Alla fine di febbraio 2026, lo Stretto di Hormuz — la via d'acqua attraverso cui transita circa il 20% del petrolio e il 20% del GNL scambiati a livello globale — si è di fatto chiuso. Quanto ne è seguito è stato descritto dall'Agenzia Internazionale per l'Energia come la più grande interruzione dell'offerta nella storia del mercato petrolifero mondiale.
Il Brent è salito da circa 80 a 114 dollari al barile nel giro di settimane. I prezzi del diesel in Europa, già sotto pressione per disruption precedenti, sono aumentati bruscamente. L'UE ha stimato che i prezzi del gas siano saliti del 70% e quelli del petrolio del 50%, aggiungendo 13 miliardi di euro ai costi europei di importazione di combustibili fossili. Gli analisti di Brookings hanno messo in guardia contro prezzi di scarsità specificamente per il diesel — il carburante che alimenta il trasporto su strada, la logistica e una quota significativa dei volumi del retail carburanti europeo.
Per gli operatori del retail carburanti in DACH e Italia, le settimane successive sono state un test di qualcosa per cui la maggior parte non aveva esplicitamente progettato i propri sistemi di pricing: operare in condizioni al di fuori della norma storica.
Quando il pricing basato su regole incontra una situazione inedita
La maggior parte dei sistemi di pricing nel retail carburanti, siano essi manuali, basati su regole o su corrispondenza con i concorrenti, è calibrata su condizioni di mercato storiche. Le regole riflettono ciò che ha funzionato in passato: prezzare all'interno di una fascia di mercato, rispondere ai movimenti dei concorrenti con un incremento prestabilito, proteggere il margine mantenendo un floor.
Queste regole funzionano bene quando il mercato si comporta come ha fatto storicamente. Funzionano male quando il mercato si muove in modi che esulano dalle condizioni su cui sono state calibrate.
La chiusura di Hormuz è stata esattamente quel tipo di evento. I prezzi del greggio non sono scivolati gradualmente, sono balzati. I vincoli di offerta non sono emersi progressivamente, sono arrivati su scala nel giro di giorni. Il comportamento dei concorrenti è diventato meno prevedibile, poiché gli operatori delle reti hanno preso decisioni indipendenti se trasferire immediatamente gli aumenti dei costi o assorbirli temporaneamente per proteggere i volumi.
Le regole calibrate su condizioni storiche non possono indicare il prezzo giusto quando le condizioni cambiano abbastanza rapidamente da invalidare la storia.
In questo contesto, un sistema basato su regole si trova davanti a un problema strutturale. Le sue raccomandazioni sono, in sostanza, una funzione del comportamento passato del mercato. Quando il comportamento passato smette di essere una guida affidabile per le dinamiche attuali, il sistema continua a produrre output — ma quegli output sono estrapolazioni da un mondo che non esiste più.
Cosa fanno diversamente i modelli causali sotto pressione
La distinzione tra un sistema di pricing basato su regole e uno causale non riguarda principalmente la velocità o il volume di dati. Riguarda ciò che il sistema effettivamente misura.
Un modello di pricing causale — costruito con metodi come il Double Machine Learning — misura la relazione tra prezzo e domanda direttamente, dai dati propri di ciascun impianto, con le influenze non legate al prezzo rimosse. Tale misurazione è specifica all'impianto, specifica al tipo di carburante e specifica al mix di clienti che l'impianto serve effettivamente.
Quando i prezzi del greggio aumentano e il mercato entra in un regime che le regole storiche non avevano previsto, il modello causale dispone di qualcosa che il sistema basato su regole non ha: una stima validata di come i propri clienti rispondono al prezzo, indipendentemente da ciò che il mercato circostante sta facendo. Un impianto prevalentemente fleet con clienti insensibili al prezzo può assorbire un aumento dei costi diversamente da una stazione di servizio in area urbana dove i clienti al dettaglio hanno tre alternative nel giro di cinque minuti di guida. Il sistema basato su regole tratta entrambi con la stessa logica. Il modello causale no.
Pricing Intelligence ricalcola i prezzi quotidianamente rispetto ai feed di prezzo live dei concorrenti. Durante il periodo di Hormuz, con il pricing dei concorrenti diventato volatile e imprevedibile, quella ricalibrazione giornaliera — combinata con la sensibilità al prezzo per impianto — ha permesso alle raccomandazioni di rispondere alle condizioni di mercato reali piuttosto che a pattern storici che non erano più validi.
Il contributo del Kiel Institute
La ricerca del Kiel Institute for the World Economy, pubblicata nel marzo 2026, ha modellato le conseguenze economiche di una chiusura totale di Hormuz. Una delle sue conclusioni chiave è direttamente rilevante per come progettare i sistemi di pricing: nel breve periodo, le imprese non possono facilmente cambiare fornitore, redirigere le spedizioni o rinegoziare i contratti. Lo scenario di breve periodo ha prodotto picchi di prezzo nettamente più pronunciati proprio perché la rigidità del sistema — raffinerie configurate per tipi specifici di greggio, terminali GNL che necessitano di mesi per garantire carichi alternativi — ha amplificato lo shock invece di assorbirlo.
I sistemi di pricing affrontano un'analoga rigidità. Un sistema costruito attorno a regole storiche e alla corrispondenza con i concorrenti è configurato per le condizioni di mercato su cui è stato addestrato. Quando tali condizioni cambiano bruscamente, la rigidità si manifesta come raccomandazioni lente ad adattarsi, o che si adattano nella direzione sbagliata, o che trattano tutti gli impianti di una rete come se affrontassero le stesse dinamiche di mercato.
Gli operatori più attrezzati a gestire uno shock dell'offerta non sono quelli con più dati. Sono quelli che sanno come i propri clienti rispondono realmente al prezzo.
Cosa significa per il vostro approccio alla resilienza del pricing
La crisi di Hormuz è, in un certo senso, un evento estremo. La maggior parte degli anni, il pricing opera in condizioni più stabili. Ma la lezione che offre non è specifica alle disruption gravi.
Le condizioni di mercato cambiano. I concorrenti entrano ed escono. I cambiamenti normativi ridisegnano il contesto del pricing — il dibattito sulla 12-Uhr-Regel in Germania è un esempio recente di intervento politico che ha modificato le modalità di fissazione dei prezzi degli operatori. Il comportamento dei consumatori evolve con il cambiamento del mix di carburanti e la crescita della penetrazione dei veicoli elettrici.
Un sistema di pricing che conosce la sensibilità al prezzo dei propri clienti — misurata causalmente, validata statisticamente, aggiornata dai propri dati continui — non deve essere riprogettato ogni volta che il contesto esterno cambia. La misurazione fondamentale si adatta perché è radicata nel mercato reale, non in un'approssimazione storica di esso.
La chiusura di Hormuz è stata uno stress test insolitamente brusco. La maggior parte dei contesti di pricing applica una versione più lenta e silenziosa della stessa pressione. La domanda che pone non è se il vostro strumento di pricing abbia superato marzo 2026. È se il vostro sistema di pricing sia costruito per distinguere tra ciò che il mercato sta facendo e cosa significa per voi.
Tutti i dati di mercato in questo articolo sono tratti da fonti pubbliche come indicato di seguito. Backwell Tech non ha alcun rapporto commerciale con nessuna delle istituzioni citate.
Informazioni su Backwell Tech
Backwell Tech è un’azienda high-tech con sede a Berlino specializzata in soluzioni predittive basate sull’intelligenza artificiale. La piattaforma offre alle aziende modelli di IA scalabili per la massimizzazione dei profitti, utilizzando dati storici e in tempo reale e garantendo l’integrità dei dati. Sin dalla sua fondazione nel 2019, Backwell Tech ha combinato la ricerca all’avanguardia con l’innovazione pratica nel campo degli algoritmi spiegabili. L’azienda si concentra sullo sviluppo etico dell’IA e fornisce previsioni affidabili e interpretabili che consentono di prendere decisioni aziendali informate. Maggiori informazioni su www.backwelltechcorp.com.
Contatto Backwell Tech Corp:
Maximilian Gismondi
Fonti
- Scala della disruption: Agenzia Internazionale per l'Energia (IEA), citata dal World Economic Forum. Aprile 2026.
- Dati sul greggio: Bloomberg. Marzo 2026. Brent da $80 a $114 al barile.
- Stima costi UE: Euronews. 31 marzo 2026. Gas +70%, petrolio +50%, +13 miliardi di euro di costi di importazione.
- Rischio scarsità diesel: Brookings Institution. Maggio 2026.
- Rigidità di breve periodo: Hinz, J., Mahlkow, H., and Wanner, J. (2026). Kiel Policy Brief 206. Kiel Institute for the World Economy.
- Metodologia Backwell: Chernozhukov, V., Chetverikov, D., Demirer, M., et al. (2018). The Econometrics Journal 21(1), C1-C68.
- Dati pilota: Backwell Tech, pilot interno, rete di 4 impianti, backtest di 110 settimane. Risultati indicativi, non garanzia di performance futura.