Vas comprar una eina de preus per 49 $ al mes per deixar d'endevinar quant cobrar. Vigila els teus competidors, el teu inventari i potser els hàbits de navegació dels teus clients, i després ajusta silenciosament els teus preus cap amunt o cap avall cada poques hores. Semblava una decisió intel·ligent... fins que vas llegir que la mateixa categoria de programari acabava de costar a una empresa de gestió immobiliària de 10.000 milions de dòlars un acord antimonopoli federal, un supervisor designat pel tribunal i tres anys de vigilància del DOJ.
Això no és cap hipòtesi. És el que li va passar a RealPage, l'algorisme de fixació de lloguers del qual processava dades de contractes de més de 13 milions d'unitats de lloguer i es va convertir en el centre d'un dels casos antimonopoli més grans de la dècada. I el 2026, els reguladors han deixat clar que l'escrutini dels preus algorísmics no es limita als grans propietaris: és una prioritat declarada d'aplicació de la llei per a la FTC, el DOJ i una llista creixent de fiscals generals estatals, amb normes que arriben a minoristes, restaurants i empreses de serveis habituals que fan servir programari de preus estàndard.
Si has adoptat (o t'estàs plantejant) una eina que ajusta automàticament els preus a partir de dades, aquí tens què ha canviat aquest any, per què importa encara que estiguis lluny de la mida de RealPage, i com mantenir les teves pràctiques de preus dins de la legalitat.
Què significa realment "preus algorísmics"
El terme abasta dues pràctiques relacionades però diferents, i el risc legal és diferent per a cadascuna:
Preus de vigilància (preus personalitzats): el programari estableix un preu diferent per a cada client segons les seves dades personals —historial de navegació, ubicació, historial de compres, tipus de dispositiu, fins i tot quant de temps ha passat passant el cursor per sobre del botó "comprar". La nova llei de Maryland defineix això com "la pràctica discriminatòria d'oferir o establir un preu personalitzat per a un bé o servei de consum basat en les dades personals d'un consumidor", i, de manera notable, s'aplica "independentment de si el venedor va recollir o comprar" aquestes dades, és a dir, no és una defensa vàlida dir que un proveïdor extern es va encarregar de la segmentació.
Coordinació algorísmica de preus: un algorisme de preus compartit o de tercers processa dades de múltiples empreses competidores (tarifes de lloguer no públiques, xifres de vendes de la competència, dades d'ocupació) i recomana preus que, a la pràctica, es mouen conjuntament. Aquesta és la preocupació antimonopoli: no que existeixi un algorisme, sinó que funcioni com a substitut de competidors que agafen el telèfon i es posen d'acord en els preus, cosa que és il·legal des de la Llei Sherman.
És molt més probable que les petites empreses es trobin amb la primera categoria (fent servir una eina SaaS de preus que personalitza ofertes) que amb la segona, però totes dues estan ara clarament en el punt de mira dels reguladors.
Per què el 2026 és diferent
Les eines de preus algorísmics existeixen des de fa anys. El que ha canviat és la postura d'aplicació de la llei i una onada de noves lleis estatals:
El cas DOJ contra RealPage es va resoldre a finals de 2025 amb condicions que van entrar en vigor durant el 2026: RealPage va acceptar deixar d'utilitzar dades de lloguer no públiques i actuals per entrenar el seu motor de preus, deixar de fer "enquestes de mercat" que recollien informació competitivament sensible dels clients, i acceptar un supervisor designat pel tribunal amb accés per revisar el seu codi i les dades d'entrenament del model durant tres anys. Grans gestors immobiliaris nomenats codemandats —Greystar, Cushman & Wakefield, Cortland i altres que operen més d'1,3 milions d'unitats en conjunt— van arribar a acords paral·lels. El missatge del DOJ va ser explícit: alimentar un algorisme comú amb dades no públiques dels competidors pot constituir fixació de preus, fins i tot sense una trucada telefònica o una encaixada de mans.
La FTC va obrir un procés normatiu l'abril de 2026 després d'arribar a acords amb plataformes de repartiment d'àpats per pràctiques enganyoses de tarifes i preus de vigilància —casos que giraven al voltant de sobrecàrrecs algorísmics ocults disfressats de tarifes de lliurament o de servei en lloc de preus divulgats.
Els estats es van moure primer i ràpid:
- Nova York exigeix, des del novembre de 2025, que qualsevol preu establert per un algorisme que utilitzi dades personals d'un consumidor porti la divulgació: "AQUEST PREU HA ESTAT ESTABLERT PER UN ALGORISME UTILITZANT LES TEVES DADES PERSONALS." La llei va superar una impugnació basada en la Primera Esmena i és aplicada activament pel fiscal general de Nova York.
- La llei de Maryland, en vigor des de l'1 d'octubre de 2026, prohibeix directament els preus dinàmics personalitzats per a minoristes d'alimentació i serveis de repartiment.
- Califòrnia va modificar la seva Cartwright Act (l'estatut antimonopoli bàsic de l'estat) l'octubre de 2025 per prohibir explícitament l'ús d'algorismes de preus compartits per fixar preus o coaccionar competidors perquè els igualin —i el 2026 el fiscal general de l'estat va obrir una investigació sobre supermercats, hotels i minoristes en línia sobre com fan servir les dades dels consumidors per establir preus individualitzats.
Per a una empresa que ven en més d'un estat —cosa que avui inclou gairebé qualsevol negoci de comerç electrònic o de serveis amb un lloc web— això ja són tres règims de compliment normatiu diferents a seguir, i s'espera que més estats se sumin.
Qui realment s'ha de preocupar
Si ets una consultora de cinc persones que factura tarifes fixes, això és soroll de fons. Però un nombre sorprenent de petites i mitjanes empreses ara tenen contacte amb preus algorísmics sense pensar-hi d'aquesta manera:
- Venedors de comerç electrònic que fan servir eines de repreu (habituals a Amazon, Shopify i plataformes multicanal) que ajusten automàticament els preus dels anuncis segons les dades de la competència
- Restaurants i repartiment d'àpats que fan servir preus dinàmics integrats a la plataforma per a tarifes de lliurament o preus de pic en hores punta
- Amfitrions de lloguer de curta durada i petits gestors immobiliaris que fan servir programari com PriceLabs, Beyond Pricing o eines properes a RealPage per establir tarifes per nit o per mes
- Minoristes i empreses d'hostaleria que utilitzen funcions de "personalització" al seu programari de TPV o CRM que ofereixen preus o descomptes diferents a diferents clients segons dades de fidelització o de comportament de navegació
- Qualsevol empresa que faci servir una eina SaaS de preus de tercers que també serveixi els teus competidors directes —fins i tot sense intenció maliciosa, si aquesta eina agrupa dades no públiques de tota la seva base de clients per generar recomanacions, podries estar participant exactament en l'estructura que els reguladors tenen com a objectiu
Les xifres d'adopció expliquen per què això s'ha convertit de sobte en un problema habitual per a les petites empreses i no només per a les grans tecnològiques: el programari de preus dinàmics dirigit a les pime és ara un segment de mercat de diversos milers de milions de dòlars, amb la majoria de les petites empreses que preveuen adoptar alguna forma de preus algorísmics i la majoria dels usuaris actuals afirmant que ha millorat els seus ingressos i la seva competitivitat. Les eines funcionen —i és precisament per això que els reguladors paren atenció a com funcionen.
Errors habituals que generen exposició al risc
Assumir que "el proveïdor s'encarrega del compliment normatiu". Diverses lleis estatals, incloent-hi la de Maryland, tanquen explícitament aquesta escletxa: la responsabilitat recau sobre el venedor que estableix el preu al client, no només sobre el proveïdor de programari. Si la teva eina de preus infringeix una norma de divulgació o de personalització, ets tu qui n'assumeix les conseqüències, no només l'empresa de SaaS a qui la vas llicenciar.
No saber quines dades processa la teva eina de preus. Molts propietaris de petites empreses poden descriure què produeix el seu programari de preus (un preu suggerit) sense saber què hi entra. Si l'eina incorpora dades de vendes de la competència, xifres d'ocupació o d'inventari no públiques, o dades agregades d'altres empreses que fan servir la mateixa plataforma, això és un producte materialment diferent —i més arriscat— que un que només fa servir el teu propi historial de vendes i preus de mercat públics.
Tractar "tothom fa servir aquest programari" com una defensa. El cas RealPage girava exactament al voltant d'això: no és una defensa que molts competidors haguessin triat independentment el mateix proveïdor. Si l'efecte d'aquesta elecció compartida és que els preus es mouen a l'uníson utilitzant entrades no públiques compartides, els reguladors ho tracten com a coordinació, independentment de la intenció.
Ignorar el requisit de divulgació on s'apliqui. Si vens a consumidors de Nova York i fas servir qualsevol tipus de personalització en els preus, ometre la divulgació obligatòria és una llacuna de compliment normatiu directa, no una zona grisa que requereixi interpretació legal.
Cap rastre documental sobre la teva metodologia de preus. Si l'oficina d'un fiscal general o la FTC t'envia mai una carta d'investigació (com ja ha fet el fiscal general de Califòrnia a supermercats, hotels i grans minoristes, i que podria estendre's plausiblement més avall), l'absència de qualsevol documentació sobre com i per què el teu algorisme estableix els preus fa molt més difícil demostrar que establies els preus de manera independent en lloc de coordinar-los.
Una llista de verificació pràctica de compliment normatiu
No necessites assessorament legal extern per fer els passos bàsics que aborden la major part d'aquest risc:
- Fes inventari de totes les eines de preus que fas servir. Llista cada producte de programari que afecta els teus preus —repreadors, complements de preus dinàmics al teu TPV, funcions de personalització a la teva plataforma de màrqueting— i anota quines dades hi entren.
- Pregunta directament al teu proveïdor quines dades entrenen l'algorisme. Demana-ho per escrit: l'eina fa servir només les teves pròpies dades i preus de mercat públics, o agrupa dades de tota la seva base de clients, inclosos els teus competidors?
- Comprova on estan ubicats els teus clients. Si vens a Nova York, Maryland o Califòrnia, llegeix el text legal específic (cada oficina del fiscal general publica orientacions en llenguatge planer) en lloc de confiar en resums de segona mà —els requisits varien significativament segons l'estat.
- Afegeix la divulgació si és obligatòria. Aquesta és una solució de baix cost i alt valor: una línia de text al procés de compra és molt més barata que una investigació d'aplicació de la llei.
- Documenta el raonament dels teus preus. Mantén un registre senzill —fins i tot un full de càlcul— de per què van canviar els preus i quines dades van impulsar el canvi. Aquesta és la millor protecció si mai et demanen que expliquis que els teus preus es van establir de manera independent.
- Segueix el procés normatiu de la FTC. El procés normatiu de l'abril de 2026 encara està en desenvolupament; una norma final probablement establirà requisits bàsics nacionals més clars. Subscriure't a les actualitzacions d'orientació empresarial de la FTC no costa res i és millor que assabentar-te d'un nou requisit a través d'una carta d'aplicació de la llei.
On encaixa la comptabilitat
Les decisions de preus i els registres financers no són problemes separats: són les mateixes dades vistes des de dos angles. Si mai un regulador et demana que demostris que els teus preus es van establir de manera independent i reflecteixen els teus costos i marges reals, tenir registres financers nets, datats i auditables és exactament la prova que sustenta el teu cas. Un canvi de preu que apareix de manera consistent als teus llibres, vinculat a dades reals de cost o demanda que puguis assenyalar, es veu molt diferent d'un que només existeix com a resultat algorísmic opac.
Aquesta és una raó més per la qual val la pena canviar a una comptabilitat en text pla i amb control de versions per a una petita empresa que gestiona preus dinàmics: cada canvi de preu i d'ingressos porta una marca de temps, es pot comparar (diff) i es pot rastrejar fins a un commit específic, en lloc de quedar enterrat als registres interns d'una eina de caixa negra.
Mantén auditables les teves decisions de preus
A mesura que les eines de preus dinàmics es converteixen en programari estàndard per a petites empreses en lloc d'un luxe reservat als grans minoristes, poder demostrar per què va canviar un preu és cada cop tan important com el preu en si mateix. Beancount.io et dona comptabilitat en text pla amb historial complet de versions, de manera que cada decisió de preus i d'ingressos es manté transparent i auditable —sense registres de caixa negra, sense dependència d'un proveïdor. Comença gratis i mantén els teus registres financers tan clars com necessita ser la teva estratègia de preus.