Prezzi dinamici nei negozi (anche offline), ora il sistema è brevettato

Walmart ha ottenuto due brevetti USPTO sull’intelligenza artificiale applicata al pricing nei primi mesi del 2026. Il primo, depositato a gennaio, copre un sistema che aggiorna automaticamente i prezzi sull’e-commerce per gestire i markdown; il secondo, concesso a marzo, descrive uno strumento di machine learning per prevedere la domanda e suggerire prezzi su categorie eterogenee, dal cibo all’abbigliamento agli articoli per la casa. I documenti depositati spiegano che l’algoritmo combina dati di elasticità del prezzo e domanda prevista per generare un “first markdown price”, attingendo a cronologia degli acquisti, metodi di pagamento e identificativi cliente.

I due brevetti rientrano in un pacchetto più ampio: la divisione e-commerce di Walmart, che vale oltre 150 miliardi di dollari di fatturato, ha ottenuto circa cinquanta proprietà intellettuali dall’inizio dell’anno. Il messaggio competitivo è chiaro: il vantaggio del retail di grande scala non passa più dall’assortimento, dalla logistica o dal prezzo netto al consumatore, ma dalla capacità di muoverlo in tempo reale con un algoritmo proprietario.

La risposta ufficiale di Walmart è che i brevetti non sono pensati per il surge pricing ma per ottimizzare i ribassi. La distinzione è sottile e probabilmente strumentale, perché lo stesso meccanismo che riduce un prezzo quando la domanda cala lo alza quando la domanda sale. La differenza con i sistemi descritti da algoritmi che imparano a fare cartello in modo collusivo non è di natura, è di intenzione dichiarata.

Il brevetto come arma di posizionamento, prima ancora che come tecnologia

La novità non sta nella tecnologia in sé. Sistemi di pricing dinamico esistono da anni nei marketplace digitali, nelle compagnie aeree, nei portali hotel. La novità sta nel deposito brevettuale, che trasforma una capability operativa in un perimetro proprietario. Chi vorrà replicare lo stesso meccanismo in futuro dovrà negoziare una licenza con Walmart, sviluppare un workaround tecnico o accettare il rischio di contenzioso.

Il fenomeno si lega all’introduzione, già avviata, delle etichette elettroniche sugli scaffali: Walmart sta digitalizzando l’intero parco prezzi fisico, con l’obiettivo di coprire tutti i punti vendita entro fine anno. Il software brevettato e l’hardware degli shelf label compongono uno stack verticale che permette di cambiare un prezzo in store con la stessa rapidità con cui si cambia online. È una trasformazione strutturale del retail, non un esperimento marginale.

Per i retailer di medio-piccola scala questa traiettoria pone un problema concreto. Replicare uno stack di pricing dinamico richiede investimenti che non sono solo software: servono dati di traffico in tempo reale, integrazione con i sistemi di gestione, infrastruttura di calcolo, competenze data-science. La complessità dei listini AI è già un problema noto per chi compra modelli, figuriamoci per chi li deve costruire e mantenere su decine di migliaia di SKU.

L’Europa si attrezza, ma con tempi che non aiutano nessuno

Sul fronte regolatorio europeo la partita è aperta, ma con tempi che non aiutano chi deve decidere oggi. La Commissione ha messo in calendario un Digital Fairness Act il cui draft è atteso nel terzo trimestre del 2026, con applicazione obbligatoria non prima del 2029. Il testo dovrebbe colpire la personalizzazione manipolativa dei prezzi, in particolare i casi di profilazione basata sul dispositivo (iPhone più caro, Android meno) o sulla geolocalizzazione.

Il framework esistente, basato su GDPR e direttiva consumer rights, già impone l’informativa al consumatore quando il prezzo è personalizzato in base a una decisione automatizzata, ma l’applicazione è frammentaria. New York ha introdotto il primo obbligo di disclosure al mondo per i prezzi determinati da algoritmi che usano dati personali del consumatore, e la posizione del National Retail Federation è stata difensiva, con il messaggio standard “i nostri algoritmi vi fanno risparmiare in tempo reale”.

L’asimmetria è netta: chi ha lo stack proprietario brevettato dichiara di tutelare il consumatore con sconti dinamici, mentre la trasparenza vera, quella che permette al cliente di sapere perché paga un certo prezzo, resta indietro di tre anni rispetto alla tecnologia.

Cosa fanno i retailer che non possono permettersi un brevetto

Le risposte plausibili per chi non ha la scala Walmart sono tre, e nessuna è facile. La prima è l’aggregazione di dati tramite consorzi di settore o piattaforme verticali: i player minori condividono il dato di traffico e di conversione a un fornitore terzo che restituisce indicazioni di pricing aggregate, senza che nessuno disponga del modello proprietario. È il modello dei cooperative purchasing nel grocery, esteso al pricing.

La seconda è la specializzazione: rinunciare alla guerra sul prezzo della commodity e concentrarsi su categorie a margine alto dove il valore dell’esperienza e dell’assortimento compensa l’arretratezza algoritmica. È la strada storica dei department store premium che hanno sopravvissuto ad Amazon. La terza è l’integrazione di soluzioni SaaS di pricing dinamico standard, accettando un livello di automazione inferiore a Walmart ma evitando l’investimento in ingegneria proprietaria.

Tutte e tre le strade richiedono capitale, competenze, tempo. Nessuna è alla portata di un retailer indipendente che fatturi sotto i dieci milioni di euro. Per quel segmento, la traiettoria realistica è l’integrazione progressiva di agenti AI di terze parti per categorie limitate, e l’accettazione del fatto che il margine si comprimerà man mano che i grandi affinano l’algoritmo.

La storia che si racconta sui brevetti AI di Walmart è la stessa che si è raccontata sul cloud quindici anni fa: la tecnologia abilita tutti, il mercato si democratizza, le PMI accedono a strumenti enterprise per pochi dollari al mese. La realtà è diversa. L’abilitazione tecnica esiste, ma il vantaggio strutturale si concentra dove c’è già massa critica di dati, e i brevetti servono proprio a rendere quel vantaggio difficilmente attaccabile per via legale.

La struttura di incentivo spiega la corsa al brevetto meglio del marketing. Walmart non blocca l’innovazione, costruisce una posizione difensiva per le cause antitrust che arriveranno. Negli Stati Uniti il dibattito sul surge pricing nei grocery è caldo dopo le indagini sul caso Kroger, e in Europa il Digital Fairness Act anticipa un quadro restrittivo. Avere un brevetto che riformula l’algoritmo come “gestione ottimizzata dei markdown” sposta la conversazione legale dall’esito alla definizione, e dà spazio alla difesa.

Il pricing è ormai un layer infrastrutturale, non più un foglio Excel mensile. Chi non ha pianificato l’investimento in capacità di pricing dinamico nei prossimi diciotto mesi si troverà a competere ad armi disuguali in categorie dove il prezzo viene aggiornato cento volte al giorno dal concorrente. Copiare Walmart è la risposta sbagliata; la decisione utile è su quali categorie restare e su quali ritirarsi prima che il margine sparisca. Le aziende che fingono di poter competere su tutto, e investono in piccole automazioni cosmetiche, scopriranno tra due anni di aver speso male.

Resta poi la questione politica, che il caso Walmart porta in superficie. Quando un singolo operatore ottiene cinquanta brevetti in cinque mesi su una funzione che il mercato considera utilità di base, il sistema brevettuale sta funzionando come strumento di concentrazione, non come incentivo all’innovazione. È il pattern già visto nei farmaci e nei semiconduttori, applicato adesso al retail. Chi regola, in Europa come negli Stati Uniti, dovrà decidere se intervenire sull’ammissibilità di brevetti su algoritmi commerciali, o accettare che il prossimo decennio del retail si giochi tra cinque o sei operatori capaci di pagare le licenze.