Czynsz ustala algorytm: pozew Departamentu Sprawiedliwości na RealPage i sześciu gigantów najmu

Czynsz ustala algorytm: pozew Departamentu Sprawiedliwości na RealPage i sześciu gigantów najmu

Kiedy najemca w Stanach Zjednoczonych dostaje podwyżkę czynszu, zakłada zwykle, że wynika ona z rynku: popytu, lokalizacji, stanu budynku. Pozew Departamentu Sprawiedliwości USA zeznaje co innego — w milionach mieszkań czynsz ustalał ten sam algorytm, karmiony danymi konkurencji.

Szesciu gigantów, jeden soft

W amerykanizowanym pozwie Departament Sprawiedliwości wraz z dziesięcioma stanami oskarżyło RealPage — dostawcę oprogramowania do zarządzania przychodami — oraz sześciu największych operatorów najmu: Greystar, LivCor (należący do Blackstone), Camden Property Trust, Cushman & Wakefield z Pinnacle, Willow Bridge i Cortland. Razem zarządzają ponad 1,3 miliona mieszkań w 43 stanach i Dystrykcie Kolumbii.

Zarzut: uczestnictwo w nielegalnym schemacie, który zmniejszał konkurencję między wynajmującymi. Oprogramowanie RealPage — AIRM i YieldStar — korzystało z niepublicznych, wrażliwych konkurencyjnie danych: wykonanych umów najmu, wniosków, stawek odnowień. Każdy klient widział w rekomendacjach ceny ustawiane na podstawie danych swoich rywali.

Jak algorytm podnosi cenę

Mechanizm opisano w pozwie z dokładnością do parametrów. Funkcja auto-accept automatycznie zatwierdzała rekomendacje cenowe — domyślnie do 3% zmiany dziennie i 8% tygodniowo. Wewnętrzne szkolenia RealPage uczyły doradców „poszerzania parametrów auto-accept”, aż klienci „przyjmowali wszystkie rekomendacje”. Wynajmujący de facto przekazywali uprawnienia cenowe firmie trzeciej.

Do tego dochodziły „call arounds” — regularne telefony i maile do konkurencji o czynszach, obłożeniu i strategiach cenowych, eufemistycznie nazywane „badaniami rynku” — oraz „grupy użytkowników” RealPage, na których rywale omawiali jak modyfikować metodykę cenową.

Sądowy akt oskarżenia przytoczył wypowiedź menedżera RealPage o zjawisku „rising tide”: przy rosnącej adopcji oprogramowania uczestniczący wynajmujący „prawdopodobnie poruszali się w zgodzie, nie przeciwko sobie”, a trajektorie cen porównywanych obiektów były „przerażająco podobne”. Algorytm nie rekomendował ceny poniżej minimum rynkowego — więc gdy rywale podnosili ceny, podnosili je wszyscy.

Kto płaci

Według danych przytoczonych w pozwie odsetek dochodu wydawanej na czynsz przez Amerykanów bez wyższego wykształcenia wzrósł z 30% w 2000 roku do 42% w 2017. W 2022 liczba gospodarstw domowych wydających ponad połowę dochodu na brutto-czynsz sięgnęła 12,1 miliona.

W listopadzie 2025 Departament Sprawiedliwości zawarł z RealPage proponowaną ugodę: software nie może już używać niepublicznych danych konkurencji w działaniu produkcyjnym, modele mogą być trenowane wyłącznie na danych historycznych starszych niż 12 miesięcy, a funkcje ograniczające obniżki cen mają zostać usunięte lub przeprojektowane. Cortland dodatkowo przystał na wyrok wymagający nadzoru korporacyjnego.

Pozew przeciw sześciu operatorom najmu trwa. Dla najemców lesson jest prosta: cena czynszu może być skutkiem zmowy algorytmicznej — a regulatorzy zaczynają to ścigać tak samo jak klasyczne kartele.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.

Więcej w tym temacie

Czytaj dalej

Dom wyceni algorytm: AVM pod hipotekę — błędy systemowe, które kosztują tysiące

Dom wyceni algorytm: AVM pod hipotekę — błędy systemowe, które kosztują tysiące

AI podnosi ceny na stacji: pozew o zmowę paliwową wobec Walmart, BP i 7-Eleven

AI podnosi ceny na stacji: pozew o zmowę paliwową wobec Walmart, BP i 7-Eleven

Płacą 62% więcej: premia za umiejętności AI dzieli rynek pracy na dwa tory

Płacą 62% więcej: premia za umiejętności AI dzieli rynek pracy na dwa tory

Wklej, odzyskaj pieniądze: AI pisze reklamacje, a straty zwrotów pędzą do 115 mld dolarów

Wklej, odzyskaj pieniądze: AI pisze reklamacje, a straty zwrotów pędzą do 115 mld dolarów