Ψηφιακά Καρτέλ: οι κίνδυνοι, ο ρόλος των Big Data, τα πιθανά μέτρα και η Ε.Ε.

Γράφει ο Κωνσταντίνος Καούρας*

 

Όλοι είμαστε εξοικειωμένοι με την έννοια των «καρτέλ». Στα καρτέλ μεγάλοι παίκτες σε ολιγοπωλιακές συνήθως αγορές συνάπτουν τυπικές ή άτυπες συμφωνίες μεταξύ τους, διαμορφώνοντας ενιαία τιμή διάθεσης των προσφερόμενων προϊόντων ή υπηρεσιών, προκειμένου να αποφύγουν το μεταξύ τους ανταγωνισμό και να μοιράσουν τα κέρδη από την αγορά.

Μέσα από αυτή τη διαδικασία τελικός ζημιωμένος είναι ο καταναλωτής, ο οποίος καταλήγει να πληρώνει περισσότερο από όσο θα ήταν αρχικά διατεθειμένος.

Το αποτέλεσμα είναι ότι μέρος του δικού του πλεονάσματος μετατρέπεται σε πλεόνασμα του (λιανο-)πωλητή.

Τι θα γινόταν όμως αν τέτοια φαινόμενα παρατηρούνταν στον ψηφιακό χώρο;

Αν δηλαδή αλγόριθμοι τιμολόγησης ήταν ικανοί να συντονίσουν τις τιμές ακόμα και σε μη ολιγοπωλιακές αγορές δημιουργώντας «ψηφιακά καρτέλ» («αλγοριθμική (σιωπηρή) συμπαιγνία»);

Οι αλγόριθμοι θα μπορούσαν να το πετύχουν αυτό θέτοντας αυτόματα εκείνες τις τιμές που μεγιστοποιούν τα κέρδη των (λιανο-)πωλητών.

Σε αντίθεση με τα παραδοσιακά καρτέλ, όπου οι ανταγωνίστριες εταιρείες αναγκάζονται να συνάψουν ρητές ή σιωπηρές συμφωνίες μεταξύ τους, στα ψηφιακά καρτέλ ο συντονισμός των δράσεών τους μπορεί να επιτευχθεί και χωρίς ρητή συμφωνία μεταξύ τους, αλλά με αναγνώριση της αμοιβαίας αλληλεξάρτησής τους στο πλαίσιο μίας δεδομένης αγοράς.

Σιωπηρή Συμπαιγνία και Αλγόριθμοι

Oι τρόποι με τους οποίους μπορεί να επιτευχθεί σιωπηρή συμπαιγνία μέσω της χρήσης αλγορίθμων είναι πολλοί. Ενδεικτικά:

  1. Οι αλγόριθμοι έχουν τη δυνατότητα να εντοπίζουν απειλές στην αγορά πολύ γρήγορα, για παράδειγμα μέσω ενός φαινομένου που είναι γνωστό ως «now casting», το οποίο επιτρέπει στους παίκτες της αγοράς να εξαγοράζουν προληπτικά τυχόν ανταγωνιστές ή να αντιδρούν επιθετικά στην είσοδο νέων παικτών στην αγορά.
  2. Οι αλγόριθμοι συμβάλλουν στην αύξηση της διαφάνειας της αγοράς και της συχνότητας των αλληλεπιδράσεων, με αποτέλεσμα να καθιστούν τους οικείους τομείς της αγοράς πιο επιρρεπείς σε συμπαιγνία.
  3. Οι αλγόριθμοι μπορούν να δρουν ως διευκολυντές συμπαιγνίας μέσω παρακολούθησης των κινήσεων των ανταγωνιστών με στόχο την επιβολή μίας συμπαιγνιακής συμφωνίας, επιτρέποντας τον έγκαιρο εντοπισμό αποκλίσεων από την καθορισμένη τιμή και τη χάραξη στρατηγικών αντεκδίκησης.
  4. Ο αλγοριθμικός συντονισμός μπορεί να επιτευχθεί μέσα από ένα σενάριο «κέντρου και περιφέρειας» («hub and spoke») όπου οι ανταγωνίστριες εταιρίες ενδέχεται να χρησιμοποιούν τους ίδιους κατασκευαστές αλγορίθμων για τη δημιουργία αλγορίθμων τιμολόγησης και, έτσι, να καταλήγουν να βασίζονται στους ίδιους αλγορίθμους για την ανάπτυξη των στρατηγικών τιμολόγησης. Παρομοίως, ένα συμπαιγνιακό αποτέλεσμα θα μπορούσε να επιτευχθεί εάν οι περισσότερες εταιρίες κατέληγαν να χρησιμοποιούν αλγόριθμους τιμολόγησης για να παρακολουθούν σε πραγματικό χρόνο τον ηγέτη της αγοράς (στρατηγική «οφθαλμός αντί οφθαλμού»).
  5. «Σηματοδοτικοί αλγόριθμοι» μπορούν να επιτρέπουν σε επιχειρήσεις να ορίζουν αυτόματα ταχύτατα επαναλαμβανόμενες ενέργειες, όπως στιγμιαίες αλλαγές τιμών στη μέση της νύχτας, που δεν μπορούν να τύχουν εκμετάλλευσης από τους καταναλωτές, αλλά οι οποίες μπορούν να «διαβαστούν» και να εκτελεστούν από ανταγωνιστές που διαθέτουν καλούς, αναλυτικούς αλγόριθμους.
  6. «Αυτοδίδακτοι αλγόριθμοι» μπορεί να εξαφανίσουν την ανάγκη για ανθρώπινη μεσολάβηση, καθώς χρησιμοποιώντας τεχνολογίες νοημοσύνης των μηχανών («machine learning»), οι αλγόριθμοι αυτοί δύνανται να βοηθούν τις επιχειρήσεις να επιτυγχάνουν ένα συμπαιγνιακό αποτέλεσμα χωρίς κάν να έχουν επίγνωση αυτού.

Αλγόριθμοι & Big Data: Σύμμαχοι του Καταναλωτή & της Επιχείρησης;

Τα Big Data ορίζονται ως εκείνο το «σώμα πληροφοριών που χαρακτηρίζεται από τέτοιο μεγάλο όγκο, ταχύτητα και ποικιλία που απαιτείται ειδική τεχνολογία και αναλυτικές μέθοδοι για τη μετατροπή του σε αξία». Οι αλγόριθμοι, ως «πολύ καλά ορισμένη υπολογιστική διαδικασία που λαμβάνει μία ορισμένη αξία, ή ένα σύνολο αξιών, ως «πρώτη ύλη» και παράγει μία άλλη αξία, ή σύνολο αξιών, ως αποτέλεσμα», παρέχουν την απαραίτητη τεχνολογία για την αξιοποίηση των Big Data.

Πώς θα μπορούσε ο συνδυασμός των δύο να οδηγήσει στη μείωση του κινδύνου επίτευξης σιωπηρής συμπαιγνίας σε μία αγορά;

Σε ψηφιακά οικοσυστήματα που στηρίζονται στη χρήση δεδομένων, οι καταναλωτές μπορούν να αναθέτουν αγοραστικές αποφάσεις σε αλγόριθμους που λειτουργούν ως το «άλλο ψηφιακό τους μισό» ή να συγκεντρωθούν σε αγοραστικές πλατφόρμες, ενισχύοντας έτσι την αγοραστική τους δύναμη.

Όταν οι αγοραστές έχουν ισχυρή αγοραστική δύναμη, έχουν τη δυνατότητα να επιλέγουν ελεύθερα από πού και με ποιους όρους θα προμηθευτούν προιόντα ή υπηρεσίες και, έτσι, δυσχεραίνουν ανεπανόρθωτα κάθε προσπάθεια επίτευξης όρων συντονισμού μεταξύ των πωλητών.

Επίσης, οι αλγόριθμοι μπορούν να αναγνωρίσουν πιθανή συμπαιγνία μεταξύ των (λιανο-)πωλητών και να ειδοποιήσουν τον καταναλωτή ή ακόμα και να οδηγήσουν τον καταναλωτή να προμηθευτεί προιόντα ή υπηρεσίες από διαφορετικούς πωλητές προκειμένου να ισχυροποιήσουν τα κίνητρα νέων παικτών να εισέλθουν στην αγορά.

Πέρα από τη θετική λειτουργία σε επίπεδο ζήτησης, οι «αλγοριθμικοί καταναλωτές» μπορούν επίσης να επιτείνουν τον ανταγωνισμό μεταξύ των πωλητών, καθώς, με τη βοήθεια των αλγορίθμων, έχουν τη δυνατότητα να συγκρίνουν ένα μεγάλο όγκο προσφορών και να αλλάξουν προμηθευτές, εάν αυτό κριθεί συμφέρον.

Από την άλλη πλευρά, η αυξημένη διαθεσιμότητα ηλεκτρονικών δεδομένων, ως αποτέλεσμα της χρήσης αλγορίθμων, μπορεί να παράσχει χρήσιμες πληροφορίες για την αγορά σε επίδοξους νέους παίκτες μειώνοντας το κόστος εισόδου τους στην αγορά.

Επιπροσθέτως, οι αλγόριθμοι μπορούν να αποτελέσουν μία σημαντική πηγή καινοτομίας, επιτρέποντας σε επιχειρήσεις να αναπτύξουν μη παραδοσιακά επιχειρηματικά μοντέλα και να εξαγάγουν περισσότερες πληροφορίες από υπάρχοντα δεδομένα, οδηγώντας, έτσι,  σε πολυεπίπεδη ανάπτυξη της αγοράς και μείωση της παροντικής αξίας των συμπαιγνιακών συμφωνιών.

Τα Μέτρα Πρόληψης ή και Αντιμετώπισης των «Ψηφιακών Καρτέλ» και o Ρόλος της Ευρωπαϊκής Ένωσης

Αναγνωρίζοντας ότι τυχόν μέτρα κατά των «ψηφιακών καρτέλ» μπορεί να έχουν επιπτώσεις στον ανταγωνισμό, οι αρχές ανταγωνισμού καλούνται να υιοθετήσουν άλλοτε πιο ήπια και άλλοτε πιο ριζοσπαστικά μέτρα ανάλογα με τη σοβαρότητα ή και την πιθανότητα του κινδύνου συμπαιγνίας.

Ένα από τα παραδοσιακά εργαλεία που θα μπορούσαν να χρησιμοποιήσουν οι αρχές ανταγωνισμού προς αυτή την κατεύθυνση είναι η διεξαγωγή ερευνών αγοράς και η συλλογή αποδεικτικών στοιχείων σχετικά με τις περιπτώσεις αλγοριθμικής τιμολόγησης και τον κίνδυνο συμπαιγνίας.

Σε περίπτωση που ο κίνδυνος συμπαιγνίας είναι υπαρκτός, οι αρχές ανταγωνισμού θα μπορούσαν να τροποποιήσουν το καθεστώς ελέγχου των συγχωνεύσεων, μειώνοντας το κατώφλι παρέμβασής τους και διερευνώντας την πιθανότητα συμπαιγνίας ακόμα και σε λιγότερο ολιγοπωλιακές συνθήκες π.χ. συγχωνεύσεις από 4 σε 3 ή ακόμη και από 5 σε 4 μέρη.

Επιπλέον, θα μπορούσαν να ρυθμίσουν ex ante το καθεστώς των αλγορίθμων τιμολόγησης επιβάλλοντας απαίτηση ειδοποίησης και προηγούμενης ανάλυσής τους, δημιουργώντας τελικά ένα προστατευμένο κανονιστικό περιβάλλον («regulatory sandbox») για τη λειτουργία των αλγορίθμων.

Ένας τέτοιος έλεγχος θα μπορούσε να ανατεθεί σε έναν ειδικό φορέα, όπως ένα εθελοντικό δίκτυο μεταξύ ρυθμιστικών αρχών σε εθνικό και υπερ-εθνικό επίπεδο υπεύθυνων για τη ρύθμιση του ψηφιακού τομέα («Digital Clearing House»).

Ταυτόχρονα, οι αρχές ανταγωνισμού θα μπορούσαν να επανεξετάσουν την έννοια της «συμφωνίας» κατά την έκδοση των αποφάσεών τους στο μέλλον προκειμένου να ενσωματώσουν σε αυτήν και άλλες μορφές συντονισμού («meeting of minds») που επιτυγχάνονται με τη βοήθεια αλγορίθμων.

Στη δε περίπτωση των «αυτοδίδακτων αλγορίθμων», θα μπορούσαν να διευρύνουν το πλαίσιο ευθύνης για παραβίαση διατάξεων του Δικαίου Ανταγωνισμού, αποδίδοντας ενοχή σε πρόσωπα που επωφελούνται από τις αυτόνομες αποφάσεις των αλγορίθμων.

Τέλος, όταν ο κίνδυνος συμπαιγνίας αξιολογείται ως πολύ υψηλός, οι αρχές ανταγωνισμού θα μπορούσαν να εξετάσουν τη θέσπιση κανόνων για την αποτροπή της αλγοριθμικής συμπαιγνίας, καθορίζοντας ανώτατες τιμές τιμολόγησης, καθιστώντας τις συνθήκες της αγοράς πιο ασταθείς ή ακόμα και δημιουργώντας πλαίσιο κανόνων όσον αφορά το σχεδιασμό των αλγορίθμων.

Ωστόσο, δεδομένων των πιθανών επιπτώσεων στον ανταγωνισμό, τα μέτρα αυτά θα πρέπει να εξεταστούν προσεκτικά πριν την εφαρμογή τους.

Καθώς οι περισσότερες διαδικτυακές εταιρείες που χρησιμοποιούν αλγόριθμους τιμολόγησης λειτουργούν πέραν των εθνικών συνόρων και η Ε.Ε. έχει τη δύναμη να εξωτερικεύει το κανονιστικό της πλαίσιο εκτός των συνόρων της (ένα φαινόμενο γνωστό ως «η επίδραση των Βρυξελλών»), προτείνεται από τον γράφοντα η χάραξη πολιτικής κατά της αλγοριθμικής συμπαιγνίας να λάβει χώρα σε επίπεδο Ε.Ε., με τη συνεργασία όλων των αρμόδιων αρχών για τη ρύθμιση του ψηφιακού τομέα.

Το εναρμονισμένο νομικό πλαίσιο σε επίπεδο Ε.Ε., όπως έχει αποδειχθεί πρόσφατα με τον Γενικό Κανονισμό Προστασίας Δεδομένων (ΓΚΠΔ), είναι σημαντικό για την προστασία των νόμιμων συμφερόντων των καταναλωτών και για τη διευκόλυνση της ανάπτυξης και της ταχείας επέκτασης των καινοτόμων πλατφορμών που χρησιμοποιούν αλγόριθμους τιμολόγησης.

Αξίζει να σημειωθεί, πάντως, ότι, μετά από πρόταση του Ευρωπαϊκού Κοινοβουλίου, η Ευρωπαϊκή Επιτροπή πραγματοποιεί επί του παρόντος μια εις βάθος ανάλυση των προκλήσεων και των ευκαιριών που παρουσιάζονται από την αλγοριθμική λήψη αποφάσεων.

Μάλιστα, η Ανεξάρτητη Υψηλού Επιπέδου Ομάδα Ειδικών για την Τεχνητή Νοημοσύνη, που έχει συσταθεί από την Ευρωπαϊκή Επιτροπή, δημοσιοποίησε τον Απρίλιο 2019 Kατευθυντήριες Γραμμές Δεοντολογίας για μία Αξιόπιστη Τεχνητή Νοημοσύνη, σύμφωνα με τις οποίες η τεχνητή νοημοσύνη θα πρέπει να προάγει τα θεμελιώδη δικαιώματα των χρηστών και να λειτουργεί εντός ενός πλαισίου διαφάνειας και λογοδοσίας.

Καταληκτικά, δεδομένων των δυνητικών ωφελειών από τη χρήση αλγορίθμων, αλλά και των κινδύνων που εγκυμονεί η δημιουργία «ψηφιακών καρτέλ» για το καταναλωτικό κοινό, είναι σαφές ότι θα πρέπει να βρεθεί η «χρυσή τομή» μεταξύ μιας laissez-faire προσέγγισης, που μπορεί να καταλήξει επικίνδυνη για τον καταναλωτή, και μιας απόλυτα παρεμβατικής προσέγγισης, που μπορεί να αποβεί μοιραία για τον ίδιο τον ανταγωνισμό.

*Ο Κωνσταντίνος Καούρας είναι δικηγόρος Αθηνών με ειδίκευση στο Δίκαιο Προστασίας Προσωπικών Δεδομένων στο μεγαλύτερο μη-κερδοσκόπικο πάροχο υπηρεσιών Υγείας του Ηνωμένου Βασιλείου, Nuffield Health. Παράλληλα, πραγματοποιεί μεταπτυχιακό στο Δίκαιο του Ανταγωνισμού και της Πνευματικής Ιδιοκτησίας στο University College London. Έχει εκπονήσει εργασίες με θέμα τη διάδραση Δικαίου του Ανταγωνισμού και Δικαίου Προστασίας Προσωπικών Δεδομένων, ενώ έχει ιδιαίτερο ερευνητικό ενδιαφέρον για τη λειτουργία των αλγορίθμων και των Big Data.

Βιβλιογραφία

Lianos I, Korah V, with Siciliani P, Competition Law Analysis, Cases, & Materials (OUP 2019)

OECD, ‘Algorithms and Collusion: Competition Policy in the Digital Age’ (2017) <www.oecd.org/competition/algorithms-collusion-competition-policy-in-the-digital-age.htm>

OECD, ‘Big Data: Bringing Competition Policy to the Digital Era – Background Note by the Secretariat’ (2016) <https://one.oecd.org/document/DAF/COMP(2016)14/en/pdf>