A Federal Trade Commission abriu um período de consulta pública sobre uma minuta de comunicado de política de aplicação voltado à precificação personalizada — a prática de cobrar de clientes diferentes preços distintos pelo mesmo produto ou serviço, com base em dados coletados sobre eles, frequentemente por meio de sistemas algorítmicos ou orientados por IA.
O comunicado em si não é uma lei ou regra nova. Trata-se de um documento de política destinado a esclarecer como a FTC pretende aplicar sua autoridade já existente em proteção ao consumidor e concorrência às práticas de precificação personalizada e algorítmica. O período de consulta dá a empresas, entidades de classe e defensores do consumidor a chance de se manifestar antes que a agência finalize sua posição.
A precificação personalizada já é comum não apenas no varejo de consumo, mas cada vez mais em contextos B2B, onde sistemas de CPQ (configure-price-quote) assistidos por IA, plataformas de capacitação de vendas e motores de precificação dinâmica ajustam cotações com base em dados firmográficos do prospect, histórico de negociações, sinais competitivos ou até comportamento de navegação em uma página de preços. Esses sistemas normalmente são construídos para maximizar taxas de fechamento ou margem, não para cumprir leis de proteção ao consumidor — mas o movimento da FTC sugere que essa distinção pode importar menos do que as práticas de dados subjacentes.
Para uma empresa B2B de 10 a 200 funcionários, a exposição jurídica imediata é limitada: nenhuma regra existe atualmente, e comunicados de política de aplicação são orientação, não regulamentação vinculante. Mas eles costumam antecipar as teses que a FTC usará em investigações ou reclamações futuras, e frequentemente são citados por procuradores-gerais estaduais e advogados de ações coletivas privadas que buscam reivindicações semelhantes sob leis estaduais de proteção ao consumidor.
Empresas que já implantaram lógica de precificação baseada em IA ou regras em sua operação de vendas — seja por meio de um motor de precificação dedicado, um complemento de CRM, ou um recurso de cotação dinâmica embutido em um fornecedor — devem tratar isso como um lembrete para auditar quais dados orientam essas decisões. Perguntas-chave: quais insumos determinam o preço de um determinado cliente? Algum desses insumos funciona como proxy para características que a FTC ou leis estaduais classificariam como discriminatórias? Existe uma justificativa de negócio documentada e defensável para cada variável de precificação? A lógica é auditável, ou é uma caixa-preta fornecida por um terceiro sem visibilidade sobre os insumos de pontuação?
Isso ainda não é confirmado como uma exigência vinculante, mas a direção é clara o suficiente para que esperar por uma regra final antes de revisar a automação de preços seja a aposta mais arriscada. Líderes de operações de vendas que dependem de cotação assistida por IA devem tratar o período de consulta como um prazo para organizar sua própria documentação, não como motivo para esperar.