Maskininlärning och artificiell intelligens (AI) är perfekt lämpade för att hjälpa företag och marknadsförare att övervaka och sätta priser baserat på dynamisk prissättning i realtid. Men ny forskning har identifierat några möjliga oavsiktliga konsekvenser av AI på detta område.

Maskininlärningsalgoritmer tar inte alltid hänsyn till faktorer utanför säljarens kontroll, såsom konkurrentpriser. Forskare fann att om AI-algoritmer sätter priser på lång sikt, en monopolistisk priseffekt är möjlig, i huvudsak skapa en samverkansprissättningsmiljö på marknaden. Detta utgör en utmaning för beslutsfattare eftersom forskarna visar att oberoende AI-prissättningsalgoritmer kan resultera i överkonkurrenskraftiga marknadsresultat.

Forskningsstudien kommer att publiceras i januarinumret av tidskriften INFORMS Marknadsvetenskap , "Algorithmic Colllusion:Supracompetitive Prices via Independent Algorithms, " är författad av Karsten Hansen och Kanishka Misra vid University of California, San Diego, och Mallesh Pai från Rice University.

Forskarna studerar en miljö där konkurrenskraftiga onlineåterförsäljare använder maskininlärningsalgoritmer för att sätta priser i realtid. Forskare lägger till en växande mängd litteratur som har väckt farhågor om att sådana algoritmer kan framkalla maskopi prissättning. Författarna bidrog sedan till denna litteratur och fann att oberoende algoritmer, utan att iaktta konkurrenskraftiga priser, kan resultera i överkonkurrenskraftiga priser.

Maskininlärningsalgoritmer automatiserar ett prisexperiment för att lära sig det vinstmaximerande priset. Forskarna visar att marknadsresultatet för oberoende företag som använder dessa algoritmer beror på kvaliteten på experiment med korta priser. "Vi kunde visa att där våra prisexperiment hade högt informationsvärde (lågt brus), konkurrenternas priser från oberoende algoritmer blev oavsiktligt korrelerade, och med tiden, priserna blev överkonkurrenskraftiga, ", sa Misra. "Detta betyder att en konsekvens av att använda AI för prissättning kan vara att skapa en atmosfär av prissamverkan på en given marknadsplats, leder till en monopolistisk prissättningseffekt."

"De verkliga effekterna är ganska breda, ", sa Hansen. "Maskininlärningsalgoritmerna förlitar sig på informationsvärdet av de underliggande prisexperimentdata, och inte alla variabler som matar marknadsresultat, såsom konkurrenternas priser, kan vara tillgänglig för dessa system. Våra resultat ger vägledning för när maskininlärningsalgoritmer är mindre tillförlitliga för prissättning."

"Vi tror att identifieringen av detta mönster väcker nya praktiska bekymmer för chefer och beslutsfattare, ", sade Pai. "Utmaningen för tillsynsmyndigheter i framtiden kommer att vara att hitta en balans. Det finns befintliga antitrustproblem angående algoritmer som sätter samverkanspriser när man spårar konkurrenters priser (t.ex. genom underförstådda hot om repressalier)." fortsatte Pai, "Här visar vi att liknande effekter kan uppstå även när algoritmerna uttryckligen inte tar hänsyn till konkurrenternas priser. De kommer att behöva ta hänsyn till faktorer utanför räckvidden för vad algoritmer kan identifiera och spåra, samtidigt som vi arbetar för att konkurrenskraftiga priser inte alltid betyder detsamma, monopolistiska prisstrukturer."