l’onere della prova. Prima di questi strumenti, la sede centrale doveva convincere un proprietario che un prezzo diverso avrebbe ottenuto risultati migliori.

Ora la raccomandazione arriva con l’autorevolezza di milioni di transazioni e di un ottimo calcolato. Il proprietario che dissente deve spiegare perché una singola sede costituisca un’eccezione.

Questa asimmetria può migliorare la disciplina. Può anche creare un bias di automazione, che si verifica quando le persone si affidano al software perché il suo output appare più oggettivo di quanto non sia.

Un “prezzo ottimale” non è mai neutrale. L’ottimizzazione richiede un obiettivo, vincoli, un orizzonte temporale e ipotesi sui compromessi accettabili.

Un modello che privilegia la crescita delle transazioni può raccomandare qualcosa di diverso da uno che privilegia il profitto del ristorante. Un sistema che protegge la quota di mercato può tollerare risultati che gravano su alcuni affiliati.

Reuters riferisce che McDonald's ha fornito obiettivi e regole aziendali al gestore della piattaforma. Questa direzione umana è importante perché l’algoritmo non decide autonomamente che cosa significhi successo.

McDonald's afferma che accessibilità economica e valore per il cliente restano centrali. Gli affiliati possono sostenere questo obiettivo pur contestando come i relativi costi debbano essere distribuiti nell’intero sistema.

I consumatori introducono un terzo obiettivo. Vogliono prezzi prevedibili e comprensibili, oltre alla garanzia che l’azienda non stia sfruttando le limitate alternative locali.

Un modello tecnicamente efficace può comunque fallire se i clienti percepiscono le sue raccomandazioni come ingiuste. L’ottimizzazione dei prezzi dipende dal comportamento, e la sfiducia pubblica modifica il comportamento.

La precedente esperienza di McDonald's con l’AI offre un utile avvertimento. L’azienda ha concluso nel 2024 un test di ordinazione automatizzata drive-through con IBM dopo l’implementazione in ristoranti selezionati.

L’esperimento drive-through ha attirato l’attenzione quando i clienti hanno condiviso online errori negli ordini. McDonald's ha continuato a esplorare l’AI, ma l’episodio ha mostrato che la scala non garantisce che una tecnologia sia pronta.

Il pricing crea una sfida ancora più sensibile. Un ordine errato provoca frustrazione, mentre un prezzo apparentemente ingiusto può danneggiare l’intera promessa di valore del marchio.

L’output del motore deve quindi superare più dei test statistici. Deve restare difendibile davanti a gestori, clienti, autorità di regolamentazione e pubblico.

Per gli acquirenti enterprise, McDonald's offre una lezione generale. La supervisione umana non può essere misurata soltanto dal fatto che qualcuno approvi l’output finale.

Le organizzazioni dovrebbero esaminare tassi di rifiuto, percorsi di escalation, incentivi e conseguenze. Se gli utenti non rifiutano quasi mai un algoritmo, i dirigenti dovrebbero stabilire se il modello sia costantemente corretto o se il dissenso sembri rischioso.

Dovrebbero inoltre documentare l’obiettivo che viene ottimizzato. Termini come “ottimale”, “raccomandato” e “valore per il cliente” possono nascondere definizioni concorrenti.

La migliore governance si chiede chi beneficia quando il sistema ha successo e chi assorbe i costi quando fallisce. In McDonald's, queste risposte differiscono tra sede centrale aziendale, affiliati e clienti.

Tre Segnali Mostreranno Dove Andrà la Strategia

Dati di adozione, traffico dei clienti e risposte normative riveleranno se McDonald's possa trasformare l’intelligence sui prezzi in indicazioni aziendali affidabili.

Il primo segnale è il comportamento degli affiliati. McDonald's non ha bisogno di pubblicare il codice proprietario del modello, ma può fornire tassi aggregati di accettazione e rifiuto.

Questi tassi chiarirebbero se la piattaforma funzioni come consulenza facoltativa. Un alto tasso di accettazione dimostra poco da solo, ma aumenti non spiegati successivi a requisiti di conformità meriterebbero attenzione.

McDonald's potrebbe anche divulgare con quale frequenza i proprietari dei ristoranti modificano una raccomandazione. Un adeguamento significativo sosterrebbe la sua affermazione secondo cui le persone mantengono il controllo.

Il secondo segnale è il traffico dei clienti insieme alla percezione del valore. McDonald's sta utilizzando raccomandazioni più prudenti mentre promuove l’accessibilità economica, quindi la strategia dovrebbe produrre un miglioramento comportamentale misurabile.

Più transazioni senza una percezione del valore più forte suggerirebbero che le promozioni stiano svolgendo un lavoro temporaneo. Percezioni migliori senza un traffico più forte suggerirebbero che l’accessibilità economica resti limitata da altri fattori.

I risultati devono inoltre essere confrontati con l’economia degli affiliati. Un aumento del traffico non è duraturo se i ristoranti partecipanti non riescono a coprire le proprie spese operative.

Il terzo segnale è l’orientamento normativo sul pricing algoritmico e personalizzato. McDonald's afferma che il suo approccio a livello di ristorante non personalizza i prezzi base, tuttavia le autorità di regolamentazione stanno esaminando attentamente pratiche adiacenti.

Qualsiasi nuovo obbligo di trasparenza potrebbe spingere le aziende a spiegare quali dati confluiscono nei loro sistemi di determinazione dei prezzi. Le norme potrebbero anche chiarire quando gli affiliati in franchising debbano essere considerati concorrenti nell’analisi dei prezzi algoritmici.

Questi segnali determineranno se la determinazione dei prezzi tramite AI di McDonald's diventerà un modello di supporto decisionale responsabile o una fonte duratura di sfiducia.

Per ora, la conclusione più solida è più circoscritta rispetto al titolo originale. Secondo quanto riportato, l’AI aiuta a calcolare e suggerire i prezzi locali del menu, ma McDonald's afferma che sono le persone a decidere cosa compare in ciascun menu.

La questione irrisolta si colloca tra queste due affermazioni. Una decisione umana è significativa solo se chi la prende può comprendere la raccomandazione, contestarla e respingerla senza conseguenze indebite.

I clienti dovrebbero osservare ciò che McDonald's rende noto, non soltanto ciò che nega. Gli affiliati dovrebbero pretendere obiettivi chiari, piste di audit e una credibile libertà di esercitare il proprio giudizio a livello locale.

Anche le altre aziende che adottano algoritmi di pricing dovrebbero porsi le stesse domande prima che scoppi una controversia. Il sistema consiglia, influenza o controlla di fatto la decisione?

McDonald's ha ora l’opportunità di rispondere a questa domanda con prove concrete. Fino ad allora, il suo motore di pricing basato sull’AI resterà al tempo stesso uno strumento aziendale e un test della quantità di influenza algoritmica che i consumatori saranno disposti ad accettare.