Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
https://centrocompetencia.com/wp-content/themes/Ceco
La IA tiene el potencial de impulsar la productividad y la eficiencia en diferentes sectores de la economía a través de la innovación en los mercados existentes y de la creación de nuevos servicios y productos. No obstante, también podría conllevar ciertos riesgos en materia de competencia, los cuales han comenzado a ser investigados y analizados por diversas autoridades de competencia.
El acceso y uso de grandes volúmenes de datos podría otorgar una ventaja competitiva a las empresas que ya cuentan con infraestructura tecnológica avanzada, lo que podría generar barreras de entrada y concentrar el poder en pocos jugadores del mercado. Desde el ámbito regulatorio, se han identificado riesgos asociados al uso ético y responsable de la IA, la protección de datos, la interoperabilidad entre sistemas y la protección de los usuarios frente a la manipulación de información y la creación de contenidos engañosos o falsos.
En ese ámbito, el estudio titulado “Potenciales riesgos y beneficios en materia de competencia económica en el entorno de la inteligencia artificial” (“Estudio”) aborda los potenciales riesgos y beneficios de la IA y enfatiza la necesidad de que las autoridades monitoreen continuamente los avances en IA para prevenir riesgos, fomentar la competencia y proteger a los usuarios, sin frenar la innovación.
La OCDE define a los sistemas de IA como sistemas basados en una máquina que, para objetivos explícitos o implícitos, infieren, a partir de la información que reciben, como generar resultados, tales como predicciones, contenidos, recomendaciones o decisiones que pueden influir en entornos físicos o virtuales. Estos sistemas varían en autonomía y adaptabilidad después de su implementación.
Los componentes o habilitadores claves de la IA incluyen: plataformas de software de código abierto, tecnologías centrales (algoritmos, Big Data, capacidad computacional), plataformas abiertas de IA (TensorFlow, IBM Watson, Acumus, OpenAI, GitHub, LlaMa) y aplicaciones de IA (Siri, Alexa, Google Assistant, IBM Watson Health, entre otros).
Dada la amplitud en la aplicación de esta tecnología, el ecosistema de la IA puede llegar a ser complejo y estar integrado por diferentes actores, además, este ecosistema es dinámico, por lo que puede cambiar a lo largo del tiempo. En términos generales, el ecosistema del mercado de la IA abarca proveedores de Big Data, hardware, software, chips para IA, nube, redes y seguridad, entre otros servicios. Además, el ecosistema se puede analizar de acuerdo con el segmento al que va dirigido la IA: consumidor, prosumidor (el usuario es consumidor y productor a la vez), empresa horizontal o vertical.
En este sentido, comprender la dinámica competitiva de este ecosistema requiere analizar el posicionamiento de las tecnologías y su segmentación de mercado, lo cual es crucial para abordar cuestiones regulatorias y de competencia, donde la definición del mercado relevante juega un papel fundamental para evitar generalizaciones inadecuadas o interpretaciones estrechas sobre su definición.
En el contexto mexicano, se advierte que las empresas de diversos sectores están ofreciendo productos y servicios de IA, principalmente en alianza con otras empresas del ecosistema digital (como AWS, Google, Meta y Microsoft). En el sector de telecomunicaciones, los operadores están incorporando la IA para reducir los costos de soporte al cliente, mejorar la productividad del personal, reforzar la seguridad de las redes y mejorar la satisfacción del cliente (ver Anexo 8 del Estudio).
La competencia en torno a la IA podría verse afectada a través de diversas fuentes. Una de ellas es, por ejemplo, la presencia de un número reducido de grandes empresas tecnológicas que influyen en el desarrollo y la innovación de la IA y los mercados relacionados. Estas empresas podrían afianzar su poder de mercado a través de concentraciones y alianzas con actores clave, exacerbando las posiciones de poder existentes en la cadena de valor.
Adicionalmente, el ecosistema de la IA presenta barreras a la entrada y a la expansión que refuerzan el poder de mercado de esas grandes empresas, tal como las inversiones elevadas en datos, capacidad de cómputo y en talento humano; la existencia de largos plazos de desarrollo; economías de escala; el acceso restringido a grandes volúmenes de datos de alta calidad, así como al procesamiento y almacenamiento de estos.
No obstante, algunos autores como Carugati (2023) o Copenhagen Economics (2024) argumentan que el mercado es suficientemente competitivo y dinámico, y que una regulación prematura podría ser contraproducente, en la medida que pueda obstaculizar la innovación.
Por otro lado, la discusión sobre las teorías del daño se centra en la problemática que plantea el uso y la implementación de algoritmos por parte de empresas de diversos sectores, independientemente de su participación en la cadena de valor de la IA, y cómo estos pueden generar efectos anticompetitivos. En este contexto, la OCDE identifica los siguientes tipos de conductas que merecen especial atención (ver nota CeCo: “OCDE: Competencia Algorítmica”):
a. exclusión algorítmica: El algoritmo de una empresa dominante puede excluir parcial o totalmente a un competidor, por ejemplo, a través de la auto referencia (como en el caso de la Comisión Europea vs Google Search (shopping)), precios predatorios, descuentos y ventas atadas.
b. explotación algorítmica: Las empresas dominantes pueden utilizar algoritmos para imponer precios excesivos, condiciones comerciales desleales o prácticas de discriminación de precios, en detrimento de los consumidores.
Diversas autoridades de competencia a nivel internacional han tomado medidas ante el desarrollo de la IA y sus posibles implicaciones en la competencia. Un ejemplo destacado es la Autoridad de Competencia y de Mercados del Reino Unido (CMA), que publicó una serie de principios para orientar al sector de Modelos Fundacionales hacia resultados positivos para los consumidores, las empresas y la economía del país. En una línea similar, la Comisión Europea (CE), el Departamento de Justicia (DoJ), la Comisión Federal de Comercio (FTC) y la CMA publicaron una declaración conjunta en la que establecieron principios comunes sobre la competencia en mercados que implementan modelos básicos de IA generativa y otros productos de IA.
Además de estas iniciativas, las autoridades de competencia están implementando estrategias para investigar, regular y mitigar daños causados por los algoritmos. Estas estrategias incluyen la investigación de algoritmos, la adquisición de conocimientos especializados en la materia, y la colaboración y coordinación. Asimismo, se ha incrementado el monitoreo de la IA generativa a través de estudios de mercado en los que se han identificado barreras a la entrada y posibles riesgos para la competencia (ver nota CeCo: “Computational Antitrust (Stanford): Un Año de Progreso y Desafíos”).
Por otro lado, la IA ofrece la posibilidad de una mayor eficiencia en las investigaciones de competencia. En la Tabla 1 se presenta un resumen del uso de la IA y otras técnicas computacionales por parte de algunas autoridades de competencia para analizar documentos y obtener evidencias, detectar conductas anticompetitivas, entre otras aplicaciones.
Tabla 1. Resumen de iniciativas de las autoridades de competencia
| País | Acción |
|---|---|
| Brasil | - Cerebro: i) compila y analiza la dirección IP de empresas participantes en licitaciones (adquisiciones) y ii) analiza perfiles de empresas participantes en licitaciones públicas (adquisiciones). |
| Canadá | - Creación de unidad especializada para análisis avanzado y ciencia de datos. - Uso de modelos de procesamiento de lenguaje natural (NLP) y otras técnicas para identificar y medir automáticamente grupos de documentos similares para investigaciones. |
| Chile | - Creación de unidad de inteligencia con enfoque en el análisis de grandes volúmenes de datos, para la detección de carteles y desarrollo de enfoques de investigación. - Implementación de algoritmos de aprendizaje de máquina (ML) y otros enfoques de IA con propósitos de detección de conductas anticompetitivas. |
| Colombia | - Sherlock: revisa conjuntos de datos almacenados en las plataformas de contratación pública. - Sabueso: herramienta de seguimiento de precios de los productos ofrecidos por los supermercados en sus páginas web para mejorar las funciones de inspección, vigilancia y control de la autoridad. |
| España | - Establecimiento de la Unidad de Inteligencia Económica que utiliza técnicas avanzadas de análisis de datos e IA para mejorar la detección de conductas anticompetitivas, especialmente en la contratación pública. - BRAVA: algoritmo de ML para clasificar las ofertas de licitación como colusorias o competitivas. |
| Reino Unido | - Automatización de la identificación de fusiones y adquisiciones. - Desarrollo de herramientas automatizadas para la recolección de datos que pueden ayudar a responder quejas de consumidores y mejorar la información utilizada en investigaciones. |
| Australia | - Uso de tecnologías avanzadas para mejorar la eficiencia y efectividad de sus procesos de investigación y litigio. - Uso de técnicas avanzadas como codificación predictiva, agrupación de conceptos, NLP, entre otras, para revisar y organizar documentos. |
Fuente: Ejemplos tomados del Estudio “Potenciales riesgos y beneficios en materia de competencia económica en el entorno de la inteligencia artificial”
Ante el impacto potencial de la IA en la competencia, innovación y las inversiones en prácticamente todos los sectores de la economía, el Estudio determina fundamental que los reguladores mantengan una vigilancia proactiva. Esto implica un monitoreo constante de tendencias y prácticas, así como la identificación de riesgos asociados con el poder de mercado y las barreras a la entrada y a la competencia. Lo anterior, permitirá a las autoridades reaccionar de manera oportuna ante los desafíos, garantizando un equilibro entre el desarrollo de los mercados, la innovación y un entorno competitivo.
Para fortalecer sus herramientas de análisis, el Estudio recomienda que los reguladores y las agencias de competencia consideren: el desarrollo de sus propias herramientas de IA; la creación de áreas especializadas en análisis y ciencia de datos; la capacitación en IA; la identificación de necesidades y requerimientos para el desarrollo de herramientas de IA; el monitoreo de algoritmos de precios; el fomento de la colaboración interinstitucional e internacional; la evaluación del impacto de la IA; y la actualización de estudios y reportes sobre la materia (ver investigación de E. Ruiz-Tagle: “De la Teoría a la Tecnología: Computational Antitrust”).
*Carolina Cabello es Doctora en Derecho por la Universidad de California, Berkeley; abogada por la UNAM y economista por el ITAM. Ha trabajado en la Suprema Corte de Justicia de la Nación, la OCDE y el IFT. Especialista en competencia económica, regulación sectorial y control constitucional, es Investigadora en Competencia Económica en el Centro de Estudios del IFT.
*Sayuri Koike es Doctora y maestra en economía aplicada por la Universidad Autónoma de Barcelona, y maestra en economía por El Colegio de México. Actualmente es investigadora del Centro de Estudios del Instituto Federal de Telecomunicaciones.
Enlaces relacionados:
https://centrocompetencia.com/inteligencia-artificial-derecho/
https://centrocompetencia.com/colusion-inteligencia-artificial/
https://centrocompetencia.com/impacto-al-abusos-dominancia-exclusorios/
https://centrocompetencia.com/algoritmos-y-competencia-capobianco/
