تتعامل الجهات التنظيمية في الولايات المتحدة مع مجال جديد ومثير للجدل في عالم التسوق عبر الإنترنت، يتمثل في استخدام الشركات لبياناتنا الشخصية لمعرفة مقدار المال الذي يكون كل واحد منا مستعدًا لدفعه.
تجري لجنة التجارة الفيدرالية الأمريكية حاليًا مشاورات بشأن سياسة إنفاذ تتعلق بما يُعرف بـ«التسعير الشخصي»، وسط مخاوف من أن الخوارزميات المتطورة بصورة متزايدة قد تتيح للشركات تخصيص الأسعار والخصومات بما يتناسب مع كل عميل على حدة.
وفي نيوزيلندا، حذرت منظمة Consumer NZ مؤخرًا من الكميات الهائلة من البيانات التي تُجمع من خلال برامج الولاء الخاصة بمتاجر ومحال السوبرماركت.
ولا توجد أدلة على أن متاجر السوبرماركت في نيوزيلندا تقوم بتسعير المنتجات بشكل فردي بهذه الطريقة. لكن منظمة Consumer NZ ترى أن بيانات برامج الولاء يمكن أن تمنح تجار التجزئة صورة أكثر تفصيلًا بصورة متزايدة عن عادات التسوق، بما في ذلك مؤشرات تساعدهم على معرفة مقدار المال الذي يكون كل عميل مستعدًا لدفعه.
ويكشف هذا القلق عن توتر متزايد في الاقتصاد القائم على الذكاء الاصطناعي: ماذا يحدث عندما تصبح الشركات أكثر قدرة بكثير على معرفة الحدود المالية للأشخاص الذين تتعامل معهم؟
وينطبق السؤال نفسه على العاملين أيضًا: هل يمكن للخوارزميات أن تساعد الشركات على معرفة أقل مبلغ يكون شخص ما مستعدًا لقبوله مقابل عمله؟
الذكاء الاصطناعي يغير من يعرف ماذا
في كلية إدارة الأعمال بجامعة أوكلاند، نقضي وقتًا طويلًا في تعليم الطلاب كيفية خلق الشركات للقيمة، وكيف تتنافس، وكيف تصبح أكثر كفاءة.
لكن لنتأمل الشخص نفسه في سوقين مختلفين. عندما يكون هذا الشخص عاملًا، يستفيد صاحب العمل من معرفة أقل مبلغ سيقبله مقابل عمله. وعندما يكون هذا الشخص عميلًا، يستفيد البائع من معرفة أعلى مبلغ سيكون مستعدًا لدفعه.
تقليديًا، لم يكن أي من الطرفين يعرف هذه الأرقام بدقة. فقد يقبل العامل 24 دولارًا، لكنه يحصل على 30 دولارًا لأن هذا هو الأجر السائد في السوق. وقد يكون العميل مستعدًا لدفع 20 دولارًا، لكنه يشتري المنتج مقابل 14 دولارًا لأن هذا هو السعر المعلن.
لكن الخوارزميات تعمل بصورة متزايدة على تقليص حالة عدم اليقين هذه، وبسرعة أكبر بكثير بالنسبة إلى الشركات مقارنة بالعاملين والمستهلكين الذين تتعامل معهم.
تستطيع المنصات الرقمية مراقبة آلاف القرارات الفردية. فمثلًا، يمكن لمنصة لخدمات نقل الركاب أن تعرف الوظائف التي يقبلها السائق، ومتى يعمل، والحوافز التي تدفعه إلى تسجيل الدخول والعمل. ويمكن لتاجر التجزئة أن يعرف المشتريات التي أجراها العميل، والسلع التي أضافها إلى سلة التسوق ثم تخلى عنها، وكيف استجاب للخصومات.
ولا توجد أدلة قوية على أن الشركات الكبرى تعرف بالفعل نقطة الانهيار المالي الدقيقة لكل شخص. لكن أنظمة تحديد الأجور عبر الخوارزميات، والحوافز الشخصية للعاملين، والخصومات والعروض المخصصة للمستهلكين، أصبحت موجودة بالفعل.
وقد وثقت شركة Lyft بالفعل أنظمة تحدد السائقين الذين يحصلون على حوافز، مع وجود بعض تحديات تحقيق الأرباح التي تُخصص بشكل صريح لكل سائق.
وفي الوقت نفسه، وجدت دراسة حديثة تناولت 1.5 مليون رحلة عبر Uber في المملكة المتحدة أن التسعير الديناميكي ارتبط بانخفاض متوسط الدخل الحقيقي لكل ساعة وارتفاع مستوى عدم المساواة، رغم أن ذلك لا يثبت أن Uber تحسب الحد الأدنى الذي سيقبله كل سائق.
كما توصل تحقيق حديث أجرته لجنة التجارة الفيدرالية الأمريكية إلى أن الوسطاء في عمليات التسعير كانوا قادرين على الوصول إلى معلومات تشمل الموقع الجغرافي والبيانات الديموغرافية وسجلات التصفح ونشاط سلة التسوق وحتى حركات الفأرة، ضمن أنظمة قادرة على التأثير في الأسعار والخصومات والعروض الترويجية.
ولا تحتاج شركة بيع بالتجزئة إلى فرض سعر قدره 100 دولار على أحد العملاء و120 دولارًا على عميل آخر. بل يمكنها ببساطة تقديم خصم لشخص تتوقع أنه قد يتراجع عن الشراء، وحجب الخصم عن شخص تتوقع أنه سيشتري المنتج على أي حال.
ومن المهم الإشارة إلى أن الأسواق لم تكن شفافة بشكل كامل في أي وقت مضى. فأصحاب العمل يعرفون عن هياكل الأجور أكثر مما يعرف العاملون، والبائعون يعرفون عن هوامش الربح أكثر مما يعرف المشترون. ومع ذلك، كان هناك تقليديًا قدر من عدم اليقين لدى كلا الطرفين.
أما الأنظمة الخوارزمية، فهي تهدد الآن بتقليص حالة عدم اليقين هذه في اتجاه واحد فقط. إذ تستطيع الشركات بصورة متزايدة معرفة الحدود التي يصل إليها الفرد، في حين تظل حدود الشركات نفسها مخفية.
فالعامل لا يستطيع بسهولة أن يعرف ما إذا كان رفض عرض بقيمة 24 دولارًا كان سيؤدي إلى حصوله على 28 دولارًا.
وبالمثل، لا يستطيع العميل أن يعرف ما إذا كان التراجع عن شراء منتج اليوم كان سيؤدي إلى حصوله على خصم في اليوم التالي.
وفي الوقت نفسه، تستطيع الشركات مراقبة السلوك المتكرر، واختباره، والتعلم منه.
وفي أقصى حالاته، قد يؤدي هذا إلى نوع من «الإقطاع الرقمي»، حيث تستطيع المنصات أن ترى الأشخاص الذين تتعامل معهم بصورة متزايدة، بينما لا يستطيع هؤلاء الأشخاص رؤية الأنظمة التي تحكم عملية التبادل إلا بصورة محدودة للغاية.
إلى أين تذهب المكاسب؟
بالطبع، يمكن أن تكون هناك أيضًا فوائد حقيقية للتخصيص القائم على الذكاء الاصطناعي.
فالحوافز الموجهة يمكن أن تحسن عملية المواءمة بين العرض والطلب، والخصومات الشخصية يمكن أن تساعد العملاء الذين يتأثرون بالسعر، كما يمكن للتنبؤات الأكثر دقة أن تقلل الهدر.
لكن القضية لا تتمثل في معرفة ما إذا كانت هذه الأنظمة قادرة على تحقيق الكفاءة، وإنما في كيفية توزيع المكاسب الناتجة عنها. فقد تتحول هذه المكاسب إلى أجور أعلى، أو أسعار أقل، أو منتجات أفضل، أو استثمارات أكبر، أو أرباح أعلى.
ويعتمد ذلك جزئيًا على المعلومات. فالبيانات الشخصية لها قيمة اقتصادية لأنها يمكن أن تساعد في التنبؤ بالشروط التي يكون الناس مستعدين لقبولها، وهو ما يجعل الخصوصية أيضًا مسألة مرتبطة بالقوة التفاوضية.
وتكتسب الشفافية أهمية مماثلة. فالعاملون والمستهلكون أصبحوا أكثر وضوحًا أمام الشركات، في حين تظل الأنظمة التي تتخذ القرارات بشأنهم غامضة إلى حد كبير.
وقد يكون من المعقول أن يتوقع هؤلاء معرفة ما إذا كان العرض قد جرى تخصيصه لهم، وما المعلومات التي أثرت في تحديده، وما إذا كان أشخاص آخرون يحصلون على معاملة مختلفة بصورة جوهرية. ولا يعني ذلك مطالبة الشركات بنشر خوارزمياتها، لكن ينبغي ألا تكون الرؤية والشفافية في اتجاه واحد فقط.
كما تتحمل كليات إدارة الأعمال مسؤولية في هذا المجال. فإلى جانب تعليم الطلاب استراتيجيات التسعير، وتقسيم الأسواق، وخفض التكاليف، واتخاذ القرارات المدعومة بالذكاء الاصطناعي، ينبغي تشجيعهم على طرح سؤال أساسي: فعال لمصلحة من؟
فهناك فرق بين استخدام التكنولوجيا لخلق قيمة جديدة، وبين أن تصبح الشركات أكثر قدرة على الاستحواذ على القيمة من الطرف الآخر في المعاملة.
ولا تتطلب النتيجة الأكثر إثارة للقلق وجود ذكاء اصطناعي خبيث أو سيئ النية. فقد تتمكن الشركات، بصورة عقلانية، من خفض التكاليف وتحسين هوامش الربح، وفي الوقت نفسه تصبح أكثر قدرة على التنبؤ بما سيقبله العاملون وما سيدفعه العملاء.
لذلك، لا ينبغي أن يقتصر السؤال على ما إذا كان بالإمكان تحسين شيء ما أو جعله أكثر كفاءة. بل ينبغي أن نسأل أيضًا: من المستفيد؟ وهل هذا عادل؟ وماذا سيحدث إذا قامت كل الشركات بالشيء نفسه؟
