Pozew przeciwko McDonald’s w sprawie cen ustalanych przez AI testuje granicę między doradztwem a zmową cenową

McDonald’s mierzy się z proponowanym ogólnokrajowym pozwem zbiorowym dotyczącym wspomaganego przez AI systemu ustalania cen, który miał koordynować ceny w menu w tysiącach niezależnie prowadzonych restauracji.

Pozew przeciwko McDonald’s w sprawie cen ustalanych przez AI wniesiono 2 października 2026 roku do sądu federalnego w Chicago. Powód Michael Thomas twierdzi, że firma połączyła poufne dane restauracji i przekształciła je w rekomendacje cenowe, które ograniczały konkurencję między franczyzobiorcami.

McDonald’s kwestionuje tę wersję wydarzeń. Twierdzi, że sztuczna inteligencja nie ustala cen w menu, a operatorzy restauracji mogą swobodnie przyjmować lub odrzucać jej rekomendacje. Ten spór rodzi zasadnicze pytanie: kiedy scentralizowane doradztwo cenowe staje się koordynacją między przedsiębiorstwami, które powinny ze sobą konkurować?

Pozew nie dowiódł naruszenia prawa, a żaden sąd nie zatwierdził proponowanej grupy. Spór pojawia się jednak po tym, jak federalne agencje antymonopolowe prowadziły sprawy dotyczące algorytmicznego ustalania cen w mieszkalnictwie i analizowały wyceny oparte na danych na rynkach konsumenckich.

Sprawa jest zatem większa niż cena Big Maca. Bada, czy franczyzodawca może łączyć dane z nominalnie niezależnych restauracji, nie przekształcając narzędzia zarządczego w mechanizm koordynacji.

Co zarzuca pozew przeciwko McDonald’s w sprawie cen ustalanych przez AI

Pozew kwestionuje porozumienie dotyczące wymiany danych stojące za rekomendacjami, a nie jedynie samą obecność sztucznej inteligencji.

Thomas wniósł sprawę przeciwko McDonald’s USA i McDonald’s Corporation do U.S. District Court for the Northern District of Illinois. Publiczny rejestr federalny wskazuje ją jako Thomas v. McDonalds USA, LLC, numer sprawy 1:26-cv-12149.

Thomas mieszka w DeKalb w stanie Illinois i twierdzi, że regularnie kupuje posiłki w restauracjach McDonald’s w pobliżu swojego domu. Według pozwu zauważył różne ceny identycznych produktów w pobliskich lokalizacjach.

Same różnice cen nie dowodzą naruszenia prawa antymonopolowego. Niezależne przedsiębiorstwa mogą zwykle stosować różne ceny w zależności od czynszu, płac, lokalnego popytu i kosztów operacyjnych.

Pozew przedstawia inny argument. Zarzuca, że McDonald’s stworzył wspólny mechanizm cenowy, który zbiera aktualne, niepubliczne informacje od restauracji, zanim zarekomenduje ceny menu tym samym restauracjom.

To rozróżnienie ma znaczenie, ponieważ około 95 procent z blisko 14 000 restauracji McDonald’s w USA jest niezależnie posiadanych i prowadzonych. Franczyzobiorcy ci są odrębnymi podmiotami prawnymi, choć działają pod jedną marką.

W pozwie stwierdzono, że uczestniczące restauracje przekazują szczegółowe dane dotyczące sprzedaży i cen do wspólnego systemu. System miał analizować miliony codziennych transakcji, charakterystykę lokali, lokalny popyt, wrażliwość klientów na ceny oraz ceny konkurentów.

Następnie generuje rekomendacje specyficzne dla danej restauracji i poszczególnych pozycji menu. Pozew opisuje te wyniki jako element skoordynowanego systemu, a nie neutralnych badań rynkowych.

Thomas zarzuca również, że mechanizm stosuje „zasadę 30%”. Według opisu zawartego w pozwie narzędzie może rekomendować podwyżkę po tym, gdy określona część pobliskich restauracji podniesie cenę tego samego produktu.

Zarzut ten nie został zweryfikowany w postępowaniu dowodowym. McDonald’s nie zaakceptował opisu narzędzia ani zasad jego działania przedstawionych przez powoda.

Pozew dodatkowo twierdzi, że McDonald’s monitoruje, czy franczyzobiorcy stosują się do jego rekomendacji. Zarzuca, że trwałe odstępstwa mogą wpływać na sposób, w jaki firma ocenia uprawnienia operatora do rozwoju lub odnowienia franczyzy.

Ten zarzut dotyczący presji jest kluczowy dla teorii powoda. Rekomendacja, którą operatorzy rutynowo ignorują, wygląda inaczej niż rekomendacja wsparta monitoringiem i konsekwencjami handlowymi.

Proponowana grupa obejmuje konsumentów w USA, którzy kupowali żywność w McDonald’s w domniemanym okresie. Thomas chce również reprezentować podgrupę klientów z Illinois.

Pozew opiera roszczenia na Section 1 of the Sherman Act, Illinois Antitrust Act oraz Illinois Consumer Fraud and Deceptive Business Practices Act. Domaga się zatwierdzenia pozwu zbiorowego, odszkodowania, kosztów prawnych oraz nakazu sądowego przeciwko domniemanemu porozumieniu.

Zgodnie z federalnym prawem antymonopolowym skuteczni prywatni powodowie mogą dochodzić potrójnego odszkodowania, czyli trzykrotności udowodnionych strat. Środek ten nie oznacza, że odszkodowanie zostało już ustalone.

Pozew pozostaje zarzutem inicjującym sprawę. Żaden sędzia nie rozstrzygnął, czy restauracje zgodziły się na koordynację, czy system ograniczył konkurencję ani czy klienci ponieśli wymierne nadpłaty.

Te nierozstrzygnięte kwestie odróżniają poważne roszczenie prawne od zakończonego ustalenia zmowy cenowej.

McDonald’s twierdzi, że AI nie ustala cen w menu

Obrona McDonald’s opiera się na niezależności operatorów: rekomendacje dostarczają kontekstu, a ostateczną decyzję cenową podejmuje każdy franczyzobiorca.

Przed wniesieniem pozwu McDonald’s opublikował szczegółową odpowiedź na doniesienia dotyczące swojej technologii cenowej. W oświadczeniu dotyczącym cen z 1 października pricing statement firma stwierdza, że AI nie określa ceny żadnej pozycji menu.

Firma opisuje swój system jako narzędzie rekomendacji specyficzne dla restauracji. Twierdzi, że operatorzy wykorzystują te rekomendacje wraz z własną wiedzą o lokalnych kosztach, klientach i konkurencji.

McDonald’s odrzuca również sugestię, że stosuje dynamiczne ustalanie cen w czasie rzeczywistym. Dynamiczne ceny zazwyczaj zmieniają się szybko w odpowiedzi na bieżące warunki, takie jak popyt, zapasy lub pora dnia.

Według firmy narzędzie nie zmienia automatycznie cen na cyfrowych tablicach menu w godzinach największego ruchu. Nie przypisuje także różnych cen poszczególnym klientom na podstawie informacji osobistych.

To rozróżnienie oddziela trzy praktyki, które w publicznych dyskusjach często są ze sobą łączone.

Wycena algorytmiczna wykorzystuje oprogramowanie do analizy informacji oraz rekomendowania lub wyboru cen. Dynamiczna wycena zmienia cenę wraz ze zmianą warunków rynkowych. Wycena oparta na śledzeniu wykorzystuje dane osobowe lub behawioralne do dostosowywania cen bądź promocji do konkretnych konsumentów lub grup.

Pozew dotyczy przede wszystkim algorytmicznej koordynacji między restauracjami. Nie dowodzi, że McDonald’s nalicza dwóm osobom w tej samej lokalizacji różne ceny za to samo zamówienie.

McDonald’s przekazał Associated Press, że pozew zawiera liczne nieścisłości i że firma będzie się bronić. Spółka stwierdziła, że jej opcjonalne narzędzia ani nie automatyzują, ani nie koordynują cen restauracyjnych.

Rzecznik firmy podkreślił również, że McDonald’s zbierał informacje rynkowe i rekomendował ceny, zanim uczenie maszynowe weszło do tego procesu. Z tej perspektywy AI usprawnia istniejącą funkcję doradczą.

Zachowanie franczyzobiorców częściowo wspiera twierdzenie, że rekomendacje centrali nie są automatycznymi poleceniami. Podczas sierpniowego spotkania z inwestorami dyrektor generalny Chris Kempczinski powiedział, że tylko 60 procent restauracji w USA oferowało proponowane menu wartościowe.

Powiedział, że McDonald’s nie mógł po prostu uruchomić tej oferty w całym systemie. Kierownictwo korporacyjne musiało osiągnąć porozumienie z franczyzobiorcami.

Ten przykład nie rozstrzyga pozwu. Franczyzobiorca może odrzucić ogólnokrajową promocję, jednocześnie w dużym stopniu polegając na rekomendacjach cenowych specyficznych dla restauracji.

Pokazuje jednak, dlaczego sporu nie można rozstrzygnąć, traktując każdą lokalizację McDonald’s jak oddział korporacyjny. System franczyzowy dzieli władzę między właściciela marki a tysiące lokalnych operatorów.

McDonald’s ma również uzasadnione powody, aby dostarczać analizy cenowe. Franczyzobiorcy muszą uwzględniać koszty żywności, wydatki na pracę, lokalnych konkurentów, ruch klientów oraz wpływ zmian cen na sprzedaż.

System rekomendacyjny może przetwarzać więcej transakcji, niż pojedynczy operator byłby w stanie ocenić ręcznie. Może również wskazać, kiedy wyższa cena zmniejszyłaby ruch klientów na tyle, że obniżyłaby całkowite przychody.

Kwestia prawna nie dotyczy tego, czy oprogramowanie może tworzyć użyteczne analizy. Chodzi o to, czy McDonald’s zbudował tę analizę na podstawie konkurencyjnie wrażliwych danych i zachęcał nominalnych rywali do stosowania wspólnego wyniku.

Ostateczna swoboda w ustalaniu cen pomaga obronie McDonald’s, ale nie musi być rozstrzygająca. Sądy mogą badać, jak system działa w praktyce, w tym uczestnictwo, monitoring, presję i wskaźniki stosowania.

Najmocniejsze dowody firmy wykazałyby istotne niezależne podejmowanie decyzji. Mogłyby obejmować częste odstępstwa od rekomendacji, zróżnicowane metody wyceny i brak kar związanych z przestrzeganiem zaleceń.

Powód natomiast potrzebuje dowodów, że uczestniczące restauracje rozumiały, iż ich konkurenci przekazują dane, i oczekiwały, że inni będą stosować ten sam system.

Te fakty prawdopodobnie nie wynikną wyłącznie z publicznych oświadczeń. Wymagałyby wewnętrznych dokumentów, komunikacji z operatorami, zapisów technicznych oraz zeznań o sposobie wdrażania rekomendacji.

Dlaczego wspólne dane franczyzowe tworzą ryzyko antymonopolowe

Sednem konfliktu jest niezależne ustalanie cen kontra wspólny mechanizm szkolony na informacjach, których konkurenci zwykle by nie wymieniali.

Section 1 of the Sherman Act zakazuje porozumień, które w nieuzasadniony sposób ograniczają handel. Tradycyjna zmowa cenowa polega na bezpośrednim uzgodnieniu przez konkurentów cen, które będą pobierać.

Oprogramowanie nie tworzy wyjątku prawnego. Jeżeli konkurenci nie mogą zgodnie z prawem koordynować działań podczas spotkania, co do zasady nie mogą uczynić takiego samego porozumienia zgodnym z prawem przez kierowanie decyzji przez algorytm.

Departament Sprawiedliwości zajął takie stanowisko w kilku niedawnych sporach. W sprawie dotyczącej cen hotelowych departament oraz Federal Trade Commission stwierdziły, że firmy nie mogą używać algorytmów do wykonywania działań, które byłyby niezgodne z prawem, gdyby wykonywali je ludzie.

Ich pismo w sprawie cen hotelowych dotyczyło również roli rekomendacji. Agencje argumentowały, że wspólna cena wyjściowa może rodzić obawy antymonopolowe, nawet gdy przedsiębiorstwa zachowują pewną swobodę.

Ten pogląd wspiera teorię prawną stojącą za pozwem przeciwko McDonald’s. Nie dowodzi, że McDonald’s prowadził takie porozumienie.

Struktura franczyzowa dodaje trudne pytanie o granice. McDonald’s jest właścicielem marki i ustala standardy dotyczące produktów, działalności restauracji, marketingu oraz doświadczeń klientów.

Jednolitość jest kluczowa dla franczyzy. Klienci oczekują podobnego jedzenia, obsługi i identyfikacji marki we wszystkich lokalizacjach, nawet gdy restauracje należą do różnych firm.

Ceny należą do bardziej wrażliwej kategorii. McDonald’s wielokrotnie oświadczał, że niezależni operatorzy ustalają własne ceny w menu i konkurują o klientów na lokalnych rynkach.

Jeśli ci operatorzy rzeczywiście konkurują, ich prywatne dane sprzedażowe mogą ujawniać, jak klienci reagowali na konkretne zmiany cen. Łączenie tych informacji może zmniejszać niepewność co do cen, jakie planują stosować rywale.

Niepewność konkurencyjna nie jest wadą, którą każde narzędzie optymalizacyjne powinno eliminować. Jest jedną z sił zachęcających przedsiębiorstwa do obniżania cen, poprawy obsługi lub akceptowania niższych marż.

Skarga zarzuca, że McDonald’s ograniczał tę niepewność, gromadząc informacje na poziomie poszczególnych lokali i przekazując skoordynowane rekomendacje. Przedstawia firmę jako centralny węzeł łączący skądinąd niezależnych operatorów.

Prawnicy antymonopolowi często określają to mianem układu hub-and-spoke. Centralny podmiot pełni funkcję węzła, a uczestniczący konkurenci tworzą jego ramiona.

Teoria hub-and-spoke nadal wymaga dowodu istnienia porozumienia. Nie wystarczy wykazać, że wiele firm kupiło to samo oprogramowanie lub otrzymało podobne porady.

Powód musi powiązać wertykalne relacje między McDonald’s a każdym franczyzobiorcą z horyzontalnym porozumieniem między konkurującymi restauracjami. Sądy badają, czy uczestnicy wiedzieli, że inni dołączają, i czy oczekiwali skoordynowanego działania.

Rola restauracji prowadzonych przez samą firmę dodaje kolejną warstwę złożoności. Spółki zależne McDonald’s prowadzą mniejszą część lokali w USA, co potencjalnie stawia restauracje korporacyjne w bezpośredniej konkurencji z franczyzobiorcami.

Jeśli lokale korporacyjne przekazywały dane i otrzymywały rekomendacje z tego samego systemu, powód będzie twierdził, że McDonald’s działał zarówno jako operator platformy, jak i konkurent restauracyjny.

McDonald’s może odpowiedzieć, że wspólna marka i wsparcie dla franczyzobiorców naturalnie wymagają scentralizowanej analizy. Może też argumentować, że rekomendacje na poziomie lokali odzwierciedlają lokalne różnice, zamiast je tłumić.

Widoczne zróżnicowanie cen wspiera ten argument. Sam Thomas zauważył różne ceny w pobliskich lokalach, co sugeruje, że system nie narzucał jednej ogólnokrajowej ceny w menu.

Koordynacja antymonopolowa nie zawsze jednak prowadzi do identycznych cen. Wspólny system może rekomendować różne ceny, jednocześnie ograniczając niezależne podejmowanie decyzji.

Istotne pytanie ma więc charakter kontrfaktyczny: jakie ceny restauracje wybrałyby bez połączonych danych, wspólnych zasad i rzekomej presji?

To sprawia, że pozew przeciwko McDonald’s dotyczący cen ustalanych przez AI jest sprawą gospodarczą w takim samym stopniu jak technologiczną. Strony będą musiały oddzielić skutki koordynacji od inflacji, płac, kosztów składników, czynszów i zmieniającego się popytu konsumentów.

Wyższe ceny w menu nie dowodzą algorytmicznego ustalania cen

Ceny w McDonald’s wyraźnie wzrosły, ale korelacja między narzędziem cenowym a tymi podwyżkami sama w sobie nie może dowieść bezprawnego porozumienia.

Skarga wskazuje na własne oświadczenie McDonald’s, według którego średnie ceny w menu w USA wzrosły o około 40 procent między 2019 a 2024 rokiem. Łączy ten okres z rozwojem i rozszerzaniem technologii cenowej firmy.

Chronologia rodzi wiarygodne pytanie badawcze. Nie pozwala jednak wyizolować wpływu algorytmu.

W tym okresie restauracje mierzyły się z dużymi wzrostami kosztów pracy, żywności, opakowań, transportu i powierzchni. Zachowania konsumentów również zmieniły się podczas pandemii i następującej po niej inflacji.

McDonald’s wcześniej informował, że ceny w menu wzrosły częściowo po to, by zrekompensować wyższe koszty prowadzenia działalności. Franczyzobiorcy w różnych regionach spotykali się z odmiennymi przepisami płacowymi, czynszami, podatkami i warunkami zaopatrzenia.

Wiarygodny model szacowania szkód musiałby uwzględniać te czynniki. Potrzebowałby także punktu odniesienia pokazującego, jak zmieniały się porównywalne ceny bez kwestionowanego systemu.

Pobliskie lokale McDonald’s stanowią jedno z możliwych porównań, lecz lokalna struktura własności może je komplikować. Ten sam franczyzobiorca może posiadać kilka restauracji w danym regionie.

Proponowana grupa powodów obejmuje też duży i zróżnicowany rynek. Narzędzie mogłoby silnie wpływać na niektóre restauracje, a na inne mieć niewielki wpływ.

Powód będzie musiał przedstawić dowody, że rzekoma koordynacja doprowadziła do cen powyżej poziomów konkurencyjnych w obrębie prawnie spójnej grupy. Może to być trudne, gdy rekomendacje, wdrożenie, koszty i struktura własności różnią się w zależności od lokalizacji.

Materiały, na których opiera się sprawa, wskazywały na znaczące lokalne różnice cen. Jeden przykład dotyczył dwóch restauracji we Fresno oddalonych od siebie o około dwie mile, gdzie podawane ceny Big Maca miały różnić się o 21 procent.

Takie zróżnicowanie może wspierać konkurencyjne interpretacje. Może wskazywać na niezależne ustalanie cen albo na to, że scentralizowany system optymalizuje kwotę, jaką może znieść każdy lokalny rynek.

Uczenie maszynowe samo w sobie nie odpowiada na to pytanie. Jest metodą wyszukiwania wzorców w danych oraz tworzenia prognoz lub rekomendacji na ich podstawie.

Model szacujący skłonność do zapłaty może rekomendować różne ceny dla różnych lokalizacji, nie identyfikując indywidualnych klientów. Taka praktyka przypomina lokalną optymalizację cen, a nie spersonalizowane ustalanie cen oparte na inwigilacji.

Lokalne ustalanie cen nie jest automatycznie bezprawne. Firmy rutynowo dostosowują ceny do regionalnych kosztów, popytu i warunków konkurencyjnych.

Ryzyko zmienia się, gdy model wykorzystuje aktualne, poufne dane od firm, które powinny podejmować niezależne decyzje. Źródło i aktualność danych wejściowych mogą mieć większe znaczenie niż zaawansowanie modelu.

Badanie FTC dotyczące cen pokazuje, dlaczego regulatorzy coraz częściej badają przepływy danych. Jego wstępne ustalenia opisywały pośredników zdolnych wykorzystywać lokalizację, aktywność przeglądania, dane demograficzne i zachowania zakupowe do wpływania na ceny lub promocje.

Badanie FTC dotyczy szerszej kategorii niż zarzuty wobec McDonald’s. Nie wskazuje McDonald’s jako firmy stosującej zindywidualizowane ceny.

Odzwierciedla jednak zmianę w uwadze regulatorów. Agencje coraz częściej pytają, jakie dane trafiają do systemów cenowych, kto je udostępnia oraz czy klienci mogą zrozumieć wynikające z nich oferty.

Skarga napotka kolejne wyzwanie, ponieważ znaczna część jej publicznej narracji opiera się na relacjach medialnych i materiałach firmowych. Postępowanie sądowe wymaga dopuszczalnych dowodów wspierających każdy element prawny.

Postępowanie dowodowe może ujawnić przymusowy system stworzony w celu podporządkowania operatorów. Może też wykazać opcjonalne rekomendacje, ograniczone wdrożenie i znaczne zróżnicowanie cen wynikające z lokalnych warunków.

Dopóki te dokumenty nie zostaną ujawnione, twierdzenia, że McDonald’s „użył AI, aby podnieść wszystkim ceny”, wykraczają poza potwierdzone fakty. Trafniejsze stwierdzenie jest węższe: konsument zarzuca, że system cenowy umożliwił bezprawną koordynację.

Rzeczywisty precedens pochodzi z rynku mieszkaniowego i hoteli

Ten pozew przenosi ugruntowaną teorię zmowy algorytmicznej do sieci franczyzowej, w której relacje między uczestnikami są mniej jednoznaczne.

Najważniejsze niedawne sprawy dotyczące algorytmicznego ustalania cen dotyczyły właścicieli nieruchomości na wynajem, hoteli i pośredników oferujących oprogramowanie. W tych sprawach zazwyczaj zarzucano, że konkurujące firmy przekazywały poufne dane wspólnemu dostawcy i otrzymywały rekomendacje cenowe.

W 2024 roku Departament Sprawiedliwości pozwał RealPage, zarzucając, że jego system zarządzania przychodami pomagał konkurującym właścicielom nieruchomości koordynować czynsze za mieszkania. Później rząd dodał do sprawy kilku dużych właścicieli nieruchomości jako pozwanych.

Sprawa RealPage prowadzona przez departament opisywała oprogramowanie jako mechanizm udostępniania wrażliwych informacji i uzgadniania decyzji dotyczących najmu. RealPage zakwestionował te zarzuty.

To postępowanie daje powodowi w sprawie McDonald’s język i prawną mapę drogową. Obie teorie koncentrują się na łączeniu niepublicznych danych, wspólnych rekomendacjach i uczestnikach, którzy rzekomo zrezygnowali z niezależnego osądu.

Różnice są znaczące. RealPage obsługiwał odrębne spółki nieruchomościowe, które kupowały oprogramowanie od zewnętrznego dostawcy.

McDonald’s prowadzi sieć franczyzową ze wspólnymi znakami towarowymi, standardami zaopatrzenia, reklamą, produktami i relacjami umownymi. Koordynacja korporacyjna jest wpisana w wiele zgodnych z prawem elementów tego systemu.

Sąd musi odróżnić zarządzanie marką od horyzontalnej koordynacji cen. To czyni niezależność operatorów kwestią rozstrzygającą.

Spory dotyczące cen hotelowych stanowią powiązany precedens. Właściciele hoteli często uczestniczą w tej samej sieci markowej, pozostając jednocześnie niezależnymi przedsiębiorstwami.

Agencje federalne argumentowały, że dobrowolne rekomendacje nadal mogą wspierać zarzut ustalania cen, gdy uczestnicy świadomie korzystają ze wspólnego systemu cenowego. Sądy nadal jednak oceniają te sprawy na podstawie ich konkretnych okoliczności.

Spór z McDonald’s może również wpłynąć na inne branże franczyzowe. Marki restauracyjne, hotelowe, fitness, motoryzacyjne i usługowe coraz częściej dostarczają operatorom scentralizowaną analitykę.

Narzędzia te mogą poprawiać prognozowanie, ograniczać marnotrawstwo i pomagać małym operatorom interpretować lokalny popyt. Mogą również tworzyć szczegółowy obraz zachowań konkurentów, którego żaden uczestnik nie mógłby uzyskać samodzielnie.

Najbezpieczniejsze rozróżnienie nie brzmi „AI kontra brak AI”. Tradycyjne arkusze kalkulacyjne, konsultanci lub rozmowy telefoniczne mogą ułatwiać to samo bezprawne działanie.

Lepsze pytanie dotyczące zgodności z przepisami brzmi, czy system zachowuje rzeczywistą niezależność. Istotne zabezpieczenia obejmują zagregowane dane historyczne, ograniczenia dotyczące informacji o konkurentach, dobrowolny udział oraz ograniczenia monitorowania wdrożenia.

Informacje w czasie rzeczywistym na poziomie poszczególnych lokali wiążą się z większym ryzykiem, ponieważ mogą ujawniać aktualną strategię konkurencyjną. Rekomendacje powiązane z niedawnymi decyzjami rywali również skłaniają do bliższej kontroli.

Firmy korzystające z algorytmicznego ustalania cen powinny zatem dokumentować coś więcej niż tylko zastrzeżenie, że ostateczna decyzja należy do użytkownika. Potrzebują dowodów operacyjnych pokazujących, że klienci zachowują kontrolę, a dostawca nie karze za odstępstwa.

Systemy franczyzowe mierzą się z dodatkowym problemem zarządczym. Rekomendacja może być technicznie opcjonalna, lecz w praktyce mieć duże znaczenie, ponieważ franczyzodawca kontroluje odnowienia umów, możliwości ekspansji, dostęp do technologii i standardy marki.

Nie czyni to każdej rekomendacji przymusową. Oznacza to, że otaczająca relacja biznesowa może mieć równie duże znaczenie jak interfejs oprogramowania.

Ostateczne znaczenie sprawy Thomas v. McDonald’s będzie zależeć od tego, jak sąd potraktuje tę relację. Szerokie orzeczenie mogłoby narazić wiele scentralizowanych narzędzi franczyzowych na nowe roszczenia.

Wąskie orzeczenie mogłoby potwierdzić, że franczyzodawcy mogą zapewniać zaawansowane wskazówki cenowe, gdy operatorzy pozostają niezależni, a poufne dane konkurentów są właściwie chronione.

Na razie skarga jest testem odporności, a nie precedensem.

Na co zwracać uwagę w miarę rozwoju pozwu McDonald's dotyczącego cen ustalanych przez AI

Trzy sygnały pokażą, czy sprawa stanie się ważnym precedensem antymonopolowym dotyczącym algorytmów, czy zakończy się nieudaną próbą zakwestionowania narzędzi wsparcia dla franczyz.

Pierwszym sygnałem będą początkowe wnioski procesowe McDonald’s. Firma prawdopodobnie zakwestionuje, czy skarga w sposób wiarygodny zarzuca istnienie horyzontalnego porozumienia między franczyzobiorcami.

Orzeczenie o oddaleniu pozwu pokaże, jak wielu szczegółów faktycznych konsument musi dostarczyć, zanim uzyska dostęp do wewnętrznych dokumentów. Utrzymanie sprawy umożliwi postępowanie dowodowe dotyczące systemu cenowego i relacji franczyzowych.

Kluczową kwestią nie będzie to, czy skarga wielokrotnie używa terminu AI. Będzie nią to, czy rzekomy system łączy konkurentów poprzez wspólne zobowiązanie do stosowania wspólnych rekomendacji.

Drugim sygnałem będą dowody dotyczące wdrożenia i egzekwowania zasad. Wewnętrzne dokumenty mogą pokazać, jak często operatorzy akceptowali rekomendacje, jak McDonald’s śledził odstępstwa i co działo się, gdy operator odmawiał.

Wysoki poziom wdrożenia sam w sobie nie dowodziłby porozumienia. Jednak wysoki poziom wdrożenia połączony z presją, świadomością działań konkurentów i niepublicznymi danymi wzmocniłby teorię powoda.

Częste odstępstwa bez konsekwencji wzmocniłyby stanowisko McDonald’s. Wspierałyby twierdzenie firmy, że narzędzie dostarcza kontekstu, a nie poleceń.

Trzecim sygnałem będzie sposób, w jaki sąd potraktuje dane. Skarga podkreśla aktualne, szczegółowe informacje z poszczególnych restauracji, ponieważ mogą one ujawniać strategię konkurencyjną.

System szkolony przede wszystkim na zagregowanych lub historycznych informacjach stwarza inne ryzyko niż system wykorzystujący bieżące dane o sprzedaży i cenach na poziomie poszczególnych lokali. Analiza techniczna powinna wyjaśnić, który z tych opisów odpowiada rozwiązaniu McDonald’s.

Czytelnicy powinni również obserwować, czy do sprawy włączą się regulatorzy. Departament Sprawiedliwości i FTC składały oświadczenia w prywatnych sprawach dotyczących algorytmicznego ustalania cen, gdy stawką były szersze interpretacje prawa antymonopolowego.

Pismo złożone przez agencję nie przesądziłoby wyniku sprawy. Sygnalizowałoby jednak, że federalne organy egzekwujące prawo uznają kontekst franczyzowy za istotny dla polityki konkurencji dotyczącej algorytmów.

Sprawa pojawia się również w chwili, gdy McDonald’s próbuje odbudować reputację marki oferującej dobrą wartość wśród klientów oszczędzających. Ta presja biznesowa sprawia, że spór ma konsekwencje wykraczające poza odszkodowania prawne.

Jeśli klienci uznają, że oprogramowanie zaprojektowano tak, by ustalało najwyższą akceptowalną cenę, firmie trudniej będzie podtrzymywać przekaz o przystępności cenowej. McDonald’s musi wyjaśnić zarówno sposób działania narzędzia, jak i ograniczenia regulujące jego użycie.

Deweloperzy i nabywcy rozwiązań dla przedsiębiorstw powinni zwrócić uwagę z innego powodu. Sprawa pokazuje, że produkt pełniący technicznie funkcję doradczą może tworzyć ryzyko prawne poprzez swoje dane wejściowe, zachęty i model wdrożenia.

Zespoły produktowe powinny zapytać, czy ich systemy łączą poufne dane konkurentów. Powinny również sprawdzić, czy rekomendacje stają się w praktyce obowiązkowe za sprawą monitoringu, nacisku umownego lub ocen wyników.

Konsumenci nie powinni zakładać, że każda różnica cenowa między lokalizacjami oznacza nieprawidłowość. Powinni też oczekiwać jaśniejszych wyjaśnień, gdy firmy wykorzystują wspólne dane do kształtowania cen w niezależnie prowadzonych przedsiębiorstwach.

Pozew dotyczący cen ustalanych przez AI w McDonald’s będzie zależał od dowodów, które nie są jeszcze publiczne. Pozew opisuje skoordynowane ustalanie cen, podczas gdy McDonald’s przedstawia narzędzie jako opcjonalną poradę biznesową.

Warto śledzić argumentację dotyczącą oddalenia sprawy, rejestry wdrażania rekomendacji oraz techniczne mechanizmy kontroli danych. Łącznie te sygnały pokażą, czy system zachował konkurencję, czy też po cichu ją zastąpił.