La preocupación por formas más sofisticadas de llevar a cabo y sostener una coordinación ilícita entre agentes económicos sobre variables competitivas relevantes, en particular a través del uso de algoritmos –la llamada colusión algorítmica–, ha pasado a ocupar un lugar cada vez más relevante en las intervenciones de las agencias de competencia. Y Chile parece no ser la excepción: hace pocos días, la Fiscalía Nacional Económica, con ocasión del Día de la Competencia, organizó un seminario que tuvo precisamente por tema “Precios algorítmicos y Colusión”.

Desde la teoría económica destacan los señeros trabajos de Ezrachi y Stucke (2015), quienes advirtieron sobre los posibles riesgos del uso de algoritmos, considerados inicialmente como una mera posibilidad teórica. Más tarde, Calvano et al. (2019) observaron que los algoritmos podrían coordinarse gracias al aprendizaje que les otorgaría la interacción repetida y la experiencia. Recientemente, Harrington (2021, 2024a, 2024b, 2024c) se ha referido a posibles nuevas formas de coordinación en el uso de algoritmos, así como sus efectos sobre la competencia.

En términos muy generales, los algoritmos de personalización de precios son programas que permiten analizar datos del mercado en tiempo real y ajustar los precios de forma dinámica. En condiciones ideales, el uso de esta tecnología puede generar eficiencias por su rápida reacción a la variabilidad de la demanda. Sin embargo, no se pueden desconocer los riesgos de converger a un equilibrio cooperativo, eventualmente sin una interacción directa entre los agentes de mercado. Esta clase de algoritmos estarían diseñados para maximizar una función objetivo —típicamente, los beneficios de las firmas interesadas— y ajustar el precio o un componente de éste que se adapte progresivamente.

En este escenario, y bajo ciertas condiciones, un resultado cooperativo podría surgir porque los competidores utilizan estos servicios para coordinarse, o porque los algoritmos (si hay más de uno) aprenden a cooperar y disminuir la intensidad competitiva de los mercados. Así, ante una demanda volátil, las empresas podrían incluso externalizar esta tarea y contratar los servicios de una o más empresas desarrolladoras de algoritmos, la que actuaría como proveedora de un insumo tecnológico. Precisamente, en Estados Unidos se está ventilando una acción privada, con el respaldo del Department of Justice (“DOJ”), en contra de algunas empresas hoteleras de Las Vegas, a las que se les acusa de haber incurrido en una coordinación ilícita de precios a través de un proveedor común de tecnología (si se quiere, una forma de colusión del tipo hub-and-spoke por medio de algoritmos).

Casos de colusión espontánea entre algoritmos no se conocen hasta ahora. No obstante, investigaciones recientes han planteado que sí sería posible (estos programas podrían aprender a construir estrategias de cooperación que castiguen desvíos).

Se ha sostenido que un riesgo relevante tiene que ver con el eventual acceso a información comercialmente sensible de rivales. Si los algoritmos basan sus recomendaciones en la información que reciben, podrían incluir aspectos confidenciales de las empresas involucradas. Si bien los competidores no se comparten información comercialmente sensible, y, por tanto, no toman decisiones en base a ella, las autoridades de libre competencia podrían concluir que el uso de algoritmos podría indirectamente tener los mismos efectos. Con todo, estos efectos no son evidentemente dañinos, y la adopción paralela de estos servicios no sería, por sí sola, evidencia de un acuerdo.

A su turno, el uso de algoritmos (propios o tercerizados) podría conllevar eficiencias en los mercados modernos y eventualmente traducirse en beneficios a consumidores finales, dada la capacidad de estos sistemas para adaptarse autónomamente a la variabilidad de la demanda (piénsese en situaciones de shocks u otra volatilidad exógena), o incluso disminuir y hasta eliminar barreras de entrada en mercados donde la capacidad de respuesta provenía tradicionalmente de la experiencia.

En la práctica, la complejidad de estas herramientas como base para una estrategia colusoria reviste especiales desafíos en la persecución y prueba, incluso bajo regímenes que reconocen una regla per se. Por lo pronto, surge la pregunta de cómo detectarlos, y si las agencias tienen las herramientas idóneas para ello (pensemos en técnicas de data screening, o incluso en la delación compensada para reunir evidencia). Luego, en términos más sustantivos, ¿personalizar precios sería lo mismo que fijar precios? ¿Y si sólo se refiere a un componente del precio, o si se usa como un benchmark o un precio recomendado que no necesariamente se expresa en el precio final?

Más problemáticos son los casos en que no hay un acuerdo expreso ni directo entre competidores, como sería una forma de práctica concertada, o incluso una estructura del tipo hub-and-spoke, como se acusa en el caso de hoteles de Las Vegas (para el DOJ, bastaría el pitch de venta del proveedor para entenderlo como una invitación a un actuar concertado, y el solo hecho de usar el algoritmo sería prueba de su aceptación).

No es claro hasta qué punto la forma en que el algoritmo se alimenta de información incide en la imputabilidad de la conducta, y hasta qué grado se extiende el conocimiento y control exigibles de quienes lo usan. Las agencias tendrían quizás que recurrir a plus factors para soportar su teoría del caso: ¿cómo juegan estos en la calificación de la ilicitud de la conducta? ¿qué tan determinantes o coadyuvantes son las condiciones de mayor o menor transparencia del mercado?

Lo dicho hasta acá debería también llamar la atención de las propias empresas, si es que proyectan usar programas de personalización de precios o de otras condiciones de comercialización. Procesos y políticas de compliance robustos deberían anticipar una mayor exposición por el uso de esta tecnología e incorporarlos en sus matrices de riesgo. Si el servicio se externaliza a un proveedor, ¿saben las empresas, específicamente sus áreas de pricing, lo que están comprando y a lo que podrían exponerse?

Todas estas preguntas reflejan lo complejo, diverso y exigente que puede resultar el problema de la colusión algorítmica. El uso de estas herramientas en, por ejemplo, conductas de fijación de precios, muy probablemente sea el foco de las autoridades de competencia en este ámbito. Para los agentes de mercado, la clave, si no queremos desconocer las posibles ventajas del uso de esta clase de softwares, es poner especial acento en los resguardos y programas de cumplimiento flexibles que permitan gestionar, prevenir y remover conductas potencialmente riesgosas.