IA e Concorrência: Colusão Algorítmica e Antitruste

Algoritmos de precificação já conseguem coordenar preços entre concorrentes sem qualquer acordo explícito, desafiando os fundamentos tradicionais do direito antitruste.

O que é colusão algorítmica e por que ela preocupa o direito concorrencial

Quando se analisa o cenário atual dos mercados digitais, percebemos que a inteligência artificial transformou profundamente a dinâmica competitiva entre empresas. Algoritmos de precificação dinâmica, utilizados por plataformas de e-commerce, aplicativos de transporte, redes hoteleiras e até postos de combustíveis, são capazes de ajustar preços em tempo real com base em variáveis como demanda, estoque, comportamento do consumidor e, crucialmente, os preços praticados por concorrentes. Essa capacidade de monitoramento e reação instantânea cria um ambiente em que a convergência de preços pode ocorrer de forma autônoma, sem que os agentes econômicos humanos precisem trocar uma única mensagem entre si.

A colusão algorítmica ocorre quando sistemas de inteligência artificial, operando de forma independente em empresas concorrentes, aprendem que a estratégia mais lucrativa é manter preços elevados de forma coordenada. Diferentemente do cartel tradicional, em que executivos se reúnem para fixar preços ou dividir mercados, a colusão algorítmica dispensa qualquer comunicação direta. Os algoritmos, treinados para maximizar lucros, descobrem por conta própria que a cooperação tácita gera resultados superiores à competição agressiva. Verifica-se que esse fenômeno já foi demonstrado em estudos acadêmicos com algoritmos de aprendizado por reforço (reinforcement learning), nos quais agentes artificiais consistentemente convergem para preços supracompetitivos após períodos de interação repetida.

O problema central para o direito antitruste é que as legislações concorrenciais ao redor do mundo, incluindo a brasileira, foram construídas sobre o conceito de “acordo” ou “prática concertada” como elemento essencial da infração. A Lei 12.529/2011, que estrutura o Sistema Brasileiro de Defesa da Concorrência (SBDC), tipifica como infração à ordem econômica os acordos entre concorrentes que visem fixar preços ou dividir mercados. Entretanto, quando a convergência de preços resulta da operação autônoma de algoritmos, sem qualquer instrução humana específica para coordenar com rivais, a subsunção dessa conduta aos tipos legais existentes torna-se um desafio interpretativo significativo.

Taxonomia da colusão algorítmica: modalidades e riscos específicos

Para compreendermos adequadamente o fenômeno, precisamos distinguir as diferentes modalidades de colusão algorítmica identificadas pela literatura especializada e pelas autoridades concorrenciais internacionais. A primeira e mais simples é o uso de algoritmos como meros instrumentos para viabilizar um cartel tradicional. Nessa hipótese, as empresas celebram um acordo anticompetitivo e utilizam software para monitorar a adesão dos participantes e implementar automaticamente os preços combinados. Essa modalidade não apresenta novidade jurídica substancial, pois o algoritmo funciona apenas como ferramenta de execução de um acordo humano preexistente.

A colusão algorítmica desafia o direito antitruste porque produz os mesmos efeitos nocivos de um cartel tradicional, porém sem o elemento que historicamente fundamentou a repressão: o acordo entre concorrentes.

A segunda modalidade envolve o chamado “hub-and-spoke” algorítmico, em que múltiplos concorrentes utilizam o mesmo fornecedor de software de precificação. Quando diversas empresas de um mesmo setor contratam o mesmo algoritmo de pricing, alimentado com dados de todas elas, o sistema pode funcionar como um mecanismo de coordenação involuntária (ou deliberada) de preços. Analisa-se que essa situação já foi objeto de investigação em mercados internacionais, notadamente no setor de locação de imóveis nos Estados Unidos, onde se discutiu se o uso compartilhado de determinado software de gestão de aluguéis resultava em elevação artificial dos valores cobrados.

A terceira modalidade, a mais complexa e desafiadora, é a colusão algorítmica autônoma ou “colusão por máquina”. Nela, algoritmos de aprendizado de máquina, sem qualquer programação explícita para coordenar com concorrentes, aprendem autonomamente que estratégias cooperativas maximizam lucros. Estudos experimentais demonstraram que algoritmos do tipo Q-learning, quando colocados em ambientes de oligopólio simulado, consistentemente atingem equilíbrios com preços acima do nível competitivo, desenvolvendo inclusive mecanismos sofisticados de punição contra desvios (semelhantes às estratégias “tit-for-tat” da teoria dos jogos). Essa modalidade representa o maior desafio para o antitruste contemporâneo, pois questiona se é possível responsabilizar agentes econômicos por resultados anticompetitivos gerados por sistemas que operam além do controle ou da previsibilidade humana direta.

O papel dos dados e da transparência algorítmica

Um fator que potencializa o risco de colusão algorítmica é a crescente disponibilidade de dados em tempo real sobre preços e condições de mercado. Plataformas digitais que exibem comparativos de preços, APIs públicas de monitoramento e ferramentas de web scraping permitem que algoritmos observem instantaneamente as ações dos concorrentes. Essa transparência, que em princípio beneficiaria o consumidor ao facilitar a comparação de ofertas, paradoxalmente pode facilitar a coordenação tácita ao reduzir a assimetria informacional que naturalmente dificulta a formação de cartéis. Verifica-se que em mercados com poucos competidores (oligopólios), produtos homogêneos e alta frequência de transações, o risco de colusão algorítmica é substancialmente maior.

O quadro regulatório brasileiro e as respostas internacionais

No Brasil, o Conselho Administrativo de Defesa Econômica (CADE) tem acompanhado as discussões internacionais sobre colusão algorítmica, embora ainda não existam casos paradigmáticos julgados especificamente sobre essa matéria no âmbito administrativo brasileiro. A Lei 12.529/2011 oferece instrumentos que podem ser adaptados para enfrentar determinadas modalidades do fenômeno. O artigo 36, por exemplo, tipifica como infração à ordem econômica atos que tenham por objeto ou possam produzir os efeitos de limitar, falsear ou prejudicar a livre concorrência, independentemente de culpa. Essa redação voltada aos efeitos (e não apenas à intenção) pode servir de base para a responsabilização em casos em que algoritmos produzem resultados anticompetitivos, mesmo sem acordo explícito entre as partes.

Analisa-se que a experiência internacional oferece referências relevantes. A Comissão Europeia, por meio do seu relatório sobre concorrência na era digital, reconheceu expressamente os riscos da colusão algorítmica e sinalizou que o conceito de “prática concertada” do direito europeu pode ser interpretado de forma a abranger situações em que empresas deliberadamente adotam algoritmos cuja tendência à coordenação é previsível. A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) publicou estudos detalhados sobre o tema, sugerindo que as autoridades concorrenciais desenvolvam capacidade técnica para auditar algoritmos e que os marcos regulatórios sejam atualizados para lidar com as especificidades da coordenação algorítmica.

Nos Estados Unidos, a Federal Trade Commission (FTC) e o Departamento de Justiça (DOJ) intensificaram a atenção sobre o uso de algoritmos de precificação compartilhados, especialmente em setores como locação imobiliária e combustíveis. A abordagem estadunidense tem se concentrado tanto na repressão ex post (investigação e punição de condutas anticompetitivas facilitadas por algoritmos) quanto na prevenção ex ante (avaliação de riscos concorrenciais em operações de concentração que envolvam empresas de tecnologia de dados e precificação).

Propostas regulatórias e mecanismos de compliance

Diversas propostas têm sido discutidas para adequar o arcabouço antitruste à realidade da colusão algorítmica. Entre elas, cabe destacar a obrigação de “compliance by design”, que exigiria que empresas desenvolvessem ou adquirissem algoritmos de precificação com salvaguardas internas contra comportamentos colusivos. Outra proposta relevante é a criação de “sandboxes regulatórios” para testar algoritmos de precificação antes de sua implementação em mercados reais, permitindo que autoridades concorrenciais avaliem previamente os riscos de coordenação. Também se discute a imposição de obrigações de transparência algorítmica, exigindo que empresas documentem e, em determinadas circunstâncias, disponibilizem para as autoridades a lógica de funcionamento de seus sistemas de precificação.

No contexto do marco regulatório brasileiro de inteligência artificial (atualmente em tramitação legislativa), verifica-se que existe uma oportunidade significativa de incorporar disposições específicas sobre os riscos concorrenciais da IA. A interseção entre regulação de IA e direito concorrencial demanda uma abordagem coordenada entre o CADE, a Autoridade Nacional de Proteção de Dados (ANPD) e eventuais órgãos reguladores de inteligência artificial que venham a ser criados.

Desafios probatórios e caminhos para a responsabilização

Um dos maiores obstáculos práticos na repressão à colusão algorítmica reside na produção de provas. Em cartéis tradicionais, as autoridades buscam evidências de comunicação entre concorrentes: e-mails, mensagens, gravações de reuniões, registros de viagens. Na colusão algorítmica autônoma, essas evidências simplesmente não existem, pois a coordenação emerge do comportamento dos próprios sistemas sem intervenção humana direta. Analisa-se que isso exige o desenvolvimento de novas metodologias investigativas, incluindo a análise forense de algoritmos, a simulação de cenários contrafactuais (comparando o comportamento de preços observado com o que seria esperado em um ambiente genuinamente competitivo) e o uso de técnicas de engenharia reversa para compreender os mecanismos decisórios dos sistemas de IA.

A questão da responsabilização também apresenta complexidades relevantes. Em uma perspectiva tradicional, a empresa que desenvolve ou utiliza o algoritmo seria responsável por seus efeitos, com base no princípio de que os agentes econômicos respondem pelas consequências de seus instrumentos de atuação no mercado. Entretanto, quando o comportamento colusivo emerge de forma genuinamente autônoma, sem que o desenvolvedor ou o usuário do algoritmo pudesse razoavelmente prevê-lo, surgem questões legítimas sobre os limites da responsabilidade objetiva. Verifica-se que a doutrina tem se inclinado para uma abordagem que combina o dever de diligência (as empresas devem implementar mecanismos de monitoramento e controle de seus algoritmos) com a responsabilidade pelos resultados (se o algoritmo produz efeitos anticompetitivos, a empresa deve responder, salvo se demonstrar que adotou todas as medidas razoáveis de prevenção).

A cooperação internacional entre autoridades concorrenciais também se revela fundamental. Algoritmos de precificação frequentemente operam em escala global, e a colusão algorítmica pode afetar mercados de múltiplas jurisdições simultaneamente. O CADE participa de redes internacionais de cooperação em matéria concorrencial, e o fortalecimento dessas parcerias para incluir protocolos específicos de investigação algorítmica é uma necessidade premente.

Perspectivas para o direito antitruste na era da inteligência artificial

O fenômeno da colusão algorítmica evidencia que o direito concorrencial enfrenta um momento de transformação estrutural. As categorias jurídicas tradicionais, desenvolvidas para um mundo em que decisões de preços eram tomadas por seres humanos em processos deliberativos identificáveis, precisam ser repensadas para acomodar a realidade de mercados em que agentes artificiais autônomos desempenham papel central na formação de preços. Analisa-se que isso não significa abandonar os princípios fundamentais do antitruste (proteção da concorrência, bem-estar do consumidor, eficiência econômica), mas sim atualizar os instrumentos interpretativos e operacionais para que esses princípios continuem efetivos.

A evolução tecnológica tende a agravar os riscos identificados. Algoritmos de aprendizado profundo (deep learning) são cada vez mais opacos em seus processos decisórios, dificultando ainda mais a identificação de comportamentos colusivos. A proliferação de assistentes de IA para decisões empresariais, incluindo precificação, gestão de estoque e estratégia comercial, amplia o universo de situações em que a coordenação algorítmica pode emergir. Verifica-se que autoridades concorrenciais ao redor do mundo estão investindo em capacitação técnica, criando unidades especializadas em tecnologia e mercados digitais para enfrentar esses desafios.

Para as empresas que operam no Brasil, recomenda-se a adoção proativa de programas de compliance concorrencial que incluam a dimensão algorítmica. Isso significa realizar auditorias periódicas nos algoritmos de precificação utilizados, documentar as lógicas de funcionamento dos sistemas, implementar mecanismos de alerta para detecção de padrões de preços suspeitos e garantir que as equipes responsáveis tenham consciência dos riscos concorrenciais associados ao uso de inteligência artificial na precificação. A prevenção, nesse campo, é significativamente menos custosa do que a remediação.

Esse assunto tem relação direta com transparência algorítmica, tema que abordamos em artigo específico.

Esse assunto tem relação direta com direito à explicação algorítmica, tema que abordamos em artigo específico.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.