Wraz z ich upowszechnieniem rośnie jednak znaczenie czynników, które do niedawna pozostawały na drugim planie: przejrzystości zasad ustalania cen, reakcji konsumentów oraz zgodności algorytmów z regulacjami dotyczącymi ochrony danych, konsumentów i konkurencji. Coraz częściej nie chodzi już o to, czy firma potrafi ustalać ceny dynamicznie, lecz o to, czy stosowane mechanizmy wytrzymają konfrontację z oczekiwaniami klientów i wymogami regulatorów.
Konsumencka percepcja dynamic pricingu
Badania konsumenckie z ostatnich miesięcy pokazują ciekawy paradoks: z jednej strony rośnie ogólna akceptacja dla zastosowań AI w zakupach (np. rekomendacje, doradztwo finansowe czy zmiany oferty), z drugiej wysoki pozostaje poziom obaw o utratę kontroli nad danymi i „ukryte” praktyki algorytmiczne. Ponad 80% badanych obawia się, że firmy wykorzystują ich dane do niejawnego trenowania modeli AI, a ponad trzy czwarte jest skłonnych zmienić markę w zamian za większą przejrzystość wykorzystania danych (według badania Relyance AI „consumer-ai-trust-survey-2025” oraz Smart Communications „2025 Customer Experience Benchmark”).
Widać wyraźnie różnice pokoleniowe: młodsi konsumenci (Gen Z, millenialsi) są bardziej otwarci na personalizację i chętniej dzielą się danymi w zamian za dopasowane rekomendacje, rabaty i doświadczenie zakupowe, podczas gdy starsze grupy oczekują prostych, zrozumiałych zasad i większej ochrony przed nadużyciem danych. Dla sprzedawców oznacza to konieczność różnicowania sposobu komunikacji – te same algorytmy cenowe muszą być „opakowane” w inne narracje w zależności od segmentu.
Kluczowymi czynnikami akceptacji dynamicznych i personalizowanych cen stają się transparentność, komunikacja i edukacja. Konsumenci chcą wiedzieć, że cena zmienia się z powodu popytu, dostępności czy konkurencji, a nie wyłącznie dlatego, że algorytm „wyczuł”, ile są w stanie zapłacić. Wdrożenie personalizacji w e‑commerce i retailu wymaga więc nie tylko modelu AI, ale także: jasnego poinformowania o personalizacji, zrozumiałego języka w interfejsach, kontroli nad zakresem danych oraz mechanizmów „testu przyzwoitości” – czy zasady, którymi kieruje się algorytm, da się spokojnie opisać na stronie i obronić w oczach klienta.
Gdy algorytmy ustalają ceny – trendy regulacyjne i działania organów w obszarze ochrony konkurencji i konsumentów
Ochrona konsumentów
Obowiązki związane z pricingiem będą różnić się w zależności od tego, czy cena jest ustalana w oparciu o czynniki ogólnorynkowe (cena dynamiczna), czy o indywidualne dane i profil konsumenta (cena personalizowana). Można to zilustrować przykładem. Cena przejazdu taksówką w aplikacji zależna od popytu (np. w godzinach porannych) będzie ceną dynamiczną, z kolei cena dostosowana do konkretnego klienta aplikacji (z uwagi np. na historię przejazdów) będzie ceną personalizowaną.
Oba ww. modele są prawnie dopuszczalne, pod warunkiem zapewnienia transparentności i uczciwości. W przypadku cen dynamicznych należy konsumenta w sposób jasny i we właściwym czasie poinformować o obowiązującej cenie; nie wymaga to szczególnych oznaczeń. Istotne jest też to, aby cena dynamiczna nie zmieniła się w czasie dokonywania zakupu (aby wyeliminować ryzyko uznania, że przedsiębiorca stosuje nieuczciwe praktyki rynkowe). W przypadku cen personalizowanych mamy zaś dodatkowe wymogi: 1) poinformowania konsumenta w przystępny sposób o tym, że cena została indywidualnie dostosowana oraz 2) zadbania o to, aby przetwarzanie danych konsumentów na potrzeby personalizacji było zgodne z RODO.
Ewentualne systemy AI używane do personalizowania cen muszą być również zgodne z wymogami AI Act (np. zakazane jest stosowanie takich systemów, które wykorzystywałyby słabości konsumentów, takich jak dane o nałogach, samotności czy trudnej sytuacji finansowej, do zawyżania ceny w celu maksymalizacji zysku).
Organy ochrony konsumentów monitorują rynek pod kątem spełnienia ww. wymogów. Warto w tym zakresie przywołać dwie głośne sprawy. Pierwsza dotyczy cen dynamicznych stosowanych przez Ticketmaster w związku ze sprzedażą biletów na koncert Oasis[1]. Brytyjski organ zainterweniował z uwagi na masowe skargi konsumentów dotyczące procesu zakupu biletów - konsumenci czekali w wirtualnej kolejce na zakup biletu, podczas gdy pule biletów wyprzedawały się, a ceny rosły. Drugi przykład to interwencja Europejskiej Sieci Ochrony Konsumentów (CPC) w sprawie aplikacji Tinder. Przedsiębiorca oferował konsumentom, którzy nie byli zainteresowani płatną wersją aplikacji, spersonalizowane rabaty bez informowania kryteriach kalkulacji obniżki[2].
Obie sprawy zakończyły się ugodą, w ramach których przedsiębiorcy zmienili swoje działanie i zapewnili większą transparentność cen. Co istotne, obie sprawy zostały zainicjowane przez sygnały konsumenckie. Pokazuje to, że różnice cenowe mogą powodować frustracje i poczucie niesprawiedliwego traktowania, co przekłada się na realne niezadowolenie odbiorców.
Z informacji otrzymanych od UOKiK wynika, że organ prowadzi postępowania dotyczące cen dynamicznych i personalizowanych w odniesieniu do branży transportowej. Pod lupą są między innymi tzw. spersonalizowane opłaty adres-adres oraz sposób ich komunikowania konsumentom.
Trendy w legislacji konsumenckiej
W najbliższym czasie czeka nas reforma cyfrowego prawa ochrony konsumentów, co warto wziąć pod uwagę planując inicjatywy pricingowe. Przeprowadzony Fitness Check[3] regulacji konsumenckich wykazał, że potrzeba nowych regulacji zapewniających uczciwość cyfrową i wzmacniających ochronę e-konsumenta przed skutkami cyfrowej asymetrii.
Jednym z obszarów planowanego Digital Fairness Act są praktyki związane z personalizacją online[4]. Planowany kierunek działań mogą wyznaczać przeprowadzone konsultacje, w ramach których zbierano opinie na temat obowiązkowych mechanizmów opt-in/opt-out dla personalizacji cenowej czy ograniczenia personalizacji wobec określonych grup (np. nieletnich) lub w oparciu o określone dane.
Warto wskazać, że w ww. debacie biorą też udział organizacji konsumenckie, które dość krytycznie wypowiadają się o personalizacji cen, nawołując do ich ograniczenia.
Prawo konkurencji
Krajowe organy antymonopolowe i Komisja Europejska dostrzegają wyzwania związane z cyfryzacją rynku i wykorzystywaniem algorytmów w procesach cenowych. Zasadniczo przedsiębiorcy zachowują autonomię w ustalaniu cen, co naturalnie obejmuje dostosowywanie własnych działań do strategii obserwowanych u konkurentów. Kluczowym problemem dla regulatorów jest jednak rozróżnienie pomiędzy dopuszczalną, inteligentną adaptacją do warunków rynkowych a nielegalnymi działaniami koordynowanymi lub zmową. Wyróżnić można trzy główne scenariusze[5]:
Po pierwsze, algorytmy mogą wspierać „klasyczne” porozumienia uzgodnione między przedsiębiorcami poprzez np. egzekwowanie przyjętej strategii cenowej. Przykładem takiego porozumienia była brytyjska sprawa BG/Trod[6], w której przedsiębiorcy sprzedający plakaty na platformie Amazon wykorzystali automatyczne oprogramowania do ustalania cen, by utrzymywać niedozwolony kartel.
Po drugie, ryzyko uzgodnionych praktyk cenowych pojawia się, gdy konkurenci korzystają z tego samego oprogramowania bazującego na takich samych danych. Przykładem tego jest porozumienie litewskich biur podróży w zakresie uzgadniania wysokości rabatów na wycieczki, egzekwowanego za pośrednictwem oprogramowania Eturas[7].
Zapoznaj się z programem konferencji Strategic Pricing Management 2026 - 19 marca 2026
Wreszcie, może okazać się, że przedsiębiorcy stosują zbieżne ceny mimo tego, że używają własnych algorytmów i nie komunikują się między sobą. Takie sytuacje raczej nie będą kwalifikowane jako niedozwolone porozumienia. W tym kontekście pojawia się pytanie, czy możliwe jest osiągnięcie zmowy przez autonomiczne, uczące się, nieprzejrzyste algorytmy typu „black box” – i co ważniejsze – jak prawnie ocenić takie sytuacje? Obecnie taki scenariusz jest teoretyczny, mimo to przekaz organów jest jasny – przedsiębiorcy ponoszą odpowiedzialność za stosowane i rozwijane oprogramowania.
Wspomnieć należy, że w przypadku przedsiębiorców o dużej sile rynkowej, skutki stosowania oprogramowań optymalizujących ceny mogą być też uznane za nadużycie pozycji dominującej, w formie np. stosowania cen drapieżnych albo cen dyskryminujących czy nieuczciwego wykorzystania danych. Przykład tego ostatniego działania to sprawa faworyzowania własnego sklepu na platformie przez Amazon poprzez dostęp do wrażliwych danych cenowych konkurencyjnych sklepów[8].
Odpowiedzialny pricing jako nowy standard rynku
Algorytmiczne ustalanie cen nie jest już futurystyczną koncepcją, lecz realnym elementem codziennego funkcjonowania rynku. Wraz z jego rozwojem rośnie odpowiedzialność firm za sposób projektowania, wdrażania i komunikowania mechanizmów cenowych.
Odpowiedzialny pricing w dobie AI nie polega na rezygnacji z optymalizacji, lecz na jej świadomym wykorzystaniu tam, gdzie w grę wchodzi zaufanie, uczciwość i długoterminowa relacja z klientem. Transparentne zasady, nadzór człowieka nad algorytmami, zgodność z regulacjami i „test przyzwoitości” stają się dziś nie tylko wymogiem prawnym, ale także elementem przewagi konkurencyjnej.
Firmy, które już teraz potraktują pricing jako obszar strategiczny, interdyscyplinarny i regulacyjnie wrażliwy, będą lepiej przygotowane na dalszą automatyzację rynku i na coraz bardziej świadomych konsumentów.
Autorzy:
Aleksandra Mariak - Adwokatka, WKB Lawyers
Sebastian Błaszkiewicz - Head of Sales Excellence, Univio Członek Rady Izby Gospodarki Elektronicznej
[5] Scenariusze za badaniem francuskiego i niemieckiego organów ochrony konkurencji: https://www.autoritedelaconcurrence.fr/sites/default/files/algorithms-and-competition.pdf
[6] https://www.gov.uk/cma-cases/online-sales-of-discretionary-consumer-products
[7] Por. wyrok TSUE z 21 stycznia 2016 r. w sprawie C‑74/14.
[8] Por. decyzja KE z 20 grudnia 2022 nr T.40462 - Amazon Marketplace and AT.40703 – Amazon Buy Box.