Algorytmiczne ustalanie cen. Na czym polega i czy jest zgodne z prawem?

• Rozwój sztucznej inteligencji
• Manipulacja cenami z pomocą nowych technologii
• Sposoby zastosowania algorytmów
• Skutki algorytmicznego ustalania cen
• Kwestia legalności
• Przegląd orzecznictwa
• Algorytmiczne ustalanie cen a prawo. Podsumowanie

Rozwój sztucznej inteligencji

Sztuczna inteligencja to interdyscyplinarna dziedzina wiedzy, łącząca elementy informatyki, matematyki, statystyki, neurobiologii i kognitywistyki, której celem jest tworzenie systemów zdolnych do wykonywania zadań wymagających dotychczas ludzkiej inteligencji. Obejmuje to między innymi zdolność uczenia się na podstawie danych, rozumowania, podejmowania decyzji, rozpoznawania wzorców, a także przetwarzania i generowania języka naturalnego. W odróżnieniu od tradycyjnego programowania, w którym komputer wykonuje ściśle określone instrukcje, sztuczna inteligencja dąży do nadania maszynom pewnego stopnia autonomii, pozwalając im samodzielnie dostosowywać strategie działania do zmieniających się warunków. Współcześnie AI nie jest już jedynie abstrakcyjną koncepcją teoretyczną, ale praktycznym narzędziem.

Rozwój sztucznej inteligencji stanowi jedno z najbardziej dynamicznych zjawisk w historii nauki i technologii. Jego początki sięgają prostych algorytmów deterministycznych, opartych na jasno określonych regułach logicznych i matematycznych, które służyły do automatyzacji powtarzalnych obliczeń. Prawdziwy przełom nastąpił jednak w drugiej połowie lat dziewięćdziesiątych, kiedy to wraz ze wzrostem dostępności danych oraz rozwojem mocy obliczeniowej zaczęto w coraz większym stopniu korzystać z uczenia maszynowego. Metody te pozwalały maszynom nie tylko wykonywać wcześniej zaprogramowane czynności, ale przede wszystkim uczyć się na podstawie danych wejściowych i samodzielnie poprawiać swoje wyniki. Zastosowanie uczenia maszynowego oznaczało odejście od systemów regułowych na rzecz modeli statystycznych, zdolnych do rozpoznawania wzorców i przewidywania przyszłych zdarzeń. Kolejnym etapem było upowszechnienie się głębokiego uczenia, które zyskało praktyczne znaczenie w drugiej dekadzie XXI wieku. Techniki te wykorzystują wielowarstwowe sieci neuronowe, zdolne do analizy ogromnych zbiorów danych w sposób zbliżony do procesów percepcyjnych zachodzących w ludzkim mózgu. Dzięki temu możliwe stało się rozpoznawanie obrazów, mowy czy języka naturalnego z niespotykaną dotąd skutecznością. Głębokie uczenie stanowi podstawę wielu współczesnych rozwiązań, takich jak systemy rekomendacyjne.

Najświeższą fazę rozwoju stanowi sztuczna inteligencja generatywna, która pojawiła się w szerokim obiegu około 2021 roku. W odróżnieniu od wcześniejszych rozwiązań, które koncentrowały się na klasyfikowaniu i analizie danych, systemy generatywne potrafią tworzyć nowe treści – teksty, obrazy, dźwięki, a nawet złożone strategie ekonomiczne. Wprowadzenie tego typu technologii radykalnie poszerzyło potencjalne zastosowania AI, lecz jednocześnie ujawniło nowe ryzyka związane z jej oddziaływaniem na społeczeństwo i gospodarkę. Modele generatywne, zdolne do dynamicznego kształtowania informacji i wpływania na procesy decyzyjne, mogą na przykład uczestniczyć w procesach manipulacji cenami na rynku.

Manipulacja cenami z pomocą nowych technologii

Manipulowanie cenami przez sprzedawców sprowadza się do nieuczciwych lub bezprawnych praktyk rynkowych, które polegają na takim kształtowaniu cen, aby wprowadzać konsumentów w błąd albo ograniczać konkurencję.

Jedną z najczęściej stosowanych strategii jest zmowa cenowa. Polega na zawieraniu porozumień między niezależnymi przedsiębiorcami, które zmierzają do ustalenia lub kontrolowania cen. Może to oznaczać wspólne ustalanie minimalnych albo maksymalnych cen sprzedaży, koordynowanie podwyżek, a nawet ustalanie wysokości rabatów. Takie działania są z góry uznane za sprzeczne z prawem – wystarczy sam fakt uzgodnienia cen, nawet jeśli porozumienie nie zostało w pełni zrealizowane. Konsekwencją zmowy cenowej jest wyeliminowanie naturalnej konkurencji cenowej. Konsument traci możliwość wyboru tańszej oferty, a przedsiębiorcy – motywację do innowacji.

Kolejną formą manipulacji jest nadużywanie pozycji dominującej. Pozycja dominująca oznacza przewagę przedsiębiorcy na rynku właściwym, pozwalającą mu działać w znacznym stopniu niezależnie od konkurentów, kontrahentów i konsumentów. Nadużycie występuje wówczas, gdy przedsiębiorca wykorzystuje swoją siłę, aby narzucać nieuczciwe warunki cenowe. Może to przybierać różne formy ustalanie cen nadmiernie wygórowanych w stosunku do wartości towaru lub stosowanie cen drapieżnych, czyli zaniżanie cen w celu wyeliminowania konkurencji. Każda z tych praktyk prowadzi do zniekształcenia rynku, ograniczenia dostępu dla nowych podmiotów i pogorszenia sytuacji konsumentów.

Sposoby zastosowania algorytmów

Algorytmy mogą być wykorzystywane na rozmaite sposoby. Jednym z nich jest użycie algorytmu jako narzędzia do osiągnięcia wyznaczonego przez przedsiębiorców celu. W takiej sytuacji to strony porozumienia dokonują między sobą pewnych ustaleń, a jedynie ich implementacja pozostawiona jest algorytmom. Dla przykładu dwie firmy mogą poczynić ustalenia mające na celu wyłączenie między sobą konkurencji cenowej. Wystarczy użyć odpowiedniej funkcji oprogramowania, która umożliwi pobieranie danych dotyczących cen innych uczestników rynku. Strategią byłoby więc automatyczne ustalanie cen na poziomie nieco niższym od innych przedsiębiorców oraz jednoczesne ignorowanie poziomu cen firmy pozostającej w zmowie. Jednakże w tym przypadku sam fakt wykrycia istnienia owej zmowy nie budzi wątpliwości z punktu widzenia obecnych przepisów prawa konkurencji, gdyż możliwe jest w tej sytuacji przypisanie koncepcji porozumienia.

Inna technika polega na wspólnym wykorzystaniu jednego algorytmu służącego do reagowania na ceny przez kilku przedsiębiorców. Wspólne użycie tego samego algorytmu może prowadzić do wyrównania cen i złagodzenia konkurencji. Jednym z elementów tego typu porozumienia jest świadomość jego uczestników co do faktu, że przekazywane informacje dotrą do jego konkurentów. W konsekwencji pomiędzy odbiorcami zaistnieje stan transparentności w odniesieniu do przyszłych zachowań konkurentów . Odbiorcy są świadomi uczestnictwa ich konkurentów na tym samym szczeblu obrotu w porozumieniu i faktu, że stosowane przez nich ceny są ujawniane ich konkurentom. Nadal jednak w tego typu przypadkach użycie algorytmów pozostaje pewnego rodzaju czynnością techniczną i oceniane może być przez pryzmat stojącego za nią głównego zachowania, co do którego można zastosować istniejące przepisy dotyczące antykonkurencyjnych porozumień.

Jednakże nie zawsze musimy mieć do czynienia z jakimikolwiek ustaleniami między podmiotami dostępnymi na rynku, aby wykorzystanie sztucznej inteligencji w sprzedaży budziło kontrowersje co do zgodności z prawem. Przykładem będzie konfiguracja tych nowoczesnych narzędzi w taki sposób, aby automatycznie reagowały na zmiany cen konkurentów. Może to przyjmować postać szybszych obniżek, naśladowania podwyżek czy po prostu dostosowywania się do bieżących poziomów cen rynkowych. Coraz szersze wykorzystanie przez przedsiębiorców specjalistycznego oprogramowania monitorującego portale internetowe i gromadzącego dane cenowe sprawia, że rynek sprzedaży online staje się coraz bardziej przejrzysty. Taka transparentność umożliwia łatwe śledzenie polityki cenowej konkurentów, szybkie wykrywanie odstępstw od ustalonego poziomu cen oraz natychmiastowe reagowanie na takie sytuacje. Dzięki temu firmy posługujące się algorytmami mogą niemal w czasie rzeczywistym dostosowywać swoje ceny do działań rywali. W konsekwencji klasyczne obniżki cen w celu przyciągnięcia klientów często tracą sens – konkurenci potrafią bowiem w ułamku sekundy zaoferować tę samą redukcję. Odmiennie wygląda sytuacja w przypadku podwyżek – jeśli jeden sprzedawca zdecyduje się zwiększyć ceny, istnieje prawdopodobieństwo, że inni pójdą w jego ślady, co prowadzi do ogólnego wzrostu cen. W rezultacie w takich warunkach ceny naturalnie dryfują ku poziomowi wyższemu niż w pełni konkurencyjny.

Najbardziej teoretycznym wariantem jest sytuacja, w której samouczące się algorytmy, wykorzystywane niezależnie przez różne przedsiębiorstwa, samodzielnie dochodzą do wniosku, że wspólna koordynacja działań jest najbardziej opłacalną strategią. Nie oznacza to formalnego porozumienia czy jawnej wymiany informacji, lecz spontaniczne wykształcenie się zachowań zbliżonych do zmowy. Ułatwić to mogłoby połączenie dwóch czynników: z jednej strony – ogromnej ilości dostępnych danych o konkurentach i konsumentach (np. dzięki Internetowi rzeczy, analizie transakcji czy śledzeniu zachowań online), a z drugiej – rosnących możliwości algorytmów sztucznej inteligencji, które uczą się strategii rynkowych poprzez doświadczenie.

W środowiskach eksperymentalnych wykazano już, że algorytmy stosujące uczenie ze wzmocnieniem (reinforcement learning) są zdolne do wypracowania stabilnych strategii cenowych prowadzących do ograniczenia konkurencji, nawet gdy nie zostały do tego wprost zaprogramowane. Badania pokazują, że systemy tego typu potrafią, balansując między eksploracją a eksploatacją otoczenia, stopniowo koordynować swoje zachowania w sposób przypominający milczącą zmowę. Co istotne, takie zjawisko może wystąpić nawet w warunkach utrudniających współpracę – np. przy wprowadzaniu nowych graczy na rynek czy przy zmiennym popycie.

Problemem, który budzi szczególne obawy organów ochrony konkurencji, jest potencjalna zdolność algorytmów do komunikacji. Choć obecnie brak dowodów, by systemy uczyły się tego typu interakcji bez udziału człowieka, teoretycznie nie można wykluczyć, że w przyszłości algorytmy wykształcą własne mechanizmy wymiany informacji. Komisja Europejska wskazuje na ryzyko powstania „nowatorskich form koordynacji” między systemami komputerowymi. Gdyby doszło do takiej sytuacji, łatwiej byłoby zakwalifikować działania przedsiębiorstw jako niedozwoloną współpracę – podobnie jak w przypadku tradycyjnej wymiany informacji między konkurentami.

Kwestia odpowiedzialności prawnej pozostaje jednak sporna. Jeśli algorytmy jedynie przewidują reakcje konkurentów i dostosowują do nich własne strategie, można mówić o dozwolonej autonomii rynkowej przedsiębiorstw (zgodnie z art. 101 TFUE). Trudniej jednak ocenić przypadki, w których systemy same wytwarzają „kanał komunikacji” prowadzący do faktycznej koordynacji cen. Część doktryny proponuje przyjęcie podejścia podobnego jak w przypadku nieautoryzowanych działań pracowników – to przedsiębiorstwo ponosiłoby odpowiedzialność za używane narzędzia. Trafnie ujęła to komisarz ds. konkurencji Margrethe Vestager, podkreślając, że „firmy nie mogą chować się za komputerowym kodem” (Mowa Europejskiej Komisarz ds. Konkurencji M. Vestager, Berlin, 16.03.2017).

Obecny stan technologii wskazuje, że algorytmy nie są jeszcze w stanie zawierać trwałych porozumień kartelowych w dynamicznych warunkach rynkowych. Jednak szybki rozwój sztucznej inteligencji i rosnąca złożoność systemów predykcyjnych mogą w przyszłości umożliwić powstawanie takich praktyk. Dlatego regulatorzy coraz częściej podnoszą konieczność modernizacji narzędzi prawa konkurencji, tak aby skutecznie przeciwdziałać nie tylko klasycznym kartelom, ale i „algorytmicznej zmowie”. Brak reakcji mógłby prowadzić do poważnych strat dla konsumentów, ograniczenia innowacyjności oraz koncentracji władzy ekonomicznej w rękach kilku podmiotów technologicznych – tworząc swoistą „cyfrową plutokrację”.

Skutki algorytmicznego ustalania cen

Jednym z kluczowych problemów związanych z algorytmicznym ustalaniem cen jest asymetria w szybkości reagowania na zmiany rynkowe. Firmy dysponujące bardziej zaawansowanymi algorytmami mogą aktualizować ceny znacznie częściej — nawet w trybie ciągłym — podczas gdy podmioty o mniej rozwiniętych narzędziach technologicznych dokonują korekt cen jedynie w dłuższych odstępach czasu, np. tygodniowych. Prowadzi to do strukturalnej przewagi konkurencyjnej tych pierwszych, ponieważ mogą one elastycznie dopasowywać się do popytu i podaży, a także reagować niemal natychmiast na ruchy cenowe konkurencji. W praktyce oznacza to, że firmy z bardziej zaawansowanymi systemami mogą agresywnie obniżać ceny, zanim konkurencja zdąży dostosować swoją ofertę, skutecznie wypierając ją z rynku. Taka dysproporcja nie tylko zniekształca zasady uczciwej konkurencji, ale również prowadzi do pogłębiania koncentracji rynku, gdyż mniejsze lub technologicznie słabsze przedsiębiorstwa stopniowo tracą zdolność do utrzymania swojej pozycji w starciu z podmiotami dominującymi, które inwestują w zaawansowane rozwiązania algorytmiczne.

Strategia cen drapieżnych polegająca na poniesieniu przez firmę dominującą krótkoterminowych strat, celowo ustalając ceny towarów i usług poniżej kosztów, aby wyeliminować konkurentów lub nowych uczestników rynku to kolejna praktyka, w której stosowana jest dzisiaj nowoczesna technologia. Strategia ta zazwyczaj składa się z dwóch etapów: najpierw firma dominująca agresywnie podcina ceny konkurentów, aby wyprzeć ich z rynku ( faza drapieżnictwa ), a następnie wykorzystuje swoją siłę rynkową do podnoszenia cen, aby odrobić straty i generować zyski po zniknięciu konkurentów ( faza odzyskiwania strat ). Aby strategie drapieżnictwa cenowego były skuteczne, firma musi utrzymywać ceny na niskim poziomie wystarczająco długo, aby wyeliminować konkurentów. Algorytmy cenowe mogą pomagać firmom docierać do określonych klientów konkurencji, oferując im ceny niższe nawet od poniesionych kosztów. Na przykład, ugruntowana firma może to zrobić, aby uniknąć utraty klientów na rzecz nowego konkurenta. Ugruntowana firma może wykorzystać algorytm, aby dotrzeć do klientów, którzy najprawdopodobniej zmienią dostawcę, starając się ich zatrzymać, zamiast oferować niższe ceny wszystkim swoim klientom. Mogłoby to pomóc ugruntowanej firmie zminimalizować straty. Algorytmy te mogą również pomóc firmom w stosowaniu drapieżnej strategii cenowej i zbudować reputację firmy, która będzie w stanie obniżyć ceny w przyszłości, jeśli nowi gracze na rynku będą mieli z tym problem. Algorytmy cenowe mogą również pomóc firmom podnieść ceny dla konsumentów, którzy są bardziej skłonni zapłacić lub mniej wrażliwi na zmiany cen. Umożliwiają one firmom jednoczesne angażowanie się w drapieżnictwo i odzyskiwanie strat bez czynnika ludzkiego, w sposób zautomatyzowany.

Wreszcie algorytmiczne ustalanie cen wprowadza istotny element niepewności dla konsumentów, którzy nie są w stanie przewidzieć, ile ostatecznie zapłacą za produkt lub usługę. Mechanizmy te, oparte na automatycznych analizach popytu i podaży, prowadzą do ciągłych i nieprzejrzystych wahań cen, co podważa zaufanie do rynku i ogranicza możliwość podejmowania racjonalnych decyzji zakupowych. Brak stabilności cenowej sprawia, że konsumenci często czują się zmuszeni do szybkiego zakupu z obawy przed dalszym wzrostem kosztów, co sprzyja impulsywnym i niekorzystnym ekonomicznie wyborom. W dłuższej perspektywie takie praktyki destabilizują rynek, utrudniają zdrową konkurencję i wzmacniają pozycję dominujących podmiotów, które wykorzystują przewagę technologiczną kosztem słabszych uczestników rynku.

Kwestia legalności

Pojawia się jednak zasadnicze pytanie o legalność takich praktyk w świetle polskiego systemu prawnego. Ustawa z dnia 9 maja 2014 r. o informowaniu o cenach towarów i usług nakłada na przedsiębiorców obowiązek jasnego i jednoznacznego informowania o cenach oferowanych produktów. Zgodnie z ustawą cena powinna być uwidaczniana w sposób niebudzący wątpliwości i umożliwiający porównanie z innymi ofertami rynkowymi. Dynamiczne zmiany cen, które następują nawet kilka razy w ciągu dnia, mogą jednak rodzić wątpliwości interpretacyjne co do spełnienia wymogu jednoznacznego przedstawiania ceny. Konsument, który w krótkim odstępie czasu widzi znacząco różniące się ceny tego samego produktu lub usługi, może zostać pozbawiony możliwości dokonania racjonalnego wyboru ekonomicznego. Należy przy tym podkreślić, że ustawodawca wprowadził również obowiązek informowania o najniższej cenie obowiązującej w okresie trzydziestu dni przed obniżką. W kontekście algorytmicznego kształtowania cen powstaje problem, czy każda krótkotrwała zmiana ceny, będąca efektem działania algorytmu, powinna być traktowana jako obniżka w rozumieniu ustawy, czy też należy ją zakwalifikować jako zwykłą fluktuację rynkową. Brak jednoznacznych regulacji w tym zakresie prowadzi do niepewności prawnej zarówno po stronie przedsiębiorców, jak i konsumentów.

Jeszcze szersze pole interpretacyjne otwiera ustawa z dnia 16 lutego 2007 r. o ochronie konkurencji i konsumentów. Ustawa ta przewiduje zarówno instrumenty przeciwdziałania praktykom naruszającym zbiorowe interesy konsumentów, jak i środki ochrony przed praktykami ograniczającymi konkurencję. W tym kontekście szczególne znaczenie ma problem tzw. milczącej zmowy algorytmicznej, w której niezależnie działające systemy algorytmiczne różnych przedsiębiorców, monitorując i reagując na ceny konkurencji, mogą prowadzić do ich stabilizacji na zawyżonym poziomie, bez konieczności zawierania formalnego porozumienia. Tego rodzaju zjawisko, choć trudne do wykrycia i udowodnienia, może zostać zakwalifikowane jako naruszenie zasad uczciwej konkurencji, co potencjalnie podlega ingerencji organów ochrony rynku. W literaturze wskazuje się, że coraz większa automatyzacja procesów decyzyjnych w zakresie ustalania cen rodzi ryzyko powstania mechanizmów koordynacji antykonkurencyjnej, które pozostają poza tradycyjnymi kategoriami prawa antymonopolowego.

Równocześnie ustawa o ochronie konkurencji i konsumentów nakłada na przedsiębiorców obowiązek unikania praktyk wprowadzających konsumentów w błąd. W przypadku dynamicznego ustalania cen problemem staje się brak pełnej przejrzystości. Jeżeli konsument nie jest informowany na wstępie, że ceny mogą ulegać znacznym wahaniom w zależności od popytu czy czasu transakcji, może zostać uznany za wprowadzony w błąd, a sama praktyka – za naruszającą zbiorowe interesy konsumentów. W tym sensie obowiązek transparentności nabiera szczególnego znaczenia i powinien obejmować także informowanie o mechanizmie ustalania ceny, a nie wyłącznie o jej aktualnym poziomie.

Analiza obowiązujących przepisów prowadzi do wniosku, że algorytmiczne ustalanie cen jako takie nie jest w Polsce praktyką zakazaną. Jego legalność zależy jednak od tego, czy przedsiębiorca realizuje obowiązki wynikające z ustaw szczególnych, a także od tego, czy korzystanie z algorytmów nie prowadzi do zjawisk ograniczających konkurencję lub naruszających prawa konsumentów. Przedsiębiorcy są zobowiązani do zapewnienia konsumentowi rzetelnej i pełnej informacji, a także do unikania praktyk mogących destabilizować rynek. W przypadku naruszenia tych obowiązków sankcje mogą nakładać zarówno Inspekcja Handlowa, w odniesieniu do nieprawidłowego informowania o cenach, jak i Prezes Urzędu Ochrony Konkurencji i Konsumentów, w przypadku praktyk naruszających zasady konkurencji lub wprowadzających w błąd.

Przegląd orzecznictwa

Warto przyjrzeć się również wydawanym decyzjom w sprawach algorytmicznego ustalania cen przez organy państwowe oraz unijne.

W sprawie Eturas, w której zakwestionowane porozumienie zostało wsparte poprzez platformę cyfrową (oprogramowanie do sprzedaży wycieczek online), na której to administrator tego systemu zaproponował konkurującym biurom podróży zastosowanie instrumentu technicznego nakładającego górną granicę rabatu na oferowane imprezy turystyczne. Sąd unijny uznał za zasadne przyjęcie domniemania, że biura podróży, które znały treść wiadomości przesyłanej za pośrednictwem systemu, były uczestnikami antykonkurencyjnego porozumienia, chyba że domniemanie to obaliły. Również Komisja stwierdza, że zakresem zakazu z art. 101 ust. 1 TFUE prawdopodobnie objęte będą przypadki, w których „zasady ustalania cen” zostały określone przez przedsiębiorstwa „we wspólnym narzędziu algorytmicznym (np. zasady dostosowywania ceny do najniższej ceny na określonej platformie internetowej lub w określonym sklepie internetowym”, a kwalifikację taka będzie przyjmować „nawet w przypadku braku wyraźnego porozumienia dotyczącego dostosowywania przyszłych cen” (Pkt 397 wytycznych 2023/C 259/01).

W obrocie handlowym występują również przypadki, w których przedsiębiorcy korzystają z tego samego algorytmu do ustalania cen świadczonych przez nich usług, a mimo to nie ma podstaw do uznania, że zawarły porozumienie antykonkurencyjne. Przykładem sprawy, której oceny dokonał sam Prezes UOKiK jest aplikacja UBER. Jej zastosowanie skutkuje wprawdzie ograniczaniem, a nawet eliminacją konkurencji w zakresie ceny pomiędzy kierowcami UBER, która jest przecież odgórnie ustalana przez aplikację. Dochodzi tu zarazem do zawarcia porozumienia między UBER a poszczególnymi kierowcami. W danym przypadku wszakże takie algorytmiczne ustalenie ceny jest niezbędne dla prawidłowego funkcjonowania systemu UBER, a zarazem nie prowadzi do eliminacji konkurencji, będąc zarazem środkiem proporcjonalnym. Uzasadnia to traktowanie takiego porozumienia jako nienaruszającego zakazu z art. 6 ust. 1 u.o.k.k. w oparciu o konstrukcję ograniczeń akcesoryjnych.

Problematyczny może być przypadek, kiedy ten sam lub podobnie działający algorytm wykorzystuje większa liczba przedsiębiorców bez żadnej zmowy pomiędzy nimi co do wyboru takiego, a nie innego algorytmu. W danej sytuacji każdy z tych przedsiębiorców korzysta z określonego programu jako narzędzia informującego go o sytuacji na rynku, pozwalającego na szybką reakcję. We wskazanym scenariuszu dochodzi do znacznego zwiększenia transparencji na rynku, mogącego wywoływać skutki ograniczające konkurencję, jako że korzystanie z algorytmu pozwala przedsiębiorcom na znacznie szybszą reakcję na wszelkie zmiany rynkowe, w tym obniżki ceny przez konkurentów w efekcie czego może dojść do zredukowania ich motywacji do podejmowania takich obniżek. W takim przypadku przedsiębiorcy wszak tylko dostosowują swoją cenę do ceny konkurentów. Takie postępowanie – tzw. zachowanie równoległe – jest w unijnej i krajowej judykaturze od lat postrzegane za nienaruszające reguł antymonopolowych. W istocie w danym wypadku bowiem nie można mówić, że doszło do zawarcia porozumienia. Co więcej, w ramach przepisów prawa miękkiego, wydanych w odniesieniu do relacji wertykalnych, sama Komisja wskazała, że monitorowanie cen za pomocą programów komputerowych nie jest zakazane, a ściślej – może skorzystać z przywileju wyłączenia z zakazu porozumień antykonkurencyjnych. Ze stanowiska Komisji można zatem dedukować, że o antymonopolowej dopuszczalności takiego algorytmicznego monitorowania cen przesądza brak podstaw do przypisania takiemu postępowaniu statusu porozumienia, a stanowi ono przejaw wspomnianego wyżej zachowania równoległego.

Zdaniem organów możliwe byłoby także przypisanie odpowiedzialności antymonopolowej twórcy algorytmu. Zastosowanie do tego mogłaby mieć w szczególności wypracowana w orzecznictwie unijnym formuła VM-Remonts. W sprawie tej jako zasadę Trybunał uznał wprawdzie, że przedsiębiorstwo nie może „być pociągnięte do odpowiedzialności za udział w uzgodnionej praktyce na podstawie działań niezależnego usługodawcy” (Pkt 33 wyroku TS z 21.07.2016 r., C-542/14, SIA „VM Remonts” (dawniej SIA „DIV un KO”) i in. v. Konkurences padom, ECLI:EU:C:2016:578.), jednocześnie wszak określił wyjątki od tej zasady. Spełnienie jednego z nich uzasadnia stosowanie art. 101 ust. 1 TFUE także do usługodawcy, czyli np. twórcy oprogramowania. Również w krajowej literaturze podnosi się, że konstrukcje poszerzonej odpowiedzialności podmiotowej za naruszenia prawa konkurencji, jakie zostały wypracowane w orzecznictwie w unijnym (a zwłaszcza koncepcja odpowiedzialności pomocnika kartelu), mogłyby posłużyć także do przypisania odpowiedzialności antymonopolowej przedsiębiorcy, który dostarcza uczestnikom porozumienia narzędzi (w tym cyfrowych) pozwalających na zawarcie lub implementację zakazanego porozumienia.

Algorytmiczne ustalanie cen a prawo. Podsumowanie

Dynamiczne, algorytmiczne ustalanie cen znajduje się na styku dwóch kluczowych obszarów prawa - prawa konsumenckiego i prawa konkurencji. Praktyka ta, choć dopuszczalna, wymaga szczególnej ostrożności ze strony przedsiębiorców oraz wypracowania spójnych wytycznych interpretacyjnych przez ustawodawcę.

Brak jednoznacznych regulacji stwarza ryzyko nie tylko dla konsumentów, którzy mogą być narażeni na nieprzejrzyste i nieuczciwe praktyki, lecz również dla samych przedsiębiorców, którzy w razie naruszenie przepisów dotyczących uczciwej konkurencji mogą ponosić dotkliwe konsekwencje finansowe. W obliczu rosnącego znaczenia technologii algorytmicznych konieczne wydaje się zatem dalsze rozwijanie i doprecyzowanie ram prawnych, tak aby z jednej strony umożliwić przedsiębiorstwom korzystanie z innowacyjnych narzędzi zarządzania cenami, a z drugiej zapewnić odpowiedni poziom ochrony konsumentów oraz integralności mechanizmów rynkowych.

Najpoważniejszym wyzwaniem dla organów ochrony konkurencji jest sytuacja, w której algorytmy utrzymują podwyższone ceny bez formalnej wymiany informacji między przedsiębiorstwami. W takich przypadkach klasyczna dogmatyka prawa antymonopolowego może okazać się niewystarczająca, a konsumenci poniosą koszty w postaci utraty części dobrobytu. Dlatego szczególnego znaczenia nabiera rozwój kompetencji technicznych organów nadzorczych, umożliwiających zrozumienie i analizę mechanizmów działania algorytmów stosowanych w praktyce gospodarczej.

Na tym etapie przedwczesne wydaje się wprowadzanie nowych regulacji dotyczących algorytmicznego ustalania cen – mogłoby to bowiem zahamować rozwój innowacyjnych technologii i ograniczyć ich pozytywne zastosowania. Niezbędne są natomiast dalsze badania interdyscyplinarne, łączące prawo, ekonomię i informatykę, a także uważna obserwacja praktyki rynkowej i orzeczniczej.

Autor: K. Jakub Gładkowski, partner, radca prawny KIEŁTYKA GŁADKOWSKI KG LEGAL