Kaip dirbtinis intelektas gali pakeisti kovą su karteliais?

Viešasis valdymas šiandien vis labiau remiasi technologijomis, kurios dar prieš dešimtmetį atrodė tik kaip teorinės galimybės. Dirbtinis intelektas (DI) jau nebėra vizija – jis tampa kasdienybės dalimi įvairiose valstybės institucijose. Vienas pažangiausių ir kartu labiausiai intriguojančių DI taikymo pavyzdžių yra konkurencijos taisyklių laikymosi priežiūra bei kova su karteliniais susitarimais.  

Karteliniai susitarimai – konkurentų (dažniausiai slapti) susitarimai dėl kainų, rinkos pasidalijimo ar pasiūlymų derinimo – daro didelę žalą rinkai ir vartotojams, o tradiciniais pažeidimų tyrimo metodais juos aptikti dažnai sudėtinga. Tokiame kontekste DI gali pasitarnauti kaip itin efektyvus „pagalbininkas“, nes jis suteikia galimybę automatizuotai ir nuosekliai analizuoti milžiniškus duomenų kiekius, atpažinti pasikartojančius elgesio modelius ir atskleisti tai, kas ilgus metus išlikdavo nepastebėta.  

Praktinio pritaikomumo tyrimai: nuo teorinių modelių iki „signalų“ institucijoms 

Pastaraisiais metais tiek mokslas, tiek verslas vis daugiau dėmesio skiria klausimui kaip neprižiūrimo mašininio mokymosi (angl. unsupervised machine learning) metodai galėtų tapti praktiškai efektyvia priemone, aptinkant kartelinius susitarimus. 

Šių algoritmų unikalumas slypi jų savybėje veikti be išankstinės informacijos apie galimus kartelius. Kitaip tariant, jie patys ieško su įprastu, „normaliu“ rinkos veikimu nesuderinamų ryšių tarp kainų pokyčių, viešųjų pirkimų pasiūlymų ir įmonių elgesio rinkoje. Pavyzdžiui, jei kelių įmonių pasiūlymai viešųjų pirkimų konkursuose nuolat pateikiami tam tikra tvarka arba jų kainos svyruoja neįprastai sinchroniškai, algoritmas automatiškai identifikuoja šiuos dėsningumus kaip rizikingus, t.y. galimai nulemtus ne atitinkamos rinkos dėsningumų bet jos dalyvių elgesio suderinimo arba susitarimo. 

Tyrimai, publikuoti tarptautiniuose moksliniuose žurnaluose, rodo, kad tokios DI sistemos gali perspėti konkurencijos institucijas, leisdamos joms pradėti tyrimus dar iki sulaukiant pirmųjų skundų. Tai iš esmės keičia kovos su karteliais strategiją: iš pagrįstos reakcija į trečiųjų asmenų skundus, pranešimus apie įtartiną elgesį, kartelio dalyvių prisipažinimus, pažeidime dalyvaujančių įmonių darbuotojų pranešimus ir pan., ji galėtų tapti iniciatyvia, kai institucija pati „generuoja“ įrodymus sudarančius prielaidą pagrįstiems įtarimams bei tyrimo veiksmų iniciavimui. Kelios Europos valstybės jau testuoja šiuos modelius tam, kad ateityje jie galėtų būti integruoti į nuolatinę viešųjų pirkimų ir sektorių rinkos analizę. 

Algoritmai – abejose karo su karteliais pusėse 

Teoriniai modeliai jau peržengė laboratorijų ribas. Vienas įspūdingiausių pavyzdžių – Šveicarijos konkurencijos komisijos ir Friburgo universiteto bendras projektas. Sukurtas algoritmas, paremtas giluminio mokymosi (deep learning) metodais, analizuoja viešųjų pirkimų duomenis: kainų pasiūlymų dinamiką, įmonių tarpusavio sąsajas, dėsningumų pasikartojimą. Bandymų rezultatai įspūdingi – algoritmas sugebėjo identifikuoti „katalizuotus“ pasiūlymus viešuosiuose pirkimuose 95% tikslumu. Toks įrankis leistų institucijoms prioretizuoti tyrimus ir efektyviau paskirstyti resursus, susitelkiant į didžiausios rizikos sritis. 

Kad tai nėra vien „mokslinė fantastika“ bet nuosekli tendencija liudija ir nesenas, 2025 m. liepos 9 d. Europos Sąjungos Bendrojo Teismo sprendimas byloje Michelin prieš Europos Komisiją. Tyrimas šioje byloje buvo pradėtas Europos Komisijai DI įrankių pagalba ištyrus didelės apimties informaciją apie pažeidimų įtariamų ūkio subjektų viešą komunikaciją. 

Kita vertus, reali praktika rodo, kad DI gali tapti ir priemone, palaikančia kartelinį susitarimą, darančia jį „efektyvesniu“. 2016 m. Jungtinėje Karalystėje nagrinėta Trod/GB Eye byla atskleidė, kad pardavėjai Amazon platformoje naudojo kainų derinimo algoritmus, kurie faktiškai palaikė kainų stabilumą be jokių oficialių susitarimų. Nors tai nebuvo tas atvejis, kai pats algoritmas, be ūkio subjektų žinios, „sukuria“ kartelį, šis pavyzdys parodo, jog technologinis progresas gali būti išnaudojamas abiejose „pusėse“, t.y., tiek su karteliais kovojant, tiek ir juos kuriant. 

Kai mašinos ima mokytis “susitarti” 

Nors DI atveria naujas galimybes, jis kelia ir rimtų iššūkių. Buvusi Europos Komisijos konkurencijos komisarė Margrethe Vestager yra įspėjusi: algoritmai gali skatinti „sutartinį elgesį“ net be formalaus žmonių susitarimo. 

Šis reiškinys, dar vadinamas nebyliu susitarimu (angl. tacit collusion), gali būti ypač pavojingas rinkose, kuriose veikia automatiniai kainų derinimo įrankiai. Bent jau teoriški galima daryti prielaidą, jog algoritmai, optimizuodami pelną, gali išmokti palaikyti kainų stabilumą ir vengti tarpusavio kainų karų. Taip gali susiformuoti naujo tipo kartelis, kurio dalyviai – ne žmonės, o programos. 

Kita vertus, tokio pobūdžio situacijos praktikoje neabejotinai sukeltų ir daug klausimų, susijusių su teisiniu tokių atvejų įvertinimu. Didžiausias iššūkis – įrodymų trūkumas. Jei nėra nei susitikimų, nei slaptų susirašinėjimų, kyla klausimas: kaip įrodyti susitarimą, kai jį įgyvendina kodas? Konkurencijos teisėje yra pripažįstama, jog vien tai, kad rinkoje veikiančios įmonės ima elgtis panašiai, savaime dar nereiškia pažeidimo. Ūkio subjektai turi teisę protingai prisitaikyti prie rinkos situacijos ir tol, kol tai vyksta grynai vienašalių sprendimų pagrindu, be jokio tiesioginio ar netiesioginio derinimo su konkurentu, kartelinio susitarimo egzistavimas negali būti konstatuotas. Tokiame kontekste natūraliai gali kilti klausimas, kaip atskirti tuos atvejus, kai algoritmai sprendimus priima „autonomiškai“ nuo tų atvejų, kai pasiekiamas kainas nustatančių algoritmų „konsensusas“. Pavyzdžiui, kai analogiškus sprendimus dėl kainų pakėlimo skirtingų ūkio subjektų naudojami DI priima „patestavę“ vienas kito „atsakymus“ (reakcijas) į tam tikrus kainodaros sprendimus. 

Technologijų pažanga ir žmogaus atsakomybės ribos 

Ekonominio bendradarbiavimo ir plėtros organizacijos ir Tarptautinės konkurencijos tinklo ataskaitos vieningai sutaria: DI gali tapti galingu konkurencijos institucijų sąjungininku. Jis leidžia stebėti rinkas, analizuoti milžiniškus duomenų srautus ir inicijuoti tyrimus nelaukiant trečiųjų asmenų skundų ar kitokių signalų. 

Tačiau tarptautiniai ekspertai pabrėžia ir rizikas: algoritmų netobulumą ir šališkumą, duomenų kokybę ir įrodymų priimtinumo ribas teismuose. Tam, kad konkurencijos institucijos galėtų pradėti tyrimą remdamosi vien dirbtinio intelekto pateiktais duomenimis, būtina turėti tvirtą mokslinį pagrindą, įrodantį, jog taikomi DI metodai generuoja pakankamai patikimus ir objektyvius rezultatus.  Norint užtikrinti teisinio reguliavimo aiškumą ir veiksmingai užkirsti kelią galimiems pažeidimams, būtina parengti aiškias gaires. Jos turėtų suteikti daugiau apibrėžtumo tiek DI technologijų kūrėjams versle, tiek teisininkams – ypač tais atvejais, kai kainodaros sprendimus priima algoritmai, veikiantys be tiesioginės žmogaus įtakos. Su šia tema glaudžiai susijęs ir atsakomybės klausimas: kas prisiims teisinę atsakomybę, jei versle naudojami algoritmai savarankiškai ims derinti kainas – net ir be pačių ūkio subjektų žinios? 

Šie aspektai rodo, kad DI taikymas konkurencijos srityje kelia ne vien technologinių, bet ir fundamentalių teisinių iššūkių. Galiausiai, ateities konkurencijos teisės priežiūra priklausys nuo to, ar sugebėsime tinkamai suderinti technologinę pažangą su teisinės doktrinos principais bei užtikrinti skaidrumą ir teisinį tikrumą.