Uber ve Lyft’te Yapay Zeka Kişiye Özel Fiyat Sunuyor

Popüler araç çağırma uygulamaları Uber ve Lyft’in fiyatlandırma modelleri, tüketiciler arasında ciddi soru işaretlerine yol açmaya başladı. Yakın zamanda yapılan kapsamlı bir araştırma, aynı güzergahlar için aynı zaman dilimlerinde dahi farklı kullanıcılara belirgin biçimde değişik ücretler sunulduğunu ortaya koydu. Bu durum, geleneksel dinamik fiyatlandırma —yani arz ve talep dengesine dayalı ücretlendirme— anlayışının ötesine geçerek, yapay zeka fiyatlandırma algoritmalarının kişisel verileri kullanarak kullanıcının ödeme istekliliğini tahmin ettiğine dair güçlü şüpheler uyandırıyor. Özellikle Uber gibi uygulamaların kullanıcı aktivitesini yoğun bir şekilde takip etmesi, toplanan bu verilerin yolculuk ücretlerini manipüle etmek amacıyla kullanılabileceği iddialarını güçlendiriyor. Bu durum, sadece maliyetleri değil, aynı zamanda dijital ekonomideki şeffaflık ve adalet ilkelerini de temelden sarsma potansiyeli taşıyor.

Fiyat Farklılıklarının Ortaya Çıkışı ve Dinamik Fiyatlandırma Tartışması

Dinamik fiyatlandırma, aslında yeni bir kavram değil. 1980’lerden bu yana hava yolu şirketleri, pazar koşullarına göre bilet fiyatlarını anlık olarak değiştirerek her uçuşta kâr marjını optimize etmeye çalışıyor. Bu yaklaşım, otellerden e-ticaret sitelerine kadar birçok sektörde yaygınlaşmış durumda. Uber ve Lyft gibi araç çağırma servisleri de bu metodolojiyi benimseyerek, kendi sistemlerini “yoğun dönem fiyatlandırması” (surge pricing) olarak adlandırdı. Şirketler, bu modeli fiyat değişikliklerinde şeffaflık sunarak savundu. Bu savunmaya göre, sürücüler fiyat yükseldiğinde daha fazla kazanırken, yolcular da ya daha yüksek fiyatı kabul etme ya da fiyatların düşmesini bekleme konusunda bilinçli bir tercih yapabiliyor. Yoğun dönem fiyatlandırması, özellikle talep aniden arttığında (örneğin, konser çıkışları, yoğun yağmur anları) sistemdeki sürücü sayısını artırarak hizmet sürekliliğini sağlamayı amaçlar.

Ancak bu argüman, ancak her yolcunun her zaman aynı fiyatı görmesi durumunda geçerliliğini korur. Yapılan araştırma, tam da bu şeffaflık ve eşitlik iddialarını sarsan bulgular içeriyor. Gözlemler, aynı bölgedeki farklı müşterilerin, dakikalar içinde bile olsa, aynı yolculuklar için önemli ölçüde farklı ücretler ödediğini gösterdi. Bu tür kişiselleştirilmiş fiyatlandırmanın, pazar dinamiklerinden ziyade, bireysel kullanıcı davranışlarına ve algoritmaların “ödemeye gönüllü” olduğuna inandığı meblağlara dayandığı düşünülüyor. Bu durum, geleneksel arz-talep dengesinin ötesine geçerek, birinci derece fiyat ayrımcılığına (tüketicinin ödeme istekliliğine göre fiyat belirleme) benzer bir tablo çiziyor. Algoritmalar, kullanıcının cihaz tipi, pil seviyesi, daha önceki yolculuk alışkanlıkları, hatta belirli semtlerdeki harcama profili gibi verilere dayanarak potansiyel ödeme istekliliğini tahmin edebilirler.

Bu fiyat farklılıkları, sadece yoğun dönem fiyatlandırmasının bir sonucu olmaktan öte, her kullanıcının özel bir profilini çıkararak ona özgü bir fiyat teklifi sunulması anlamına geliyor. Örneğin, bir kullanıcının acelesi olduğu veya alternatif ulaşım imkanlarının kısıtlı olduğu algoritmalar tarafından tespit edilirse, aynı güzergah için daha yüksek bir fiyat teklifiyle karşılaşması olasıdır. Bu durum, piyasa mekanizmalarının sağlıklı işleyişini sekteye uğratmakla kalmayıp, tüketiciler arasında eşitsizlik duygusunu da pekiştiriyor.

Araştırma Metodolojisi ve Çarpıcı Sonuçlar

Tüketici raporlarını inceleyen ekip, farklı müşterilerin belirgin biçimde farklı fiyatlar ödediği yönündeki şikayetler ve gözlemsel raporlar üzerine geniş çaplı bir soruşturma başlattı. Bu iddiaları test etmek amacıyla, 17 farklı eyalette gönüllülerden oluşan bir ekip, seçili güzergahlarda aynı yolculuklar için fiyat tekliflerini kaydetti ve karşılaştırdı. Gönüllüler, farklı cihazlar (iOS ve Android), farklı zaman dilimleri ve farklı başlangıç/bitiş noktaları kullanarak çeşitli senaryoları test ettiler. Her bir fiyat teklifi ekran görüntüsü alınarak, tarih, saat, konum ve teklif edilen ücret gibi detaylar titizlikle belgelendi. Ayrıca, bir grup yolcu, araç çağırma uygulamaları aracılığıyla önceden belirlenmiş sürücülerle eşleştirildi ve bu yüz yüze testlerden elde edilen makbuzlar da birbirleriyle kıyaslandı. Bu yüz yüze testler, fiziksel olarak aynı anda, aynı araçta farklı kullanıcıların farklı uygulamalar üzerinden fiyat teklifi alıp almadığını kontrol etmeye yönelik kritik bir adımdı.

Soruşturmanın bulguları, fiyatlandırmada açık ve net bir eşitsizliği ortaya koydu. Örneğin, Florida’da gönüllülerden birine aynı güzergah için “indirimli” olarak 89.05 dolarlık bir fiyat teklifi sunulurken, sadece bir dakika sonra aynı güzergahı seçen başka bir gönüllüye indirimsiz olarak yalnızca 65.95 dolar teklif edildi. Bu durum, testler sırasında tekil bir olay değildi. Bu, yaklaşık %35’lik bir fark anlamına geliyor ki bu da bir indirimden ziyade temel fiyatlandırmada bir eşitsizliğe işaret ediyor. Deney boyunca 30 sanal güzergahta yapılan ölçümlerde, en yüksek ve en düşük fiyat grupları arasındaki medyan fark yüzde 42.4 olarak kaydedildi. Yani, ortalama olarak, aynı yolculuk için bir kişinin ödediği tutar, diğerinden neredeyse yarı yarıya daha fazla olabiliyordu. Aynı anda aynı yolculuk için iki farklı kişinin bu kadar şaşırtıcı bir fiyat farkı ödemek zorunda kalması, durumun ciddiyetini gözler önüne seriyor. Örneğin, 100 dolarlık bir yolculuk bir kişi için 142.40 dolar olurken, diğeri için aynı kalabiliyor. Bu tür bağımsız ve kâr amacı gütmeyen tüketici odaklı araştırmaları 90 yıllık geçmişiyle destekleyen yayın, testlerinin güvenilirliğini kanıtlamış durumda ve sonuçların tekrarlanabilirliğini vurgulamıştır.

Yapay Zeka Destekli Fiyatlandırmanın Tüketiciler Üzerindeki Etkisi

Yapay zeka destekli fiyatlandırma konusundaki bu eşitsizlik, tüketici raporlarını inceleyen ekip tarafından daha önce Instacart ile ilgili Aralık 2025’te yapılan benzer bir soruşturmayla karşılaştırılıyor. O dönemde Instacart’ın, yapay zeka destekli yazılımları kullanarak müşterileri farklı demografik gruplara ayırıp buna göre farklı fiyatlar uyguladığı iddia edilmişti. Bu durum, özellikle belirli posta kodlarındaki veya belirli harcama alışkanlıklarına sahip kullanıcılara daha yüksek ücretler yansıtılması şeklinde kendini göstermişti. Uber ve Lyft’in kişisel verileri fiyat belirlemek veya hayali indirimler/fiyatlandırmalar yapmak için kullandıklarını reddetmelerine rağmen, yapılan testler aksini gösteriyor. Bu durum, Instacart’ın teyit edilen yapay zeka fiyatlandırma yöntemine oldukça benzer bir tablo çiziyor. Hayali indirimler, kullanıcının daha yüksek bir referans fiyata göre indirimli bir fiyat gördüğü, ancak bu “indirimli” fiyatın aslında başka bir kullanıcının normal fiyatından daha yüksek olduğu durumları ifade eder.

Ne yazık ki, yapay zekanın fiyatları manipüle ettiği tek alan araç çağırma ve teslimat hizmetleri değil. Yakın zamanda açılan bir dava, California’da yapay zekanın yakıt fiyatlarını artırmak için kullanıldığı iddialarını gündeme getirdi. Bu davada, benzin istasyonlarının gizli algoritmalar aracılığıyla rekabeti kısıtlayarak fiyatları yapay olarak yükselttiği öne sürülmüştü. Tüm bu gelişmeler, yapay zeka güdümlü fiyatlandırmanın belirli insan grupları için yaşamı zorlaştırdığına dair genel bir tablo ortaya koyuyor. Özellikle sosyoekonomik durumu daha düşük olan veya dijital okuryazarlığı az olan tüketiciler, bu tür algoritmik manipülasyonlara karşı daha savunmasız hale gelebilirler. Uygulamaların şeffaflık vaatlerine rağmen, algoritmaların gizli kararlar alması, uzun vadede tüketici güvenini zedeleyebilir ve piyasalarda adaletsiz bir rekabet ortamı yaratabilir.

Algoritmaların Gölgesinde Fiyatlandırma Adaleti

Araç çağırma uygulamalarının dinamik fiyatlandırma politikaları, başlangıçta arz ve talep dengesini optimize etme amacı taşısa da, yapay zekanın gelişimiyle farklı bir boyut kazanmış durumda. Algoritmaların, kullanıcıların geçmiş davranışları, cihaz türleri (örneğin, daha pahalı telefon kullananlara daha yüksek fiyat), konum geçmişi, ödeme alışkanlıkları (örneğin, daha önce yüksek fiyatları kabul etme eğilimi) ve hatta pil seviyesi gibi kişisel verileri analiz ederek bireysel ödeme istekliliklerini (Willingness-To-Pay – WTP) tahmin etmesi ve buna göre kişiselleştirilmiş fiyatlar sunması, ciddi etik ve adalet sorunlarını beraberinde getiriyor. Bu durum, tüketicilerin “en iyi” fiyatı değil, “algoritmanın en fazla ödeyeceğini düşündüğü” fiyatı ödemesi anlamına gelebilir ve bu da dijital eşitsizliği derinleştirebilir.

Kişiye özel fiyatlandırma, rekabeti zayıflatabilir ve piyasada tekelleşmeyi teşvik edebilir. Eğer kullanıcılar aynı hizmet için sürekli farklı fiyatlarla karşılaşırsa, fiyat karşılaştırma imkanları ortadan kalkar ve bu da adil piyasa koşullarının bozulmasına yol açar. Ayrıca, benzer algoritmaların kullanılması, şirketler arasında bilinçsiz veya bilinçli bir “algoritmik gizli anlaşma” riskini de beraberinde getirebilir. Şirketlerin, fiyatlandırma algoritmalarının nasıl çalıştığına dair daha fazla şeffaflık sağlaması, hem yasal düzenleyicilerin hem de tüketicilerin haklarını korumak adına atılması gereken kritik bir adım olarak duruyor. Bu şeffaflık, kullanılan veri noktalarının açıklanmasını, fiyatlandırma kararlarının denetlenebilir olmasını ve tüketicilerin neden farklı fiyatlarla karşılaştıklarını anlamalarını sağlayacak araçların sunulmasını içermelidir. Aksi takdirde, dijital hizmetlerdeki bu gizli fiyatlandırma, tüketici güvenini sarsmaya ve düzenleyici otoritelerin müdahalesini kaçınılmaz kılmaya devam edecektir.