Il Terzo Circuito riapre il caso antitrust sui prezzi alberghieri algoritmici

Il 29 luglio 2026, il Terzo Circuito ha riaperto un caso di fissazione algoritmica dei prezzi, annullando l'archiviazione nonostante non fosse stato contestato alcun incontro segreto tra rivali del settore alberghiero. La decisione alla base del titolo di Google News offre ai querelanti un'altra occasione per dimostrare che un software condiviso di pricing ha coordinato le tariffe dei casino-hotel di Atlantic City. Inoltre, dà a ogni azienda che utilizza dati aggregati dei concorrenti un nuovo motivo per esaminare come vengono determinati i propri prezzi.

Il tribunale non ha stabilito che Caesars Entertainment, MGM Resorts International, Hard Rock International, Cendyn Group o gli altri convenuti abbiano violato le leggi antitrust. Ha deciso che gli ospiti che li hanno citati in giudizio avevano allegato fatti sufficienti per proseguire oltre la fase iniziale del procedimento. Questa distinzione è importante perché le accuse non sono ancora state vagliate tramite discovery o processo.

La controversia è più ampia di un singolo mercato alberghiero. Le aziende utilizzano sempre più software per analizzare domanda, inventario e comportamento dei clienti prima di raccomandare i prezzi. La sentenza traccia una linea significativa tra software che aiutano le imprese a competere in modo indipendente e un sistema condiviso che, secondo le accuse, diventa un unico centro di determinazione dei prezzi.

Il Terzo Circuito ha ripristinato un caso che il tribunale distrettuale aveva archiviato

Il cambiamento immediato è procedurale, ma il ragionamento del tribunale conferisce alla sentenza un rilievo che va ben oltre un singolo appello procedurale.

Il caso, Cornish-Adebiyi v. Caesars Entertainment, è iniziato con le accuse di ospiti di casino-hotel che sostenevano di aver pagato tariffe delle camere artificialmente elevate ad Atlantic City. Hanno citato in giudizio diversi operatori alberghieri e Cendyn, il fornitore del sistema di revenue management Rainmaker.

Il software di revenue management prevede la domanda e raccomanda prezzi destinati a massimizzare i ricavi derivanti da un inventario limitato. Gli hotel utilizzano sistemi simili da anni. La preoccupazione antitrust sorge quando hotel concorrenti, secondo le accuse, forniscono dati attuali e riservati a un fornitore condiviso che usa le informazioni aggregate nelle proprie raccomandazioni.

I querelanti sostengono che gli hotel partecipanti abbiano inviato a Rainmaker dati non pubblici sui prezzi delle camere e sull'occupazione. Affermano che il software elaborasse le informazioni di ciascun hotel insieme a dati comparabili dei concorrenti. Le raccomandazioni risultanti sarebbero poi confluite automaticamente nei sistemi di vendita delle camere degli hotel.

Secondo la denuncia, gli hotel convenuti accettavano le raccomandazioni di Rainmaker circa il 90 percento delle volte. I querelanti sostengono inoltre che le strutture partecipanti rappresentassero oltre il 70 percento del mercato rilevante dei casino-hotel. Questi dati restano accuse, non accertamenti consolidati.

Un tribunale distrettuale federale ha archiviato la denuncia nel settembre 2024. Ha concluso che i querelanti non avessero plausibilmente sostenuto l'esistenza dell'accordo orizzontale necessario per una cospirazione hub-and-spoke. In questa struttura, un intermediario centrale agisce come hub, mentre le imprese concorrenti costituiscono i raggi.

Il tribunale distrettuale si è concentrato in larga misura sulla questione se gli operatori alberghieri avessero formato un collegamento, o “rim”, tra i raggi. Ha ritenuto insufficienti le accuse perché gli hotel avevano adottato il software in momenti diversi, potevano ignorarne le raccomandazioni e non avrebbero comunicato direttamente sui prezzi.

La corte d'appello non è stata d'accordo. Nel suo parere vincolante, il Terzo Circuito ha affermato che la denuncia deve essere considerata nel suo insieme e nel contesto delle moderne tecnologie di pricing. Ha annullato l'archiviazione e rinviato il caso al District of New Jersey.

Il collegio era composto dai giudici Theodore McKee, Patty Shwartz Restrepo e D. Brooks Smith, con il giudice McKee autore del parere. Il tribunale ha ascoltato le argomentazioni il 17 settembre 2025, depositando la propria decisione oltre dieci mesi dopo.

La sentenza non impone responsabilità, non assegna risarcimenti né certifica una class action. Consente ai querelanti di portare avanti le proprie pretese e raccogliere prove. I convenuti potranno ancora contestare le accuse, il mercato proposto, il nesso causale e qualsiasi danno lamentato dai consumatori.

Questa impostazione procedurale è essenziale per comprendere l'esito. I tribunali che esaminano una mozione di archiviazione generalmente considerano vere le accuse fattuali adeguatamente formulate. Valutano se tali fatti sostengano plausibilmente una domanda legale, non se il querelante l'abbia già dimostrata.

L'inquadramento di Google News può quindi far sembrare la decisione più definitiva di quanto non sia. Il tribunale ha aperto le porte del palazzo di giustizia. Non ha deciso cosa rivelerà la discovery una volta che le parti vi entreranno.

Perché i lettori di Google News dovrebbero prestare attenzione al flusso dei dati

L'avvertimento più forte del tribunale riguarda il movimento di dati riservati dei concorrenti, non la mera presenza dell'AI.

La parola “algoritmo” attira l'attenzione, ma è il presunto flusso dei dati a svolgere gran parte del lavoro giuridico. I querelanti descrivono un sistema comune che raccoglie informazioni aggiornate su prezzi e occupazione da più concorrenti. Tale sistema convertirebbe poi le informazioni aggregate in raccomandazioni per quegli stessi concorrenti.

Questo assetto differisce da quello in cui ciascun hotel esegue uno strumento di previsione indipendente usando i propri dati e informazioni pubbliche sul mercato. Un software indipendente può aiutare un'azienda a rispondere più accuratamente alla domanda. Può ridurre i prezzi quando l'occupazione diminuisce, aumentarli nei periodi di alta affluenza o identificare segmenti di clientela senza coinvolgere i rivali.

La denuncia descrive qualcosa di più integrato. Sostiene che dati non pubblici siano passati da diversi hotel concorrenti a una piattaforma condivisa. La piattaforma avrebbe poi restituito prezzi raccomandati modellati da quell'insieme collettivo di dati.

Il tribunale ha trattato questo scambio come un possibile “plus factor”. Un plus factor è una prova circostanziale che indica come un comportamento commerciale parallelo rifletta coordinamento anziché risposte indipendenti alle condizioni di mercato. Altri fattori contestati includevano un'elevata accettazione delle raccomandazioni, prezzi paralleli, calo dell'occupazione e partecipazione in gran parte del mercato.

Le raccomandazioni di prezzo di Cendyn Rainmaker non erano automaticamente illecite solo perché diversi hotel le ricevevano. Il tribunale ha esplicitamente riconosciuto ragioni commerciali legittime per utilizzare sistemi di pricing dinamico. Ha inoltre affermato che il software comune da solo non dimostra una cospirazione antitrust.

La preoccupazione si è intensificata perché i querelanti sostenevano che i concorrenti beneficiassero delle rispettive informazioni correnti e proprietarie. Il tribunale ha affermato che tali scambi di informazioni possono facilitare il coordinamento quando riducono l'incertezza sul comportamento dei rivali.

Questa riduzione dell'incertezza è economicamente importante. La concorrenza dipende in parte dal fatto che ciascun venditore decida se applicare uno sconto senza sapere esattamente come reagiranno i rivali. Un hotel con camere vuote potrebbe ridurre le tariffe per attirare ospiti da una struttura vicina.

Se una piattaforma condivisa coordina, secondo le accuse, le raccomandazioni tra i principali concorrenti, ogni partecipante può diventare più sicuro che un altro hotel non praticherà prezzi inferiori. I querelanti sostengono che questa fiducia abbia consentito il mantenimento di tariffe più elevate delle camere anche con l'occupazione in calo.

Il tribunale non ha esaminato autonomamente il codice sorgente, le pipeline di dati, l'architettura del modello o la logica delle raccomandazioni di Rainmaker. Ha specificamente rifiutato di presumere come il software operi effettivamente. La sua analisi ha riguardato ciò che la denuncia sosteneva in modo plausibile.

Questa limitazione separa un atto processuale da un audit tecnico. La discovery dovrà stabilire quali dati siano entrati nel sistema, quanto fossero aggiornati e se le informazioni dei concorrenti abbiano influenzato le singole raccomandazioni. Gli investigatori dovranno inoltre esaminare le modifiche manuali, la revisione umana, le differenze di configurazione e le misure di protezione.

La distinzione è essenziale per le aziende che valutano la sentenza. Un fornitore non può valutare la propria esposizione chiedendosi soltanto se il suo prodotto utilizzi l'AI. Deve mappare l'origine dei dati, il modo in cui le informazioni di un cliente influenzano quelle di un altro e il grado di controllo indipendente mantenuto da ciascun cliente.

La risposta può variare tra le implementazioni dello stesso prodotto. Un cliente potrebbe utilizzare soltanto dati interni e segnali pubblici. Un'altra configurazione potrebbe combinare informazioni sensibili provenienti da più partecipanti al mercato.

Ecco perché la decisione va oltre il settore dell'ospitalità. Compagnie aeree, proprietari immobiliari, assicuratori, rivenditori, reti sanitarie e datori di lavoro utilizzano sistemi che raccomandano prezzi, pagamenti, affitti o salari. Il rischio legale segue la struttura delle informazioni e delle decisioni, non l'etichetta del settore.

Il software di pricing condiviso può diventare l'hub contestato

La disputa centrale contrappone l'assistenza indipendente alla determinazione dei prezzi alla presunta creazione di un unico centro decisionale per i concorrenti.

La Sezione 1 dello Sherman Act richiede un'azione concertata. In generale, non vieta a un'azienda di prendere una decisione indipendente sui prezzi, anche quando questa segue i prezzi pubblici dei concorrenti. La legge prende di mira un accordo che limita irragionevolmente la concorrenza.

Questo requisito un tempo rendeva particolarmente prezioso un tipo familiare di prova. Gli investigatori cercavano riunioni, telefonate, messaggi o impegni espliciti tra rivali. Il software condiviso complica questo quadro perché le aziende possono, secondo le accuse, coordinarsi tramite un intermediario senza parlarsi direttamente.

In una teoria hub-and-spoke, ciascun concorrente instaura una relazione verticale con il fornitore centrale. Il querelante deve inoltre collegare plausibilmente i raggi attraverso un'intesa orizzontale. Senza tale collegamento, diversi normali contratti con un fornitore non diventano un cartello.

Il Terzo Circuito ha concluso che la denuncia fornisse plausibilmente tale collegamento. Ha richiamato le accuse secondo cui gli hotel contribuivano consapevolmente con informazioni riservate, si aspettavano che i concorrenti partecipassero e delegavano a uno stesso sistema una notevole influenza sulla determinazione dei prezzi.

La capacità dei convenuti di rifiutare le raccomandazioni non ha posto fine all'analisi. Il tribunale ha ragionato sul fatto che il diritto in materia di fissazione dei prezzi non richiede un'adesione totale né l'eliminazione di ogni grado di discrezionalità. Una raccomandazione può comunque coordinare un importante punto di partenza, anche quando un'azienda talvolta modifica il prezzo finale.

Il presunto tasso di accettazione del 90 percento ha rafforzato tale conclusione nella fase iniziale. Se verificato, suggerirebbe che le raccomandazioni abbiano modellato i prezzi effettivi anziché fungere da input secondario. Tuttavia, il dato richiede ancora una verifica probatoria.

Anche la tempistica non ha escluso la plausibilità. Secondo le accuse, gli hotel hanno aderito a Rainmaker in momenti diversi anziché iscriversi simultaneamente. Il tribunale ha ritenuto che una cospirazione possa svilupparsi nel tempo, man mano che le aziende si uniscono a un accordo coordinato già esistente.

Questo ragionamento crea la principale tensione per i fornitori di pricing algoritmico. I loro prodotti diventano più utili man mano che elaborano più informazioni, producono previsioni più accurate e si integrano più strettamente con i sistemi dei clienti. Queste stesse caratteristiche possono aumentare le preoccupazioni quando i clienti competono nello stesso mercato concentrato.

L'analisi del Terzo Circuito sulla collusione algoritmica ruota quindi attorno al controllo funzionale. I tribunali guarderanno oltre etichette come “consultivo”, “automatizzato” o “alimentato dall'AI”. Chiederanno se il sistema preservi decisioni indipendenti o sostituisca, secondo le accuse, l'intelligenza collettiva a esse.

Il parere utilizza una semplice analogia associata all'ex presidente ad interim della Federal Trade Commission Maureen Ohlhausen. Se una persona raccogliesse strategie riservate di pricing dai concorrenti e dicesse a ciascuno come determinare i prezzi, chiamare quella persona un algoritmo non cambierebbe la preoccupazione giuridica.

Il Department of Justice e la Federal Trade Commission hanno espresso un punto simile nella loro dichiarazione del 2024 sui prezzi degli hotel. Hanno sostenuto che i concorrenti non possono usare software per attuare condotte che sarebbero illegali se svolte da persone.

Le agenzie hanno inoltre affermato che non sempre sono necessarie comunicazioni dirette tra concorrenti per contestare un accordo. Hanno sottolineato che il mantenimento di un certo margine di discrezionalità sui prezzi non protegge necessariamente dalle raccomandazioni coordinate.

La sentenza d'appello è in ampia sintonia con questa posizione tecnologicamente neutrale. Non crea una normativa antitrust separata per l'AI. Applica principi consolidati in materia di accordi, condivisione di informazioni e decisioni indipendenti a un meccanismo tecnico più recente.

Questo approccio mette sotto pressione sia i fornitori sia i clienti. Un provider software deve considerare in che modo la propria piattaforma combina le informazioni dei clienti. Un cliente deve capire se l'adozione collega le sue decisioni a dati riservati forniti dai rivali.

Il solo linguaggio contrattuale non risolverà queste questioni. Una clausola che afferma che le raccomandazioni sono facoltative pesa meno se le prove operative mostrano un'accettazione quasi universale. Anche la promessa di aggregare i dati necessita di supporto tecnico riguardo a tempestività, granularità e rischio di re-identificazione.

La questione legale non è se alle macchine sia consentito fissare i prezzi. È se le aziende rimangano davvero indipendenti quando la macchina si interpone tra concorrenti diretti.

Un Diverso Appello nel Settore Alberghiero Mostra che il Confine Dipende dai Fatti

Il Third Circuit non ha dichiarato che ogni piattaforma condivisa per la determinazione dei prezzi costituisca una cospirazione, e un altro caso d'appello illustra questo limite.

Nell'agosto 2025, il Ninth Circuit ha esaminato richieste correlate riguardanti il software Cendyn e gli hotel di Las Vegas. Gibson v. Cendyn Group è nato da preoccupazioni simili sulla determinazione algoritmica delle tariffe alberghiere, ma presentava una diversa impostazione procedurale e fattuale.

Il Ninth Circuit non ha ripristinato la richiesta abbandonata dagli attori relativa a un sistema hub-and-spoke. Ha confermato il rigetto di una teoria distinta che contestava l'effetto aggregato degli accordi di licenza verticali. Il tribunale ha rilevato l'insufficienza delle allegazioni secondo cui tali accordi limitassero l'autorità indipendente di ciascun hotel nella fissazione dei prezzi.

La decisione del Ninth Circuit evidenzia perché le aziende dovrebbero evitare sintesi generalizzate di entrambi i casi. Ricorsi diversi possono descrivere pratiche di trattamento dei dati, modalità di partecipazione, accordi e teorie di responsabilità differenti.

Il Third Circuit ha enfatizzato le allegazioni secondo cui gli hotel di Atlantic City fornivano dati attuali e non pubblici su prezzi e occupazione. Ha inoltre considerato le allegazioni secondo cui il sistema raccoglieva tali input, restituiva raccomandazioni collettive e caricava automaticamente le tariffe.

Il contenzioso di Las Vegas non è giunto alla conclusione attuale del Third Circuit sulla base dello stesso fascicolo. Anche le differenze nelle domande portate in appello hanno limitato il confronto. Una sentenza, quindi, non annulla né contraddice semplicemente l'altra.

Questa sensibilità ai fatti è una caratteristica dell'analisi antitrust. Prezzi paralleli possono derivare da un accordo illecito, ma possono anche riflettere costi comuni, domanda pubblica, eventi stagionali o comportamenti indipendenti razionali. I mercati concentrati spesso producono decisioni simili senza collusione.

La determinazione dinamica dei prezzi può anche avvantaggiare i consumatori. Risposte più rapide a una domanda debole possono generare sconti, mentre previsioni migliori possono aiutare le imprese ad allocare l'inventario. Il Department of Justice ha già riconosciuto che la determinazione algoritmica dei prezzi può sostenere la concorrenza quando le imprese agiscono in modo indipendente.

Il Third Circuit ha riconosciuto direttamente questa preoccupazione. Un amicus brief dell'International Center for Law and Economics ha chiesto se le aziende diventino cospiratrici semplicemente usando fogli di calcolo identici o la stessa società di ricerche di mercato. Il tribunale ha affermato che tali esempi semplificavano eccessivamente il ricorso.

La sua risposta si è basata sulla combinazione dei fatti allegati. Lo scambio di dati riservati, l'elevato tasso di accettazione, l'implementazione automatica, la copertura del mercato e l'aspettativa di partecipazione reciproca hanno collettivamente sostenuto un'inferenza. Nessun singolo elemento ha stabilito la responsabilità da solo.

Ciò rende la conformità più complessa del semplice divieto di una categoria di software. Un'azienda non può presumere di essere al sicuro soltanto perché gli esseri umani possono annullare una raccomandazione. Né dovrebbe concludere che l'uso di un fornitore comune sia intrinsecamente illecito.

Una revisione seria deve distinguere le informazioni pubbliche dai dati non pubblici dei concorrenti. Dovrebbe stabilire se gli input siano storici o attuali, aggregati o specifici per struttura, ritardati o in tempo reale. Ogni differenza influisce sulla quantità di conoscenza strategica che il sistema può trasmettere.

I revisori dovrebbero anche testare il comportamento effettivo. Con quale frequenza i clienti rifiutano le raccomandazioni? Clienti diversi ricevono suggerimenti materialmente differenti? Lo sconto di un partecipante può influenzare la risposta raccomandata a un altro partecipante?

La governance conta quanto il comportamento del modello. Le aziende hanno bisogno di registrazioni che mostrino chi approva le regole di prezzo, quali caratteristiche dei dati sono consentite e come funzionano le salvaguardie antitrust. Un pulsante non documentato per l'intervento umano offre poco conforto se i dipendenti lo usano raramente.

La controversia sui prezzi Cendyn Rainmaker metterà ora alla prova queste distinzioni più da vicino. La fase istruttoria potrebbe sostenere la ricostruzione degli attori, contraddirla o rivelare un sistema misto che non corrisponde alla descrizione semplificata di nessuna delle parti.

Finché non emergeranno tali prove, la sentenza del Third Circuit dovrebbe essere letta come un avvertimento sulle allegazioni plausibili. Non è una decisione definitiva secondo cui Rainmaker abbia coordinato i prezzi o danneggiato i consumatori.

La Decisione Aumenta il Costo di Ignorare la Governance Algoritmica

Le aziende ora affrontano rischi legali quando non riescono a spiegare come dati condivisi diventino un prezzo, anche se il sistema è stato creato da un fornitore.

Per gli acquirenti aziendali, esternalizzare una funzione di determinazione dei prezzi non significa esternalizzare la responsabilità. Un hotel può ottenere in licenza software da una terza parte, ma i suoi dirigenti devono comunque comprendere gli input, le raccomandazioni e gli effetti di mercato del sistema.

Questa responsabilità inizia durante l'approvvigionamento. Gli acquirenti dovrebbero chiedere se una piattaforma utilizzi dati di concorrenti diretti, come tali dati vengano aggregati e con quale rapidità le nuove informazioni entrino nel modello. Dovrebbero anche chiedere se dati specifici di un cliente possano influenzare l'output destinato a un altro cliente.

Le stesse domande fanno parte della due diligence tecnica. Gli ingegneri possono tracciare la provenienza dei dati, che registra dove le informazioni hanno avuto origine e come sono cambiate all'interno di un sistema. Possono verificare se la rimozione dei dati dei concorrenti modifichi materialmente le raccomandazioni.

Istanze di modello indipendenti possono ridurre alcuni rischi, ma solo se la separazione esiste nella pratica. Due modelli nominalmente separati potrebbero comunque apprendere da un set di addestramento condiviso contenente informazioni sensibili dei clienti. I diagrammi dell'architettura dovrebbero corrispondere alla realtà operativa.

Anche la supervisione umana deve essere sostanziale. Un responsabile dei prezzi che approva automaticamente ogni suggerimento aggiunge poca indipendenza. I revisori devono avere autorità, informazioni di mercato pertinenti e motivazioni documentate per accettare o rifiutare le raccomandazioni.

Le aziende dovrebbero monitorare i risultati senza presumere che prezzi simili dimostrino una collusione. Verifiche utili includono l'accettazione delle raccomandazioni, i modelli di annullamento, la dispersione dei prezzi e le risposte agli shock della domanda. Una convergenza improvvisa tra concorrenti merita un'indagine, non una conclusione legale automatica.

La conservazione delle informazioni crea un'altra questione. Le piattaforme di determinazione dei prezzi generano ampi log, output dei modelli, registri di accesso e comunicazioni. Tali materiali possono contribuire a dimostrare un processo decisionale indipendente, ma possono anche rivelare che raccomandazioni facoltative funzionavano come ordini.

La sentenza del Third Circuit sulla collusione algoritmica aumenta l'importanza di preservare tali prove. Eliminare i registri operativi secondo una normale politica di conservazione breve può rendere più difficili le spiegazioni successive. I team legali, di ingegneria e di prodotto dovrebbero coordinarsi prima che si prospetti un contenzioso.

Le aziende necessitano anche di percorsi di escalation chiari. Un analista dei prezzi che noti raccomandazioni in aumento nonostante una domanda debole dovrebbe sapere chi contattare. I team di prodotto dovrebbero poter sospendere caratteristiche dubbie dei dati senza disattivare un intero sistema commerciale.

Il rischio si estende all'AI generativa. Le imprese stanno iniziando a chiedere a modelli per scopi generali indicazioni sui prezzi, intervalli negoziali e previsioni di ricavo. Se più concorrenti utilizzano lo stesso modello con input sensibili simili, gli investigatori chiederanno se la configurazione preservi il giudizio indipendente.

Un'analisi del contenzioso sui prezzi del 2026 identifica fonti dei dati, frequenza di aggiornamento, granularità, salvaguardie e supervisione umana come questioni investigative centrali. Si tratta di questioni pratiche di ingegneria tanto quanto legali.

La gestione della conoscenza può sostenere questo lavoro quando i team devono collegare documentazione dei modelli, contratti con i fornitori, mappe dei dati e decisioni di revisione. Una base di conoscenza tecnica ricercabile può aiutare i team a preservare quel contesto senza trattare la conformità come una checklist finale.

Il Department of Justice ha segnalato che la collusione algoritmica resta una priorità nell'applicazione delle norme. In un discorso sui mercati digitali del 2025, funzionari hanno evidenziato casi nei settori dell'edilizia abitativa e della sanità che coinvolgevano sistemi condivisi di determinazione dei prezzi.

Il contenzioso privato aggiunge un'altra pressione. I clienti che ritengono di aver pagato prezzi gonfiati possono presentare richieste anche prima che le autorità di regolamentazione completino un'indagine. Una decisione d'appello con valore di precedente offre a tali attori una guida per redigere ricorsi più dettagliati.

Ciononostante, le aziende dovrebbero evitare restrizioni dettate dal panico che impediscano previsioni legittime. Sistemi indipendenti di determinazione dei prezzi possono migliorare l'utilizzo dell'inventario e aiutare i mercati a reagire ai cambiamenti della domanda. L'obiettivo della governance è preservare tali benefici impedendo al contempo il trasferimento di informazioni strategiche dei concorrenti.

Ciò richiede più che aggiungere il “rischio AI” a una policy. I team devono comprendere la specifica decisione commerciale automatizzata. Devono identificare chi fornisce gli input, chi riceve l'output e gli incentivi di chi il sistema serve.

Tre Segnali Mostreranno Fin Dove Arriva la Sentenza

La fase istruttoria, il trattamento giudiziario al di fuori del Third Circuit e le modifiche al design dei fornitori determineranno se questo diventerà un caso ristretto al settore alberghiero o una regola di mercato più ampia.

Il primo segnale è ciò che la fase istruttoria rivelerà su Rainmaker. Gli attori necessitano di prove a sostegno delle loro allegazioni su raggruppamento dei dati, logica delle raccomandazioni, caricamenti automatici e accettazione da parte degli hotel. I documenti interni e i registri tecnici avranno più peso del linguaggio di marketing.

Prove che i dati riservati di ciascun hotel abbiano influenzato materialmente le raccomandazioni inviate ai rivali rafforzerebbero la teoria degli attori. Prove che mostrino una rigorosa separazione dei dati, un'aggregazione significativa o decisioni indipendenti degli hotel la indebolirebbero.

La fase istruttoria verificherà anche gli effetti di mercato allegati. Gli attori indicano tariffe più elevate nonostante il calo dell'occupazione e movimenti sincronizzati tra gli hotel partecipanti. I convenuti possono offrire spiegazioni alternative basate su domanda, costi, eventi, differenze tra strutture o ordinaria gestione dei ricavi.

Il secondo segnale è il modo in cui altri tribunali utilizzeranno l'opinione. Il Third Circuit copre i tribunali federali di Pennsylvania, New Jersey, Delaware e delle Isole Vergini. La sua decisione vincola tali tribunali ma non controlla il Ninth Circuit né altre circoscrizioni federali d'appello.

I ricorrenti nei casi relativi a edilizia abitativa, sanità, carburanti e ospitalità citeranno il trattamento dei dati riservati e l’accettazione delle raccomandazioni. I convenuti sottolineeranno invece lo stadio procedurale della causa e il linguaggio legato ai fatti specifici. Le decisioni successive mostreranno quali allegazioni i tribunali riterranno essenziali.

Una divergenza tra le corti d’appello potrebbe alla fine attirare l’attenzione della Corte Suprema, soprattutto se i giudici applicheranno standard diversi agli algoritmi condivisi. Non si dovrebbe però presumere l’esistenza di una simile divergenza definitiva basandosi esclusivamente sui casi alberghieri, poiché le rispettive domande e gli atti differiscono.

Il terzo segnale riguarda il modo in cui i fornitori di software riprogettano i loro prodotti. I provider possono ridurre il rischio limitando i dati correnti dei concorrenti, aumentando l’aggregazione, introducendo ritardi temporali e separando i modelli dei clienti. Possono inoltre offrire controlli più chiari per la revisione umana.

Le modifiche al design dimostrerebbero che la sentenza ha influenzato il mercato prima di qualsiasi decisione definitiva sulla responsabilità. I fornitori potrebbero pubblicare documentazione più chiara sulla governance dei dati o offrire configurazioni che escludano input derivati dai concorrenti.

L’esito potrebbe influenzare anche la contrattualistica. I clienti potrebbero richiedere diritti di audit, restrizioni sull’uso dei dati, documentazione dei modelli e clausole di indennizzo. I fornitori potrebbero rispondere riducendo le promesse sull’ottimizzazione automatizzata dei ricavi.

La ricerca accademica resterà rilevante, ma le simulazioni non possono chiarire cosa sia accaduto all’interno di una specifica piattaforma commerciale. Alcuni studi rilevano che gli algoritmi di apprendimento possono mantenere prezzi elevati in condizioni controllate. Altri lavori suggeriscono che previsioni migliori possano aumentare gli incentivi a praticare prezzi inferiori rispetto ai rivali.

Questo disaccordo rafforza l’approccio della corte basato sui fatti specifici. Il diritto antitrust non punisce un modello perché un esperimento di laboratorio ha prodotto collusione altrove. Gli investigatori hanno bisogno di prove che colleghino i dati e il comportamento effettivi di un sistema a un accordo tra concorrenti reali.

Il titolo di Google News rappresenta un campanello d’allarme, non un verdetto definitivo. Il Third Circuit ha posto i dati riservati, il controllo operativo e le aspettative dei concorrenti al centro della fase successiva.

Le aziende che utilizzano la determinazione algoritmica dei prezzi dovrebbero ora porsi una domanda diretta: possono dimostrare che ogni impresa prende ancora una decisione indipendente? Se la risposta dipende soltanto da un pulsante di override inutilizzato o da un’affermazione di marketing del fornitore, la decisione ha già individuato il punto debole.