Федеральная торговая комиссия США (FTC) открыла период публичных обсуждений проекта политики правоприменения, касающейся персонализированного ценообразования — практики назначения разным клиентам разных цен на одинаковый товар или услугу на основе собранных о них данных, часто через алгоритмические или AI-системы.
Сам документ не является новым законом или правилом. Это политическое заявление, призванное разъяснить, как FTC намерена применять существующие полномочия по защите потребителей и антитрестовскому регулированию к персонализированным и алгоритмическим практикам ценообразования. Период обсуждения даёт бизнесу, торговым ассоциациям и защитникам прав потребителей возможность высказаться до того, как ведомство окончательно закрепит свою позицию.
Персонализированное ценообразование стало распространённым не только в розничной торговле, но и всё чаще в B2B-контексте, где AI-ассистированные CPQ-системы (configure-price-quote), платформы поддержки продаж и динамические движки ценообразования корректируют коммерческие предложения на основе фирмографических данных потенциального клиента, истории сделок, конкурентных сигналов или даже поведения на странице с ценами. Эти системы обычно создаются для максимизации доли выигранных сделок или маржи, а не для соблюдения законодательства о защите потребителей — но действия FTC намекают, что это различие может иметь меньшее значение, чем сами практики работы с данными.
Для компании с 10-200 сотрудниками в B2B-сегменте непосредственный юридический риск пока ограничен: действующего правила не существует, а заявления о политике правоприменения носят рекомендательный, а не обязательный характер. Но такие документы обычно предвещают теории, на которые FTC будет опираться в будущих расследованиях или жалобах, и на них часто ссылаются генеральные прокуроры штатов и адвокаты истцов, преследующие аналогичные претензии по законам штатов о защите потребителей.
Компаниям, внедрившим AI или основанную на правилах логику ценообразования в свой стек продаж — будь то через специализированный движок цен, надстройку к CRM или встроенную функцию динамических предложений от вендора, — стоит воспринять это как повод провести аудит того, какие данные лежат в основе этих решений. Ключевые вопросы: какие входные данные определяют цену для конкретного клиента? Не служат ли какие-то из этих данных косвенными признаками характеристик, которые FTC или законы штатов сочтут дискриминационными? Есть ли документированное, обоснованное деловое объяснение для каждой переменной ценообразования? Прозрачна ли эта логика для аудита, или это чёрный ящик от стороннего вендора без видимости входных данных для скоринга?
Это пока не подтверждённое обязательное требование, но направление обозначено достаточно ясно, чтобы ждать финального правила перед проверкой автоматизации ценообразования было более рискованной стратегией. Руководителям отделов продаж, которые полагаются на AI-ассистированное формирование предложений, стоит воспринимать период обсуждения как срок для приведения собственной документации в порядок, а не как повод подождать.