Fijación dinámica de precios mediante sistemas multiagente: reconstrucción del contacto en la calificación de la práctica concertada
DOI :
https://doi.org/10.17398/2695-7728.42.2428Mots-clés :
acuerdo comercial, colusión algorítmica, libre competencia, mercados digitales, sistemas inteligentesRésumé
El artículo examina la fijación dinámica de precios mediante sistemas de aprendizaje por refuerzo multiagente y su incidencia en la configuración de la práctica concertada del artículo 101 TFUE. Analiza el alcance jurídico del contacto como criterio de subsunción de las interacciones recíprocas entre sistemas de fijación dinámica de precios basados en aprendizaje por refuerzo multiagente en la categoría de práctica concertada. Con tal finalidad, desarrolla un análisis dogmático y probatorio del artículo 101 TFUE y de la jurisprudencia del Tribunal de Justicia de la Unión Europea, contrastado con la arquitectura técnica y la evidencia empírica disponible sobre el aprendizaje por refuerzo multiagente aplicado a la fijación dinámica de precios. El análisis sostiene que el contacto admite una reinterpretación funcional cuando las señales procesadas por los sistemas MARL reducen la incertidumbre estratégica de forma no explicable por la mera adaptación autónoma al mercado y fundamenta un criterio de subsunción sustentado en una presunción iuris tantum basada en factores técnicos y un modelo de atribución empresarial.
Téléchargements
Références
BRINNEN, Carl, Culpa in Code: Exploring Autonomous Algorithmic Collusion under EU Competition Law, tesis de máster, Lund University, 2023.
CALVANO, Emilio, CALZOLARI, Giacomo, DENICOLÒ, Vincenzo y PASTORELLO, Sergio, «Artificial Intelligence, Algorithmic Pricing, and Collusion», American Economic Review, vol. 110, núm. 10, 2020, pp. 3267-3297.
CALZOLARI, Luca, «The Misleading Consequences of Comparing Algorithmic and Tacit Collusion: Tackling Algorithmic Concerted Practices Under Art. 101 TFEU», European Papers, vol. 6, núm. 2, 2021, pp. 1193-1228.
EZRACHI, Ariel y STUCKE, Maurice E., Virtual Competition: The Promise and Perils of the Algorithm-Driven Economy, Harvard University Press, Cambridge, MA, 2016.
EZRACHI, Ariel y STUCKE, Maurice E., «Algorithmic Tacit Collusion», en WHELAN, Peter (ed.), Research Handbook on Cartels, Edward Elgar Publishing, Cheltenham, 2023, pp. 187-212.
FRANÇOIS-LAVET, Vincent, HENDERSON, Peter, ISLAM, Riashat, BELLEMARE, Marc G. y PINEAU, Joelle, «An Introduction to Deep Reinforcement Learning», Foundations and Trends in Machine Learning, vol. 11, núm. 3-4, 2018, pp. 219-354.
HU, Junling y WELLMAN, Michael P., «Nash Q-Learning for General-Sum Stochastic Games», Journal of Machine Learning Research, vol. 4, 2003, pp. 1039-1069.
JABLONSKIS, Martynas, «Concerted Practices: Concept and Evolution», International Comparative Jurisprudence, vol. 8, núm. 1, 2022, pp. 13-25.
LITTMAN, Michael L., «Markov games as a framework for multi-agent reinforcement learning», en COHEN, William W. y HIRSH, Haym (eds.), Proceedings of the Eleventh International Conference on Machine Learning (ICML 1994), Morgan Kaufmann, San Francisco, CA, 1994, pp. 157-163.
OLIVEIRA E COSTA, Guilherme, «Algorithmic “Collusion” and the Application of Article 101 TFEU: Can an Agreement Exist without a Concurrence of Wills?», Market and Competition Law Review, vol. 10, núm. 1, 2026, pp. 103-137.
ONG, Burton, «The Applicability of Art. 101 TFEU to Horizontal Algorithmic Pricing Practices: Two Conceptual Frontiers», IIC - International Review of Intellectual Property and Competition Law, vol. 52, núm. 2, 2021, pp. 189-211.
PAUDEL, Diwas y DAS, Tapas K., «Tacit Algorithmic Collusion in Deep Reinforcement Learning Guided Price Competition: A Study Using EV Charge Pricing Game», Engineering Applications of Artificial Intelligence, vol. 166, pt. A, 2026, artículo 113567.
PERALTA FIERRO, Ignacio, «La distinción entre acuerdos y prácticas concertadas (un análisis a partir del “caso supermercados”)», Revista Ius et Praxis, vol. 29, núm. 1, 2023, pp. 145-164.
PROTOPAPA, Aikaterini A., «Beyond Agreement: Algorithmic Pricing and the Structural Limits of Antitrust: Autonomous Learning, Tacit Coordination, and Article 101 TFEU», Working Paper, Université Catholique de Lille y Université Toulouse 1 Capitole, 2025/2026, pp. 1-37.
SCHLECHTINGER, Michael, Investigating, Predicting, and Mitigating Collusive Behavior in Deep Reinforcement Learning-Based Pricing AIs, tesis doctoral, Universität Mannheim, 2024.
SCHLECHTINGER, Michael, KOSACK, Damaris, KRAUSE, Franz y PAULHEIM, Heiko, «By Fair Means or Foul: Quantifying Collusion in a Market Simulation with Deep Reinforcement Learning», en Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence (IJCAI-24), 2024, pp. 485-493.
SHAPLEY, L. S., «Stochastic Games», Proceedings of the National Academy of Sciences of the United States of America, vol. 39, núm. 10, 1953, pp. 1095-1100.
SUTTON, Richard S. y BARTO, Andrew G., Reinforcement Learning: An Introduction, 2ª ed., MIT Press, Cambridge, MA, 2014.
TESAURO, Gerald y KEPHART, Jeffrey O., «Pricing in agent economies using multi-agent Q-learning», en Proceedings of the 1999 Workshop on Agent-Mediated Electronic Commerce (AMEC-99), IBM T. J. Watson Research Center, 1999.
UWANOBA, Fumito, «Implicit Cooperative Learning on Distribution of Received Reward in Multi-Agent System», en Proceedings of the 15th International Conference on Agents and Artificial Intelligence (ICAART 2023), vol. 1, SCITEPRESS, 2023, pp. 147-153.
VAN CLEYNENBREUGEL, Pieter, «Article 101 TFEU’s Association of Undertakings Notion and Its Surprising Potential to Help Distinguish Acceptable from Unacceptable Algorithmic Collusion», The Antitrust Bulletin, vol. 65, núm. 3, 2020, pp. 1-22.
WATKINS, Christopher J. C. H. y DAYAN, Peter, «Q-Learning», Machine Learning, vol. 8, núm. 3-4, 1992, pp. 279-292.
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright Fernando A. Ramos-Zaga 2026
Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale 4.0 International.
Desde noviembre de 2024 esta revista está publicada bajo licencia CC-BY-NC 4.0
.png){kind=logo}
