Immaginate il sogno più sfrenato di una società che massimizza i profitti: far pagare a ogni cliente esattamente il massimo che è disposto a pagare nel momento in cui vuole acquistare. Gli economisti chiamano questa pratica discriminazione di prezzo di primo grado, o perfetta. Per gran parte della storia è stata strutturalmente impossibile: un negoziante non può guardare nella tua anima, stimare il tuo patrimonio e modificare il cartellino del prezzo di un litro di latte prima che tu arrivi alla cassa. Ma una piattaforma tecnologica che intermedia milioni di transazioni tramite smartphone non ha bisogno di leggere l'anima di nessuno. Le basta leggere i suoi dati.

Le prove dagli Stati Uniti

Una recente indagine di Consumer Reports condotta negli Stati Uniti ha rilevato che Uber e Lyft applicano abitualmente a clienti diversi prezzi enormemente diversi per la stessa corsa, richiesta nello stesso momento e dallo stesso luogo. Il divario mediano tra il prezzo più alto e quello più basso era di circa il 50%. Le piattaforme negano con veemenza di praticare quella che i regolatori chiamano oggi surveillance pricing, ovvero un prezzo basato su dati demografici o comportamentali individuali, e insistono sul fatto che le differenze riflettono semplicemente le condizioni del mercato in tempo reale. Il risultato funzionale è lo stesso: il software imposta un prezzo basato su ciò che ritiene di poter estrarre da te in quell'esatto secondo.

Il termine non è retorica marginale. Nel 2024 la Federal Trade Commission statunitense ha aperto una formale inchiesta sul surveillance pricing, inviando richieste di informazioni ai principali intermediari per capire come i dati di navigazione e personali alimentino prezzi differenziati, un segnale iniziale che i regolatori stanno appena iniziando a costruire un vocabolario per il problema.

Il codice arriva in Kenya e Nigeria

Questa dinamica è sorprendente nei mercati occidentali altamente regolamentati, ma sta rimodellando l'economia di base dei mercati emergenti africani, dove le piattaforme digitali stanno rapidamente formalizzando economie storicamente informali attraverso vaste reti di dati.

Il trasporto su richiesta è un esempio emblematico. In Kenya e Nigeria, giganti internazionali come Uber e Bolt hanno implementato software di pricing dinamico che determina sia la tariffa del passeggero sia la quota del conducente. Il software è in apparenza un meccanismo imparziale di clearing del mercato, che alza i prezzi quando la domanda è alta per spingere più conducenti su strada e li abbassa nei momenti di calma, ma in realtà ottimizza la liquidità e i ricavi della piattaforma anziché la stabilità macroeconomica.

In Nigeria, i prezzi della benzina sono recentemente aumentati di quasi il 50% a causa di interruzioni dell'offerta globale e dell'eliminazione dei sussidi locali. Un tassista umano aumenterebbe immediatamente la tariffa base per coprire il costo del carburante; al software interessa solo la curva della domanda. Il pricing automatizzato ha lasciato ai conducenti nigeriani margini in contrazione e di fatto nessun controllo sulla propria economia unitaria, spingendo l'Amalgamated Union of App-Based Transporters of Nigeria a indire scioperi. I lavoratori si stanno rendendo conto di non essere contraenti indipendenti che negoziano in un mercato: sono variabili in una funzione di ottimizzazione. Il sistema è così rigido che concorrenti come inDrive hanno raggiunto 150 milioni di download a livello globale proprio trattando la negoziazione del prezzo come una funzionalità di prodotto anziché un output automatizzato, lasciando che conducenti e passeggeri contrattino direttamente.

Un megabyte su misura solo per te

Il settore delle telecomunicazioni è dove la discriminazione di prezzo automatizzata diventa filosoficamente strana. In Kenya, Safaricom ha investito massicciamente nell'analisi predittiva dei dati per orientarsi verso quella che chiama customer obsession. Utilizzando una piattaforma sviluppata con Huawei chiamata Idea-to-Cash, Safaricom abbina dinamicamente i propri abbonati a offerte dati e voce altamente personalizzate. Il sistema analizza il comportamento d'uso, le spese e il contesto in tempo reale del cliente per generare pacchetti "Just for You" su misura.

L'approccio è stato un grande successo aziendale. Safaricom ha raddoppiato i tassi di conversione sui pacchetti mirati, ridotto del 90% il time-to-market delle nuove offerte e drasticamente ridotto i reclami dei clienti sui bundle dati orari. Eppure un megabyte di dati è una merce pura: alla rete costa lo stesso consegnarlo al Cliente A o al Cliente B.

Safaricom sta essenzialmente isolando i consumatori in microeconomie individualizzate usando l'analisi dei dati per tarificare dinamicamente i servizi telecom. Se il sistema deduce un'alta propensione a pagare dai consumi passati, quel cliente riceve un'offerta diversa rispetto a uno studente molto sensibile al prezzo. Il prodotto rimane standard, ma il prezzo diventa una trappola comportamentale. Quando tutti ricevono uno sconto personalizzato, il prezzo base è di fatto privo di significato: significa che il software ha calcolato esattamente quanto sconto percepito serve per innescare un acquisto da un preciso profilo psicologico. Tutto ciò avviene sullo sfondo del Data Protection Act del 2019 keniota, che limita le decisioni automatizzate sui dati personali senza consenso, un quadro la cui capacità di applicazione, più che il suo testo, determinerà fin dove potrà spingersi il prezzo personalizzato.

La tua batteria è scarica, quindi il tuo tasso d'interesse è alto

In nessun luogo questa alchimia digitale è più visibile che nel prestito digitale africano. Nell'ultimo decennio, piattaforme come M-Shwari, Tala e Branch hanno aperto la strada ai prestiti non garantiti a popolazioni non bancarizzate, sostituendo le tradizionali agenzie di credito con dati alternativi provenienti dal telefono cellulare.

La tesi originale era semplice e brillante: senza una storia creditizia formale, un programma può acquisire migliaia di dati da un telefono, incluse le transazioni di mobile money, la diversità della rubrica, i pattern di scrittura dei messaggi e persino gli spostamenti basati sulle antenne cellulari, per costruire un modello predittivo di credit scoring. I benefici sono innegabili. Questa tecnologia ha portato una massiccia inclusione finanziaria ed espanso l'accesso finanziario formale in Kenya. Uno studio della Harvard Business School ha rilevato che i mutuatari marginali approvati casualmente da Tala hanno registrato miglioramenti significativi del benessere finanziario, soprattutto quando hanno usato il capitale per piccole imprese.

Ma il costo di questo accesso automatizzato è astronomico, e il software è spietatamente efficiente nel prezzare il rischio. Poiché i costi amministrativi sono praticamente nulli, i prestatori digitali possono erogare con profitto micro-prestiti a milioni di persone. Poiché i tassi di insolvenza sono alti, il sistema compensa applicando quella che è di fatto una penalità di povertà, imparando esattamente quale tasso d'interesse esorbitante un mutuatario disperato è disposto a tollerare per ottenere liquidità a breve termine. Ciò crea un circolo vizioso in cui i mutuatari prendono prestiti da un'app per pagare gli enormi interessi di un'altra. Entro il 2025, i mutuatari erano andati in default sull'83,1% dei prestiti digitali inferiori a KES 1.000 ($8), a testimonianza della difficoltà di recuperare piccoli prestiti da famiglie a basso reddito. La Banca Centrale del Kenya (CBK) ha infine dovuto intervenire con il Business Laws Amendment Act per regolamentare il settore, imporre trasparenza e impedire ai prestatori di estrarre tutta la ricchezza dalla base della piramide, nell'ambito di un più ampio regime di licenze CBK che dal 2022 ha posto i fornitori di credito digitale sotto la supervisione della banca centrale.

Consigliarti cose che non sapevi di non poterti permettere

Non sono solo trasporti, prestiti e telecom. Le grandi piattaforme tecnologiche del continente stanno silenziosamente implementando software predittivi per plasmare la realtà dei consumatori. Jumia, il gigante dell'e-commerce paneafricano, si affida pesantemente a sistemi di raccomandazione personalizzati che analizzano il comportamento di navigazione, la cronologia degli acquisti e le preferenze dell'utente per adattare i suggerimenti di prodotto in mercati come Lagos, in Nigeria.

In un mercato occidentale, un programma che suggerisce un paio di scarpe è semplice marketing mirato. In un mercato emergente caratterizzato da gravi disparità socioeconomiche, livelli diversi di alfabetizzazione digitale e deficit di fiducia, un programma che determina quali prodotti un utente vede costruisce di fatto un giardino recintato. Il software apprende cosa l'utente può permettersi e nasconde il resto dell'economia, convertendo la disuguaglianza strutturale in un'esperienza digitale perfettamente ottimizzata e senza attriti.

Il traguardo finale: l'estrazione perfetta

Gli ambienti tecnologici tendono a considerare questo dispiegamento di software un bene indiscusso. I benefici sono reali: sotto la pioggia a Nairobi, essere abbinati a un conducente tramite un picco di prezzo è discutibilmente meglio che restare bloccati; se serve merce per una bancarella di frutta, un prestito con un tasso annuo del 150% approvato da un computer in tre secondi batte il dover trattare con gli usurai locali. I guadagni di efficienza sono spettacolari.

Il problema è il traguardo finale. I modelli predittivi dispiegati da piattaforme orientate al profitto non sono progettati per distribuire beni sociali ma per estrarre surplus economico. Il surveillance pricing e il posizionamento automatizzato dei prodotti prosperano in ambienti segnati da fallimenti del mercato e asimmetrie informative. In un mercato perfettamente concorrenziale, un operatore telecom che facesse pagare più cari i dati a un power user si vedrebbe semplicemente cambiare fornitore. Ma i mercati digitali africani raramente sono perfettamente concorrenziali: sono dominati da oligopoli tecnologici come Safaricom nelle telecom keniote, Uber e Bolt nella mobilità e grandi banche nel credito digitale.

Quando queste aziende dominanti implementano software proprietario, il programma cessa di essere uno strumento di scoperta del mercato e diventa uno strumento di estrazione massima. I consumatori hanno visibilità zero sui parametri di mercato, mentre le piattaforme hanno visibilità perfetta sul portafoglio e sulla disperazione dell'acquirente. Alla fine, il concetto di prezzo equo e standard svanisce del tutto. I consumatori non partecipano più a un'economia più ampia ma sono intrappolati in una simulazione personalizzata e generata algoritmicamente, progettata specificamente per svuotare le loro tasche con la massima efficienza matematicamente possibile. La parte più folle, come nota il report originale, è che il software li convincerà di stare ottenendo uno sconto. Come si evolverà la situazione dipenderà in larga misura dalla capacità dei regolatori, che possono contare su strumenti come il Data Protection Act keniota e quello nigeriano del 2023 e sui precedenti dell'inchiesta FTC sul surveillance pricing, di imporre trasparenza a sistemi il cui intero vantaggio dipende dal restare opachi.

Fonte: TechCabal, di Kenn Abuya, senior reporter e responsabile della Startups Desk.