Inflação Algorítmica: O Pricing Dinâmico e o Fim do Preço Transparente
A inflação já não é apenas uma questão de política monetária, mas de algoritmos. Os bots de precificação dinâmica, ao processarem volumes imensos de dados, esti
A inflação, na sua acepção macroeconômica tradicional, é um fenômeno ligado à expansão da massa monetária, aos choques das cadeias de abastecimento ou às crises geopolíticas. Os bots de pricing guiados pela inteligência artificial não possuem as alavancas para "imprimir moeda" ou causar inflação sistémica. No entanto, a literatura económica e empírica mais recente demonstra inequivocamente que os algoritmos podem amplificar e redistribuir a inflação com uma precisão cirúrgica. Tornando os preços hiper-reativos, granularmente personalizados e estruturalmente difíceis de comparar, o software de dynamic pricing consegue aumentar as margens de lucro das empresas, transferindo silenciosamente o custo da incerteza económica para quem tem menos tempo, menos dados ou um menor poder de negociação. O ponto crítico que legisladores e autoridades antitrust devem enfrentar hoje não é a existência do preço dinâmico em si, mas a total ausência de transparência, o risco de conluio e o vazio de proteções para o consumidor final.
O Mecanismo Invisível: Da Vitrine à Discriminação Granular
Durante décadas, a economia retalhista baseou-se num pressuposto implícito: o custo de alterar uma etiqueta de preço (o chamado "custo de tabela" ou menu cost) impunha às empresas a manutenção de preços estáveis por períodos prolongados. Como recorda uma nota da delegação norueguesa na OCDE (2023), os algoritmos zeraram os custos de modificação, permitindo ajustamentos de altíssima frequência: os preços sobem instantaneamente quando a procura cresce e descem com igual rapidez quando diminui [2956].
Mas a inteligência artificial vai muito além da simples adaptação à procura agregada. Um documento fundamental da OCDE de 2025 relativo aos mercados a jusante (downstream markets) sustenta que a IA amplia desmesuradamente a capacidade de estimar a chamada "disponibilidade a pagar" (willingness to pay) do consumidor individual. Integrando enormes volumes de dados comportamentais, histórico de navegação e geolocalização, os algoritmos possibilitam uma discriminação de preços altamente granular e ofertas hiperespecializadas [2954]. Neste novo paradigma, o mesmo produto ou serviço idêntico é vendido a preços profundamente diferentes: custará sistematicamente mais a quem demonstre ter menos alternativas, menos tempo para a comparação ou um nível de urgência maior.
A Sombra dos Cartéis: Conluio Tácito e Modelos Hub-and-Spoke
O impacto mais alarmante do pricing algorítmico diz respeito à concorrência de mercado. O documento institucional mais sólido nesta matéria, produzido pela OCDE para as jurisdições do G7 (Algorithmic pricing and competition in G7 jurisdictions, 2025), distingue três cenários de risco crescentes: o conluio explícito facilitado pelas máquinas, os insidiosos esquemas hub-and-spoke e o conluio tácito autónomo [2952].
O esquema hub-and-spoke representa hoje a ameaça antitrust mais complexa: empresas concorrentes não celebram qualquer pacto ilícito secreto entre si (os raios, ou spokes), mas subcontractam todas a gestão dos seus preços ao mesmo fornecedor de software algorítmico (o cubo, ou hub). O algoritmo central, treinado para maximizar as margens de todo o setor, estabiliza os preços em alta sem que alguma vez tenha havido um aperto de mão humano.
Ainda mais sofisticado é o conluio tácito autónomo. Como evidenciado já numa histórica mesa-redonda da OCDE de 2017, os modelos de machine learning que se observam e reagem entre si podem aprender, por tentativa e erro, que desencadear guerras de preços é subótimo, convergindo espontaneamente para um equilíbrio colusivo e preços artificialmente altos [2957, 2959]. O Global Forum on Competition da OCDE (2025) acrescentou uma peça técnica fundamental para compreender este fenómeno: a inteligência artificial reduz a incerteza da procura. Num mercado tradicional, uma empresa que sofre uma queda das vendas tem dificuldade em perceber se se trata de uma contração geral da procura ou de um concorrente que está secretamente a baixar os preços. A IA dissolve esta névoa. Permitindo às empresas distinguir imediatamente um choque de mercado de um desvio concorrencial, torna os "acordos" tácitos de não beligerância muito mais sustentáveis e as punições algorítmicas contra quem baixa os preços extremamente rápidas [2955].
O efeito empírico desta hiper-racionalização foi documentado com precisão. Um estudo da Federal Reserve Bank of Richmond (2026) analisou o mercado alemão dos postos de abastecimento: após a introdução massiva de software algorítmico de determinação de preços em 2017, não houve uma explosão de guerras de baixa de preços. Pelo contrário, os preços e as margens médias para os gasolineiros aumentaram cerca de 1,3 cêntimos por litro, um incremento líquido da marginalidade estimado em cerca de 15% [2961]. O algoritmo não cria a inflação do nada, mas é extraordinariamente eficiente em capturar o excedente do consumidor e transformá-lo em lucro.
O Contraponto Empírico: A Eficiência Não é um Mito
Seria, no entanto, um erro cair num determinismo tecnológico absoluto, rotulando cada variação de preço digital como uma fraude. A literatura empírica impõe uma leitura matizada, demonstrando que o efeito do dynamic pricing depende intimamente da estrutura do mercado, da tipologia dos dados e das regras de envolvimento.
Um estudo em larga escala conduzido pela UC San Diego (2025), baseado na análise de mais de 180 milhões de observações sobre produtos, desmentiu categoricamente os receios de surge pricing (preços majorados com base na congestão) nos supermercados físicos. A investigação não encontrou qualquer evidência de que a adoção das etiquetas eletrónicas de prateleira tenha produzido picos de preço oportunistas em tempo real, nem mesmo durante os períodos de alta inflação geral. Os aumentos nos supermercados seguiam escrupulosamente os custos por grosso, as movimentações da concorrência limítrofe e os ciclos promocionais dos produtores [2962]. É essencial, portanto, não confundir a banal transmissão da inflação da fileira logística com uma conspiração algorítmica.
Existem além disso setores em que a tarifação dinâmica de alta frequência gera benefícios de sistema inequívocos. No setor do food delivery, uma investigação da University of Arizona (2024) verificou que o pricing algorítmico reduziu significativamente a volatilidade da procura, distribuindo os pedidos de forma mais racional, aumentando a produção global das cozinhas e chegando mesmo a baixar, em média, os preços finais para os utilizadores [2965].
Estes dados empíricos apoiam as teses defensivas do Mercatus Center (2025), que argumenta que o pricing dinâmico garante uma alocação de recursos imensamente mais eficiente do que os preços fixos, premiando com descontos substanciais os consumidores dispostos a comprar nas faixas de baixa procura. Em cenários ideais de alta concorrência, a personalização dos preços poderia até favorecer os consumidores de baixos rendimentos, oferecendo-lhes tarifas calibradas por uma menor capacidade de despesa [2964].
A Assimetria Informativa e o Imposto sobre a Urgência
A verdadeira questão sociológica e política que se esconde por trás da inflação algorítmica não é "os algoritmos fazem subir os preços em sentido absoluto?", mas antes: "quem paga mais quando o preço muda em tempo real, e quem é subsidiado?".
A inteligência artificial, despida de intenções morais, limita-se a mapear a vulnerabilidade transacional. Um algoritmo pode muito bem baixar o preço de um voo intercontinental reservado com seis meses de antecedência por um turista flexível, mas aumentará impiedosamente o da última hora adquirido por um trabalhador em emergência familiar. Pode oferecer um desconto direcionado a quem tem um rendimento baixo e muito tempo livre para comparar as ofertas online, extraindo simultaneamente o máximo valor possível do cartão de crédito de quem não pode adiar a compra e não tem tempo para a pesquisa comparativa [2961, 2964, 2954].
Nesta dinâmica, o preço deixa de ser um indicador transparente do valor intrínseco de um bem ou dos seus custos de produção, para se transformar num espelho opaco da necessidade momentânea de quem compra. A inflação algorítmica, em última análise, não é apenas um frio indicador estatístico que aparece nos índices de preços no consumidor elaborados pelos bancos centrais; é a sensação constante e pervasiva, vivida diariamente por milhões de cidadãos, de que o carrinho de compras, o bilhete de avião ou a renda mudam de montante um instante antes de se conseguir perceber o verdadeiro porquê [2952, 2961, 2962].
Referências Bibliográficas e Fontes
- [Algorithmic pricing and competition in G7 jurisdictions — OECD, 2025] [2952]
- [AI-related competition concerns in downstream markets — OECD, 2025] [2954]
- [Understanding Algorithmic Pricing — Federal Reserve Bank of Richmond, 2026] [2961]
- [Algorithms and collusion — OECD, 2017] [2957, 2959]
- [Artificial Intelligence and Competition — OECD Global Forum on Competition, 2025] [2955]
- [Algorithmic competition — Note by Norway — OECD, 2023] [2956]
- [New Research Debunks Fears of Supermarket Surge Pricing — UC San Diego, 2025] [2962]
- [Dynamic Pricing, Intertemporal Spillovers, and Efficiency — University of Arizona, 2024] [2965]
- [The Case for Algorithmic Pricing — Mercatus Center, 2025] [2964]
Artigo da responsabilidade da Redação de La Bussola dell’IA