Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
Entre los días 29 a 31 de marzo de este año, se realizó la versión número 71 de la “Antitrust Law Spring Meeting”, organizada por la American Bar Association (ABA). En este marco, se organizaron más de 50 mesas redondas (roundtables) para discutir en torno a distintos tópicos de derecho de la competencia. En CeCo hemos cubierto algunas de estas mesas, examinando y resumiendo parte del material presentado por los expositores que intervinieron en ellas (p. ej., working papers, minutas y presentaciones).
En esta nota, se cubre el panel “Algorithmic collusion: The future of enforcement”, que tuvo de expositores a Robert Clark (Queen’s University), Laurien Gilbert (Cornerstone Research), Sonia Pfaffenroth (Arnold & Porter Kaye Scholer LLP) y Leslie Wulff (U.S. Department of Justice, Antitrust Division).
Hace poco más de un año discutíamos si acaso era posible que un algoritmo de precios se coludiera (ver columna de opinión de Maikol Cerda “¿Pueden los algoritmos de precios facilitar la colusión?”). Hoy la discusión no está en si efectivamente pueden coludirse -lo que ya se asume-, sino más bien en cómo las autoridades de competencia pueden detectar estas colusiones, y bajo qué figura jurídica deben ser sancionadas.
El uso de estos algoritmos es cada vez más común, y son utilizados por las empresas para definir sus estrategias de competencia y para determinar sus precios (ver Investigación de G. Sossa: “Algoritmos: Una mirada al presente”). Sin embargo, pese a que utilizar este tipo de herramienta puede optimizar varios procesos y aumentar la eficiencia, algunas autoridades de competencia han indicando que el uso de éstos puede generar variados riesgos anticompetitivos (ver nota CeCo: “Algoritmos y competencia”: autoridades de Alemania y Francia lanzan nuevo estudio).
Sonia Pfaffenroth expuso algunas definiciones que son importantes de precisar. En primer lugar, mencionó que los algoritmos son herramientas tecnológicas sofisticadas que impactan en las decisiones comerciales y estrategias de varios sectores económicos. Estos pueden ser utilizados por las empresas para optimizar varios de sus procesos, entre ellos, la fijación de precios. En segundo lugar, mencionó que, los algoritmos de fijación de precios pueden reaccionar a los precios de la competencia casi en tiempo real, y modificar instantáneamente los precios ofrecidos.
Estos algoritmos de fijación de precios pueden ser utilizados como un mecanismo para facilitar los acuerdos tradicionales entre competidores (p. ej., los competidores acuerdan utilizar el mismo algoritmo para garantizar una fijación de precios coordinada). En este caso particular, la colusión es explícita, ya que existe una coordinación para utilizar un algoritmo común, y en muchas ocasiones la utilización de éste requiere que se le entregue información sensible. Esta forma de interacción se podría enmarcar en un esquema hub-and-spoke, en donde empresas rivales entregan —y coordinan— su estrategia comercial mediante un tercero (el algoritmo).
Ahora bien, la utilización de un algoritmo de precios no es per se anticompetitiva. Las empresas pueden utilizar algoritmos de precios (p. ej., que ocupen información pública) y, de no existir un intercambio de información entre competidores, teóricamente, no existiría un indicio de colusión.
Según Pfaffenroth, también es posible que las empresas utilicen algoritmos de precios para coordinarse y coludirse. Por un lado, puede existir un acuerdo entre rivales para asignar el precio en base a lo que indica el algoritmo. Pero también el algoritmo puede ser utilizado por las empresas para monitorear —y sostener— un acuerdo colusorio previo, sin la utilización del algoritmo para fijar el precio.
Con esto, surge un tercer término: “colusión de algoritmos” (Algorithmic collusion). Éste hace referencia a que, en un futuro teórico, los algoritmos de precios sean utilizados por múltiples firmas, sin intervención humana, para coordinarse con la intención de restringir la competencia. Este es el caso más problemático para el derecho de competencia, porque aún no está claro a quién se debería imputar la responsabilidad por la colusión: ¿a la empresa que utilizó el algoritmo, al programador, a su supervisor?
Los algoritmos de precios pueden ayudar a las empresas en: (i) eficiencia, pues pueden procesar grandes cantidades de datos y tomar decisiones en tiempo real, lo que permite ajustar los precios de manera más rápida; (ii) precisión, ya que pueden analizar una amplia gama de factores (p. ej., demanda del mercado, costos de producción y precios de la competencia) permitiendo establecer precios más precisos y competitivos; (iii) maximización de ganancias, pues pueden ajustar los precios en función de la demanda del mercado y la elasticidad; (iv) automatización, pues reducen la necesidad de intervención humana en el manejo de los precios; y (v) adaptabilidad, ya que posibilitan un mayor dinamismo ante los cambios en el mercado, haciendo más competitiva a la empresa.
Sin embargo, la panelista Laurien Gilbert adviertió que la popularidad de estos algoritmos puede llamar la atención de las autoridades porque pueden facilitar una colusión tácita. En este sentido, Gilbert mencionó que, en entornos suficientemente favorables, la utilización de herramientas de ajuste automático de precios en los mercados en línea puede provocar ciclos de precios similares a los ciclos de Edgeworth.
Un “ciclo de Edgeworth” es una estrategia de precios tácitamente colusoria, que se ha documentado empíricamente en mercados en donde los vendedores comercian productos homogéneos, y los precios de los competidores son observables. Bajo esta estrategia, las empresas muestran una respuesta escalonada a un líder, el cual reduce gradualmente el precio antes de aumentarlo bruscamente al final del ciclo. Como resultado de la respuesta escalonada de los seguidores, las empresas tienen periodos con precios altos y bajos, dividiendo así la demanda a lo largo del tiempo y evitando la competencia total en precios que resultaría si no se coordinaran tácitamente. El efecto final que se ha observado bajo esta dinámica es un aumento del precio promedio del producto en cuestión.
Laurien Gilbert comentó que la colusión tácita entre algoritmos surge con mayor frecuencia en mercados con un duopolio duradero y que además los productos comercializados sean homogéneos.
En su exposición mencionó la importancia del trabajo de Assad et al (2020), en donde se presentó evidencia que mostró que la adopción de software de precios basado en el aprendizaje entre las gasolineras minoristas en Alemania llevó a precios más altos para los consumidores. Además, Gilbert agregó que los sectores en donde los precios pueden variar de forma periódica (p. ej., e-commerce, hoteles y alquileres a corto plazo, combustibles minoristas y mercados financieros), son aquellos en que el uso de estos algoritmos se ha tornado más común.
Por su parte, Robert Clark complementó lo expuesto por Gilbert, y mencionó que gran parte de la investigación económica consiste en simulaciones teóricas, en las que dos algoritmos interactúan y establecen precios en un entorno económico simple (conociéndose tanto el precio competitivo como el precio monopólico). Agregó que incluso en estos escenarios simples, la colusión solo surge bajo condiciones de mercado específicas.
Relacionado con lo anterior, Clark indicó que en entornos donde: (i) el número de competidores activos es mayor, (ii) es difícil observar directamente las estrategias de los demás, o (iii) donde hay múltiples dimensiones de competencia (p. ej., innovación o calidad), hay menos evidencia que argumente es probable que los algoritmos de fijación de precios faciliten una colusión. Por el contrario, existen muchas razones económicas para intuir que el uso de estos softwares podría beneficiar tanto a los consumidores como a las empresas.
Sonia Pfaffenroth y Leslie Wulff fueron las encargadas de exponer los principales litigios que relacionan el derecho de competencia y la colusión mediante algoritmos.
En primer lugar, Wulff destacó el caso de United States v. Topkins (2015). En este juicio, el DoJ mencionó que David Topkins fue el encargado de desarrollar el código que permitió la colusión de los proveedores de “box de ventas” en el Marketplace de Amazon.
El Marketplace de Amazon permite que vendedores externos puedan publicar o anunciar sus productos en la página. Para esto, deben pagar por un espacio (box) a los proveedores de espacio (posters sellers). Considerando el poder de mercado que tiene Amazon, y que cuenta con un flujo recurrente de usuarios, la competencia por poder “ganar el box” (es decir, publicar el producto que se intenta vender), es intensa.
De este modo, presionados por esta intensidad competitiva, los posters sellers acordaron (de forma verbal) fijar precios y luego programar un algoritmo para implementar su acuerdo. Entonces, el algoritmo buscaba el precio del box más bajo y la empresa A ofrecía el mínimo para adjudicárselo, luego la empresa B hacia lo mismo. Como resultado final, bajó el precio del box en Amazon.
Este caso (conocido como “Poster Case”), fue relevante porque se trató de la primera acusación de cartelización en e-commerce. Además, permitió demostrar que la colusión fue ejecutada a través de un medio digital técnicamente sofisticado (un algoritmo de fijación de precios en tiempo real).
El DoJ alegó que Topkins escribió el código del software utilizado para coordinar la colusión. El año 2015 fue declarado culpable y condenado a pagar una multa de USD 50.000.
Continuando con Amazon, también se puede mencionar la demanda de Washington State AG’s Suit Against Amazon. El programa “Sold by Amazon” (que involucraba productos exclusivos comercializados por la plataforma) competía con vendedores externos (a la plataforma). El Abogado General del Estado de Washington alegó que Amazon invitó a vendedores externos selectos a unirse al programa, ofreciéndoles un pago mínimo garantizado. Asimismo, las ventas por encima del precio mínimo se compartirían entre Amazon y el vendedor externo fidelizado.
La categoría “Sold by Amazon” fue ofrecida por la misma plataforma a los vendedores externos, pero el algoritmo de precios (de Amazon) se configuró para igualar los precios de otros minoristas (no inscritos en “Sold by Amazon”), y utilizó el precio de preinscripción del vendedor externo como precio mínimo (ver nota CeCo “Llegó el turno de Amazon en EE.UU.”).
Finalmente, Amazon acordó con la autoridad de competencia terminar con la categoría “Sold by Amazon”, actualizar anualmente su programa de cumplimiento antimonopolio, y pagar una multa de USD 2,25 millones.
Por otra parte, Pfaffenroth mencionó tres litigios privados que son relevantes (Uber, RealPage y Strip de Las Vegas). El primero que comentó fue la demanda presentada por un grupo de consumidores en contra de Uber el año 2015, alegando que su mecanismo de fijación de precios y pagos constituía un acuerdo anticompetitivo (ver caso Meyer v. Kalanick).
Los demandantes señalaron que el precio que cobraba la aplicación por viaje debía verse como una colusión hub-and-spoke, ya que la plataforma funcionaba como herramienta para que conductores (que competían entre ellos), cobraran un precio común, entendiendo que los otros conductores harían lo mismo.
Este caso se resolvió en un arbitraje, en donde se concluyó que los demandantes no pudieron demostrar que había una relación de “spoke” con los conductores, y que Uber no funcionaba como un “hub” tradicional, sino que más bien existían “numerosas relaciones contractuales verticales entre Uber y sus conductores”.
El segundo caso abordado por Pfaffenroth fue el de RealPage Inc. Entre octubre y noviembre del 2022 se demandó en varias cortes de Estados Unidos a RealPage (empresa que proporciona software de administración de propiedades para el arriendo de viviendas), alegando que los propietarios pueden usar su software para fijar precios en el mercado de viviendas de alquiler.
Aunque las alegaciones entre las quejas difieren, generalmente se menciona un patrón de comportamiento similar en el que los administradores de propiedades usarían el software de administración de ingresos de RealPage, que incluye mecanismos algorítmicos de fijación de precios para coludirse y aumentar los precios para los inquilinos. Además, se incluye en las demandas que el software permite a los administradores restringir la oferta de viviendas para alquilar, interviniendo artificialmente los precios.
Por último, en enero de 2023 se presentó una acción de clase (class action) en contra de un grupo de hoteles en Las Vegas y dos empresas desarrolladoras de un algoritmo de recomendación de precios. En la demanda colectiva se alega que los operadores de hoteles (que compiten en el Strip de Las Vegas) acordaron aumentar los precios de las habitaciones, utilizando varios algoritmos de fijación de precios (ver nota CeCo “Algoritmos y colusión: El nuevo caso de los Hoteles en Las Vegas”).
Los distintos algoritmos utilizados en este caso (todos ofrecidos por la misma empresa desarrolladora) agruparían información que entregarían los mismos operadores para asignar el valor de sus habitaciones en tiempo real (p. ej., disponibilidad, y valor de las habitaciones).
Por último, cabe mencionar que la FTC y el DOJ han sostenido que el análisis antimonopolio tradicional se puede aplicar a los algoritmos de fijación de precios. Sin embargo, en ausencia de prueba de colusión o evidencia de que la adopción paralela de precios —a través de fórmulas de fijación de precio automática— aumentó los precios y socavó la competencia, es poco probable que la adopción independiente de algoritmos de fijación de precios iguales o similares conduzca a una infracción antimonopolio.
*Esta nota sufrió modificaciones el 15 de abril del 2023.
