¿Pueden los algoritmos de precios facilitar la colusión?

7.12.2021

Maikol Cerda Z. Economista, Universidad de Chile. Doctor en Economía Aplicada de New York University y M. Phil. en Economía Aplicada de la misma universidad. Investigador de Posdoctorado afiliado al MacMillan Center for International and Area Studies de Yale University, desde el 2019. Trabajó en la Fiscalía Nacional Económica entre el 2011 y 2013.

En teoría, sí, sí pueden. Pero lo importante es entender cuán probable es dicho escenario teniendo en consideración las características estructurales del mercado bajo escrutinio.

Contexto

Durante los últimos años, un mayor número de empresas ha tenido acceso a datos masivos que provienen tanto de sus propios consumidores como también de las condiciones de oferta y demanda del mercado a través del tiempo. Dicha disponibilidad de datos ha causado una proliferación del uso de modelos computacionales matemáticos/estadísticos en distintas áreas de negocios (marketing, operaciones, finanzas, etc.). Los modelos incorporan herramientas provenientes del statistical learning. Términos como la inteligencia artificial y el machine y reinforcement learning son ahora conocidos y recurrentes tanto en el mundo académico de la economía/negocios como también en el mundo empresarial.

Uno de los modelos más usado son los algoritmos de precios. No es de sorprender: la variable precio sigue siendo la variable de competencia más relevante en la mayoría de los mercados. En términos simples, un algoritmo de precio es un modelo matemático computacional utilizado para predecir, de manera instantánea, el precio óptimo (generalmente aquel que maximiza las ganancias de la empresa). El algoritmo toma como inputs un conjunto de variables “exógenas” y entrega como output un nivel de precio en cualquier periodo de tiempo. Los inputs incluyen información proveniente de las condiciones de la oferta y la demanda y, en general, también incorporan los precios cobrados por los competidores que ofrecen productos similares (sustitutos) y los precios de productos complementarios, entre otras variables.

Algoritmos de Precios en la Práctica y el Impacto en los Mercados

Una característica relevante de los algoritmos es que el output se ajusta en tiempo real, i.e., el precio de venta responde inmediatamente frente a un cambio de las condiciones de mercado, o bien de la información proveniente de otras firmas. Pero ¿es éste ajuste instantáneo óptimo en todos los mercados?

Uno tendería a pensar un ajuste semejante no es práctico ni realista para retailers que venden la mayoría de sus productos en una tienda física (algunas de las razones detrás de esta premisa son la existencia de costos de ajustes y costos de monitoreo asociados al estudio de las condiciones geográficas específicas del mercado en donde se encuentra ubicada la tienda, entre otros). A pesar de que dichas empresas puedan utilizar modelos y paquetes computaciones econométricos que ayuden a determinar el precio a través del tiempo, no se observa, en estos mercados, cambios de precios en el cortísimo plazo.

Por lo tanto, cuando se habla de algoritmos de precios, uno entendería que se hace referencia a mercados en donde las ventas se realizan mayoritariamente por medio de canales digitales. Los canales digitales permiten acceder a información online (por ejemplo, el número de potenciales compradores que ha estado navegando (browsing) mi página durante la última hora, y la tasa de concreción, i.e., cuántos de estos consumidores concretaron una compra considerando los precios vigentes en ese periodo de tiempo). Adicionalmente, empresas que utilizan los canales digitales en conjunto con modelos que incorporan la inteligencia artificial, pueden monitorear los precios de los competidores y sus variaciones de manera instantánea, cosa que no puede replicar el retailer que se enfrenta a competidores que venden en tiendas físicas.

En este sentido, los algoritmos de precios tendrían el potencial de generar efectos pro competitivos al forjar mayor transparencia, facilitar la recolección y organización de información relevante, y mejorar la eficiencia del mercado en el largo plazo, lo que favorecería a ambos lados del mismo (consumidores y productores). Sin embargo, mi algoritmo es capaz de aprender cómo responden los precios de mis competidores frente a un cambio de mi propio precio, lo que puede generar equilibrios con precios de mercado supra competitivos y que son sostenibles en el tiempo. Sin entrar en la discusión de si dichos equilibrios provienen de una colusión tácita o explícita, una primera pregunta a responder es cuán probable es la procreación de dichos equilibrios. No existe, ni en la literatura académica ni en las esferas de competencia, una respuesta única que logre un consenso general.

Algoritmos de Precios y Colusión

El precio social óptimo se alcanza en un mercado perfectamente competitivo. Un mercado perfectamente competitivo es un escenario hipotético caracterizado por la existencia de infinitos competidores que ofrecen un producto totalmente homogéneo, que tienen una función de producción idéntica, en el cual la información es perfecta y no existen barreras de entrada. Bajo este escenario, los algoritmos de precios -al permitir una diseminación de información más rápida de las condiciones actuales de la oferta y la demanda- consentirían el acceso a la información de forma transversal, impactando positivamente la competencia en un mercado oligopólico.

Sin embargo, el resultado anterior puede ser el opuesto cuando la estructura de mercado es, inicialmente, poco competitiva. Un bajo número de competidores, la existencia de barreras a la entrada relevantes, y la homogeneidad del producto facilitan la colusión. Por lo tanto, dado que los algoritmos de precios proveen mayor transparencia y generan un mayor intercambio de información (y con mayor frecuencia), su uso facilitaría el signaling y la implementación de políticas de precios comunes entre competidores (convergencia en las funciones de reacción). De la misma forma, los algoritmos favorecerían también el monitoreo y la implementación de castigos ante desviaciones del acuerdo.

Sin duda, lo anterior es preocupante, considerando que no se sabe mucho todavía respecto a cómo los algoritmos trabajan por sí solos (caja negra). Sin embargo, existen algunas consideraciones relevantes cuando hablamos de mercados digitales. Primero, se esperaría que la elasticidad de la demanda sea mayor en productos online similares (considerando los menores costos de búsqueda que los consumidores deben asumir), lo que reduce las ganancias de fijar un precio mayor. La facilidad de vitrinear en internet, sumado a los reducidos costos de búsqueda, reducen el poder de mercado. Segundo, y ahora por el lado de la oferta, es importante estudiar si las barreras a la entrada son fortalecidas o disminuidas debido a la mayor disponibilidad de datos y el uso de algoritmos. La respuesta no es clara. Por un lado, el uso de algoritmos permite a los incumbentes tener un mayor conocimiento del mercado y responder de forma más rápida y agresiva frente a la amenaza de un potencial entrante. Por el otro lado, la mayor disponibilidad de algoritmos permitiría a los entrantes tener acceso, ex-ante, a información del mercado, de los competidores y consumidores, lo que favorecía la competencia al incrementar la probabilidad de éxito al decidir entrar a competir.

A pesar de que no exista una conclusión clara al respecto, lo que sí sabemos es que internet y el mundo digital del retail han hecho posible, como nunca antes, la comparación de precios por parte de los consumidores, no sólo a nivel local, sino que también a nivel global. Al mismo tiempo, la presencia de ambos factores ha hecho también posible que los oferentes monitoreen de mejor forma cómo sus competidores actúan y responden a las condiciones prevalecientes del mercado, lo que ha generado una respuesta más rápida y mayor dinamismo en los precios.

Conclusión

«La variable clave a observar deberían ser los márgenes económicos: un constante estudio de los mismos a través del tiempo usando los diferentes screening económicos se hace necesario.»

Considerando los efectos que generan los algoritmos de precios, se debería observar una convergencia en el nivel de los mismos. El nivel de precios homogéneo -y potencialmente estacionario-, puede ser cercano al nivel competitivo o al nivel colusivo. Las características propias del mercado son fundamentales y van a influenciar el resultado final. La variable clave a observar deberían ser los márgenes económicos: un constante estudio de los mismos a través del tiempo usando los diferentes screening económicos se hace necesario.

Las autoridades de competencia deberían seguir monitoreando y auditando los algoritmos de precios, tratando de dilucidar cómo trabajan y con qué objetivo final fueron codificados. En este sentido, reguladores, economistas, estadísticos y científicos de la computación deberían colaborar y trabajar en conjunto. De esta manera, es esperable que, en un futuro cercano, los reguladores propongan lineamientos generales que tengan como objetivo definir tanto lo que se espera que un algoritmo genere y lo que no genere, como también qué tipo de información debiese ser considerada como inputs no colusivos. Finalmente, es aconsejable conservar la responsabilidad legal de las empresas en caso de que los algoritmos aprendan a coludirse. A pesar de que una definición clara de lo que es una colusión tácita o explícita en estos casos no es simple, lo relevante es determinar cómo actuó la firma al reconocer que el algoritmo aprendió a coludirse.