Yale School of Management: การกำหนดราคาแบบเฝ้าระวังเป็นเพียงจุดเริ่มต้น AI agents จะเป็นการทดสอบความไว้วางใจขององค์กรอย่างแท้จริง

ตลอดปี 2025 แม้จะมีข้อเสนอมากมาย แต่ไม่มีรัฐใดสักรัฐที่สามารถห้าม "การตั้งราคาแบบสอดส่อง" ได้สำเร็จ จนกระทั่งฤดูใบไม้ผลิที่ผ่านมา สิ่งนั้นเปลี่ยนไป ในเดือนเมษายน รัฐแมริแลนด์กลายเป็นรัฐแรกที่ห้ามผู้ค้าปลีกอาหารและบริการจัดส่งใช้ข้อมูลส่วนตัวของผู้บริโภคในการกำหนดราคา ในเดือนมิถุนายน รัฐคอนเนตทิคัตกลายเป็นรัฐที่สอง ขณะที่แคลิฟอร์เนียและนิวยอร์กกำลังพิจารณามาตรการที่คล้ายกัน ซึ่งเป็นส่วนหนึ่งของกระแสความพยายามที่กว้างขึ้นในการจำกัดการตั้งราคาแบบสอดส่อง

แต่ปัญหาที่แท้จริงนั้นไม่ได้เกี่ยวกับการตั้งราคาเป็นหลัก หากแต่เป็นเรื่องที่บริษัทต่างๆ เลือกใช้ข้อมูล อัลกอริทึม และ AI ที่เพิ่มมากขึ้นอย่างไร เมื่อเทคโนโลยีช่วยให้พวกเขาเข้าใจลูกค้าและพนักงานได้อย่างละเอียดถี่ถ้วนเป็นประวัติการณ์ พวกเขาจะใช้ข้อมูลเชิงลึกนั้นเพื่อสร้างคุณค่า หรือเพื่อดึงผลประโยชน์?

คำถามคือบริษัทต่างๆ กำลังตั้งราคาที่การทำธุรกรรมหรือที่ตัวบุคคล ลองนึกถึงคำขอ Uber ที่เหมือนกันสองรายการจากมิดทาวน์แมนฮัตตันไปยังสนามบินนวร์ก ผู้โดยสารส่วนใหญ่เข้าใจว่าทำไมการเดินทางจึงแพงกว่าในบ่ายวันศุกร์ที่ฝนตกมากกว่าเช้าวันอาทิตย์ที่เงียบสงบ การปรับราคาตามสภาพอากาศ การจราจร หรืออุปทานถือเป็นวิธีที่โปร่งใสในการสร้างสมดุลให้ตลาด

แต่ผู้บริโภคเริ่มตั้งคำถามกับสิ่งที่แตกต่างออกไป นั่นคือ ผู้โดยสารสองคนที่ยืนอยู่มุมเดียวกันในเวลาเดียวกันแต่จ่ายราคาต่างกัน โดยอิงจากโปรไฟล์ข้อมูล ประวัติการซื้อ อุปกรณ์ที่ใช้ หรือความเต็มใจที่จะจ่ายที่อนุมานได้ ในกรณีแรก แพลตฟอร์มกำลังตั้งราคาที่การเดินทาง ในกรณีที่สอง มันกำลังตั้งราคาที่ตัวผู้โดยสาร คณะกรรมการการค้าแห่งสหพันธรัฐได้ชี้ให้เห็นความสำคัญของเรื่องนี้อย่างเป็นรูปธรรมในการศึกษาปี 2025 โดยแสดงให้เห็นว่าอัลกอริทึมที่ดึงข้อมูลส่วนบุคคลสามารถอนุมานได้ว่าเมื่อใดที่ผู้บริโภคอาจมีทางเลือกน้อยลง มีความเร่งด่วนมากขึ้น หรือมีความเต็มใจจ่ายสูงขึ้น แล้วปรับราคาหรือข้อเสนอตามนั้น

ตรรกะเดียวกันนี้ใช้ได้กับอีกด้านของตลาด อัลกอริทึมอาจเสนอค่าตอบแทนที่ต่ำกว่าให้กับคนขับที่คาดว่าจะยอมรับอยู่ดี เพราะเธอกำลังจะถึงเป้าหมายรายได้รายวันหรือไม่น่าจะเปลี่ยนแอป เมื่อบริษัทเปลี่ยนจากการตั้งราคาตามเงื่อนไขของธุรกรรมไปเป็นการเอาเปรียบช่องโหว่ของผู้คนในนั้น พวกเขาก็เบี่ยงเบนจากประสิทธิภาพในการเคลียร์ตลาดไปสู่การดึงผลประโยชน์ ซึ่งกัดเซาะความไว้วางใจ เพิ่มความไม่พอใจของพนักงาน และดึงดูดกฎระเบียบที่กำลังแพร่กระจายทั่วประเทศ

การถกเถียงนี้มีความเร่งด่วนเพราะความสามารถในการเข้าใจและมีอิทธิพลต่อบุคคลกำลังจะขยายตัวอย่างมาก จนถึงขณะนี้ ปัจจัยจำกัดคือความกระจัดกระจาย แต่ละคนสร้างข้อมูลจำนวนมหาศาล ทั้งการค้นหา การซื้อ สถานที่ นิสัยการสตรีม และข้อมูลจากอุปกรณ์สวมใส่ แต่ไม่มีบริษัทใดแม้แต่บริษัทเดียวที่มองเห็นได้มากกว่าชิ้นส่วนเล็กๆ ของชีวิตดิจิทัลของเรา

AI agents เปลี่ยนสิ่งนั้น

เมื่อผู้คนมอบหมายงานจริงให้กับ AI ไม่ว่าจะเป็นการจองการเดินทาง การสั่งซื้อสินค้าใหม่ การจัดการการย้ายบ้าน พวกเขาเปิดเผยข้อมูลมากกว่าที่การค้นหาเคยทำได้มาก หากการค้นหาจับภาพคำถามชั่วขณะ agent จะสังเกต "งานที่ต้องทำ" ในภาพรวมที่กว้างกว่า

ลองนึกถึงสิ่งที่ AI agent ที่จัดการบ้านของคุณอาจสังเกตได้ มันรู้ว่าคุณกำลังใช้ยาใกล้หมด ว่าคุณมักจะช้อปปิ้งเมื่อรู้สึกเครียด ว่าคุณกำลังเรียกเก็บค่าจัดส่งอาหารในบัญชีบริษัท และว่าคุณแทบไม่เคยเปรียบเทียบราคา โปรไฟล์พฤติกรรมนี้กลายเป็นแผนที่นำทางสำหรับการให้บริการผลประโยชน์ของคุณ ค้นหาการประหยัดที่แท้จริงและกรองข้อเสนอที่หลอกลวงออก หรือการใช้ประโยชน์จากรูปแบบพฤติกรรมของคุณเพื่อดึงผลประโยชน์สูงสุด

นี่ไม่ใช่การคาดการณ์อีกต่อไป แพลตฟอร์ม AI ชั้นนำกำลังพัฒนา agents ที่สามารถเข้าใจความต้องการของผู้ใช้ จดจำบริบท และดำเนินการแทนพวกเขาได้มากขึ้นอย่างรวดเร็ว Bain & Company ประมาณการว่า AI agents อาจมีอิทธิพลต่อการค้าในสหรัฐฯ มูลค่า 300,000 ถึง 500,000 ล้านดอลลาร์ภายในปี 2030 ซึ่งอาจทำให้แพลตฟอร์ม AI มีความเข้าใจอย่างต่อเนื่องและเป็นเวลาจริงเกี่ยวกับความต้องการ ความจำเป็น และพฤติกรรมของผู้คน รวมถึงสัญญาณที่พวกเขาอาจไม่เคยแสดงออกอย่างชัดเจน

ความสามารถนี้สามารถนำไปใช้ได้สองวิธีที่แตกต่างกันมาก มันสามารถขับเคลื่อนการปรับแต่งที่แท้จริง ซึ่งเป็น agent ที่หาค่าโดยสารที่ดีกว่า แจ้งเตือนการเติมสินค้าที่จำเป็น หรือกรองสัญญาณรบกวนออก หรือมันอาจถูกนำไปใช้ในทิศทางตรงกันข้าม เพื่อเรียกเก็บเงินจากแต่ละคนใกล้เคียงกับจำนวนสูงสุดที่พวกเขาจะจ่าย เข้าถึงพวกเขาเมื่อพวกเขาเปราะบางที่สุด และปิดบังตัวเลือกที่ดีกว่าเมื่อพวกเขาน่าจะยอมรับตัวเลือกที่แย่กว่า คำถามไม่ใช่ว่าบริษัทสามารถปรับแต่งในระดับใหญ่ได้หรือไม่อีกต่อไป แต่เป็นว่าพวกเขาจะกำหนดหลักการว่าการปรับแต่งนั้นควรไปไกลแค่ไหน

สิ่งนั้นทำให้การปรับแนวทางกลายเป็นประเด็นหลัก Agent ที่รู้จักเราดีขนาดนี้สามารถดึงวิทยาศาสตร์พฤติกรรม ซึ่งเป็นอคติและตัวกระตุ้นเดียวกับที่มีอิทธิพลต่อการตัดสินใจของมนุษย์มาโดยตลอด เพื่อสังเกต เข้าใจ และให้บริการหรือจัดการเรา ดังนั้นเมื่อ agent ทำหน้าที่แทนคุณ มันรับใช้ผลประโยชน์ของใคร ของคุณ แพลตฟอร์มที่สร้างมันขึ้น หรือผู้ที่เสนอราคาสูงสุดสำหรับคำแนะนำของมัน? เมื่อพิจารณาจากเงินลงทุนที่ไม่เคยมีมาก่อนที่กำลังถูกนำไปลงทุนใน AI ในขณะนี้ แรงจูงใจทางเศรษฐกิจในการสร้างรายได้จากอิทธิพลนั้นจะมีมหาศาล

นี่คือจุดที่งานวิจัยของเราชี้ไปยังเส้นทางที่แตกต่าง จากการสัมภาษณ์ CEO มากกว่า 200 คนที่โปรแกรม Stakeholder Innovation and Management ของมหาวิทยาลัยเยล เราพบรูปแบบที่สอดคล้องกัน นั่นคือ วิธีที่มีประสิทธิภาพที่สุดในการสร้างมูลค่าผู้ถือหุ้นระยะยาวคือการพัฒนาธุรกิจควบคู่ไปกับการสร้างความไว้วางใจ สร้างคุณค่าให้กับผู้มีส่วนได้ส่วนเสียรวมถึงลูกค้า พนักงาน ซัพพลายเออร์ และชุมชนที่บริษัทให้บริการ ขณะที่ได้รับความเชื่อมั่นของพวกเขาไปตามกาลเวลา เมื่อ AI เพิ่มความสามารถในการเข้าใจและมีอิทธิพลต่อแต่ละคน การล่อลวงจะอยู่ที่การปรับทุกความสัมพันธ์ให้เหมาะสมที่สุดสำหรับผลประโยชน์ทันที บริษัทที่ยั่งยืนที่สุดจะต้านทานสิ่งนั้น โดยใช้ความสามารถเหล่านี้เพื่อเสริมสร้างความไว้วางใจและความสัมพันธ์ที่มูลค่าทางเศรษฐกิจที่ยั่งยืนขึ้นอยู่กับ

การตั้งราคาแบบสอดส่องเป็นเพียงการทดสอบแรก วิธีที่บริษัทตอบสนองต่อมันจะเผยให้เห็นว่าพวกเขาตั้งใจจะกำกับดูแลเครื่องมือที่ทรงพลังกว่ามากที่กำลังมาถึงอย่างไร และว่า agents ที่ทำหน้าที่ในนามของเราจะทำงานเพื่อเรา หรือทำงานกับเรา

ความคิดเห็นที่แสดงในบทความแสดงความคิดเห็นของ Fortune.com เป็นมุมมองของผู้เขียนเท่านั้น และไม่จำเป็นต้องสะท้อนความคิดเห็นและความเชื่อของ Fortune

เรื่องนี้ถูกนำเสนอครั้งแรกใน Fortune.com