Når AI bruges til at fastsætte priser, kan utilsigtet samordning være et resultat?

Maskinlæring og kunstig intelligens (AI) er perfekt egnet til at hjælpe virksomheder og marketingfolk med at overvåge og fastsætte priser baseret på dynamiske priser i realtid. Men ny forskning har identificeret nogle mulige utilsigtede konsekvenser af AI på dette område.

Maskinlæringsalgoritmer tager ikke altid højde for faktorer uden for sælgerens kontrol, såsom konkurrentpriser. Forskere fandt ud af, at hvis AI-algoritmer sætter priser på lang sigt, en monopolistisk priseffekt er mulig, i det væsentlige skabe et hemmeligt prisfastsættelsesmiljø på markedet. Dette repræsenterer en udfordring for politiske beslutningstagere, da forskerne viser, at uafhængige AI-prissætningsalgoritmer kan resultere i suprakonkurrencedygtige markedsresultater.

Forskningsundersøgelsen vil blive offentliggjort i januarudgaven af ​​tidsskriftet INFORMS Marketing Science , "Algorithmic Colllusion:Suprakonkurrencedygtige priser via uafhængige algoritmer, " er forfattet af Karsten Hansen og Kanishka Misra fra University of California, San Diego, og Mallesh Pai fra Rice University.

Forskerne studerer en indstilling, hvor konkurrencedygtige onlineforhandlere bruger maskinlæringsalgoritmer til at fastsætte priser i realtid. Forskere tilføjer til en voksende mængde litteratur, der har rejst bekymring for, at sådanne algoritmer kan fremkalde hemmelig prissætningsadfærd. Forfatterne bidrog derefter til denne litteratur og fandt, at uafhængige algoritmer, uden at overholde konkurrencedygtige priser, kan resultere i suprakonkurrencedygtige priser.

Maskinlæringsalgoritmer automatiserer et priseksperiment for at lære den profitmaksimerende pris. Forskerne viser, at markedsresultatet for uafhængige firmaer, der bruger disse algoritmer, afhænger af kvaliteten af ​​eksperimenter med korte priser. "Vi var i stand til at vise, at hvor vores priseksperimenter havde høj informationsværdi (lav støj), konkurrenternes priser fra uafhængige algoritmer blev uforvarende korreleret, og over tid, priserne blev overkonkurrencedygtige, " sagde Misra. "Dette betyder, at en konsekvens af at bruge AI til prisfastsættelse kan være at skabe en atmosfære af prissamarbejde på en given markedsplads, fører til en monopolistisk prissætningseffekt."

"Påvirkningerne fra den virkelige verden er ret brede, " sagde Hansen. "Maskinlæringsalgoritmerne er afhængige af informationsværdien af ​​de underliggende priseksperimentdata, og ikke alle de variabler, der fodrer markedsresultater, såsom konkurrenternes priser, kan være tilgængelige for disse systemer. Vores resultater giver vejledning til, hvornår maskinlæringsalgoritmer er mindre pålidelige til at fastsætte priser."

"Vi mener, at identifikationen af ​​dette mønster rejser nye praktiske bekymringer for ledere og politiske beslutningstagere, " sagde Pai. "Udfordringen for regulatorer i fremtiden vil være at finde en balance. Der er eksisterende antitrust-bekymringer vedrørende algoritmer, der fastsætter hemmelige priser, når de sporer konkurrenters priser (f.eks. gennem implicitte trusler om gengældelse)." Pai fortsatte, "Her viser vi, at lignende effekter kan forekomme, selv når algoritmerne eksplicit ikke tager højde for konkurrenternes priser. De bliver nødt til at tage hensyn til faktorer, der ligger uden for rækkevidden af, hvad algoritmerne kan identificere og spore, samtidig med at man arbejder på at sikre, at konkurrencedygtige priser ikke altid betyder det samme, monopolistiske prisstrukturer."