Como funciona a “mão invisível” do algoritmo
Imagine um software que, alimentado diariamente por dados sigilosos de dezenas de grandes locadores — preços praticados, taxas de ocupação, características de cada unidade —, processa tudo isso e devolve uma recomendação: “cobre exatamente este valor”. Parece uma ferramenta inofensiva de otimização? Pois é exatamente assim que funcionam plataformas como RealPage e Yardi nos Estados Unidos, e serviços como o QPreço e o Preço Inteligente do QuintoAndar no Brasil.
Os algoritmos de precificação dinâmica cruzam centenas de variáveis — localização, metragem, andar, número de quartos, condições do mercado, histórico de transações — para sugerir o “preço ótimo”. No papel, prometem eficiência e rapidez, ajudando proprietários a evitar o sobe-e-desce da tentativa e erro. Mas, na prática, quando adotados em larga escala por grandes administradoras de imóveis, esses sistemas criam uma coordenação involuntária (ou nem tão involuntária assim) entre concorrentes.
O problema central é que os algoritmos não apenas refletem o mercado — eles o fabricam. Ao receber informações sensíveis de múltiplos players e devolver recomendações padronizadas, a IA elimina a competição real entre locadores. Como resultado, os preços sobem de forma sincronizada, como se houvesse um conluio explícito, ainda que nenhum proprietário tenha trocado uma única mensagem com o concorrente.
🇺🇸 O grande precedente: os casos RealPage e Yardi nos EUA
Se a ideia de um cartel algorítmico ainda parece abstrata, o Departamento de Justiça dos Estados Unidos tratou de torná-la concreta. Em 2024, o DOJ entrou com uma ação antitruste contra a RealPage, acusando a empresa de fornecer um software que permitia a grandes proprietários compartilhar informações não públicas sobre preços e ocupação — e, em troca, receber recomendações de aluguel que inflacionavam artificialmente os valores.
A denúncia detalhou que a RealPage, por meio de seu algoritmo YieldStar, processava dados sigilosos de concorrentes e sugeria preços supracompetitivos, eliminando descontos e promoções e forçando os aluguéis para cima. A empresa chegou a declarar que fornecia serviços para mais de 31 mil proprietários, administrando mais de 19,7 milhões de imóveis nos EUA.
Em novembro de 2025, a RealPage firmou um acordo com o DOJ: o software não poderia mais usar informações em tempo real sobre contratos vigentes nem dados não públicos de concorrentes para treinar seus algoritmos. A diretora da Divisão Antitruste do DOJ, Gail Slater, foi enfática: “Empresas concorrentes precisam tomar decisões de precificação independentes. Com o avanço das ferramentas algorítmicas e de IA, continuaremos na vanguarda da aplicação vigorosa das leis antitruste”.
Pouco depois, a atenção se voltou para a Yardi Systems. Uma ação coletiva acusou a empresa de operar um esquema de fixação de preços por meio de seu software RENTmaximizer (rebatizado como Revenue IQ), descrito como o centro de uma conspiração “hub‑and‑spoke” (centro‑e‑raio). De acordo com a denúncia, o algoritmo usava dados confidenciais de locadores para recomendar preços artificialmente inflados — e uma análise econômica citada no processo constatou que propriedades que utilizavam o RENTmaximizer cobravam aproximadamente 6% mais caro do que imóveis comparáveis que não usavam o software.
Em outubro de 2025, um tribunal da Califórnia concedeu julgamento sumário favorável à Yardi em um dos casos (Mach v. Yardi), confirmando que o Revenue IQ não viola as leis antitruste e de concorrência desleal da Califórnia porque, por projeto, não utiliza informações de precificação confidenciais de um cliente para recomendar preços a outro. No entanto, outras ações judiciais seguem em andamento, e o caso RealPage já deixou um legado claro: algoritmos de precificação estão sob escrutínio crescente das autoridades de defesa da concorrência em todo o mundo.
🇧🇷 E no Brasil? O que já está acontecendo por aqui
O mercado brasileiro não está imune a essa tendência. Desde 2020, o QuintoAndar — principal plataforma de locação residencial do país — oferece ferramentas de precificação baseadas em IA. O Preço Inteligente foi lançado em setembro daquele ano, cruzando dados de localização, metragem, estado de conservação e histórico da plataforma para sugerir o valor do aluguel. À época, a ferramenta já havia sido usada em cerca de 20 mil imóveis alugados na plataforma.
Mais recentemente, o QuintoAndar lançou o QPreço, uma inteligência de precificação que combina dados exclusivos e públicos para oferecer estimativas de venda e locação. A ferramenta considera transações realizadas, registros públicos de IPTU e ITBI, além de anúncios ativos na plataforma. A empresa afirma que o objetivo é trazer transparência e segurança: segundo uma pesquisa do Grupo QuintoAndar com o Datafolha, 65% dos brasileiros já desistiram de fechar um contrato por receio de pagar um preço inadequado, e 84% relataram dificuldades em acessar informações precisas sobre os valores dos imóveis.
No entanto, a diferença entre uma ferramenta que “auxilia” o proprietário e um sistema que, adotado em massa, coordena preços é tênue. A literatura antitruste brasileira já alerta para os riscos de colusão algorítmica — mesmo quando não há comunicação explícita entre concorrentes. Um estudo publicado na Revista do CADE apontou que “um equilíbrio coordenado poderia surgir se o estabelecimento de preços por um algoritmo central conduzisse a preços que maximizassem os lucros”.
A questão que se coloca é: será que o CADE (Conselho Administrativo de Defesa Econômica) e as autoridades brasileiras estão preparados para enfrentar essa nova fronteira da concorrência? Até o momento, não há registro de investigações formais sobre algoritmos de precificação no setor de locação residencial no Brasil. Mas o precedente americano sugere que é uma questão de tempo até que o tema chegue com força por aqui.
🔇 O “cartel silencioso”: por que o nome faz sentido
A expressão “cartel silencioso” captura com precisão a natureza do fenômeno. Um cartel tradicional exige reuniões secretas, telefonemas cifrados, acordos explícitos entre concorrentes — tudo isso passível de ser flagrado por autoridades antitruste. O cartel algorítmico dispensa a comunicação humana. Os preços se alinham porque os algoritmos, treinados com os mesmos dados e otimizando para os mesmos objetivos (maximização de receita), chegam independentemente às mesmas conclusões.
Mais do que isso: os algoritmos aprendem rápido. Críticos apontam que “as máquinas aprendem rapidamente” a elevar os preços “acima dos níveis competitivos” para “vencer”. Quando dezenas de grandes administradoras utilizam o mesmo software de precificação, o resultado prático é indistinguível de um conluio explícito — com a diferença de que é muito mais difícil de provar e combater.
O caso do Airbnb ilustra outro aspecto desse fenômeno. Plataformas de locação de curta temporada também utilizam algoritmos de preço dinâmico que, ao maximizar a receita por noite, reduzem a oferta de imóveis para locação residencial de longo prazo, pressionando ainda mais os preços para cima e acelerando processos de gentrificação. Como observou a publicação BM&C News, “quando algoritmos influenciam preços e decisões urbanas em larga escala, as consequências para o direito à cidade podem ser devastadoras”.
