Processo sobre precificação com IA do McDonald's testa a linha entre orientação e fixação de preços

O McDonald’s enfrenta uma proposta de ação coletiva nacional por um sistema de precificação assistido por IA que, segundo a alegação, coordena os preços do cardápio entre milhares de restaurantes operados de forma independente.

O processo sobre precificação com IA do McDonald’s foi protocolado em 2 de outubro de 2026 em um tribunal federal de Chicago. O autor Michael Thomas afirma que a empresa reuniu dados confidenciais dos restaurantes e os transformou em recomendações de preços que reduziram a concorrência entre franqueados.

O McDonald’s contesta essa versão. A empresa diz que a inteligência artificial não define os preços do cardápio e que os operadores dos restaurantes continuam livres para aceitar ou rejeitar suas recomendações. Essa divergência cria a questão central: quando uma orientação centralizada de preços se torna coordenação entre empresas que deveriam concorrer?

A petição não comprovou irregularidades, e nenhum tribunal certificou a ação coletiva proposta. Ainda assim, a disputa surge após agências federais antitruste avançarem com casos de precificação algorítmica no setor habitacional e examinarem preços orientados por dados em mercados de consumo.

O caso, portanto, é maior do que o preço de um Big Mac. Ele testa se um franqueador pode combinar dados de restaurantes nominalmente independentes sem transformar uma ferramenta de gestão em um mecanismo de coordenação.

O Que Alega o Processo sobre Precificação com IA do McDonald's

A petição questiona o acordo de compartilhamento de dados por trás das recomendações, e não apenas a presença de inteligência artificial.

Thomas apresentou o processo contra McDonald’s USA e McDonald’s Corporation no Tribunal Distrital dos EUA para o Distrito Norte de Illinois. O registro federal público identifica o caso como Thomas v. McDonalds USA, LLC, processo número 1:26-cv-12149.

Thomas mora em DeKalb, Illinois, e afirma comprar regularmente refeições em restaurantes McDonald’s perto de sua casa. Segundo a petição, ele observou preços diferentes para itens idênticos em unidades próximas.

Diferenças de preços, por si só, não comprovam uma violação antitruste. Empresas independentes normalmente podem cobrar preços distintos com base em aluguel, salários, demanda local e despesas operacionais.

A petição apresenta um argumento diferente. Ela alega que o McDonald’s criou um mecanismo comum de precificação que coleta informações atuais e não públicas dos restaurantes antes de recomendar preços de cardápio a esses mesmos restaurantes.

Essa distinção importa porque cerca de 95% dos aproximadamente 14.000 restaurantes do McDonald’s nos EUA são de propriedade e operação independentes. Esses franqueados são empresas juridicamente separadas, embora atuem sob uma única marca.

A ação sustenta que os restaurantes participantes fornecem informações detalhadas de vendas e preços a um sistema compartilhado. Segundo a alegação, o sistema analisa milhões de transações diárias, características das lojas, demanda local, sensibilidade dos clientes aos preços e preços dos concorrentes.

Em seguida, gera recomendações específicas para cada restaurante e para itens individuais do cardápio. A petição descreve esses resultados como parte de um sistema coordenado, e não como pesquisa de mercado neutra.

Thomas também alega que o mecanismo aplica uma “regra dos 30%”. Segundo a versão apresentada na petição, a ferramenta pode recomendar um aumento depois que uma parcela especificada dos restaurantes próximos eleva o preço do mesmo item.

Essa alegação ainda não foi testada durante a fase de produção de provas. O McDonald’s não aceitou a descrição do autor sobre a ferramenta ou suas regras de funcionamento.

A petição também afirma que o McDonald’s monitora se os franqueados seguem suas recomendações. Ela alega que desvios persistentes podem afetar a forma como a empresa avalia a elegibilidade de um operador para expansão ou renovação da franquia.

Essa alegação de pressão é essencial para a tese do autor. Uma recomendação que os operadores rotineiramente ignoram parece diferente de uma recomendação respaldada por monitoramento e consequências comerciais.

A ação coletiva proposta inclui consumidores dos EUA que compraram alimentos do McDonald’s durante o período alegado. Thomas também busca representar uma subclasse de clientes de Illinois.

A petição apresenta alegações com base na Seção 1 da Sherman Act, na Illinois Antitrust Act e na Illinois Consumer Fraud and Deceptive Business Practices Act. Ela busca a certificação da ação coletiva, indenizações, honorários advocatícios e uma liminar contra o acordo alegado.

Pela legislação antitruste federal, autores privados bem-sucedidos podem buscar indenização tripla, ou seja, três vezes suas perdas comprovadas. Esse recurso não significa que os danos já tenham sido estabelecidos.

A petição continua sendo uma alegação inicial. Nenhum juiz decidiu se os restaurantes concordaram em coordenar suas ações, se o sistema restringiu a concorrência ou se os clientes sofreram cobranças excessivas mensuráveis.

Essas questões ainda não resolvidas distinguem uma alegação jurídica séria de uma conclusão consolidada de fixação de preços.

McDonald's Diz que a IA Não Define os Preços do Cardápio

A defesa do McDonald’s se apoia na independência dos operadores: as recomendações oferecem contexto, enquanto cada franqueado toma a decisão final de preços.

Antes de o processo ser protocolado, o McDonald’s publicou uma resposta detalhada a reportagens sobre sua tecnologia de precificação. Sua declaração sobre preços de 1º de outubro afirma que a IA não determina o preço de nenhum item do cardápio.

A empresa descreve seu sistema como uma ferramenta de recomendações específica para cada restaurante. Ela afirma que os operadores usam essas recomendações juntamente com seu próprio conhecimento sobre custos locais, clientes e concorrência.

O McDonald’s também rejeita a ideia de que utiliza precificação dinâmica em tempo real. A precificação dinâmica geralmente altera os preços rapidamente em resposta a condições imediatas, como demanda, estoque ou horário do dia.

Segundo a empresa, sua ferramenta não altera automaticamente os painéis digitais de cardápio durante períodos de maior movimento. Tampouco atribui preços diferentes a clientes individuais com base em informações pessoais.

Essa distinção separa três práticas que as discussões públicas frequentemente agrupam.

A precificação algorítmica usa software para analisar informações e recomendar ou selecionar preços. A precificação dinâmica altera um preço à medida que as condições do mercado mudam. A precificação por vigilância usa dados pessoais ou comportamentais para adaptar preços ou promoções a consumidores ou grupos específicos.

A petição trata principalmente da coordenação algorítmica entre restaurantes. Ela não estabelece que o McDonald’s cobre de duas pessoas, em uma mesma unidade, preços diferentes pelo mesmo pedido.

O McDonald’s disse à Associated Press que a petição está repleta de imprecisões e que se defenderá. A empresa afirmou que suas ferramentas opcionais não automatizam nem coordenam os preços dos restaurantes.

Um porta-voz da empresa também enfatizou que o McDonald’s coletava informações de mercado e recomendava preços antes de o aprendizado de máquina fazer parte do processo. Sob essa perspectiva, a IA aprimora uma função de aconselhamento já estabelecida.

O comportamento dos franqueados oferece algum respaldo à alegação de que as recomendações corporativas não são comandos automáticos. Durante uma teleconferência com investidores em agosto, o CEO Chris Kempczinski afirmou que apenas 60% dos restaurantes dos EUA ofereciam um menu promocional proposto.

Ele disse que o McDonald’s não poderia simplesmente ativar a oferta em todo o sistema. A gestão corporativa precisava chegar a um acordo com os franqueados.

Esse exemplo não resolve o processo. Um franqueado pode rejeitar uma promoção nacional e, ainda assim, depender fortemente de recomendações de preços específicas para o restaurante.

Ele mostra por que a disputa não pode ser decidida tratando cada unidade do McDonald’s como uma filial corporativa. O sistema de franquias divide a autoridade entre o proprietário da marca e milhares de operadores locais.

O McDonald’s também tem motivos legítimos para fornecer análises de preços. Os franqueados precisam considerar custos de alimentos, despesas trabalhistas, concorrentes locais, fluxo de clientes e o efeito das mudanças de preço sobre as vendas.

Um sistema de recomendações pode processar mais transações do que um operador individual conseguiria avaliar manualmente. Ele também pode identificar quando um preço mais alto reduziria o fluxo de clientes a ponto de diminuir a receita total.

A questão jurídica não é se o software pode produzir análises úteis. É se o McDonald’s construiu essa análise a partir de informações comercialmente sensíveis e incentivou rivais nominalmente concorrentes a seguir um resultado comum.

A discricionariedade final sobre preços ajuda a defesa do McDonald’s, mas não é necessariamente decisiva. Os tribunais podem examinar como um sistema funciona na prática, incluindo participação, monitoramento, pressão e taxas de adoção.

A evidência mais forte da empresa demonstraria uma tomada de decisão independente significativa. Isso poderia incluir afastamentos frequentes das recomendações, métodos variados de precificação e ausência de penalidades vinculadas à conformidade.

O autor, em contrapartida, precisa de provas de que os restaurantes participantes entendiam que seus concorrentes contribuíam com dados e esperavam que outros seguissem o mesmo sistema.

É improvável que esses fatos surjam apenas de declarações públicas. Eles exigiriam documentos internos, comunicações com operadores, registros técnicos e depoimentos sobre como as recomendações foram implementadas.

Por Que Dados Compartilhados de Franquias Criam Risco Antitruste

O conflito central é a precificação independente versus um mecanismo comum treinado com informações que concorrentes normalmente não trocariam.

A Seção 1 da Sherman Act proíbe acordos que restrinjam injustificadamente o comércio. A fixação tradicional de preços envolve concorrentes que concordam diretamente sobre os preços que cobrarão.

O software não cria uma isenção jurídica. Se concorrentes não podem coordenar legalmente suas ações em uma reunião, em geral não podem tornar o mesmo acordo legal encaminhando decisões por meio de um algoritmo.

O Departamento de Justiça adotou essa posição em várias disputas recentes. Em um caso de precificação de hotéis, o departamento e a Federal Trade Commission disseram que empresas não podem usar algoritmos para realizar condutas que seriam ilegais se executadas por pessoas.

Sua petição sobre precificação de hotéis também abordou o papel das recomendações. As agências argumentaram que um preço inicial comum pode gerar preocupações antitruste mesmo quando as empresas mantêm alguma discricionariedade.

Essa visão apoia a teoria jurídica por trás da petição contra o McDonald’s. Ela não prova que o McDonald’s operou tal acordo.

A estrutura de franquia acrescenta uma difícil questão de delimitação. O McDonald’s é dono da marca e estabelece padrões para produtos, operações dos restaurantes, marketing e experiência do cliente.

A uniformidade é central para uma franquia. Os clientes esperam alimentos, serviços e identidade visual semelhantes entre as unidades, mesmo quando empresas diferentes são proprietárias dos restaurantes.

Os preços pertencem a uma categoria mais sensível. O McDonald’s declarou repetidamente que operadores independentes definem seus próprios preços de cardápio e concorrem por clientes nos mercados locais.

Se esses operadores realmente concorrem, seus dados privados de vendas podem revelar como os clientes reagiram a mudanças específicas de preço. Reunir essas informações pode reduzir a incerteza sobre quanto os rivais planejam cobrar.

A incerteza competitiva não é um defeito que toda ferramenta de otimização deva eliminar. Ela é uma das forças que incentivam as empresas a reduzir preços, melhorar o serviço ou aceitar margens menores.

A denúncia alega que o McDonald’s reduziu essa incerteza ao coletar informações no nível das lojas e devolver recomendações coordenadas. Ela retrata a empresa como o centro conectando operadores que, de outro modo, seriam independentes.

Advogados antitruste frequentemente chamam isso de arranjo hub-and-spoke. Um agente central atua como o hub, enquanto os concorrentes participantes formam os raios.

Uma teoria hub-and-spoke ainda exige evidências de um acordo. Não basta demonstrar que várias empresas compraram o mesmo software ou receberam aconselhamento semelhante.

O autor deve conectar as relações verticais entre o McDonald’s e cada franqueado a um entendimento horizontal entre restaurantes concorrentes. Os tribunais analisam se os participantes sabiam que outros estavam aderindo e esperavam uma conduta coordenada.

O papel dos restaurantes operados pela própria empresa acrescenta outra camada. As subsidiárias do McDonald’s operam uma parcela menor das unidades nos EUA, potencialmente colocando restaurantes corporativos em concorrência direta com franqueados.

Se as lojas corporativas contribuíram com dados e receberam recomendações do mesmo mecanismo, o autor argumentará que o McDonald’s participou tanto como operador da plataforma quanto como concorrente no setor de restaurantes.

O McDonald’s pode responder que a marca compartilhada e o suporte às franquias naturalmente exigem análises centralizadas. Também pode argumentar que as recomendações no nível de restaurante refletem diferenças locais, em vez de suprimi-las.

A variação visível de preços reforça esse ponto. O próprio Thomas percebeu preços diferentes em lojas próximas, o que sugere que o sistema não impôs um único preço nacional para o cardápio.

No entanto, a coordenação antitruste nem sempre produz preços idênticos. Um sistema comum pode recomendar preços diferentes e, ainda assim, reduzir a tomada de decisão independente.

A questão relevante é, portanto, contrafactual: que preços os restaurantes teriam escolhido sem os dados agregados, as regras comuns e a suposta pressão?

Essa questão torna o processo sobre precificação por IA do McDonald’s um caso econômico tanto quanto tecnológico. As partes precisarão separar os efeitos coordenados da inflação, dos salários, dos custos de ingredientes, dos aluguéis e das mudanças na demanda dos consumidores.

Preços Mais Altos no Cardápio Não Provam Fixação Algorítmica de Preços

Os preços do McDonald’s subiram acentuadamente, mas uma correlação entre a ferramenta de precificação e esses aumentos não pode, por si só, estabelecer um acordo ilegal.

A denúncia aponta para a própria declaração do McDonald’s de que os preços médios do cardápio nos EUA subiram cerca de 40% entre 2019 e 2024. Ela relaciona esse período ao desenvolvimento e à expansão da tecnologia de precificação da empresa.

O momento levanta uma questão de pesquisa plausível. Não isola o efeito do algoritmo.

Os restaurantes enfrentaram grandes aumentos nos custos de mão de obra, alimentos, embalagens, transporte e ocupação durante esse período. O comportamento do consumidor também mudou durante a pandemia e a inflação que se seguiu.

O McDonald’s já havia dito que os preços do cardápio aumentaram, em parte, para compensar despesas empresariais mais elevadas. Franqueados em diferentes regiões enfrentaram leis salariais, aluguéis, impostos e condições de fornecimento distintos.

Um modelo confiável de cálculo de danos precisaria controlar esses fatores. Também precisaria de uma referência que mostrasse como preços comparáveis evoluíram sem o sistema contestado.

Unidades próximas do McDonald’s oferecem uma possível comparação, mas a propriedade local pode complicá-la. O mesmo franqueado pode possuir vários restaurantes em uma região.

A classe proposta também abrange um mercado grande e diverso. Uma ferramenta pode influenciar fortemente alguns restaurantes enquanto tem pouco efeito sobre outros.

O autor precisará apresentar evidências de que a suposta coordenação produziu preços acima dos níveis competitivos em uma classe juridicamente coerente. Isso pode se tornar difícil quando recomendações, adoção, custos e propriedade variam conforme a localização.

A reportagem subjacente identificou diferenças locais de preços marcantes. Um exemplo envolveu dois restaurantes em Fresno, localizados a cerca de duas milhas de distância, onde os preços listados do Big Mac supostamente diferiam em 21%.

Essa variação pode sustentar interpretações concorrentes. Ela pode demonstrar precificação independente, ou indicar que um mecanismo centralizado otimiza o valor que cada mercado local consegue suportar.

O aprendizado de máquina, por si só, não responde a essa questão. É um método para encontrar padrões em dados e produzir previsões ou recomendações com base nesses padrões.

Um modelo que estima a disposição a pagar pode recomendar preços diferentes para locais diferentes sem identificar clientes individuais. Essa prática se assemelha à otimização localizada de preços, e não à precificação por vigilância personalizada.

A precificação localizada não é automaticamente ilegal. Empresas ajustam rotineiramente os preços conforme custos regionais, demanda e condições competitivas.

O risco muda quando o modelo incorpora dados atuais e confidenciais de empresas que deveriam tomar decisões independentes. A origem e o momento dos dados inseridos podem importar mais do que a sofisticação do modelo.

O estudo de precificação da FTC mostra por que reguladores examinam cada vez mais os fluxos de dados. Suas conclusões iniciais descreveram intermediários capazes de usar localização, atividade de navegação, dados demográficos e comportamento de compra para influenciar preços ou promoções.

O estudo da FTC trata de uma categoria mais ampla do que as alegações contra o McDonald’s. Ele não identifica o McDonald’s como tendo cobrado preços individualizados.

Ainda assim, ele reflete uma mudança na atenção regulatória. As agências perguntam cada vez mais quais dados entram nos sistemas de precificação, quem os compartilha e se os clientes conseguem entender as ofertas resultantes.

A denúncia enfrentará outro desafio porque grande parte de sua narrativa pública se baseia em reportagens e materiais da empresa. O litígio exige provas admissíveis que sustentem cada elemento jurídico.

A fase de produção de provas pode revelar um sistema coercitivo criado para alinhar operadores. Ou pode mostrar recomendações opcionais, baixa adesão e ampla variação de preços impulsionada por condições locais.

Até que esses registros surjam, afirmações de que o McDonald’s “usou IA para elevar o preço de todos” vão além dos fatos verificados. A declaração precisa é mais restrita: um consumidor alega que o sistema de precificação permitiu uma coordenação ilegal.

O Verdadeiro Precedente Vem da Habitação e dos Hotéis

Este processo leva uma teoria consolidada de conluio algorítmico a uma rede de franquias, onde a relação entre os participantes é menos direta.

Os casos recentes mais proeminentes de precificação algorítmica envolveram proprietários de imóveis, hotéis e intermediários de software. Esses casos geralmente alegam que empresas concorrentes forneceram dados confidenciais a um fornecedor comum e receberam recomendações de preços.

Em 2024, o Departamento de Justiça processou a RealPage, alegando que seu sistema de gestão de receitas ajudou proprietários concorrentes a coordenar aluguéis de apartamentos. Posteriormente, o governo acrescentou vários grandes proprietários como réus.

O caso RealPage do departamento descreveu o software como um mecanismo para compartilhar informações sensíveis e alinhar decisões de aluguel. A RealPage contestou as alegações.

Esse litígio oferece ao autor no caso McDonald’s um vocabulário e um roteiro jurídico. Ambas as teorias se concentram em dados não públicos agregados, recomendações comuns e participantes que supostamente abriram mão de seu julgamento independente.

As diferenças são substanciais. A RealPage atendia empresas imobiliárias separadas que compravam software de um fornecedor externo.

O McDonald’s opera uma rede de franquias com marcas registradas, padrões de fornecimento, publicidade, produtos e relações contratuais compartilhados. A coordenação corporativa está incorporada a muitas partes legais desse sistema.

Um tribunal deve distinguir a gestão de marca da coordenação horizontal de preços. Isso torna a independência dos operadores a questão decisiva.

O litígio sobre precificação de hotéis apresenta um precedente relacionado. Proprietários de hotéis frequentemente participam da mesma rede de marca, embora permaneçam empresas independentes.

Agências federais argumentaram que recomendações voluntárias ainda podem sustentar uma alegação de fixação de preços quando os participantes usam conscientemente um sistema comum de precificação. Os tribunais, no entanto, continuam avaliando esses casos de acordo com seus fatos específicos.

A disputa do McDonald’s também pode influenciar outros setores de franquia. Marcas de restaurantes, hotéis, academias, automóveis e serviços fornecem cada vez mais análises centralizadas aos operadores.

Essas ferramentas podem melhorar previsões, reduzir desperdícios e ajudar pequenos operadores a interpretar a demanda local. Também podem criar uma visão detalhada do comportamento dos concorrentes que nenhum participante conseguiria obter de forma independente.

A distinção mais segura não é “IA versus ausência de IA”. Planilhas tradicionais, consultores ou telefonemas podem facilitar a mesma conduta ilegal.

Uma pergunta melhor de conformidade é se o sistema preserva uma independência genuína. Salvaguardas relevantes incluem dados históricos agregados, limites sobre informações de concorrentes, participação voluntária e restrições ao monitoramento da adesão.

Informações em tempo real no nível das lojas apresentam maior risco porque podem revelar a estratégia competitiva atual. Recomendações vinculadas a decisões recentes de rivais também atraem uma análise mais rigorosa.

Portanto, empresas que usam precificação algorítmica devem documentar mais do que uma cláusula de isenção de escolha final. Elas precisam de evidências operacionais que demonstrem que os clientes mantêm o controle e que o fornecedor não pune desvios.

Sistemas de franquia enfrentam um problema adicional de governança. Uma recomendação pode ser tecnicamente opcional, mas ter peso prático porque o franqueador controla renovações, oportunidades de expansão, acesso à tecnologia e padrões de marca.

Isso não torna toda recomendação coercitiva. Significa que a relação comercial ao redor pode importar tanto quanto a interface do software.

A importância final de Thomas v. McDonald’s dependerá de como o tribunal tratará essa relação. Uma decisão ampla poderia expor muitas ferramentas centralizadas de franquia a novas alegações.

Uma decisão restrita poderia confirmar que franqueadores podem fornecer orientação sofisticada de preços quando os operadores permanecem independentes e os dados confidenciais de concorrentes são devidamente protegidos.

Por enquanto, a denúncia é um teste de pressão, não um precedente.

O Que Observar à Medida que o Processo sobre Precificação por IA do McDonald's Avança

Três sinais mostrarão se este caso se tornará um importante precedente antitruste algorítmico ou terminará como uma contestação malsucedida de ferramentas de suporte a franquias.

O primeiro sinal são as manifestações processuais iniciais do McDonald’s. A empresa provavelmente contestará se a denúncia alega de forma plausível um acordo horizontal entre franqueados.

Uma decisão de arquivamento revelaria quanto detalhamento factual um consumidor deve fornecer antes de obter acesso a registros internos. A continuidade do caso permitiria a produção de provas sobre o mecanismo de precificação e as relações de franquia.

A questão central não será se a denúncia usa repetidamente o termo IA. Será se o sistema alegado conecta concorrentes por meio de um compromisso compartilhado de seguir recomendações comuns.

O segundo sinal são as evidências sobre adoção e aplicação. Documentos internos podem mostrar com que frequência os operadores aceitaram recomendações, como o McDonald’s acompanhava desvios e o que acontecia quando um operador recusava.

Uma adoção elevada não provaria, de forma independente, um acordo. Ainda assim, uma adoção elevada combinada com pressão, conhecimento dos concorrentes e dados não públicos fortaleceria a teoria do autor.

Desvios frequentes sem consequências fortaleceriam a posição do McDonald’s. Isso apoiaria a alegação da empresa de que a ferramenta fornece contexto, e não comandos.

O terceiro sinal é o tratamento dado pelo tribunal aos dados. A denúncia enfatiza informações atuais e granulares de restaurantes individuais porque essas informações podem expor a estratégia competitiva.

Um sistema treinado principalmente com informações agregadas ou históricas apresenta um risco diferente de outro que utiliza vendas e preços em tempo real no nível das lojas. A investigação técnica deve esclarecer qual dessas descrições se aplica ao mecanismo do McDonald’s.

Os leitores também devem observar se os reguladores participam. O Departamento de Justiça e a FTC apresentaram manifestações em casos privados de precificação algorítmica quando interpretações mais amplas da legislação antitruste estavam em jogo.

Uma manifestação de uma agência não determinaria o resultado. Ela indicaria que os órgãos federais de fiscalização consideram o contexto das franquias importante para a política de concorrência algorítmica.

O caso também surge enquanto o McDonald’s tenta recuperar sua reputação de preços acessíveis entre clientes preocupados com o orçamento. Essa pressão comercial dá à disputa consequências que vão além de indenizações legais.

Se os clientes acreditarem que o software foi projetado para identificar o preço máximo que estão dispostos a tolerar, a comunicação corporativa sobre acessibilidade se torna mais difícil de sustentar. O McDonald’s precisa explicar tanto como a ferramenta funciona quanto quais limites regem seu uso.

Desenvolvedores e compradores empresariais devem prestar atenção por outro motivo. O caso mostra que um produto tecnicamente consultivo pode criar risco jurídico por meio de suas entradas, incentivos e modelo de implantação.

As equipes de produto devem perguntar se seus sistemas combinam dados confidenciais de concorrentes. Também devem examinar se as recomendações se tornam efetivamente obrigatórias por meio de monitoramento, influência contratual ou avaliações de desempenho.

Os consumidores devem evitar presumir que toda diferença de preço baseada na localização reflete má conduta. Também devem esperar explicações mais claras quando empresas usam dados compartilhados para orientar preços em negócios operados de forma independente.

O processo sobre precificação por IA do McDonald’s dependerá de evidências que ainda não são públicas. A denúncia descreve uma fixação coordenada de preços, enquanto o McDonald’s descreve uma orientação comercial opcional.

Acompanhe as petições de extinção do processo, os registros de adoção das recomendações e os controles técnicos de dados. Juntos, esses sinais mostrarão se o mecanismo preservou a concorrência ou a substituiu silenciosamente.