Machine learning en kunstmatige intelligentie (AI) zijn perfect geschikt om bedrijven en marketeers te helpen prijzen te bewaken en vast te stellen op basis van realtime dynamische prijzen. Maar nieuw onderzoek heeft enkele mogelijke onbedoelde gevolgen van AI op dit gebied geïdentificeerd.

Machine learning-algoritmen houden niet altijd rekening met factoren buiten de controle van de verkoper, zoals prijzen van concurrenten. Onderzoekers ontdekten dat als AI-algoritmen op de lange termijn prijzen bepalen, een monopolistisch prijseffect mogelijk is, in wezen een heimelijke prijsomgeving op de markt creëren. Dit vormt een uitdaging voor beleidsmakers, aangezien de onderzoekers aantonen dat onafhankelijke AI-prijsalgoritmen kunnen leiden tot supracompetitieve marktresultaten.

De onderzoeksstudie die wordt gepubliceerd in het januari-nummer van het INFORMS-tijdschrift Marketingwetenschap , "Algoritmische collusie:supraconcurrerende prijzen via onafhankelijke algoritmen, " is geschreven door Karsten Hansen en Kanishka Misra van de Universiteit van Californië, San Diego, en Mallesh Pai van Rice University.

De onderzoekers bestuderen een omgeving waarin concurrerende online retailers machine learning-algoritmen gebruiken om realtime prijzen vast te stellen. Onderzoekers voegen aan een groeiend aantal literatuur toe dat bezorgdheid heeft geuit dat dergelijke algoritmen kunnen leiden tot heimelijke prijsstelling. De auteurs hebben vervolgens bijgedragen aan deze literatuur en vinden dat onafhankelijke algoritmen, zonder concurrerende prijzen te observeren, kan leiden tot bovenconcurrerende prijzen.

Machine learning-algoritmen automatiseren prijsexperimenten om de winstmaximaliserende prijs te leren. De onderzoekers laten zien dat het marktresultaat van onafhankelijke bedrijven die deze algoritmen gebruiken, afhangt van de kwaliteit van experimenten met korte prijzen. "We konden aantonen dat waar onze prijsexperimenten een hoge informatiewaarde hadden (lage ruis), prijzen van concurrenten van onafhankelijke algoritmen werden per ongeluk gecorreleerd, en na verloop van tijd, prijzen werden supercompetitief, ", zei Misra. "Dit betekent dat een gevolg van het gebruik van AI voor prijsstelling een sfeer van prijsafspraken kan creëren op een bepaalde markt, wat leidt tot een monopolistisch prijseffect."

"De effecten in de echte wereld zijn vrij breed, "zei Hansen. "De machine learning-algoritmen vertrouwen op de informatieve waarde van de onderliggende prijsexperimentgegevens, en niet alle variabelen die marktresultaten voeden, zoals de prijzen van concurrenten, mogelijk toegankelijk zijn voor die systemen. Onze resultaten bieden een leidraad voor wanneer algoritmen voor machine learning minder betrouwbaar zijn voor het bepalen van prijzen."

"Wij geloven dat de identificatie van dit patroon nieuwe praktische zorgen oproept voor managers en beleidsmakers, " zei Pai. "De uitdaging voor regelgevers in de toekomst zal zijn om een ​​evenwicht te vinden. Er zijn bestaande antitrustzorgen over algoritmen die heimelijke prijzen vaststellen bij het volgen van de prijzen van concurrenten (bijv. door impliciete dreigementen met vergelding)." Pai vervolgde, "Hier laten we zien dat vergelijkbare effecten kunnen optreden, zelfs wanneer de algoritmen expliciet geen rekening houden met de prijzen van concurrenten. Ze zullen rekening moeten houden met factoren die buiten het bereik liggen van wat algoritmen kunnen identificeren en volgen, terwijl we ervoor zorgen dat concurrerende prijzen niet altijd hetzelfde betekenen, monopolistische prijsstructuren."