Mesma corrida, preços diferentes: a IA de Uber e Lyft amplia a margem
Consumer Reports achou diferença mediana de 50% para viagens idênticas e descontos que podem ser fictícios; reguladores já se mexem.
A Consumer Reports testou Uber e Lyft com 174 voluntários em 18 estados dos EUA, em março e abril, e encontrou diferença mediana de 50% entre o menor e o maior preço para a mesma viagem, pedida quase no mesmo minuto, do mesmo ponto ao mesmo destino. Em Kansas City, 55 voluntários viram 29 preços distintos para um único trajeto. Publicado em 16 de junho, o estudo coloca a precificação personalizada no centro do debate de governança.
Como as rotas foram precificadas quase no mesmo instante, as diferenças não se explicam só por oferta e demanda. A apuração ainda aponta que cerca de 11% dos descontos anunciados eram fictícios: o "preço original" riscado não correspondia ao valor de partida real da rota. As duas empresas negam personalizar tarifas-base por indivíduo e atribuem a variação a condições de mercado em tempo real.
Para quem responde por risco e conformidade, o ponto não é a tarifa em si, mas o uso de dados pessoais para definir quanto cada cliente paga — terreno que aciona proteção de dados, defesa do consumidor e concorrência.
Instacart já mostrou o mesmo padrão
O caso não é isolado. Em dezembro de 2025, a Consumer Reports já havia flagrado a Instacart usando software para cobrar valores diferentes pelos mesmos itens; segundo a apuração, alguns clientes pagavam até 23% mais, o equivalente a cerca de US$ 1.200 por ano para uma família de quatro pessoas.
A mecânica é conhecida. Desde 2016, Uber e Lyft migraram para o "preço antecipado", calculado por algoritmo antes do toque no botão. A fatia retida pelas plataformas subiu — de 32% em 2022 para 42% em 2024, segundo Len Sherman, da Columbia — e os testes da CR mostraram retenção entre 43% e 49,5% por corrida. O lucro da Uber em mobilidade saltou de US$ 2,1 bilhões em 2019 para US$ 7,9 bilhões em 2025.
O que diferencia a fase atual é o dado comportamental. Patentes de Uber e Lyft, citadas pela CR, descrevem escores de "disposição a pagar" e inferências a partir de velocidade de digitação, marcha, ângulo de inclinação do aparelho e histórico de trajetos — capaz, segundo a Uber, de identificar um pai ou mãe solo pela rotina de creche. A EPIC resume o objetivo da precificação por vigilância: estimar o teto que cada consumidor aceita pagar, muitas vezes viabilizado por programas de fidelidade.
CDC e LGPD cercam a tarifa opaca
No Brasil, o mesmo desenho tarifário já tensiona três frentes. O Código de Defesa do Consumidor exige que o preço anunciado seja o cobrado e veda elevar sem justa causa o valor de serviços; para Luã Cruz, do Idec, a regra existe, mas a opacidade algorítmica torna a prova do abuso difícil.
A leitura concorrencial reforça o alerta. Lilian Marques, economista-chefe do Cade, diz que precificar por algoritmo pode aproximar o mercado da discriminação de preços de primeiro grau — cobrar de cada um o máximo que aceita pagar. Beatriz Kira, professora em Sussex, sustenta que o problema é a falta de transparência sobre o que determina o preço, com modelagem em nível individual.
Há ainda a camada de dados pessoais. Definir tarifa a partir de comportamento e histórico esbarra no direito de revisão de decisões automatizadas e nos princípios da LGPD, exatamente o tipo de tratamento que o teste do TechTudo tentou flagrar ao comparar preços em dois aparelhos. Em dezembro de 2025, os Procons de São Paulo e do Rio notificaram Uber e 99 por saltos de tarifa.
FTC e Congresso dos EUA já pressionam
A reação regulatória já está na mesa lá fora, e é o que a alta gestão precisa monitorar. A FTC concluiu, em estudo de janeiro de 2025 sob Lina Khan, que empresas usam dados como localização precisa, histórico de navegação e até movimentos de mouse para mirar preços individuais.
O Congresso entrou no tema. Em março de 2026, a Comissão de Supervisão da Câmara, presidida por James Comer, abriu apuração sobre a chamada surveillance pricing, e democratas da Comissão de Energia e Comércio enviaram, em 11 de maio, novo questionamento a empresas do setor. A dúvida central levantada pelos parlamentares é se dados pessoais estão definindo preços individualizados — e com qual transparência.
O assunto deixou o nicho técnico. Levantamento da Multistate registra a precificação por vigilância como pauta de campanha rumo às eleições de meio de mandato, com estados legislando sobre o uso de dados pessoais na formação de preços. Para o board, o risco combina exposição regulatória, reputacional e de litígio.
Onda de leis e Portaria 61 mudam o jogo
O movimento regulatório acelera. Maryland aprovou a primeira proibição estadual de precificação por vigilância, com vigência em 1º de outubro de 2026; Connecticut sancionou a sua em 4 de junho, com exigência de aviso quando o preço for definido por dados pessoais do consumidor.
Nova York aprovou no Legislativo o One Fair Price Act, que aguarda sanção da governadora, enquanto o Colorado vetou proposta semelhante — sinal de que o desenho das regras ainda varia entre os estados.
No Brasil, a Portaria 61/2026 passou a exigir que aplicativos detalhem a composição do valor final e emitam recibos discriminados, e o PL 4.675/2025, de mercados digitais, prevê obrigações de transparência para plataformas de relevância sistêmica. São os contornos que o regulador já sinaliza antes de virarem obrigação plena.
Empresas contestam método e cálculo
As empresas rejeitam as conclusões. A Lyft fala em "efeito observador" — voluntários medindo a mesma rota ao mesmo tempo teriam inflado a demanda; a Uber sustenta que, com preços mudando quase a cada segundo, é impossível garantir pedidos simultâneos e que viagens com mesma origem e destino não são a mesma viagem.
Sobre os descontos, a Uber afirma que o valor riscado é "comparação histórica", e não promoção. Ambas dizem reter fatia bem menor do que a apurada — em torno de 20% e abaixo de 30% —, atribuindo a diferença a gastos com seguro dos motoristas, o que especialistas consideram fora do padrão contábil usual.
Os pesquisadores ouvidos no estudo discordam dos argumentos. Len Sherman, da Columbia, diz que o controle de tempo e de oferta derruba a tese das plataformas; Keith Chen, da UCLA e ex-Uber, sustenta que há, sim, um preço-base algorítmico; e Christo Wilson, da Northeastern, vê como improvável que poucas dezenas de voluntários criem picos de demanda nos locais testados.
Na data de 24 de junho de 2026, momento da publicação desta notícia compilada, todos os links estavam disponíveis. Não nos responsabilizamos nem controlamos eventuais alterações, remoções das URLs ou modificações no conteúdo das fontes consultadas.
