Qualquer análise abrangente sobre regulação da economia digital passa pelo uso intensivo de dados pessoais, por atores de mercado, para definir estratégias e oferecer produtos e serviços a consumidores (Big Data). A ideia de "dados como um ativo" hoje encontra manifestação concreta nos comportamentos de inúmeros atores de mercado, merecendo também crescente atenção de reguladores e formuladores de políticas públicas.
O processamento de grandes volumes de dados consiste em seu cruzamento, organização e interpretação de tal forma a produzir conhecimentos com grande relevância econômica[1]. Dados permitem que empresas compreendam melhor os comportamentos, interesses, inclinações e preferências de consumidores - ou ainda, informações mais concretas, como endereço, faixa de renda, rotina, amigos próximos e familiares.
Esse tipo de informação é especialmente útil para as plataformas digitais que atuam na intermediação entre fornecedores e consumidores. Conhecer melhor o perfil, condições e situação dos usuários permite que marketplaces lhes direcionem ofertas que geralmente não estariam à vista e ofereçam produtos e serviços mais adequados às suas necessidades e preferências. A personalização de ofertas por meio do tratamento de dados pode funcionar como um efetivo redutor de custos de transação, azeitando a integração entre as duas pontas da cadeia de consumo: vendedores passam a ter condições de conhecer melhor seus consumidores, dividi-los em segmentos e oferecer-lhes produtos mais adequados às suas necessidades.
A despeito de seus potenciais benefícios, a personalização de ofertas costuma ser questionada, principalmente, quanto aos seus efeitos na equidade entre vendedores e consumidores - isto é, que a capacidade de plataformas digitais de precificar ofertas conforme os dados pessoais de consumidores possa dar margem a abusos. É preciso enfrentar essas preocupações e fornecer-lhes respostas.
Primeiro, há um risco quanto à equidade das práticas comerciais em razão do possível tratamento de dados de baixa qualidade: o bom funcionamento da personalização de ofertas depende diretamente de que os dados utilizados por ela permitam o aferimento da disposição em pagar de consumidores. Caso não haja correlação entre as duas coisas, é possível que alguns dos usuários passem a visualizar ofertas a preços mais altos sem que haja um trade-off efetivo em termos de bem-estar total dos consumidores - ou seja, sem que outros consumidores passem a ter acesso à mesma oferta sob condições melhores.
Na prática, isso exige que plataformas realizem um juízo preciso da necessidade de coleta de certos dados e de sua adequação ao fim de estimar a disposição a pagar de consumidores do modo mais fiel possível. Da mesma forma, é preciso assegurar parâmetros básicos de transparência, de modo que consumidores possam (i) ter ciência de quais de seus dados são coletados para essa finalidade e (ii) eventualmente, exercer seu direito de solicitar a correção de dados incorretos, incompletos ou desatualizados, ou ainda solicitar a interrupção do tratamento de dados excessivos ou inadequados.
A possível quebra de equidade também é levantada em relação à possibilidade de que, sendo a personalização feita com base nos chamados dados pessoais sensíveis (raça, etnia, religião, filiação política, dados de saúde, etc.), ela produza uma discriminação abusiva contra consumidores. O risco envolve, também, a chamada discriminação algorítmica: um determinado algoritmo, ao identificar que consumidores de determinada etnia tendem a consumir mais determinados produtos, pode interpretar que a etnia é um dado relevante para orientar a precificação do produto, gerando situações de discriminação.
É preciso aqui fazer uma distinção importante: o fato de que dois grupos de consumidores tiveram acesso a uma mesma oferta sob condições diferentes (por exemplo, preço) não implica necessariamente numa discriminação. Fosse esse o caso, qualquer diferenciação de ofertas entre consumidores seria, por si só, abusiva. A abusividade, contudo, depende de a diferenciação (i) ser feita sobre características protegidas pelo Direito (em geral, relacionadas a dados sensíveis de consumidores) ou (ii) ser feita sobre critérios legítimos, mas produzir indiretamente resultados excessivamente desiguais sobre consumidores de grupos vulneráveis (a chamada discriminação indireta). Assim, nota-se que há possíveis personalizações que sem dúvida caem na seara discriminatória (por exemplo, imposição de preços diferentes a consumidores brancos e negros), mas também outras que parecem, a princípio, lícitas (por exemplo, geolocalização).
O necessário debate sobre personalização de ofertas e equidade claramente ainda tem um longo caminho a percorrer - em especial no Brasil, onde as autoridades encarregadas da proteção ao consumidor e de seus dados ainda não resvalaram na questão de modo mais sistemático. Para tanto, é preciso levar a sério tanto a necessidade de se garantir a integridade de dados tratados como a consideração de que tipos de personalização são incompatíveis com nosso ordenamento jurídico e quais não são.
[1] FRAZÃO, Ana. Big Data e Impactos sobre a Análise Concorrencial. Jota (28/11/2017). Disponível em: https://www.jota.info/paywall?redirect_to=//www.jota.info/opiniao-e-analise/colunas/constituicao-empresa-e-mercado/big-data-e-impactos-sobre-a-analise-concorrencial-28112017
*Alexandre Pacheco da Silva, professor da graduação e da pós-graduação da FGV DIREITO SP, onde coordena o Centro de Ensino e Pesquisa em Inovação (FGV - CEPI). Doutor em Política Científica e Tecnológica (Unicamp) e mestre em Direito e Desenvolvimento (FGV Direito SP)
*Victor Doering da Silveira, pesquisador do Centro de Ensino e Pesquisa em Inovação, da FGV DIREITO SP (FGV-CEPI). Doutorando em Direito pela Faculdade de Direito da Universidade de São Paulo (FDUSP). Mestre e bacharel em Direito pela mesma instituição. Foi bolsista do Fundo Sasakawa de Bolsas para Líderes Jovens (SYLFF)
