Πώς θα σας φαινόταν εάν η αεροπορική εταιρεία με την οποία ταξιδεύετε συχνά αποφάσιζε να χρεώσει την επόμενη πτήση σας αναλόγα με τον αριθμό των αστεριών του ξενοδοχείου που είχατε ήδη κλείσει; Ή εάν ανακαλύπτατε ότι λίγο πριν την ολοκλήρωση της αγοράς ενός νέου κινητού από το προσφιλές σας e-shop, η τιμή του διέφερε από εκείνη που εμφανιζόταν σε έναν φίλο σας που έκανε την ίδια αγορά, την ίδια στιγμή και από το ίδιο e-shop;
Αξίζει να θυμηθούμε ότι επί αιώνες οι τιμές αγαθών και υπηρεσιών δεν ήταν «γραμμένες στην πέτρα», αλλά αποτέλεσμα διαπραγμάτευσης. Οι μαγαζάτορες «ζύγιζαν» τον πελάτη και παζάρευαν, πρόσωπο με πρόσωπο. Η τελική τιμή καθοριζόταν συχνά από την αγοραστική ικανότητα ή την ανάγκη του.
Σήμερα η τεχνητή νοημοσύνη (ΤΝ) επεκτείνει αυτή τη λογική της εξατομίκευσης σε παγκόσμια κλίμακα. Η τιμή δεν είναι πια μια σταθερά αλλά ένα μέγεθος που κινείται παλμικά ακολουθώντας κύματα ζήτησης και μικρές, ατομικές ενδείξεις προτίμησης. Συλλέγοντας και αναλύοντας μεγάλα δεδομένα από την καταναλωτική συμπεριφορά (τι βλέπουμε στο διαδίκτυο, τι αφήνουμε στα καλάθια των e-shops, πότε ψωνίζουμε, ποιο είναι το διαθέσιμο απόθεμα), εκπαιδευμένοι αλγόριθμοι εκτιμούν την προθυμία πληρωμής και προσαρμόζουν τις τιμές σε σχεδόν πραγματικό χρόνο.
Ποια είναι, όμως, η κατεύθυνση αυτής της προσαρμογής; Ποιοι ωφελούνται και πότε; Μήπως η ΤΝ καθιστά, με έναν ιδιότυπο τρόπο, εφαρμόσιμη τη γνωστή φράση του Μαρξ «από τον καθένα σύμφωνα με τις δυνατότητές του, στον καθένα σύμφωνα με τις ανάγκες του»;
Για να ξεχωρίσουμε τις υπερβολές από την πραγματικότητα, «Το Βήμα» συνομίλησε με τον διεθνούς φήμης επενδυτή επιχειρηματικών κεφαλαίων, ιδρυτή της Margaris Ventures και σύμβουλο εταιρειών fintech του Fortune 500, Σπύρο Μάργαρη. Εκείνος εξηγεί τι πραγματικά αλλάζει, πότε ωφελούμαστε και πότε χάνουμε και γιατί πρέπει να μπουν σαφείς «κόκκινες γραμμές» διαφάνειας από τις επιχειρήσεις που εντάσσουν την TN στις στρατηγικές τιμολόγησης.
Σε τι διαφέρει η σημερινή τιμολόγηση με χρήση αλγορίθμων τεχνητής νοημοσύνης από το παζάρι των περασμένων αιώνων;
Αυτό που ξεχωρίζει είναι η κλίμακα και η ταχύτητα εφαρμογής. Σήμερα πολλές εταιρείες, με χαρακτηριστική περίπτωση τις αεροπορικές, έχουν περάσει σε εξατομικευμένα και ταυτόχρονα μαζικά μοντέλα τιμολόγησης, δομημένα στη λογική του «ένας προς εκατομμύρια». Ένα ζωντανό παράδειγμα είναι οι υπηρεσίες ταξί τύπου ride hailing. Εκεί που κάποτε η τιμή ήταν σταθερή, οι αλγόριθμοι μπορούν πια να ανεβάσουν το κόστος μιας διαδρομής από, για παράδειγμα, 15 σε 45 ευρώ, αμέσως μετά από έναν ποδοσφαιρικό αγώνα ή μια συναυλία. Κάποιες φορές αυτό βοηθά, αφού βγαίνουν στον δρόμο περισσότερα οχήματα και όλοι μπορούν να εξυπηρετηθούν. Η ίδια διαδρομή, όμως, μπορεί να κοστίσει διπλά ή τριπλά απλώς επειδή το σύστημα «βλέπει» υψηλή ζήτηση στη συγκεκριμένη περιοχή και ώρα.
Ο Σπύρος Μάργαρης, ιδρυτής της Margaris Ventures και σύμβουλος εταιρειών fintech.
Στο πλαίσιο της συζήτησης για την επίδραση της τεχνητής νοημοσύνης στις τιμολογιακές στρατηγικές, κάποιοι υποστηρίζουν ότι η «εκδοχή ΤΝ» της γνωστής φράσης του Μαρξ θα ήταν «από τον καθένα ανάλογα με την προθυμία του να πληρώσει». Υπονοούν ότι ο αλγόριθμος εισάγει μια νέα μορφή ιδιωτικής προοδευτικής φορολόγησης, χρεώνοντας τον καθένα μας έως το όριο αντοχής του. Ανταποκρίνεται αυτή η οπτική στην πραγματικότητα;
Θα έλεγα ότι αυτή η διατύπωση είναι χρήσιμη, γιατί αναδεικνύει τόσο τη δύναμη όσο και τον κίνδυνο των αλγορίθμων εξατομικευμένης τιμολόγησης. Στην πράξη οι αλγόριθμοι δεν έχουν μαντικές ικανότητες· απλώς αναζητούν μοτίβα στην αφοσίωση των καταναλωτών, στο ιστορικό περιήγησης και παράγουν τεκμηριωμένες εικασίες. Μια αεροπορική μπορεί να ανεβάσει την τιμή για μια αγορά της τελευταίας στιγμής, αλλά δεν ξέρει αν πρόκειται για ταξίδι του μέλιτος ή για κηδεία. Η αναλογία λειτουργεί πράγματι σαν μια μορφή «ιδιωτικής προοδευτικής φορολόγησης», όμως η πραγματικότητα είναι πιο σύνθετη, γιατί αρκετές φορές το σύστημα πέφτει έξω. Θα υπάρχει πάντα κόσμος που θα αρνείται να αγοράσει στην τιμή που προτείνει ο αλγόριθμος.
Σε αγορές με έντονο ανταγωνισμό, όπως στο λιανεμπόριο, οι «έξυπνες» προσφορές μπορούν πράγματι να ωφελήσουν τον καταναλωτή. Αντίθετα, σε πιο «σφιχτές», ολιγοπωλιακές αγορές, όπως στον τραπεζικό και στον ασφαλιστικό τομέα, οι λεγόμενοι «αφοσιωμένοι» πελάτες ενδέχεται να κληθούν να πληρώσουν ακριβότερα για το ίδιο προϊόν. Πέρα από τη φύση της αγοράς, για να δούμε αν η αλγοριθμική τιμολόγηση βοηθά ή βλάπτει, κοιτάμε επίσης δύο πράγματα: πρώτον, τα παράπονα και τις αποχωρήσεις και, έπειτα, τη μέση τιμή που διαμορφώνεται σε σχέση με την ενιαία τιμή που θα ίσχυε σε μη εξατομικευμένη βάση. Το «καμπανάκι» για τις εταιρείες χτυπά όταν βλέπουν να αυξάνονται οι αποχωρήσεις ή όταν ανεβαίνει οριζόντια η μέση τιμή.
Ποια από τα δεδομένα που «διαβάζει» ο αλγόριθμος είναι εντός ορίων και ποια περνούν την κόκκινη γραμμή της παραβίασης της ιδιωτικότητας; Υπάρχει ένα «σύνορο» διαφάνειας που οφείλει να γνωρίζει ο πελάτης στο στάδιο του checkout, ώστε να νιώθει ασφαλής;
Η συμβουλή που θα έδινα σε διάφορα brands είναι να χρησιμοποιούν αποκλειστικά δεδομένα που σχετίζονται με το τι βλέπει ο πελάτης στον ιστότοπό τους, τι βάζει στο καλάθι και αν έχει κάρτα επιβράβευσης. Με άλλα λόγια, δεδομένα που αφορούν συνειδητές κινήσεις και επιλογές των πελατών όσο ψωνίζουν διαδικτυακά. Ταυτόχρονα, θα τους πρότεινα να μην χρησιμοποιούν δεδομένα όπως ταχυδρομικό κώδικα, ηλικία, φύλο ή άλλα δημογραφικά στοιχεία. Αυτά δεν αφορούν το «πώς ψωνίζει κάποιος» και η αξιοποίησή τους από τον αλγόριθμο είναι άδικη.
Μια υπενθύμιση προς τον πελάτη λίγο πριν από το checkout, που θα πρότεινα να προσθέτουν οι εταιρείες, είναι: «Ρυθμίζουμε τις προσφορές μόνο βάσει του πώς ψωνίζετε εδώ, όχι βάσει προσωπικών στοιχείων, όπως το πού διαμένετε ή ποιοι είστε».
Ποιες θα ήταν, κατά τη γνώμη σας, οι δύο βασικότερες δικλίδες που πρέπει να υπάρχουν πριν μια εταιρεία εφαρμόσει εξατομικευμένη τιμολόγηση βασισμένη σε αλγόριθμο;
Πρώτον, να προβάλλεται σε όλους μια ενιαία τιμή «βιτρίνας», ενώ η μετέπειτα επιλογή του πελάτη να ενταχθεί σε κάποιο πρόγραμμα επιβράβευσης να είναι ξεκάθαρα δική του απόφαση και να μην βασίζεται σε κάποιο «κόλπο». Δεύτερον, είναι απαραίτητο να υπάρχουν ανεξάρτητοι έλεγχοι διαφάνειας τουλάχιστον σε ετήσια βάση, ώστε το σύστημα να μην «τιμωρεί» έστω και άθελά του συγκεκριμένες κοινωνικές ομάδες.
Μπορεί αυτά τα δύο να ακούγονται αυτονόητα, αλλά είναι κρίσιμα για να μη μετατραπεί η εξατομίκευση σε εκμετάλλευση. Στο νέο, ρευστό πλαίσιο της προσωποποιημένης τιμολόγησης με χρήση ΤΝ, η εταιρική εμπιστοσύνη χτίζεται αργά και βασίζεται στην ειλικρίνεια και στη διαφάνεια για το πώς δουλεύει το σύστημα —ιδίως τώρα που γίνεται ακόμη πιο πολύπλοκο. Όταν κάποιος ανακαλύπτει ότι πλήρωσε 20 ευρώ παραπάνω από τον γείτονά του για το ίδιο προϊόν χωρίς προφανή λόγο, τότε η εμπιστοσύνη χάνεται, και πιθανότατα για πάντα. Και αυτό, πιστέψτε με, πονάει τις εταιρείες περισσότερο απ’ όσο θα νομίζαμε. Το χειρότερο που θα μπορούσε να κάνει μια εταιρεία, λοιπόν, είναι να προσπαθήσει να κρύψει την πιθανή εκμετάλλευση του πελάτη πίσω από τον «αλγόριθμο».
