Jouw prijsalgoritme is twee rechtszaken, niet één — en de meeste bedrijven verdedigen zich maar tegen één

De eerste prijsengine die mijn team auditte, kwam schoon door de controle.

We hadden een fairnessscanner gebouwd — het voor de hand liggende ding. Richt hem op een prijsalgoritme, controleer of het model ras, geslacht, leeftijd of enige beschermde categorie als invoer gebruikt, en markeer het als dat zo is. We lieten hem los op de personalisatiestack van een middelgrote retailer en hij kleurde groen. Geen beschermde velden. Niets te zien.

Ik stuurde het rapport bijna weg. Toen haalde ik de feature-importanceplot voor het model erbij — de gerangschikte lijst van welke invoeren de prijs daadwerkelijk bewogen — en het op twee na sterkste signaal was device_type. Daaronder: postcode. Daaronder het uur van de dag waarop de sessie begon.

Het algoritme had nooit ras of inkomen gezien. Dat had het niet nodig. Een gebruiker die surfte op een oudere Android-telefoon, vanuit een postcode met een lager inkomen, om 23:00 uur, kreeg systematisch andere prijzen dan een iPhone-gebruiker in een welvarende buitenwijk om 2 uur 's middags. En censusgegevens vertellen je precies waarmee die invoerclusters correleren. Onze scanner zei "conform". Een disparate-impactregressie zou hebben gezegd "onverdedigbaar". We hadden een tool gebouwd die controleerde op de misdaad die niemand meer pleegt.

Dat was het moment waarop ik begreep wat AI pricing compliance werkelijk is, en waarom vrijwel iedereen het verkeerd doet.

In 2025 inde de FTC 2,56 miljard dollar van twee bedrijven, en ze werden niet voor hetzelfde aangeklaagd

Hier is het getal dat op een whiteboard zou moeten staan in het kantoor van elke e-commerce-GC. In één jaar tijd schikte de Federal Trade Commission algoritmische prijszaken met Instacart voor 60 miljoen dollar en met Amazon voor 2,5 miljard dollar. Verschillende bedrijven, verschillend gedrag, verschillende juridische theorieën — en dat onderscheid is het hele spel.

De zaak van Instacart ging over discriminatie. Zijn Eversight-prijstool voerde experimenten uit die tot vijf verschillende prijzen opleverden voor hetzelfde artikel in dezelfde winkel, met een variatie die opliep tot 23%. Driekwart van de catalogus was onderhevig aan algoritmische prijsvariatie. De schikking van de FTC hing er niet van af dat iemand aantoonde dat Instacart de bedoeling had om armere shoppers meer te laten betalen. Het hing af van de uitkomst: bepaalde consumentenprofielen betaalden systematisch meer, geschat op zo'n 1.200 dollar per jaar per huishouden.

De zaak van Amazon ging over collusie. Project Nessie haalde naar schatting 1,4 miljard dollar aan overwinst binnen door te voorspellen wanneer concurrenten een prijsverhoging zouden volgen, en verhoogde vervolgens de prijzen op meer dan 8 miljoen artikelen. Er was geen vergadering, geen afspraak, geen telefoongesprek tussen bestuurders. Slechts één algoritme dat had geleerd dat de meeste concurrenten tit-for-tat-prijsregels hanteerden, en dat uitbuitte. De antitrustrechtszaak, FTC v. Amazon, staat gepland voor oktober 2026 en zal toetsen of stilzwijgende collusie via een algoritme in strijd is met Section 5 van de FTC Act.

Eén prijsengine. Twee handhavingssporen. De meeste bedrijven bouwen een verdediging voor het ene en zien het andere nooit aankomen.

Dit is de valkuil. Een prijsteam hoort "compliance" en grijpt naar een disclosurebanner — het consumentenbeschermingsantwoord. Of het hoort "antitrust" en belt een advocatenkantoor voor een memo. Vrijwel niemand kijkt naar het ene algoritme dat in productie draait en stelt beide vragen tegelijk: is deze uitkomst discriminerend, en heult het algoritme samen?

Lees wat we voor beide sporen bouwden →

Waarom het disclosurebanner-instinct een valkuil is

Ongeveer een week lang, in het begin, was ik ervan overtuigd dat dit hele probleem een UI-oefening was.

New York had zojuist zijn Algorithmic Pricing Disclosure Act aangenomen, van kracht in november 2025 — "duidelijke en opvallende openbaarmaking" telkens wanneer prijzen persoonlijke consumentengegevens gebruiken, 1.000 dollar per overtreding. Het las als een cookiebannerprobleem. Plak een melding op de pagina, log toestemming, klaar. Ik had een concept van de disclosuretekst gemarkeerd en klaarliggen.

Toen las ik de wijzigingen op de California Cartwright Act, en het banneridee viel uit elkaar.

Californië's AB 325 en SB 763, van kracht in januari 2026, geven niets om jouw openbaarmaking. Zij maken het tot wettelijke aansprakelijkheid om een "common algorithm" te gebruiken — gedefinieerd als een algoritme dat door twee of meer partijen wordt gebruikt om prijzen te beïnvloeden met behulp van concurrentie-informatie. Zij verlaagden de pleitnorm zodat een eiser niet langer onafhankelijk handelen hoeft uit te sluiten om alleen al een motie tot afwijzing te overleven. En zij verhoogden de bedrijfsboete tot het hoogste van 6 miljoen dollar of tweemaal de winst, met driedubbele schadevergoeding en advocaatkosten in civiele procedures. Geen enkele banner ter wereld openbaart je daaruit. De blootstelling zit niet in wat je de consument vertelt; ze zit in wat jouw algoritme, direct of via een leverancier, met de rest van de markt deelt.

Dat was voor ons het echte keerpunt. Openbaarmaking is de ondergrens van het consumentenbeschermingsspoor. Het collusiespoor loopt eronder volgens totaal andere fysica, en het gevaarlijkste is dat je erover kunt struikelen via een leverancier die je nooit als een risico hebt beschouwd.

Het leveranciersprobleem: jouw prijssoftware kan jouw aansprakelijkheid zijn

Als je een prijstool van een derde partij in licentie neemt — Pricefx, PROS, Zilliant, Competera — heb je je optimalisatie uitbesteed. Je hebt je aansprakelijkheid niet uitbesteed. Je hebt haar mogelijk geïmporteerd.

Het Ninth Circuit trok de grens in Gibson v. Cendyn in augustus 2025, de eerste federale hogerberoepsuitspraak over antitrust bij algoritmische prijsstelling. Het goede nieuws: onafhankelijk een abonnement nemen op hetzelfde prijsalgoritme als je concurrent is op zichzelf niet illegaal. Het slechte nieuws zijn de drie voorwaarden die de veilige haven opblazen. Je verliest bescherming wanneer de tool concurrentiegevoelige, niet-openbare gegevens over klanten heen bundelt, wanneer de leverancier zijn vermogen om "prijzen sectorbreed te verhogen" aanprijst, of wanneer het de uitwisseling van niet-geanonimiseerde concurrentiegegevens faciliteert. Dezelfde leverancier is prima. Dezelfde leverancier die de live cijfers van je rivalen bundelt in het model dat jouw catalogus beprijst is blootstelling aan hub-and-spoke-samenzwering, zelfs als je nooit met een concurrent hebt gesproken.

Dus een van de eerste vragen die ik nu aan elke klant stel is niet "wat doet jouw prijsmodel" maar "heb je het addendum voor gegevensverwerking van je leverancier gelezen?" Want de clausule die stilletjes gegevensbundeling tussen klanten toestaat, is waar het antitrustrisico leeft, en het zit drie lagen diep in een contract dat het juridische team tekende en het prijsteam nooit zag.

Dit is ook waar de 6(b)-studie van de FTC naar surveillanceprijsstelling van belang is. In 2024 stuurde zij bevelen naar acht bedrijven — waaronder Mastercard, PROS, Accenture en McKinsey — met de eis te weten hoe zij consumentengegevens gebruiken om prijzen te bepalen. Enkele van de meest gangbare prijsplatforms worden in die studie genoemd. Hun algoritme kan jouw aansprakelijkheid zijn, en "we hebben de software alleen maar gekocht" is nooit een verweer geweest.

Wat vereist het RealPage-schikkingsdecreet werkelijk?

Het meest leerzame document in deze hele ruimte is geen wet. Het is het RealPage-schikkingsdecreet van het DOJ uit november 2025, en de reden dat het van belang is voor e-commerce — ook al is RealPage een huurwoningzaak — is dat het de eerste keer is dat een toezichthouder in technisch detail opschreef hoe een conform prijsalgoritme eruitziet.

Ik bewaar een geprinte kopie. De koppen in de media luidden "DOJ pakt huurprijssoftware aan". De werkelijke tanden zijn een technische specificatie:

• Geen training op huurgegevens jonger dan 12 maanden — het model kan niet reageren op live marktsignalen van concurrenten.
• Geen geografische analyse smaller dan het staatsniveau — geen gebruik van submarktclustering om prijsmacht te lokaliseren.
• De "governor"-guardrails — de onder- en bovengrenzen aan wat het algoritme mag aanbevelen — moeten symmetrisch zijn, zodat de tool niet stilletjes kan worden afgesteld om prijzen alleen maar op te schroeven.
• Auto-acceptfuncties vereisen door de gebruiker ingestelde parameters, een implementatiedeadline van 180 dagen en een toegewijde antitrust-complianceofficer voor een termijn van zeven jaar.

Het RealPage-decreet is het dichtst wat we hebben bij een toezichthouder die je het specificatieblad voor een verdedigbaar algoritme aanreikt. De meeste bedrijven lazen het persbericht en misten de blauwdruk.

Toen ik dat voor het eerst las, was mijn reactie dat de overheid zojuist de helft van mijn productroadmap gratis had gedaan. Symmetrische governors, gegevensverouderingsvereisten, geografische ondergrenzen — dit zijn geen juridische abstracties. Het zijn beperkingen die je kunt implementeren, testen en bewijzen. Dat is het verschil tussen een compliancememo en een compliancesysteem.

Het forensische probleem waar niemand budget voor heeft

Kijk wat er werkelijk gebeurt wanneer een civiel onderzoeksverzoek van de FTC op het bureau van een prijsteam belandt, met zijn productieklok van 30 dagen.

Ze kunnen het niet beantwoorden. Niet omdat ze schuldig zijn — maar omdat ze nooit de juiste gegevens hebben gelogd. Ze kunnen je vertellen wat het algoritme afgelopen dinsdag beprijsde, maar niet waarom: welke invoeren die specifieke prijs bepaalden, of de spreiding over gebruikerssegmenten correleerde met iets beschermds, of het cijfer van een concurrent de uitkomst beïnvloedde. Dus besteden ze zes tot twaalf maanden aan forensische gegevensextractie, waarbij ze beslissingen reconstrueren die het systeem duizenden keren per seconde nam en nooit vastlegde.

Dit is het deel dat ik oprecht oneerlijk vind tegenover goede bedrijven. Een retailer kan een volkomen verdedigbare prijsstrategie voeren en het toch niet kunnen bewijzen, want om het te bewijzen is een modelkaart nodig voor elke prijs — een van tijdstempels voorziene log van welke invoeren werden gebruikt, wat de uitkomst was en hoe die testte tegen demografische proxy's — en niemand bouwt dat totdat het verzoek arriveert.

We begonnen eerst voor het verzoek te ontwerpen. Audittrail als een eersteklas output van de prijsbeslissing, niet een archeologieproject achteraf. Toen de procureur-generaal van Californië in januari 2026 zijn onderzoeksactie lanceerde — brieven aan detailhandel-, kruidenier- en hotelbedrijven met de vraag hoe zij precies koopgeschiedenis, surfgedrag, locatie en demografie gebruiken om prijzen te bepalen — waren de bedrijven die in dagen in plaats van kwartalen konden antwoorden degenen die de beslissing hadden geïnstrumenteerd, niet alleen de prijs.

Waarom maakt agentic pricing dit alles erger?

De complianceframeworks die iedereen nu koortsachtig probeert te bouwen, gaan ervan uit dat een mens prijsbeslissingen beoordeelt. Die aanname loopt al af.

Walmart diende in januari 2026 twee AI-prijspatenten in en rolt tegen het einde van het jaar digitale schaplabels uit naar al zijn 5.200 winkels — al noemt het dit zorgvuldig "algoritmische merchandising", niet "dynamische prijsstelling", en houdt het vol dat prijzen consistent blijven ongeacht wie er winkelt. McKinsey noemt agentic commerce dé bepalende e-commercetrend van 2026: AI-agents die autonoom onderzoeken, vergelijken en kopen. Forrester verwacht dat één op de vijf verkopers tegen 2027 door de verkoper aangestuurde prijs-tegenagents inzet.

Dit is de versie van het probleem die me wakker houdt, want de compliancevraag heeft nog geen antwoord. Wanneer de AI-agent van een koper over een prijs onderhandelt met de AI-agent van een verkoper, en de overeengekomen prijs discriminerend blijkt te zijn — wie is aansprakelijk? Er is geen regelgevend kader voor agent-tot-agentprijsstelling. Een systeem dat is ontworpen om op te schalen naar duizenden autonome beslissingen per seconde kan geen mens in de lus hebben die er elk afzonderlijk controleert op proxydiscriminatie of collusieve convergentie. De compliance moet in de agent zitten, of ze bestaat niet.

Dat is geen toekomstig probleem. Het is de ontwerprestrictie voor elk prijssysteem dat vandaag wordt gearchitecteerd.

"Is dit niet gewoon een kostenpost?"

Het bezwaar dat ik het vaakst hoor, meestal van een CRO, is dat compliancetooling overhead is op een functie wier hele taak is om geld te verdienen.

Ik zou de getallen naast elkaar leggen en ze het laten uitvechten. Een volledig prijscomplianceprogramma — demografische impactanalyse, collusierisicobeoordeling, openbaarmaking in meerdere jurisdicties, generatie van audittrails — kost in het eerste jaar ruwweg 100.000 tot 505.000 dollar, waarbij continue monitoring daar aanzienlijk bovenop komt. De schikking van Instacart bedroeg 60 miljoen dollar. Die van Amazon 2,5 miljard dollar. Een paar honderdduizend dollar aan compliance tegenover een schikking van negen cijfers is geen kostenpost; het is de goedkoopste verzekeringspolis in het gebouw.

Het tweede bezwaar is subtieler: gaan openbaarmakings- en fairnessbeperkingen de optimalisatie niet om zeep helpen? En hier is het ding dat ik niet had verwacht toen we begonnen — 62% van de Amerikaanse volwassenen vertelde Talker Research in december 2025 dat ze zich zorgen maken over gepersonaliseerde prijsstelling. Walmarts prijspatenten leidden tot verontwaardiging op sociale media. Het merkrisico van de volgende Instacart-krantenkop te zijn is reëel en kwantificeerbaar. En ik herinner de CRO eraan dat Project Nessie's 1,4 miljard dollar aan overwinst het contact met de FTC niet overleefde — omzet die je niet kunt verdedigen is omzet die je uiteindelijk zult moeten terugbetalen. Een prijsengine waar je in het openbaar achter kunt staan, is meer waard dan een paar extra basispunten die je moet verbergen.

Wat we werkelijk bouwden

De kloof waar ik steeds tegenaan liep, is dat de markt zich netjes in het midden splitst en geen van beide kanten bedient. Prijsplatforms optimaliseren prijzen en bieden nul fairnesstesten, nul collusiemonitoring, nul openbaarmakingsautomatisering — hun algoritme kan jouw aansprakelijkheid zijn. Advocatenkantoren en de Big Four schrijven uitstekende adviesmemo's en draaien niets geautomatiseerds; een antitrustopdracht van Deloitte of McKinsey is advieswerk vanaf 500.000 dollar, zonder tool aan het einde ervan. ORCAA en FTI brengen echte audit- en economische expertise in, maar uitsluitend advieswerk, litigatiegericht.

Niemand zat in het midden: een geïntegreerde laag die demografische impactanalyse doet op gepersonaliseerde prijsstelling, algoritmisch collusierisico scoort, de openbaarmakingslogica voor meerdere jurisdicties voor New York, Californië, Colorado en de EU AI Act automatiseert, en het audittrail genereert dat een FTC- of DOJ-onderzoek zal eisen. Die ruimte — tussen wat de optimizers doen en wat de advocaten doen — is wat wij Veriprajna's prijscompliancesysteem bouwden om te vullen.

De regelgevingskaart die het moet dekken is niet stabiel, en dat is precies de reden om het te automatiseren. Colorado's AI Act treedt in juni 2026 in werking, en voor systemen met een hoog risico die ingrijpende beslissingen nemen, vereist het impactbeoordelingen vóór inzet, elk jaar daarna, en opnieuw binnen 90 dagen na elke substantiële modelwijziging. De hoogrisicoverplichtingen van de EU AI Act landen in augustus 2026, met boetes tot 35 miljoen euro of 7% van de wereldwijde omzet. Er waren in 2025 51 wetsvoorstellen over algoritmische prijsstelling in 24 staten, waarbij Tennessee en New Mexico in 2026 al in beweging zijn. Geen enkel menselijk team houdt die matrix met de hand bij en blijft actueel. Een compliancesysteem dat met de wet meeverandert, is de enige versie die werkt.

Ik denk vaak terug aan die eerste schone audit.

Het engste aan algoritmische prijsstelling is niet het bedrijf dat zich voorneemt te discrimineren of samen te heulen. Het is het bedrijf dat beide doet, per ongeluk, via een model dat alleen ooit de opdracht kreeg om de omzet te maximaliseren — en dat er bij aankomst van het civiel onderzoeksverzoek achter komt dat het het tegendeel niet kan bewijzen. Het algoritme had nooit iets in de zin. De uitkomst is hoe dan ook illegaal, en intentie was nooit de vraag.

Jouw prijsengine voert een juridisch argument aan telkens wanneer hij een prijs bepaalt. Het enige waarover twijfel bestaat, is of je in staat zult zijn het terug te lezen.