Wyobraźcie sobie najbardziej szalony sen korporacji maksymalizującej zysk: obciążanie każdego klienta dokładnie maksymalną kwotą, jaką jest gotów zapłacić w chwili zakupu. Ekonomiści nazywają to dyskryminacją cenową pierwszego stopnia, czyli doskonałą. Przez większość historii było to strukturalnie niemożliwe — sklepikarz nie może zajrzeć w głąb duszy, oszacować majątku i zmienić ceny litra mleka, zanim klient dotrze do kasy. Jednak platforma technologiczna pośrednicząca w milionach transakcji smartfonowych nie musi niczyjej duszy czytać. Wystarczy, że przeanalizuje dane.

Dowody ze Stanów Zjednoczonych

Ostatnie śledztwo Consumer Reports w Stanach Zjednoczonych wykazało, że Uber i Lyft rutynowo uzależniają od klienta drastycznie różne ceny za ten sam przejazd, zamówiony w tym samym czasie i z tego samego miejsca. Mediana różnicy między najwyższą a najniższą ceną wynosiła około 50%. Platformy zdecydowanie zaprzeczają, by stosowały to, co regulatorzy nazywają obecnie cenami nadzorowanymi — czyli wycenami opartymi na indywidualnych danych demograficznych lub behawioralnych — i twierdzą, że różnice jedynie odzwierciedlają warunki rynkowe w czasie rzeczywistym. Efekt praktyczny jest jednak ten sam: oprogramowanie ustala cenę na podstawie tego, ile sądzi, że uda mu się z danego klienta wydobyć w tej konkretnej sekundzie.

Termin ten nie jest retoryką z marginesu. W 2024 r. amerykańska Federalna Komisja Handlu (FTC) otworzyła formalne postępowanie w sprawie cen nadzorowanych, wysyłając żądania informacji do głównych pośredników, by zrozumieć, jak dane przeglądania i dane osobowe zasilają zróżnicowane ceny — wczesny sygnał, że regulatorzy dopiero budują słownik dla tego problemu.

Kod trafia do Kenii i Nigerii

Ta dynamika jest uderzająca na ściśle regulowanych rynkach zachodnich, ale to na wschodzących rynkach Afryki przekształca fundamentalną ekonomię — tam platformy cyfrowe, korzystając z rozległych sieci danych, szybko formalizują historycznie nieformalne gospodarki.

Transport na żądanie jest głównym przykładem. W Kenii i Nigerii międzynarodowi giganci tacy jak Uber i Bolt wdrożyli oprogramowanie do dynamicznego ustalania cen, które decyduje zarówno o tarifie pasażera, jak i o udziale kierowcy. Oprogramowanie jest rzekomo bezstronnym mechanizmem równoważącym rynek — podnosi ceny, gdy popyt jest wysoki, by zachęcić kierowców do wyjazdu na ulice, i obniża je, gdy jest spokojnie — lecz optymalizuje płynność i przychody platformy, a nie stabilność makroekonomiczną.

W Nigerii ceny benzyny ostatnio wzrosły o prawie 50% wskutek globalnych zakłóceń dostaw i zniesienia lokalnych dotacji. Ludzki taksówkarz natychmiast podniósłby taryfę bazową, by pokryć koszty paliwa; oprogramowanie interesuje się wyłącznie krzywą popytu. Automatyczne wyceny pozostawiły nigeryjskich kierowców z kurczącymi się marżami i faktycznie żadną kontrolą nad własną ekonomią jednostkową, co skłoniło Amalgamated Union of App-Based Transporters of Nigeria do rozpoczęcia strajków. Pracownicy uświadamiają sobie, że nie są niezależnymi wykonawcami negocjującymi na rynku — są zmiennymi w funkcji optymalizacyjnej. System jest tak sztywny, że konkurenci tacy jak inDrive zdobyli 150 milionów pobrań globalnie w dużej mierze dlatego, że uczynili negocjację ceny funkcją produktu, a nie automatycznym wynikiem, pozwalając kierowcom i pasażerom targować się bezpośrednio.

Spersonalizowany megabajt tylko dla Ciebie

Sektor telekomunikacyjny to miejsce, gdzie automatyczna dyskryminacja cenowa staje się filozoficznie dziwna. W Kenii Safaricom mocno zainwestował w predykcyjną analitykę danych, by skierować się ku temu, co nazywa "obsesją na punkcie klienta". Korzystając z platformy opracowanej wspólnie z Huawei, nazwanej Idea-to-Cash, Safaricom dynamicznie dopasowuje abonentów do wysoce spersonalizowanych ofert danych i głosowych. System analizuje zachowanie użytkownika, wzorce wydatków i kontekst w czasie rzeczywistym, by generować bespoke pakiety "Just for You".

Podejście to było dużym sukcesem korporacyjnym. Safaricom podwoił współczynniki konwersji na pakietach celowanych, skrócił czas wejścia nowych ofert na rynek o 90% i radykalnie ograniczył skargi klientów na godzinowe pakiety danych. A przecież megabajt danych to czysty towar: sieć ponosi ten sam koszt dostarczenia go klientowi A co klientowi B.

Safaricom w istocie izoluje konsumentów w zindywidualizowanych mikroekonomiach, dynamicznie wyceniając usługi telekomunikacyjne za pomocą analityki danych. Jeśli system wywnioskuje z przeszłego zużycia wysoką skłonność do płacenia, taki klient otrzyma inną ofertę niż bardzo wrażliwy cenowo student. Produkt pozostaje standardowy, ale cena staje się pułapką behawioralną. Gdy każdy otrzymuje spersonalizowany rabat, cena bazowa jest w istocie bez znaczenia — oznacza to, że oprogramowanie obliczyło dokładnie, ile pozornego rabatu potrzeba, by wywołać zakup u konkretnego profilu psychologicznego. Wszystko to dzieje się na tle kenijskiej ustawy o ochronie danych z 2019 r. (Data Protection Act), która ogranicza zautomatyzowane podejmowanie decyzji na podstawie danych osobowych bez zgody — ramy, których zdolność egzekucyjna, a nie treść, przesądzi o tym, jak daleko zajdzie personalizacja cen.

Masz słabą baterię, więc masz wysokie oprocentowanie

Nigdzie ta cyfrowa alchemia nie jest tak widoczna jak w afrykańskim cyfrowym kredytowaniu. W ciągu ostatniej dekady platformy takie jak M-Shwari, Tala i Branch rozpoczęły udzielanie pożyczek bez zabezpieczeń osobom bez dostępu do banków, zastępując tradycyjne biura informacji kredytowej alternatywnymi danymi z telefonów komórkowych.

Pierwotna teza była prosta i genialna: bez formalnej historii kredytowej program może przeanalizować tysiące punktów danych z telefonu — w tym historie transakcji płatności mobilnych, różnorodność listy kontaktów, wzorce pisania wiadomości, a nawet wzorce przemieszczania się na podstawie stacji bazowych — by zbudować predykcyjny model scoringu kredytowego. Korzyści są bezsporne. Ta technologia napędziła masową inkluzję finansową i rozszerzyła formalny dostęp do usług finansowych w Kenii. Badanie Harvard Business School wykazało, że marginalni kredytobiorcy losowo zatwierdzani przez Talę odnotowali znaczną poprawę dobrobytu finansowego, zwłaszcza gdy wykorzystywali kapitał na małe przedsiębiorstwa.

Ale koszt tego zautomatyzowanego dostępu jest astronomiczny, a oprogramowanie bezlitośnie efektywnie wycenia ryzyko. Ponieważ koszty administracyjne są praktycznie zerowe, cyfrowi pożyczkodawcy mogą rentownie udzielać drobnych pożyczek milionom ludzi. A ponieważ odsetek niespłacalnych jest wysoki, system równoważy to, nakładając w istocie premię za ubóstwo — ucząc się dokładnie, jakiego wygórowanego oprocentowania zdesperowany kredytobiorca toleruje, by uzyskać krótkoterminową płynność. Powstaje pętla zagłady, w której kredytobiorcy biorą pożyczki w jednej aplikacji, by spłacić ogromne odsetki z innej. Do 2025 r. kredytobiorcy nie spłacili 83,1% pożyczek cyfrowych poniżej 1000 KES (8 USD), co ilustruje trudność odzyskiwania drobnych pożyczek od gospodarstw o niskich dochodach. Bank Centralny Kenii (CBK) musiał w końcu wkroczyć z Business Laws Amendment Act, by uregulować sektor, nakazać przejrzystość i powstrzymać pożyczkodawców przed wydobywaniem całego bogactwa z dołu piramidy — część szerszego reżimu licencyjnego CBK, który od 2022 r. objął dostawców kredytu cyfrowego nadzorem banku centralnego.

Polecanie rzeczy, których nie wiedziałeś, że nie stać cię

Nie tylko transport na żądanie, kredytowanie i telekomunikacja biorą udział w tym wydobywaniu. Platformy big techu na całym kontynencie po cichu wdrażają oprogramowanie predykcyjne, kształtujące rzeczywistość konsumencką. Jumia, panafrykański gigant e-commerce, mocno polega na spersonalizowanych systemach rekomendacji, które analizują zachowanie podczas przeglądania, historię zakupów i preferencje użytkowników, by dostosować sugestie produktów na rynkach takich jak Lagos w Nigerii.

Na rynku zachodnim program podsuwający parę butów to po prostu marketing ukierunkowany. Na wschodzącym rynku, charakteryzującym się dotkliwymi dysproporcjami społeczno-ekonomicznymi, zróżnicowanym poziomem kompetencji cyfrowych i deficytem zaufania, program decydujący o tym, jakie produkty widzi użytkownik, w istocie buduje ogród zamknięty. Oprogramowanie poznaje, na co cię stać, i po prostu ukrywa przed tobą resztę gospodarki, przekształcając nierówność strukturalną w doskonale zoptymalizowane, bezproblemowe doświadczenie cyfrowe.

Finał doskonałego wydobywania

Kręgi technologiczne skłonne są postrzegać te wdrożenia oprogramowania jako dobro bez reszty. Korzyści są realne: stojąc pod deszczem w Nairobi, dopasowanie do kierowcy poprzez podbicie ceny to chyba lepiej niż zostanie bez przejazdu; potrzebując towaru do straganu z owocami, pożyczka o rocznym oprocentowaniu 150% zatwierdzona przez komputer w trzy sekundy bije kontakt z lokalnymi lichwiarzami. Zyski efektywnościowe są spektakularne.

Problemem jest finał. Modele predykcyjne wdrażane przez platformy nastawione na zysk nie są zaprojektowane do rozdzielania dóbr społecznych, lecz do wydobywania nadwyżki ekonomicznej. Ceny nadzorowane i automatyczne umieszczanie produktów rozkwitają w środowiskach naznaczonych zawodnościami rynku i asymetriami informacji. Na doskonale konkurencyjnym rynku operator telekomunikacyjny próbujący pobierać od intensywnego użytkownika więcej za dane po prostu skłoniłby go do zmiany dostawcy. Ale afrykańskie rynki cyfrowe rzadko są doskonale konkurencyjne — dominują na nich techno-oligopole takie jak Safaricom w kenijskiej telekomunikacji, Uber i Bolt w mobilności oraz wielkie banki w kredycie cyfrowym.

Gdy te dominujące firmy wdrażają własnościowe oprogramowanie, program przestaje być narzędziem odkrywania rynku, a staje się narzędziem maksymalnego wydobywania. Konsumenci mają zerową widoczność punktów odniesienia rynku, podczas gdy platformy mają doskonały wgląd w portfel kupującego i jego desperację. W końcu pojęcie uczciwej, standardowej ceny znika całkowicie. Konsumenci nie uczestniczą już w szerszej gospodarce, lecz są uwięzieni w bespoke, algorytmicznie generowanej symulacji zaprojektowanej tak, by opróżniać ich kieszenie tak efektywnie, jak to matematycznie możliwe. Najdziksze jest to — jak zauważa pierwotny raport — że oprogramowanie przekona ich, iż otrzymują rabat. Jak to się rozwinie, zależeć będzie w dużej mierze od tego, czy regulatorzy — korzystający z narzędzi takich jak kenijska i nigeryjska ustawa o ochronie danych z 2023 r. oraz z precedensów postępowania FTC w sprawie cen nadzorowanych — zdołają wymusić przejrzystość na systemach, których cała przewaga zależy na pozostawaniu nieprzejrzystymi.

Źródło: TechCabal, autor: Kenn Abuya, starszy reporter i szef działu startupów.