La collusione algoritmica

Algorithms have the ability to quickly analyse and process a huge amount of data as well as to provide immediate and automatic reactions to specific events. For these reasons, they may be easily adopted as a collusive tool. At the current stage of technological advance- ment and knowledge, three different forms of algorithmic collusion can be identified. First- ly, algorithms can be adopted as a means to implement, strengthen and stabilize collusive agreements which are already planned and/or implemented. Secondly, algorithms may be adopted as a tool to facilitate collusion when the alignment of conducts is difficult to be reached or to be maintained over the time. Thirdly, in the most complex and sophisticated scenario, self-learning algorithms, thanks to artificial intelligence, may interact with each other and, being free to set their profits-maximizing strategy, may establish collusion by themselves, in a spontaneous and unplanned manner, by adopting individual, unconcerted strategies, and without communicating with each other. These scenarios, which raise different challenges to antitrust enforcers, will be examined and discussed in this paper.

La capacità di analisi ed elaborazione rapida e ad ampio spettro di grandi quantità di dati, nonché di reazione automatica e immediata a specifici eventi, fa degli algoritmi uno strumento potenzialmente pro-collusivo. Allo stato attuale di avanzamento tecno- logico e di conoscenza del fenomeno, il potenziale collusivo degli algoritmi si esprime in forme diverse, più o meno sofisticate: gli algoritmi possono essere adottati come strumento di attuazione, potenziamento o perfezionamento di un’intesa già pianificata o anche già attuata; ma gli algoritmi, interagendo tra loro, possono svolgere un ruolo attivo anche nella creazione di equilibri collusivi, facilitando un allineamento di con- dotte altrimenti difficile da realizzare o stabilizzando equilibri collusivi altrimenti in- stabili; o addirittura, negli scenari più complessi, algoritmi più complessi, in grado di sfruttare intelligenza artificiale e tecniche di self-learning, possono realizzare essi stessi, in modo spontaneo, senza preventiva programmazione, senza istruzioni dirette, effetti simili a quelli propri di un cartello. Questi tre scenari, che pongono problemi di enforcement antitrust di diversa e crescente complessità, sono oggetto di specifica analisi nel presente contributo.