Con l'avvento di internet, il concetto di concorrenza ha subito un'evoluzione, principalmente a causa dei mercati governati dagli algoritmi di pricing. Questi algoritmi, utilizzati per determinare i prezzi dei prodotti in base a variabili come: domanda, offerta e comportamenti dei concorrenti, stanno diventando sempre più comuni. Sempre più imprese adottano algoritmi per migliorare i propri modelli di determinazione dei prezzi e anticipare l’evoluzione del mercato. Una testimonianza della rapida crescita nella diffusione degli algoritmi di pricing si ha nel settore del retail online, dove sorprende la sempre più accurata base informativa a disposizione degli algoritmi e il ruolo sempre meno significativo che la supervisione umana gioca nel processo di determinazione dei prezzi. Partendo da una diversificazione dei vari tipi di algoritmi di pricing (adaptive, learning algorithms e Q-learning), elencherò le loro principali attività (monitoraggio, reattività, segnalazione ed apprendimento), soffermandomi sui vantaggi e focalizzandomi soprattutto sulle conseguenze collusive nell'utilizzo di tale tecnologia. Gli algoritmi di prezzo, una volta specificata la variabile-obiettivo da massimizzare (ad esempio, il profitto) e la frequenza con cui l'IA può sperimentare nuovi prezzi, sono in grado di apprendere autonomamente la linea di comportamento che meglio permette di raggiungere l'obiettivo. Spesso, la condotta delle IA si basa sulla logica del reinforcement learning: l'IA tenderà a scegliere quei prezzi che, in base alla propria esperienza, massimizzano il flusso atteso dei profitti, mentre sporadicamente esplorerà nuove strategie di prezzo per valutarne gli effetti. Se il prezzo adottato nella fase di sperimentazione produce un incremento dei profitti, esso continuerà ad essere utilizzato anche in futuro. Purtroppo, il problema per i consumatori sta proprio nella capacità che questi algoritmi hanno di apprendere sperimentando. Col tempo, infatti, gli algoritmi potrebbero scoprire che il prezzo che massimizza il flusso dei profitti è quello collusivo. Questo processo porta alla cosiddetta collusione algoritmica, ovvero una forma di cooperazione tra sistemi di intelligenza artificiale che manipolano il mercato per ottenere vantaggi impropri, anziché competere lealmente. Per chiarire il concetto di collusione algoritmica, porterò dei casi emblematici che non solo aiuteranno a comprendere più approfonditamente i vantaggi e i danni nell'utilizzo degli algoritmi di pricing, ma spingeranno anche a riflettere su una possibile e quanto più vicina evoluzione delle normative antitrust.

L'impatto degli algoritmi di pricing sulla concorrenza tra retailers

FACCHIN, ARIANNA
2023/2024

Abstract

Con l'avvento di internet, il concetto di concorrenza ha subito un'evoluzione, principalmente a causa dei mercati governati dagli algoritmi di pricing. Questi algoritmi, utilizzati per determinare i prezzi dei prodotti in base a variabili come: domanda, offerta e comportamenti dei concorrenti, stanno diventando sempre più comuni. Sempre più imprese adottano algoritmi per migliorare i propri modelli di determinazione dei prezzi e anticipare l’evoluzione del mercato. Una testimonianza della rapida crescita nella diffusione degli algoritmi di pricing si ha nel settore del retail online, dove sorprende la sempre più accurata base informativa a disposizione degli algoritmi e il ruolo sempre meno significativo che la supervisione umana gioca nel processo di determinazione dei prezzi. Partendo da una diversificazione dei vari tipi di algoritmi di pricing (adaptive, learning algorithms e Q-learning), elencherò le loro principali attività (monitoraggio, reattività, segnalazione ed apprendimento), soffermandomi sui vantaggi e focalizzandomi soprattutto sulle conseguenze collusive nell'utilizzo di tale tecnologia. Gli algoritmi di prezzo, una volta specificata la variabile-obiettivo da massimizzare (ad esempio, il profitto) e la frequenza con cui l'IA può sperimentare nuovi prezzi, sono in grado di apprendere autonomamente la linea di comportamento che meglio permette di raggiungere l'obiettivo. Spesso, la condotta delle IA si basa sulla logica del reinforcement learning: l'IA tenderà a scegliere quei prezzi che, in base alla propria esperienza, massimizzano il flusso atteso dei profitti, mentre sporadicamente esplorerà nuove strategie di prezzo per valutarne gli effetti. Se il prezzo adottato nella fase di sperimentazione produce un incremento dei profitti, esso continuerà ad essere utilizzato anche in futuro. Purtroppo, il problema per i consumatori sta proprio nella capacità che questi algoritmi hanno di apprendere sperimentando. Col tempo, infatti, gli algoritmi potrebbero scoprire che il prezzo che massimizza il flusso dei profitti è quello collusivo. Questo processo porta alla cosiddetta collusione algoritmica, ovvero una forma di cooperazione tra sistemi di intelligenza artificiale che manipolano il mercato per ottenere vantaggi impropri, anziché competere lealmente. Per chiarire il concetto di collusione algoritmica, porterò dei casi emblematici che non solo aiuteranno a comprendere più approfonditamente i vantaggi e i danni nell'utilizzo degli algoritmi di pricing, ma spingeranno anche a riflettere su una possibile e quanto più vicina evoluzione delle normative antitrust.
2023
The impact of algorithmic pricing on competition between retailers
collusione
antitrust
Amazon
algoritmi di pricing
Q-learning
File in questo prodotto:
File Dimensione Formato  
Facchin_Arianna.pdf

accesso aperto

Dimensione 658.73 kB
Formato Adobe PDF
658.73 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/72599