Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
https://centrocompetencia.com/wp-content/themes/Ceco
La adopción de inteligencia artificial en los mercados modifica los determinantes clásicos de la competencia, como las barreras de entrada, los costos fijos y variables y la capacidad innovadora de los distintos actores del mercado. En este contexto, la OCDE publicó recientemente un informe que examina los potenciales efectos pro competitivos en el corto plazo, así como los riesgos anticompetitivos en el mediano plazo si no se implementan mecanismos institucionales que permitan equilibrar capacidades, el acceso a insumos y a infraestructura.
La expansión de la inteligencia artificial (en adelante “IA”) hacia múltiples actividades económicas ha guiado de manera progresiva el centro del debate regulatorio. En la actualidad, la IA ha dejado de considerarse una herramienta exclusiva de empresas altamente digitalizadas y ha pasado a integrarse transversalmente en mercados aguas abajo, es decir, aquellos sectores tradicionales en los que la IA no constituye el producto final, sino un insumo estratégico en la producción, distribución o prestación de servicios.
En esa línea, la OCDE reconoce que la creciente aplicación en industrias como la manufactura, logística, educación, salud, servicios financieros, retail y telecomunicaciones, produce efectos transformadores sobre las dinámicas competitivas de tales sectores, generando fenómenos tanto potencialmente pro como anticompetitivos, que la regulación y las agencias de competencia deben comenzar a anticipar con urgencia.
En su reciente informe, la OCDE identificó un conjunto de mecanismos que podrían, bajo ciertas condiciones, expandir la rivalidad competitiva en mercados diversos.
La IA logra generar procesos de automatización que pueden sustituir y/o aumentar la mano de obra, especialmente en tareas cognitivas rutinarias. Esto permitiría que empresas nuevas o pequeñas accedan a capacidades que habían estado tradicionalmente reservadas a competidores con recursos significativos, como procesos automatizados de gestión, herramientas de diseño y marketing, procesos optimizados de inventario y logística, entre otros. En otras palabras, la IA habilita a las empresas para entrar al mercado con menor capital inicial (reduciendo además la escala mínima necesaria para competir); facilita una rápida adaptación a cambios en la demanda; y, acelera la prueba de prototipos y modelos comerciales (para una discusión al respecto, ver la nota CeCo “IA generativa según Ezrachi y Stucke: ¿Revolución real o más poder para los de siempre?”).
Por otra parte, la IA permite reducir significativamente los tiempos de desarrollo de productos, análisis de mercado, evaluación de riesgos, creación de contenido, entre otros procesos. Esto implica que la innovación deja de ser un espacio exclusivo de grandes firmas con infraestructura propia dedicada a I+D, y se abre a pequeñas empresas capaces de utilizar IA generativa o agentes automatizados. Asimismo, los ciclos de innovación se acortan, de modo que empresas que antes tardaban meses en desarrollar mejoras, ahora pueden hacerlo en semanas o días, obligando a la competencia a responder con mayor dinamismo. Esto, a su vez, fomenta la competencia en variables distintas al precio y a la escala producida, tales como la calidad, sostenibilidad e innovación.
A través de los sistemas basados en IA, los consumidores pueden comparar productos y servicios de manera más eficiente, y acceder a métricas personalizadas de calidad y precio, así como también a los chatbots y asistentes que pueden guiar decisiones de consumo complejas. En esta línea, el acceso a información más abundante y mejor contextualizada incrementa la capacidad de los consumidores para disciplinar a las empresas, lo cual constituye un pilar para una competencia más efectiva.
La IA permite tanto que empresas pequeñas avancen en su desarrollo organizacional, como que accedan a capacidades externas como análisis de datos, herramientas avanzadas de logística o predicción y departamentos de marketing y, de esta forma, compitan con actores de mayor escala.
En esa línea, el informe se refiere a iniciativas para promover dichas ventajas, tales como las políticas impulsadas por el gobierno de India (IndiaAI), que buscan aumentar la inversión privada y busca democratizar el acceso a la computación y fomentar la innovación.
Si bien el informe identifica un vasto conjunto de efectos pro competitivos derivados de la adopción de IA en los mercados aguas abajo, también advierte que estos efectos no son automáticos ni garantizados, sino que en diversos casos depende de si el acceso a herramientas de IA es equitativo y asequible, y de si existen condiciones mínimas de infraestructura digital.
La OCDE identifica diversos riesgos que, combinados, pueden transformar una tecnología potencialmente pro competitiva en un factor que aumente la concentración en los mercados.
De acuerdo con el informe, el uso de modelos de lenguaje (LLMs) puede homogeneizar los resultados creativos, reduciendo la diversidad y originalidad de las ideas. También se observan problemas de calidad, como la generación de «alucinaciones» (fenómeno que ocurre cuando la IA percibe patrones u objetos inexistentes o imperceptibles para los humanos, creando resultados que no tienen sentido o son completamente inexactos) o bien la generación de información fabricada (ya sea errada, incompleta o falsa), lo que socava la confiabilidad de las respuestas de las IA, especialmente en contextos sensibles, como en el sector de la salud. Además, la OCDE observa una creciente preocupación de que una dependencia excesiva de la IA pueda erosionar el pensamiento crítico y las habilidades humanas a largo plazo, generando una «deuda cognitiva».
Por otra parte, aunque la IA como herramienta sea accesible, los insumos que la hacen realmente poderosa no lo son, como los datos, cómputo (referido al uso de hardware y software especializado para que las computadoras simulen la inteligencia humana, aprendan, razonen y resuelvan problemas, analizando grandes volúmenes de datos y ejecutando modelos de machine learning) e infraestructura (como la construcción y operación de data centers), generando un “techo invisible” que dificulta el aprovechamiento pleno de su potencial competitivo.
En consecuencia, incluso si la IA reduce barreras de entrada en un primer momento, su adopción podría conducir a que se termine restringiendo la competencia a largo plazo, especialmente en casos en los que empresas aguas abajo adoptan IA generativa o agentes automatizados de uno o dos proveedores dominantes, los cuales podrían facilitar conductas abusivas de carácter exclusorio, tales como precios predatorios, self-preferencing, restricciones verticales y apalancamiento, entre otras (ver columna de A. Ribera “La regulación de la inteligencia artificial generativa desde la perspectiva del poder de mercado”).
Este riesgo se agrava si se considera que existen mercados en los que solo un subconjunto de empresas puede internalizar los beneficios competitivos de la tecnología, lo cual puede deberse a falta de capital, carencia de conectividad o infraestructura digital, baja disponibilidad de talento técnico, y escaso acceso a formación o desconocimiento organizacional sobre cómo integrar IA en procesos. De esta forma, aquellas empresas dominantes que operen sistemas de IA podrían moldear el mercado aguas abajo, creando un escenario propicio para las conductas abusivas antes descritas.
El uso de sistemas de IA aumenta la transparencia y la velocidad de reacción de los competidores, lo que puede facilitar prácticas coordinadas como la colusión algorítmica, ya sea explícita, mediante esquemas «hub-and-spoke», o tácita, donde sistemas de pricing convergen a estrategias supracompetitivas (como la estabilización de precios) sin necesidad de una comunicación directa entre competidores (ver nota CeCo “Ezrachi y Stucke: Colusión tácita algorítmica en mercados secundarios”). Asimismo, otros riesgos detectados por el informe se refieren a la monitorización perfecta, que permite detectar y castigar desviaciones de precios agresivos; algoritmos que aprenden comportamientos colusivos optimizando ganancias; o, la coordinación involuntaria entre agentes de IA en mercados con alta transparencia.
De acuerdo con el informe, la autonomía de los sistemas de IA plantea desafíos únicos para la atribución de responsabilidad frente a la presencia de conductas ilícitas. En efecto, a diferencia de las herramientas tradicionales, los algoritmos de «caja negra» y la IA agéntica (referida a aquellos sistemas de IA que funcionan con poca o nula supervisión, utilizando modelos de aprendizaje automático que imitan la toma de decisiones de los humanos para resolver problemas), pueden desarrollar estrategias anticompetitivas de forma autónoma, lo que complica la prueba de intencionalidad requerida por los marcos legales convencionales. Así, la falta de explicabilidad y la capacidad de adaptación de estos sistemas dificultan determinar si una conducta dañina fue deliberada o si se trató de un resultado emergente y espontáneo, lo que sugiere la necesidad de nuevos enfoques de auditoría y gobernanza.
El informe sostiene que para garantizar que los mercados habilitados por IA sigan siendo competitivos, los responsables del diseño de políticas y las autoridades de competencia disponen de varias herramientas, que van desde el enforcement de la ley hasta la cooperación internacional.
En el informe, se afirma que el enforcement sigue siendo el mecanismo fundamental para abordar conductas anticompetitivas (ver notas CeCo “Del presente al 2030: ¿cómo la IA está transformando el enforcement? (Stanford Computational Antitrust)” y “Computational Antitrust 2025: Nuevos avances del uso de IA en el enforcement”). Aunque hay pocos casos concluidos específicamente relativos a IA, las autoridades están atentas ante riesgos como la colusión algorítmica y la discriminación de precios. En esa línea, la OCDE destaca la necesidad de adaptar las herramientas de enforcement para detectar conductas anticompetitivas (como la presencia de sesgos o el self-preferencing). Asimismo, se señala que en el ámbito del control de fusiones, las operaciones que involucren a empresas de IA requieren un escrutinio especialmente cuidadoso.
De acuerdo con el informe, dada la constante evolución de los sistemas de IA, los estudios de mercado y las herramientas de monitoreo son esenciales para evaluar riesgos emergentes, permitiendo a las autoridades recopilar evidencia y consultar a las partes interesadas (ver columna de M. Abarca “El nuevo estudio de mercado de la FNE sobre e-commerce: primeras impresiones”).
De acuerdo con el informe, existe un debate sobre el papel complementario de la regulación ex ante para asegurar mercados abiertos. La experiencia en mercados digitales sugiere que estas medidas pueden proporcionar claridad y previsibilidad, abordando brechas donde las herramientas reactivas son demasiado lentas. Medidas regulatorias útiles podrían incluir términos de licencia para el acceso a datos, la auditoría de modelos y su arquitectura, y la interoperabilidad entre sistemas. La falta de estas medidas, o la presencia de licencias restrictivas y condiciones opacas de acceso, podría llevar a efectos excluyentes, especialmente cuando son impuestas por empresas verticalmente integradas.
El carácter y la escala global del desarrollo de modelos de IA, sumado a la expansión de los mercados transfronterizos y globales, hacen necesaria la cooperación internacional. Por otra parte, dado que la IA se integra en sectores regulados como la salud o las finanzas, también se requiere de una coordinación entre las autoridades de competencia y los reguladores sectoriales nacionales, para asegurar que las normativas de acceso a datos y estándares técnicos no se conviertan inadvertidamente en barreras de entrada.
