En el último tiempo, en el contexto del desarrollo de un número creciente de tecnologías basadas en inteligencia artificial, una de las preocupaciones que ha ido surgiendo entre las Instituciones que velan por el cumplimiento de la libre competencia, es la posibilidad de que se dé un equilibrio colusorio entre competidores que deciden sus precios a través de algoritmos. Este problema es aún más complicado de lo que pareciera a primera vista, pues, podría incluso darse el caso de que los algoritmos alcanzaran un equilibrio colusorio sin que los competidores estén conscientes del hecho. En este artículo revisaremos cómo se plantea la colusión algorítmica, cuáles son los problemas que podría generar y qué soluciones ha planteado la academia y otros organismos internacionales.
Antes que todo, es importante aclarar qué se entiende por colusión algorítmica. Si bien existen múltiples definiciones, a grandes rasgos es posible resumirlo así: las empresas competidoras deciden sus precios utilizando un algoritmo y éste decide el precio en base una técnica llamada aprendizaje por reforzamiento, que es la misma base que utilizan otros algoritmos notables como AlphaGo, famoso por vencer al jugador número uno de Go en el mundo. Básicamente, lo que hace este algoritmo es seguir una regla, que usualmente corresponde a maximizar el beneficio presente y futuro de la empresa y luego simular un número muy elevado de situaciones de mercado, probando distintos precios. Así, a medida que avanzan las simulaciones, el algoritmo va aprendiendo qué precios llevan a un mayor beneficio, optimizando su estrategia poco a poco. Entonces, el problema es que tiende a surgir una opción factible: subir los precios –sin la necesidad de coordinación entre los competidores- hasta niveles propios de una colusión, llegando incluso a seguir la estrategia de castigar a quién se desvía de este precio (Calvano et al, 2019).
Cabe notar que en este caso el algoritmo no es programado explícitamente para llegar a estos precios, sino que “descubre” autónomamente que ese camino es el más rentable. Lo anterior es clave, puesto que lleva a que sea altamente complejo comprobar que una subida anómala de precios se esté dando con una intención anticompetitiva o bien, se dio por razones lícitas.
Una pregunta importante que surge es qué cambia cuando el equilibrio colusorio se alcanza por la interacción entre algoritmos, a diferencia de personas. Como menciona el reputado economista Joseph Harrington (2017), cuando la colusión es entre personas, ésta es muy difícil de sostener ya que debido a cómo funciona la psicología humana, se tienden a generar desconfianzas que terminan disolviendo rápidamente los equilibrios colusorios, especialmente si no hay comunicación directa entre los competidores. En cambio, para los algoritmos este problema no existe, lo que permitiría sostener más fácilmente un acuerdo de precios anticompetitivamente altos, generando un aumento en el beneficio privado de los competidores, a costa de un menor bienestar en los consumidores.
Considerando la complejidad del tema, se ha encendido un fuerte debate desde la academia, las políticas públicas y los organismos que resguardan la libre competencia, respecto de cómo debiera abordarse desde un punto de vista regulatorio algo que a priori no es ilegal, pero sí pernicioso para el bienestar de los consumidores. A continuación, se presentarán algunos puntos de vista.
Harrington, en su trabajo Developing Competition Law for Collusion by Autonomous Price-Setting Agents, plantea que estos algoritmos debiesen ser regulados por un panel de expertos que revise el funcionamiento del algoritmo. Más específicamente, plantea dos opciones: que sea revisado el código de éste, para ver si existe pre-programado algún comportamiento anticompetitivo, o bien, simular distintas situaciones de mercado y ver qué precios arroja el algoritmo. Si este comportamiento es consistente con un comportamiento colusorio, también se estaría incurriendo en delito, según el autor. Sin embargo, Harrington deja abierto el debate sobre la factibilidad de esta solución, dado lo difícil que podría ser realizar auditorías sobre cada compañía que utilice algoritmos de precios.
Por otro lado, Deng (2019) propone el concepto de Compliance by Design, es decir que, dada la dificultad de probar ex post un comportamiento anticompetitivo en estos casos, los algoritmos deben tener considerado dentro de su diseño el cumplimiento de la normativa: esta regla puede ser agregada como una restricción al problema de optimización que estos algoritmos resuelven. En otras palabras, el algoritmo se programaría de manera tal que, antes de decidir un nuevo precio, verificara que su acción estuviera en acuerdo con la normativa del país.
Por su parte, para la OECD, en su Roundtable on Algorithms and Collusion (2017), llegan a la conclusión de que los algoritmos podrían generar un agujero legal en las normas de libre competencia, por lo que es posible que estas leyes deban ser reformadas en el futuro. Sin embargo, dado que es un terreno poco explorado, recomiendan que los cambios sean implementados con cuidado, de a poco y la experiencia en torno a estos se comparta, para nutrir el debate.
Por último, tanto la Competition & Markets Authority de Reino Unido como Ezrachi & Stucke (2017), concuerdan en que los algoritmos debieran ser más transparentes: los algoritmos de aprendizaje por reforzamiento son parte del grupo de “Caja Negra”, llamados así porque es altamente difícil explicar cómo estos llegan a las decisiones a las que llegan. Por lo mismo, se propone que sean creados de forma que el proceso de toma de decisiones pueda ser interpretado y entendido por un potencial ente regulador.
En resumen, el debate sobre la posibilidad de equilibrios colusorios basados en decisiones tomadas por algoritmos aún está abierto y es de carácter especulativo. El problema es profundo y multidisciplinario, lo que lo hace particularmente complejo; razón suficiente para seguir el proceso de recolección de evidencia y conversación, con el fin de eventualmente, llegar a un consenso de cómo debiera ser abordado este tema desde el punto de vista de la regulación.
Por Juan Concha
Economista y Data Scientist
FK Datalab
Fuente: Contrafactual.cl