Сценарии алгоритмического сговора
Чтобы определить сговор важен не только результат в виде одинаковых или синхронно меняющихся цен. Регулятор будет смотреть, как именно к нему пришли компании. В мировой практике для описания таких ситуаций обычно выделяют четыре сценария.
Сценарий № 1: «Посыльный» (messenger)
Алгоритм просто используется как инструмент реализации классического сговора. Конкуренты договариваются, например, установить одинаковые цены на одну и ту же продукцию, а затем реализуют договоренность через специальное ПО, которое автоматически поддерживает цены конкурентов на одном уровне и обеспечивает их синхронное изменение. «Здесь никакой новизны для конкурентного права нет, это классический картель, просто с цифровым инструментарием», — объясняет советник Firm One Стефания Сегал.
В США дело Дэвида Топкинса стало одним из первых примеров алгоритмического ценообразования в картельном контексте. Продавцы постеров договорились фиксировать цены на Amazon Marketplace и заложили эту команду в программный код, а в Великобритании конкуренты продавали плакаты и рамки на Amazon UK и использовали готовое ПО для репрайсинга, настроив его так, чтобы не снижать цены друг против друга. Случаи автоматизации картеля есть и в российской практике. В деле «Валирии» и «Эгамеда» участники заранее одинаково настроили аукционных роботов: установили одинаковый лимит снижения цены, а ценовые предложения подавались с разницей в 0,003 секунды.
Сценарий № 2: «Ступица и спицы» (hub-and-spoke)
Алгоритм выступает посредником. Несколько конкурентов используют одно и то же алгоритмическое решение, которое становится для них своеобразным «хабом». Конкуренты могут вообще не контактировать, но на самом деле устанавливать одинаковые цены за счет того, что общий «хаб» принимает решения о ценообразовании на основании данных всех своих пользователей, объясняет Сегал.
Старший юрист практики антимонопольного регулирования ИНФРАЛЕКС Иван Денежкин отмечает, что в российском праве такая модель может формировать состав координации экономической деятельности по ч. 5 ст. 11 закона «О защите конкуренции», если несколько конкурентов используют единого поставщика ПО или облачную платформу ценообразования, эта платформа собирает их непубличные данные, а затем выдает синхронные рекомендации по повышению или удержанию минимальных цен. Фактически общая платформа заменяет прямые контакты между конкурентами.
В деле европейской компании Eturas владелец платформы бронирования разослал агентам-конкурентам внутреннее сообщение о техническом ограничении скидок. Агенты напрямую не договаривались и не протестовали. Суд ЕС признал, что такое пассивное поведение образует согласованное действие. Денежкин считает, что в современном контексте этот прецедент прямо переносится на ситуацию, когда несколько конкурентов получают от одного сервиса ИИ-решение, которое фактически синхронизирует их цены.
Другой пример — дело американской RealPage. Компания предоставляла арендодателям ПО для управления доходами и расчета арендных ставок. По версии Минюста США, арендодатели передавали в систему непубличные данные, а RealPage превращала их в рекомендации по цене, тем самым устраняя независимое ценообразование. В ноябре прошлого года стороны заключили мировое соглашение: RealPage не признала вину, но согласилась ограничить детализацию передаваемых данных и исключить использование конфиденциальных ценовых данных в работе алгоритма.
В российской практике ценовые алгоритмы уже фигурировали в делах о координации цен. ФАС квалифицировала программу мониторинга розничных цен у «ЛГ Электроникс Рус» как инструмент координации реселлеров; похожую логику служба применяла и в деле российской «дочки» Samsung. В деле о рынке ортопедических изделий онлайн-сервис мониторинга цен помогал отслеживать отклонения от рекомендованных цен, а доказательствами стали автоматические письма сервиса и переписка ответчиков.
Сценарий № 3: «Предсказуемый агент» (predictable agent)
Каждый участник рынка независимо внедряет алгоритм, запрограммированный на определенные правила реагирования (например, всегда следовать за ценовым лидером или мгновенно реагировать на скидки конкурентов). Из-за того, что алгоритмы действуют по четким, открытым правилам, возникает высокая прозрачность рынка. Конкуренты начинают «понимать» и предугадывать действия друг друга без лишних слов, что ведет к «молчаливому сговору», объясняет соруководитель практики IP и цифрового права SL Legal Шермет Курбанов.
Сегал отмечает, что параллельное поведение само по себе не всегда является нарушением, но при наличии дополнительных факторов, например общего источника данных или сознательного обмена информацией, такая ситуация может рассматриваться как антиконкурентное соглашение или согласованные действия.
Зарайский приводит пример с сервисами такси: несколько компаний могут использовать схожие алгоритмы динамического ценообразования, и тогда ФАС будет проверять дополнительные признаки сговора, например обмен настройками или согласованное внедрение модели. Если таких признаков нет, поведение, скорее всего, будет рассматриваться как параллельное, обусловленное схожестью рыночной среды.
Другой пример — аукционные роботы, которые автоматически подают ценовые предложения в торгах по заданным настройкам. Если несколько компаний после внедрения таких систем внешне выглядят как согласовавшие действия конкуренты, ФАС будет смотреть на идентичность настроек, настройку с одних IP-адресов, обмен информацией о настройках и другие признаки.
Сценарий № 4: «Цифровой глаз» (digital eye)
Антиконкурентный результат теоретически может возникнуть из-за автономной работы ИИ. Система, которой поставили цель максимизировать прибыль, в процессе обучения может прийти к стратегии отказа от ценовой конкуренции.
Здесь пока нельзя однозначно говорить о наличии какого-либо сговора или согласованных действий, поскольку модель работы с ИИ-агентом подразумевает ситуацию одностороннего использования алгоритма, которая по действующему антимонопольному законодательству сама по себе не образует нарушения, если нет соглашения, согласованных действий или координации третьим лицом. В настоящее время практики привлечения к ответственности за автономное действие ИИ в мире не существует.
Алим Березгов, юрист антимонопольной практики Delcredere
При этом регуляторы уже готовы разбираться в том, как алгоритмы влияют на цену. Так, после банкротства Air Berlin цены немецкой Lufthansa на билеты по отдельным маршрутам выросли, а компания объясняла это работой динамических алгоритмов ценообразования, которые среагировали на ослабление конкурентной среды. Нарушение не установили, поскольку алгоритм действительно отреагировал на объективное изменение рыночной структуры. Кроме того, немецкий антимонопольный орган предупредил компании, что готов детально разбираться в влиянии алгоритмов на ценообразование и при выявлении нарушений принимать меры именно в отношении компаний.
На что будет смотреть ФАС
В российском законодательстве нет отдельного состава «алгоритмический сговор». Но это не значит, что риск находится вне регулирования. Если ценовой алгоритм приводит к нарушению антимонопольных норм, компанию будут оценивать по уже действующим составам: картель, согласованные действия, координация экономической деятельности или злоупотребление доминирующим положением. Для квалификации картеля ключевым остается наличие договоренности конкурентов координировать рыночное поведение. Поэтому если поведение компаний при применении одного «коробочного» алгоритмического решения выглядит согласованным, ФАС все равно нужно доказать именно соглашение, говорит Зарайский. Для согласованных действий или координации прямые переговоры не обязательны: регулятор будет смотреть, действовала ли каждая компания самостоятельно или следовала общему правилу, доведенному через платформу, поставщика ПО или иной общий инструмент.
Долгое время антимонопольное право опиралось на парадигму, что картель — это всегда результат сознательной договоренности конкретных людей. Но развитие ИИ ставит вопрос, может ли обвинение в антимонопольном нарушении строиться на использовании алгоритма, действующего без явной команды человека, и как бизнесу минимизировать эти риски.
Иван Денежкин, старший юрист практики антимонопольного регулирования ИНФРАЛЕКС
Сам факт наличия у компании ценового алгоритма или онлайн-платформы тоже не является признаком нарушения. Такой подход закреплен в рекомендациях экспертных советов при ФАС по практикам использования информационных технологий в торговле, напоминает Березгов. Оценивать нужно способ и цель использования технологии. Конкурентам запрещено заключать соглашения, следствием которых может стать взаимозависимое, экономически необоснованное ценообразование, в том числе с применением ценовых алгоритмов.
При этом использование программного обеспечения при реализации картеля относится к отягчающим обстоятельствам, добавляет Березгов. Согласно п. 3 ч. 4 примечания 1 к ст. 14.32 КоАП, при назначении штрафа юридическому лицу учитывается использование программы для ЭВМ, которая позволяет автоматически принимать решения или совершать действия, направленные на исполнение ограничивающего конкуренцию соглашения.
Важна не технология как таковая, а то, каким образом ее применение влияет на состояние конкуренции. Поэтому не имеет принципиального значения, используется ли «простой» ценовой алгоритм, система на основе машинного обучения или генеративный ИИ. Появление последнего вряд ли приведет к формированию принципиально новых подходов антимонопольного органа. Но можно ожидать некоторую адаптацию текущих подходов к новым технологиям.
Иван Зарайский, старший юрист SL Legal
Для бизнеса опасно исходить из того, что без прямых встреч, переговоров и переписки претензий быть не может. Если через общий инструмент до участников рынка довели одно правило поведения, компания была о нем осведомлена и следовала ему, ссылка на случайность результата может оказаться несостоятельной. В такой ситуации речь может идти уже не о случайном совпадении, а о согласованных действиях, запрет на которые установлен ст. 11.1 закона «О защите конкуренции».
Отдельный риск возникает у компаний с доминирующим положением. Зарайский отмечает: если ценовой алгоритм «случайно» приведет к монопольно высокой или монопольно низкой цене, ФАС вряд ли будет учитывать, кто рассчитал цену — человек или программа. Риск выбора и настройки автоматизированной системы остается на компании.
Денежкин напоминает, что с 2023 года в ЕС действует обновленное руководство о применении норм об антиконкурентных соглашениях: алгоритмы в нем рассматриваются как инструмент, который может облегчать сговор, а компании несут ответственность за ценовые решения, принятые с их помощью. По его мнению, российское антимонопольное право тоже позволяет оценивать сговоры с использованием ИИ, если компании сознательно допустили антиконкурентные последствия и не приняли мер против них. Поэтому опираться на то, что «ИИ все сделал сам», рискованно: компаниям нужен алгоритмический комплаенс, который предотвращает обмен коммерческой информацией и сохраняет контроль человека над ценовыми решениями.
ФАС тоже использует алгоритмы. Служба применяет ГИС «Антикартель» для анализа закупок и поиска признаков антиконкурентных соглашений. Система анализирует миллионы торгов по 44-ФЗ и 223-ФЗ, работает с риск-ориентированными моделями и помогает выявлять паттерны поведения участников. Поэтому поводом для проверки может стать не только жалоба конкурента или переписка, но и цифровой след: одинаковое поведение на торгах, повторяющиеся связи между участниками, необычная динамика снижения цены, общая инфраструктура или другие признаки, которые система сочтет рискованными.
Как подготовиться бизнесу
Перед внедрением ценового алгоритма компания должна понять, какие данные он использует и как устроен обмен внутри системы. Березгов советует выяснить, применяет ли решение непубличные данные конкурентов при расчете цены или работает только с исторической обезличенной статистикой. Еще стоит проверить, скольким конкурентам уже продали тот же продукт с теми же настройками и не устроена ли система так, что данные одного клиента агрегируются и возвращаются другим пользователям поставщика софта.
Перед покупкой ПО нужно оценить не только источники данных, но и репутацию поставщика, его работу с прямыми конкурентами, архитектуру обмена данными и изоляцию данных конкретного клиента. Важно понять, какую целевую функцию поставили алгоритму и на каких данных обучалась модель. Если система собирает данные всех клиентов, включая конкурентов, и возвращает им ценовые рекомендации без изоляции данных, такое решение лучше не использовать без дополнительной настройки и юридической проверки.
Важно, чтобы у компании не просто формально была система антимонопольного комплаенса, но и чтобы она реально работала, в том числе полностью покрывала все практики компании с использованием алгоритмов или ИИ. Нужно проводить своевременное обучение сотрудников, потому что зачастую от их действия напрямую зависит, принесет использовании ИИ пользу компании или приведет к нарушению антимонопольного законодательства.
Стефания Сегал, советник Firm One
Для собственных алгоритмов Курбанов советует закладывать комплаенс уже на этапе проектирования. Система не должна отвечать на предложения о сговоре, а компания должна отслеживать результат ее работы после запуска. Если цены регулярно совпадают с ценами конкурентов, скидки исчезают, торги проходят по одинаковому сценарию или алгоритм постоянно советует не снижать цену первым, это повод остановить автоматическое применение модели и провести проверку.
Отдельно нужно сохранить человеческий контроль над ценовыми решениями. Березгов указывает, что в договоре стоит закрепить право компании перенастраивать и переопределять любую рекомендацию алгоритма, а внутри компании оставить за отдельным сотрудником возможность отклоняться от рекомендаций. Это важно и с точки зрения доказательств: в деле Gibson v. MGM Resorts иск отклонили, потому что истцы не смогли доказать, что операторы были обязаны следовать подсказкам алгоритма. Фактически возможность выбора помогла снять часть риска.
Стоит вести и журнал изменений. Березгов рекомендует фиксировать, кто, когда и почему менял правила, скидочную политику, настройки аукционных роботов и другие параметры. Такой журнал может стать доказательством того, что компания не слепо следовала общему алгоритму, а сохраняла самостоятельность в ценообразовании.
Юристам стоит провести антимонопольную проверку самого алгоритма. Например, во многих ценовых программах как основной фактор динамики цены заложено следование цене конкурента, а такая настройка может быть расценена как нарушение, отмечает Березгов.
