Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
Revisamos un reciente artículo publicado este año, escrito por los académicos Bruno Van den Bosch y Friso Bostoen, “Opening the Black Box: Uncovering the European Commission’s Cartel Fining Formula Through Computational Analysis”, que utiliza métodos computacionales para detectar patrones en la manera en que la Comisión Europea (“CE”) determina las multas por carteles.
A raíz de su estudio, los autores demuestran que la política utilizada por la CE para determinar multas por carteles sería mucho más específica que los lineamientos contenidos en la última versión de las Directrices de la CE sobre la metodología para el cálculo de multas (en adelante, “Guía”), adoptada el 2006.
Los autores encuentran que, en la práctica, parte importante de las multas por carteles fijadas por la CE se fijan dentro de un rango mucho más acotado (16-18% de las ventas), que el rango establecido en la Guía (0-30% de las ventas).
En términos generales, el método que utiliza la CE para la determinación de multas consta de dos pasos: primero, determinar el “monto base” de la multa, que corresponde a una proporción (0-30%) de las ventas anuales relacionadas con la infracción, multiplicada por el número de años en que se participó en el delito imputado.
El segundo paso consiste en el cálculo de un “monto adicional”, que es independiente de la duración de la infracción. Este incluye, por un lado, una “tarifa de entrada” (15-25% de las ventas relacionadas con la infracción) que penaliza la entrada a un cartel y, por otro lado, ajustes al “monto base” por circunstancias agravantes o atenuantes, y un eventual aumento para la disuasión de la infracción.
La “tarifa de entrada” está dirigida principalmente a las infracciones más graves. En tanto, las circunstancias agravantes incluyen la reincidencia, negativa a cooperar y liderazgo en el cartel. La Guía solo establece un límite al aumento por reincidencia (hasta un 100%).
Las circunstancias atenuantes incluyen negligencia, participación sustancialmente limitada en la infracción, cooperación fuera del Aviso de Clemencia (Leniency Notice) y condiciones provistas por autoridades públicas que faciliten o incentiven el cometimiento de la infracción. En todos estos casos, la Guía no establece un límite a la reducción de la multa.
Los incrementos por disuasión se consideran cuando las ventas totales de los involucrados superan con creces a las ventas relacionadas con la infracción, o cuando el valor de la multa es inferior a las ganancias obtenidas por los agentes producto de la infracción. La Guía tampoco establece un límite para estos aumentos.
Por último, otro aspecto interesante es que el cálculo de la multa se basa en las ventas más recientes: aquellas percibidas durante el último año fiscal completo en que el agente participó en la infracción. Además, el valor final de la multa no puede superar el 10% de las ventas totales percibidas por el agente en ese mismo año.
Van den Bosch y Bostoen analizan todas las decisiones sobre carteles tomadas por la CE entre los años 2006 y 2020 (ambos incluidos). En dicho periodo, se registraron 54 decisiones de multas por carteles —acuerdos y prohibiciones— que, a su vez, contienen un total de 492 multas individuales, pues cada decisión contempla una infracción cometida por dos o más agentes.
Para el análisis computacional de las decisiones de multas, los autores desarrollan un modelo de prueba con un método de aprendizaje automático que, a partir de la identificación de patrones, es capaz de predecir —bajo ciertos parámetros de precisión— el cálculo de multas impuestas por la CE en sus decisiones pasadas.
El aprendizaje de programas computacionales funciona mejor mientras menos variable sea una muestra. Por eso, los autores dividen el total de multas individuales en tres periodos, según los comisionados que encabezaron la Dirección General de Competencia (“DG COMP”) de la CE entre los años 2006 y 2020: Neelie Kroes (2006-2010), Joaquín Almunia (2010-2014) y Margrethe Vestager (2015-2020).
En el periodo comisionado por Kroes (2006-2010), la EC siempre aplicó tarifas de entrada, cuyo valor solía ser un punto porcentual más bajo que el monto de la tarifa base. Según los autores, los aumentos o reducciones por circunstancias agravantes o atenuantes son difíciles de predecir, pues no siempre se aplican.
Pese a lo anterior, el análisis doctrinal de las decisiones tomadas en dicho periodo permite inferir que los aumentos por reincidencia solían fijarse entre un 50-60%. Sin embargo, hay excepciones, como el caso Akzo Nobel y otros (2009), donde la multa se aumentó en un 100%.
Las reducciones por circunstancias atenuantes solo se aplicaron en 5 multas individuales entre los años 2006 y 2010, contrastándose con las 30 reducciones aplicadas en los años posteriores. Por ejemplo, en el caso Dole y otros (2008), la multa se redujo en un 60%, porque las empresas operaban bajo un régimen regulatorio específico que respaldaba la infracción.
En cuanto a los aumentos para la disuasión, los resultados indican que las multas fijadas para empresas con altos niveles de ventas relacionadas con la infracción (mayores a 52 millones de euros) tenían más probabilidad de enfrentar este tipo de alza.
En el periodo comisionado por Almunia (2010-2014), en contraste con el de Kroes, el monto base de las multas era menor cuando se consideraba que el caso contemplaba un nuevo tipo de infracción (18% de las ventas). En cambio, cuando se trataba de infracciones que no se consideraban nuevas, los valores de la multa base variaban entre 16 y 19%.
En este periodo, la mayoría de las multas incluía la tarifa de entrada, excepto por 4 decisiones. Los autores observan que estos últimos casos corresponden a infracciones de menor escala, ya sea porque las ventas asociadas a la infracción eran bajas, o porque su alcance geográfico era limitado. Además, en solo 3 ocasiones, las multas aumentaron en un 50% producto de reincidencias.
Adicionalmente, en 28 ocasiones, las multas se redujeron por circunstancias atenuantes, por distintas razones: existencia de regímenes regulatorios que respaldaban la infracción (reducción de 20%), limitado involucramiento en la infracción (la mayoría entre 5-15%), empresas cooperativas que no calificaron (completamente) para la reducción por clemencia (la mayoría de 18%), duración del procedimiento (6 años) (10%).
Respecto a los motivos de disuasión, las multas se incrementaron en 24 ocasiones, de las cuales, 8 involucraron a empresas relacionadas con productos electrónicos y 10 a empresas que no pertenecían a la UE (principalmente asiáticas). Al igual que en el periodo de Vestager (2014-2020), los incrementos aplicados se fijaron entre un 10-20%, dependiendo de las ventas totales de los agentes.
Por último, en el periodo comisionado por Vestager (2014-2020), el monto base de las multas solía fijarse en 16 o 17% (incluyendo agentes con altos niveles de ingresos).
Interesantemente, en un caso excepcional (Webasto y Eberspächer (2015)), cuya infracción presentaba una serie de elementos anticompetitivos, se extendía más allá del Área Económica Europea (AEE) e involucraba a empresas con una participación conjunta significativa (80% de la cuota del mercado), el monto base se fijó en un 18%.
En este periodo, la CE siempre aplicó tarifas de entrada, cuyo valor era el mismo que se fijada para el monto base. En 9 ocasiones, la CE incrementó las multas en la misma magnitud (50%) y por la misma circunstancia agravante (reincidencia) que en el periodo de Almunia.
Las reducciones por circunstancias atenuantes se aplicaron tanto en casos donde existía un régimen regulatorio que respaldaba la infracción (15%) como en casos donde la participación de los agentes era limitada (entre 5-20%).
Distintas administraciones de Estados Unidos (Bush, Obama y Trump) han acusado a la CE de utilizar la ley de competencia y las decisiones de multas para favorecer a las empresas pertenecientes a la UE (“hipótesis proteccionista”), en desmedro de las empresas que no pertenecen a los estados miembros; en particular, las estadounidenses (Stacey et al., 2019; Ahmed, 2015; DoJ, 2007).
Sin embargo, el análisis computacional hecho por los autores descarta la existencia de sesgos en contra de las empresas estadounidenses, tras evidenciar que los aumentos de multas (ya sea por tratarse de un nuevo tipo de infracción, o por disuasión) eran aplicados tanto a empresas miembros como no miembros de la UE. Es más, en el periodo de Almunia, de las 14 instancias en que se aumentó la multa por disuasión a empresas que no eran miembros de la UE, la mayoría eran asiáticas.
Los resultados del estudio de Van den Bosch y Bostoen llevan a una interesante reflexión: la publicación de la Guía, que promueve una mayor transparencia y menor arbitrariedad en la manera en que la CE establece sus multas, no solo contribuyó a reducir la incertidumbre jurídica, sino que también facilita la predictibilidad de las decisiones de la autoridad en esta materia.
En la mayoría de los casos, las atribuciones de las autoridades se encuentran dentro de un espectro de posibilidades, cuyos extremos suelen estar definidos tanto por la legislación como por la misma experiencia jurídica.
Así, en este caso, como la Guía delimitó explícitamente los rangos entre los cuales es esperable que la CE establezca el nivel de las multas, el campo de acción que tiene la autoridad en este contexto se acota aún más. En consecuencia, es esperable que los valores de las multas se vuelvan, en términos generales, menos dispersos.
El problema de esto es que, como los valores esperados se ubican en un espectro más acotado, a medida que pasa el tiempo (aumenta el registro de decisiones), se hace cada vez más fácil aplicar análisis computacionales capaces de aprender y predecir las decisiones de la autoridad en el futuro.
Ciertamente, la predictibilidad de las decisiones es más fuerte en aquellos aspectos que son imprescindibles o comunes en las decisiones de la autoridad. Así, en el caso de este estudio, los programas computacionales eran mucho más precisos en predecir el “monto base” de la multa (porque todas lo incluyen), no así sus agravantes o atenuantes que, al ser circunstanciales, se presentaban en un menor número de casos, entregando menos información para que el programa computacional lo incorpore en su aprendizaje.
Una preocupación evidente que surge de esto es que, las políticas y directrices que busquen entregar mayor certeza jurídica sobre un determinado procedimiento corren el riesgo de que los agentes económicos anticipen estas decisiones y las incorporen en las decisiones comerciales que toman.
Por último, otra pregunta interesante que surge es la viabilidad de replicar el estudio de Van den Bosch y Bostoen en las decisiones que toman las autoridades de competencia latinoamericanas. Sin duda, una diferencia notable que habría con la Comisión Europa es el volumen de decisiones registradas para los distintos tipos de conducta, pues mientras mayor cantidad de registros, más factible es que un programa pueda ser entrenado para alcanzar un poder predictivo estadísticamente significativo.
Dole and others (2008). Comm’n Decision COMP/39188, Bananas.
Webasto and Eberspächer (2015). Comm’n Decision AT.40055, Parking Heaters.
