Price fixing’as – dirbtinio intelekto eroje
Dirbtinio intelekto naudojimas nustatinėjant konkrečių prekių ar paslaugų kainas versle tampa vis dažnesnis. Iš vienos pusės peršasi išvada, kad ilgalaikėje perspektyvoje į atitinkamas rinkas tai gali atnešti daugiau skaidrumo, mažinti netikėtumo faktorių ir sukurti prielaidas kartelinius susitarimus išlaikyti stabilius ilgesnį laiko tarpą. Kitu požiūriu galime kelti kardinaliai skirtingus klausimus: gal turėsime daugiau dinamikos rinkose? Emociškai neprieraišios ir žmogišku ryšiu nesuteptos kainų konkurencijos? Vertindami procesus turėsime išlikti budrūs, kadangi abu scenarijai gali būti visiškai realūs.
Kainodaros algoritmai yra skirti rinkti ir analizuoti daug rinkos duomenų ir įkainoti produktus bei paslaugas, atsižvelgiant į daugybę veiksnių. Kainų algoritmo pagalba verslas beveik akimirksniu galėtų reaguoti į rinką ir konkurentų kainų pokyčius. Kadangi kompiuterinė programa generuodama faktines operacijų kainas įvertina sudėtingus duomenis žmogui neįmanomu greičiu ir sudėtingumu, kainodaros algoritmų naudojimas sukuria suvokimą, kad kainų nustatymas yra visiškai valdomas mašinomis. Tačiau pats algoritmo sukūrimas yra laikytinas ūkio subjekto priimto sprendimo dalimi, todėl gali sukelti atsakomybę konkurencijos įstatymų požiūriu.
Kaip jau minėta, pagrįsta manyti, kad algoritmai gali palengvinti sąlygas sudaryti slaptus susitarimus ir apsunkinti neteisėtų susitarimų nustatymą. Konkurentai koncentruotoje rinkoje naudodami palyginamus algoritmus gali sukurti tokią aplinką, kurioje realiu laiku gali būti stebimi konkurentų veiksmai atitinkamai į juos reaguojat nedelsiant. Tokiu būdu viena iš konkurencijos šerdžių – netikėtumo faktorius ženkliai mažėja, o konkurento veiksmai rinkoje susiję su vienu esminių konkurencinių kriterijų (kainomis) tampa lyg padėti ant lėkštutės. Prognozuojama, kad dirbtinis intelektas skatinantis stabilesnes, labiau nuspėjamas rinkas gali tapti vis didesne kasdienybe. Kitu požiūriu, lygiai taip pat kaip technologinė pažanga suteikia konkurentams galimybę lengviau suvienodinti kainodarą su konkurentu, lygiai taip pat atitinkami algoritmai gali leisti daug aktyvesnę kainų konkurenciją. Būtent todėl analizuojama diskusija nėra vienareikšmė.
Neretai, karteliai yra patvaresni nei teigia standartinės ekonomikos teorijos, nes žmonės gali ir yra linkę pasitikėti vienas kitu. Kompiuteriai tokio gebėjimo neturi, o tik racionaliai apskaičiuoja, kaip gauti maksimalų pelną. Tad gali būti, kad šis algoritmų nesugebėjimas pasitikėti vienas kitu lems slaptų kartelinių susitarimų mažėjimą. Nors kainas nustatantys algoritmai ir negali vienas kitu pasitikėti, jie sugeba greičiau reaguoti į kainų pokyčius bei pastebėti sukčiavimą ar bet kokius kainų nukrypimus. Tai gali sudaryti sąlygas atsirasti naujiems ir subtilesniems slaptų susitarimų sudarymo būdams, kurie nėra panašūs į mums iki šiol įprastus kartelius, tačiau būtent tokio pobūdžio susitarimams būtų reikalinga ir ūkio subjektų valia, pavyzdžiui, įmonės atsakingų asmenų sprendimai technologinius sprendimus ir algoritmus naudoti ne aktyviai kainų konkurencijai, o priešingai užtikrinti tvarų kartelio „tvarkos“ egzistavimą.
Galime pasvarstyti apie keletą scenarijų, kuriuose kompiuteriniai algoritmai atliktų reikšmingą darbą kartelinių susitarimų sudarymo procese.
Pirmasis scenarijus. Ūkio subjektus atstovaujantys asmenys gali slaptai susitarti dėl tam tikrų komercinių sprendimų, juos įgyvendinant algoritmų pagalba. Šio pavyzdžio atveju galime prisiminti ir David Topkins ir jo bendrininkų-partnerių sutarimą fiksuoti kainas prekėms parduodamoms per platformą Amazon. Šiam tikslui pasiekti pastarieji asmenys pasitelkė specialius kainas nustatančius algoritmus, kurie surinkinėdavo informaciją apie konkurentų kainas. Jie taip pat parašė programinį kodą, kurio pagrindu kompiuterinė programa nustatinėjo plakatų kainas taip, kad jos atitiktų jų sudaryto slapto susitarimo sąlygas. Taigi, tokiu situacijų atveju susitarimus sudaro ūkio subjektai per juos atstovaujančius asmenis, tačiau kartelio veikimą prižiūri ir reguliuoja kompiuteriai.
Antrasis scenarijus. Naudojamas vienas universalus algoritmas, kuris nustato rinkos kainą. Tokios sistemos pavyzdžiu galima būtų laikyti programėles BOLT, UBER ir kt. Atitinkamai, vairuotojai tarpusavyje dėl kainų nekonkuruoja ir, nors pastarieji gali siūlyti nuolaidas, būtent Uber’io algoritmas nustato bazinį tarifą bei kada, kur ir kokiam laikotarpiui įvesti papildomą mokestį. Platformos įtakai rinkoje augant, grupė panašių vertikalių susitarimų suteikia galimybę atsirasti „hub and spoke” situacijai, kai algoritmo kūrėjas, kaip centras, suderina slaptus susitarimus industrijoje ir taip sukelia kainų kilimo efektą.
Trečiasis scenarijus. Tai potencialus atvejis, kai visi konkurentai priima sprendimą naudoti tam tikrą kainas nustatančią kompiuterinę programą sugebančią nustatyti kainodarą maksimalizuojančią konkrečios įmonės pelną bei siekiant šio tikslo prisitaikyti prie kitų konkurentų ir jų taikomų programinės įrangos sprendimų kainų nustatymo procese. Šiuo atveju nuo slaptų susitarimų tarp vadovų sudarymo viešbučių kambariuose pereitumėme prie pavyzdžių, kuriame algoritmai nuolatos stebėtų ir prisitaikytų prie vienas kito kainų siekdami pelno maksimizavimo.
Beveik visuose scenarijuose vaidmenį atlieka dvi esminės technologinės priemonės. Pirmoji priemonė yra kompiuterių gebėjimas išanalizuoti didžiulius kiekius duomenų realiu laiku, o antroji – tai tobulėjantis algoritmų savarankiškų sprendimų priėmimas ir mokymasis iš savo patirties, t.y. dirbtinis intelektas.
Kitaip nei žmonės, kompiuteriai nebijo būti aptikti, sulaukti finansinių baudų ar netgi būti įkalinti. Taip pat, algoritmai neturi žmonėms būdingo šališkumo (pvz. rizikos vengimo), kas leidžia jiems „elgtis“ pamatuotai ir nuosekliai kiekybiškai vertinant pelną, kurį galimą pasiekti per slaptus susitarimus (būtent karteliniai susitarimai tam tikru laikotarpiu gali leisti pasiekti pelno maksimizavimo tikslus).
Industrijose plačiai naudojant algoritmus ir iš to kylant didesniam rinkos skaidrumui, kompiuteriai gali lengvai sekti įvairių konkurentų elgesį bei numatyti konkurencines grėsmes ir į jas reaguoti. Kiekvienos įmonės algoritmas gali nuspręsti, ar verta imtis kokios nors iniciatyvos ir ar iš to galima išlošti. Taip pat, algoritmams turint tą patį tikslą (pelną) ir bendrą indėlį (panašius duomenis), jų naudojimas gali skatinti slaptų susitarimų tarp konkurentų sudarymą. Svarbu išskirti, jog tokių slaptų susitarimų įrodymas reikalaus visiškai specifinių resursų iš rinkos reguliatorių, kadangi reikės įrodinėti algoritmais grįstus susitarimus.
Vis dėlto, virtualios konkurencijos ateitis nebūtinai yra tamsi. Inovacijos, kurios kyla iš besimokančių sistemų ir „Big Data” gali sumažinti paieškos sąnaudas, pašalinti esančius barjerus įeiti į rinką, sukurti naujų kanalų plėtrai ir, galiausiai, skatinti konkurenciją. Bet ši nauda nėra gaunama automatiškai. Daug kas priklauso nuo to, kaip įmonės naudoja šias technologijas ir ar jų paskatos atitinka jų klientų ir visuomenės interesus.
Atitinkamai, verslas bei konkurenciją prižiūrinčios institucijos privalo suprasti kaip kompiuterinių algoritmų tobulėjimas ir naujos rinkos realijos gali kardinaliai pakeisti konkurencijos paradigmą – galbūt į gerą, o galbūt ir į blogą. Privalome ieškoti naujų apsaugos priemonių skatinančių konkurenciją šioje naujoje aplinkoje. Kitu atveju, susidursime su naujomis slaptų susitarimų formomis bei galybe pažeidimų, sukeltų dominuojančią padėtį turinčių įmonių, kurių veiklos pagrindas yra duomenys ir kurios, valdydamos tokias svarbias platformas kaip, pavyzdžiui, išmaniųjų telefonų operacinės sistemos, gali daryti įtaką ir jūsų įmonės likimui.
Pastebima ir spartėjanti dirbtinio intelekto revoliucija tikrai reikalaus konkurencijos priežiūrą vykdančias institucijas peržiūrėti turimų tyrimų įrankių ir žmogiškųjų resursų pakankamumą. Paraleliai, dirbtinio intelekto plėtra ir jo panaudojimas įvairiose srityse atitinkamai diktuoja ir gaires ateities teisininko profesijai – ne tik išsamų konkrečios industrijos žinojimą, ne tik suvokimą kaip veikia konkretus IT sprendimas, tačiau ir būtinumą šalia savęs turėti būrį patikimų savo srities ekspertų, kurie verslui gali pasiūlyti faktinius teisinių rizikų valdymo sprendimus.
Vertinant straipsnyje aptartas rizikas dėl potencialių kartelinių susitarimų būtina prisiminti svarbiausias konkurencijos prevencijos taisykles:
- Įsitikinkite, kad bendrovėje vykdote švietimą konkurencijos teisės klausimais. Priminkite darbuotojams ir aukštas pareigas užimantiems asmenims jūsų įmonėje, kad susitarimai su konkurentais dėl konkrečios kainos nustatymo ar rinkos perskirstymo yra neteisėti, net jei jie vykdomi taikant algoritmus.
- Paaiškinkite darbuotojams, kad algoritmų naudojimas ir šių algoritmų ypatybės yra konkurenciniu požiūriu neskelbtina ir jautri įmonės informacija, kuria neturėtų būti dalijamasi su konkurentais. Jei nuspręsite sukurti kainodaros algoritmą įmonėje, visi su tuo susiję darbuotojai turi suprasti, kaip svarbu išlaikyti informaciją apie kainodaros algoritmus įmonės viduje.
- Atsargiai priimkite ir naudokite tam tikrus algoritmus atsižvelgiant į tai, kad kiti pramonės dalyviai galbūt jau naudoja tokį algoritmą arba pradės jį naudoti. Renkantis trečiosios šalies sukurtą ar parduodamą kainodaros programinę įrangą, neskatinkite programinės įrangos gamintojo parduoti tą patį produktą konkurentams ar kitą informaciją, atskleidžiančią, kaip jūsų įmonė naudoja programinę įrangą. Tai gali būti sunkus iššūkis, nes pardavimo tikslas natūraliai apimtų sėkmingą programinės įrangos diegimą visoje jūsų pramonėje. Pasikonsultuokite su antimonopolinėje srityje dirbančiais patarėjais, paprašykite patarimų apie produkto pardavimo mažinimą ir pateikite juos diskusijose su programinės įrangos kūrėju.
- Dokumentuokite vienašališką sprendimo priimti konkretų algoritmą ar programinę įrangą pobūdį ir priežastis pagrįstas verslo logika algoritmui ar programinei įrangai priimti.
- Tikėtis, kad bus sustiprinta galima koordinuoto poveikio susijungimo kontrolė ir pasiruošti:
- Nustatyti kainodaros algoritmo naudojimo poveikį.
- Analizuoti konkurencinę aplinką kiekviename rinkos segmente, apibrėžtame kainodaros algoritmu.
- Įvertinti šiuo metu egzistuojantį su susijungimu susijusį veiksmingumą rinkos segmentuose, kuriuose nėra didelės koncentracijos, siekiant išsiaiškinti, kaip tai nusvertų galimą žalą rinkos segmentuose, kuriuose koncentracija padidėtų iki neįprasto ar susirūpinimą keliančio lygio.
