opinión

Algoritmos, big data y colusión

Algoritmos, big data y colusión

 Una mañana de Abril del 2011, un estudiante de doctorado entró en Amazon para comprar un libro que necesitaba el laboratorio universitario de la Universidad de Berkeley. El libro, The Making of a Fly [La creación de una mosca], un ensayo sobre biología evolutiva, es una lectura obligada para todos los investigadores que quieran entender qué sucede en la creación de la vida desde la primera célula hasta el desarrollo de un ser vivo.

Lo que no se esperaba este aspirante a biólogo es encontrarse cara a cara con uno de los ejemplos más claros de cómo el mundo digital está afectando la economía. El libro, que se suele vender por unos 122 dólares, se vendía en ese momento por 24 millones. La razón: de las dos empresas que estaban ofreciendo el libro online, cada una de ellas estaba fijando su precio en función del precio que había fijado la otra. A través de un algoritmo, Profnath, una de las editoriales, establecía su precio siempre un 1% menos que el precio que asignaba Bordebook, la otra editorial. Bordebook, a su vez, había establecido una regla para que el precio de su libro se fijase automáticamente en un 27% más que el de Profnath. El resultado fue que el precio empezó a incrementar exponencialmente, hasta que Profnath se dio cuenta y lo redujo de nuevo hasta los 106.23$.

Este caso, aunque inocente, no deja de ejemplificar el cambio que está experimentando la forma en la que las empresas compiten en el mundo digital, y el potencial disruptivo que el auge del algorithmic pricing y el big data pueden tener en los mercados del siglo XXI. A medida que la economía se digitaliza, las empresas tienen más y más acceso a información sobre las preferencias de sus clientes y las características de sus competidores. Esto les da la posibilidad de crear, entre otras cosas, sistemas dinámicos de fijación de precios que se actualizan dependiendo de los objetivos que fijen los ejecutivos, teniendo en cuenta información como las características de los clientes, el número de unidades vendidas o el precio de los competidores. Con los algoritmos, la toma de decisiones de muchas empresas se ha acelerado a una velocidad no-humana, y ha creado un ecosistema en el que el precio de los productos varía al minuto - sin ir más lejos, se ha estimado que Amazon cambia el precio de sus productos más de 2.5 millones de veces diariamente.

La pregunta que nos hacemos es de qué manera puede afectar estas nuevas prácticas a la competencia, específicamente a la colusión entre empresas y la creación de cárteles en los mercados. Sin duda, el mundo digital ha ayudado a crear una economía más dinámica y a fomentar la competencia reduciendo las barreras de entrada. Sin embargo, un estudio de Ariel Ezrachi y Maurice Stucke, de la Universidad de Oxford, ha sugerido que el uso de ‘pricing-bots' puede dar lugar a nuevas formas de colusión que sean difíciles de combatir, algo que las autoridades de la competencia deben de aprender a superar.

Según Ezrachi y Stucke, una de las formas más claras y sencillas con las que la inteligencia artificial puede dar lugar a prácticas anticompetitivas es que los algoritmos facilitan la colusión explícita entre empresas: es decir, facilitan que los ejecutivos puedan materializar un acuerdo intencionado y anticompetitivo entre empresas con la finalidad de eliminar a la competencia y aumentar sus ganancias a través de mayores precios.

Antes de la llegada de los mercados digitales, si un directivo quería coordinar precios con otras empresas ilegalmente tenía que, de manera directa, conspirar con las demás empresas el precio establecido periódicamente. Esto conllevaba un sinfín de emails y llamadas entre las empresas del cártel que podían ser presentadas más tarde como evidencia en juicios antitrust y que, consecuentemente, tenían un efecto directo en los incentivos para no formar un cártel en primer lugar. Sin embargo, hoy en día, el big data y los algoritmos pueden ser utilizados para fijar automáticamente un precio más alto siguiendo las instrucciones que les haya puesto un grupo de empresarios, dándoles la capacidad de identificar deviaciones de los participantes del cártel y de responder a cambios en el mercado automáticamente. Esto sin necesidad de coordinación entre las empresas, algo que reduce las pruebas que se puedan presentar en un juicio y que causa, inevitablemente, incentivos perversos que ayudan a mantener acuerdos anticompetitivos. En efecto, que los directivos se abstraigan de la acción de coludir puede llevar a que estos tengan menos ‘culpabilidad' por hacerlo, y por lo tanto es posible que los cárteles sean más propensos a mantenerse en el tiempo.

De todas formas, la principal preocupación de las autoridades de la competencia respecto al auge del algorithmic pricing no es tanto que ayuden a promover una colusión intencionada entre competidores, sino que, de manera indirecta, la inteligencia artificial puede dar lugar a lo que se conoce como colusión tácita en el mundo económico. Esto es de especial importancia ya que, en muchos casos, la colusión tácita no está penada y, sobre todo, no hay una base legal para acusar a sistemas digitales que han aprendido por sí mismos a tomar decisiones perjudiciales.

¿Pero cómo es posible que el uso de pricing bots tenga efectos anticompetitivos en un mercado sin que los empresarios les digan explícitamente que coludan? Esto es causado, principalmente, por dos razones: la rapidez en la toma de decisiones de las máquinas y la transparencia del mundo digital. Hasta hace unos años, los humanos eran los encargados de monitorizar la actividad de un mercado. Los empresarios decidían cuándo subir o bajar un precio. También, una vez se decidiese el precio, los trabajadores tenían que físicamente estampar el nuevo precio en los productos. En muchos casos, implementar un cambio de precio podía llevar semanas o incluso meses.

Los pricing bots, al contrario, pueden evaluar y ajustar los precios en milisegundos teniendo en cuenta una innumerable variedad de factores, como los precios de la competencia. Esto les da la capacidad de responder al momento a posibles descuentos de los rivales, eliminando completamente el incentivo de bajar los precios a los competidores. ¿Para qué vas a bajar el precio de tu producto si sabes que todo el mundo responderá inmediatamente de la misma manera?

Un ejemplo clarificará este proceso. Imaginemos el lanzamiento de una app que compara los precios de las gasolineras en un área. Aunque este servicio beneficia a los usuarios para que puedan encontrar fácilmente la gasolinera más barata, también hace que las diferentes gasolineras, que compiten entre ellas, puedan conocer los precios de sus competidores de forma instantánea. Como los algoritmos detectan automáticamente una bajada de precios y hacen posible el seguimiento de la bajada de precios al instante, ninguna de las gasolineras tiene incentivos de reducir el precio de su producto. Ningún competidor quiere que su rival se aproveche de una bajada de precios y, a la vez, nadie quiere vender lo mismo por un precio menor.

Pero ahí no acaba todo. En el caso en el que un competidor decida subir el precio, todos los demás competidores tendrán los incentivos de subir sus precios también, ya que si no lo hacen, el competidor que primeramente subió el precio estaría obligado a volver a bajarlo y, por lo tanto, habrían podido perder una serie de beneficios por no haberlo subido. El resultado: en un ambiente de completa transparencia, las gasolineras empiezan a reproducir el comportamiento de las otras resultando en un precio más alto y, por supuesto, no competitivo.

Estas conclusiones tienen respaldo empírico. Un estudio de Mayo del 2016 estimó que el precio de la gasolina en Alemania subió entre 1.2 y 3.3 céntimos después de que el gobierno alemán publicara los precios de todas las gasolineras online. Un resultado similar se vio en Chile después de que el gobierno también posteara los precios en una página gubernamental - las gasolineras vieron un incremento del 10% en sus márgenes, sobre todo en áreas donde la gente buscaba menos en internet. Asimismo, DONG Energy, una empresa de gas danesa, le confesó al Wall Street Journal hace unos meses que su decisión de utilizar un pricing bot para fijar sus precios se basaba en "un deseo de romper una guerra de precios que llevaba pasando desde hace ya años".

Vigilando a los algoritmos

En este punto, es importante preguntarnos cómo pueden las autoridades de la competencia enfrentarse al inevitable tsunami de algoritmos e IA. Margrethe Vestager, la comisaria europea de competencia, lo tiene claro: "lo que las empresas pueden y deben hacer es asegurar que sus sistemas digitales cumplan con las leyes de competencia de la Unión Europea". Y, efectivamente, eso es algo fundamental en una economía en la que, según un estudio de la Comisión Europea, el 66% de las empresas que monitorizan los precios de los competidores usan algún tipo de software para hacerlo, utilizando también sistemas de fijación de precios automático.

Pero, como se mencionaba anteriormente, la colusión tácita no es algo que está normalmente penado, sobre todo si no se puede demostrar que hubiera una intención de coludir por parte de las empresas. A esto se le suma que, en este momento, la ley de la competencia no es clara sobre las consecuencias de que un algoritmo haya aprendido por sí mismo a tomar decisiones perjudiciales.

Ya que la vía legal es complicada, Ezrachi y Stucke argumentan que todos los esfuerzos deberían dirigirse hacia subvertir la colusión de manera indirecta. Una de las soluciones que mencionan es crear sistemas de inteligencia artificial que sean capaces de ‘testear' los mercados - lo que llaman ‘incubadoras de colusión algorítmica'. Si las autoridades de la competencia fueran capaces de replicar los sistemas de fijación de precios que están utilizando las empresas en un mercado, serían capaces de entender qué factores podrían desestabilizar una posible colusión tácita entre empresas.

Quizás, según menciona la OCDE, también podría ser efectivo limitar la capacidad que tengan las empresas de cambiar los precios por día o por semana. En este caso, ya que una caída de precios no podría ser replicada al momento por las demás empresas, la empresa que bajó el precio en primer lugar se podría beneficiar, y volvería, consecuentemente, a tener los incentivos de bajarlos.

Luego queda la política de antitrust de toda la vida: prevenir las fusiones entre empresas. Se ha demostrado en los últimos años que las autoridades de la competencia han sido demasiado laxas a la hora de dar luz verde a las fusiones, teniendo un efecto perjudicial en la competencia entre empresas y en otras variables como la desigualdad y la innovación. Un mercado con muchos competidores diversos, humanos o algorítmicos, tiene menos probabilidades de llegar a un consenso entre empresas sobre cuál debería ser el precio fijo de un producto.

Pero, ante todo, no hay que alarmarse. Stucke y Ezrachi mencionan que es probable que el uso de algorithmic pricing facilite una colusión sólo en mercados de productos homogéneos con pocos competidores, como el de la gasolina. En un mercado como el tecnológico, por ejemplo, donde las empresas compiten no sólo por precio sino también por el tipo de producto, es difícil que el uso de los pricing bots cause prácticas anticompetitivas.

Sin embargo, bien es cierto que todos los modelos económicos hasta la fecha se basan en el comportamiento de los humanos. En el momento en el que las máquinas sean las encargadas de tomar las decisiones, los mercados pueden empezar a reaccionar de maneras desconocidas. Como dice Terrell McSweeny, un comisionario de la Comisión Federal de Comercio de los Estados Unidos, "todos los modelos económicos están basados en los incentivos humanos y lo que creemos que los humanos harán racionalmente. Es completamente posible que todo ese conocimiento no sea necesariamente aplicable a algunos mercados". El tiempo lo dirá. Mientras, nosotros, intentaremos seguir yendo a la gasolinera más barata.

(*)  Hugo Ferradáns es licenciado en Economía y Ciencias Políticas por la Universidad de Manchester y más recientemente graduado en Economía por la Barcelona Graduate School of Economics. Es también el fundador de aquienvoto.org: una de las primeras aplicaciones de orientación de voto a nivel nacional en España. Actualmente es ayudante de investigación en la Autoridad Independiente de Responsabilidad Fiscal, donde se ha centrado en el sistema de pensiones. Sus intereses incluyen la evaluación y el uso de datos para mejorar la vida de los ciudadanos. Columna publicada en Politikon.es

Opiniones (0)
24 de noviembre de 2017 | 08:12
1
ERROR
24 de noviembre de 2017 | 08:12
"Tu mensaje ha sido enviado correctamente"
    En Imágenes
    Grammy Latinos 2017
    18 de Noviembre de 2017
    Grammy Latinos 2017
    Lluvias torrenciales en Grecia
    16 de Noviembre de 2017
    Lluvias torrenciales en Grecia