Har du någonsin sökt efter en produkt online på morgonen och gått tillbaka för att titta på den igen på kvällen bara för att se att priset har ändrats? I så fall kan du ha varit föremål för återförsäljarens prisalgoritm.

Traditionellt när man bestämmer priset på en produkt, marknadsförare överväger dess värde för köparen och hur mycket liknande produkter kostar, och fastställa om potentiella köpare är känsliga för prisförändringar. Men på dagens teknologiskt drivna marknad, saker har förändrats. Prisalgoritmer utför oftast dessa aktiviteter och fastställer priset på produkter inom den digitala miljön. Vad mer, dessa algoritmer kan effektivt samverka på ett sätt som är dåligt för konsumenterna.

Ursprungligen, online shopping hyllades som en fördel för konsumenterna eftersom det gjorde det möjligt för dem att enkelt jämföra priser. Den ökade konkurrensen som detta skulle orsaka (tillsammans med det växande antalet återförsäljare) skulle också tvinga ner priserna. Men vad som kallas för intäktshanteringsprissättningssystem har gjort det möjligt för onlineåterförsäljare att använda marknadsdata för att förutsäga efterfrågan och sätta priser i enlighet därmed för att maximera vinsten.

Dessa system har varit exceptionellt populära inom besöksnäringen och turistnäringen, särskilt för att hotell har fasta kostnader, ömtåligt lager (mat som måste ätas innan det slocknar) och fluktuerande efterfrågan. I de flesta fallen, intäktshanteringssystem gör det möjligt för hotell att snabbt och exakt beräkna ideala rumspriser med hjälp av sofistikerade algoritmer, tidigare resultatdata och aktuella marknadsdata. Rumspriserna kan sedan enkelt justeras överallt där de annonseras.

Dessa intäktshanteringssystem har lett till termen "dynamisk prissättning". Detta hänvisar till onlineleverantörers förmåga att omedelbart ändra priset på varor eller tjänster som svar på de minsta förändringar i utbud och efterfrågan, oavsett om det är en impopulär produkt i ett fullt lager eller en Uber-resa under en sena nattvåg. Följaktligen, dagens konsumenter blir mer bekväma med tanken att priser online kan och kan variera, inte bara vid försäljningstid, men flera gånger under en enda dag.

Dock, nya algoritmiska prissättningsprogram blir mycket mer sofistikerade än de ursprungliga intäktshanteringssystemen på grund av utvecklingen inom artificiell intelligens. Människor spelade fortfarande en viktig roll i intäktshanteringssystem genom att analysera den insamlade informationen och fatta det slutliga beslutet om priser. Men algoritmiska prissättningssystem fungerar till stor del av sig själva.

På samma sätt som röstassistenter i hemmet som Amazon Echo lär sig om sina användare över tid och ändrar hur de fungerar i enlighet därmed, algoritmiska prissättningsprogram lär sig genom erfarenhet av marknaden.

Algoritmerna studerar aktiviteten hos onlinebutiker för att lära sig den ekonomiska dynamiken på marknaden (hur produkter prissätts, normala konsumtionsmönster, nivåer av utbud och efterfrågan). Men de kan också oavsiktligt "prata" med andra prissättningsprogram genom att ständigt titta på andra säljares prispunkter för att lära sig vad som fungerar på marknaden

Dessa algoritmer är inte nödvändigtvis programmerade för att övervaka andra algoritmer på detta sätt. Men de lär sig att det är det bästa man kan göra för att nå sitt mål att maximera vinsten. Detta resulterar i en oavsiktlig samverkan av prissättning, där priserna sätts inom en mycket nära gräns för varandra. Om ett företag höjer priserna, konkurrerande system kommer omedelbart att svara genom att höja sina, skapa en samarbetsvillig icke-konkurrenskraftig marknad.

Att övervaka konkurrenternas priser och reagera på prisförändringar är normal och laglig verksamhet för företag. Men algoritmiska prissättningssystem kan ta saker ett steg längre genom att sätta priser över där de annars skulle vara på en konkurrensutsatt marknad eftersom de alla arbetar på samma sätt för att maximera vinsten.

Detta kan vara bra ur företagens perspektiv men är ett problem för konsumenter som måste betala lika mycket vart de än går, även om priserna kan vara lägre. Icke-konkurrensutsatta marknader resulterar också i mindre innovation, lägre produktivitet och i slutändan mindre ekonomisk tillväxt.

Vad kan vi göra?

Detta ställer en spännande fråga. Om programmerare (oavsiktligt) har misslyckats med att förhindra denna maskopi från att inträffa, vad ska hända? I de flesta länder, tyst samverkan (där företag inte direkt kommunicerar med varandra) ses för närvarande inte som en olaglig aktivitet.

Dock, företagen och deras utvecklare kan fortfarande hållas ansvariga eftersom dessa algoritmer är programmerade av människor och har förmågan att lära sig hur man kommunicerar och utbyter information med konkurrentalgoritmer. EU-kommissionen har varnat för att den utbredda användningen av prissättningsalgoritmer i e-handel kan resultera i konstgjorda höga priser på hela marknaden, och mjukvaran ska byggas på ett sätt som inte tillåter att det kolliderar.

Men så länge som algoritmerna är programmerade för att ge största möjliga vinst, och kan lära sig hur man gör detta självständigt, det kanske inte är möjligt för programmerare att övervinna denna samverkan. Även med vissa restriktioner, Algoritmerna kan mycket väl lära sig sätt att övervinna dem när de letar efter nya sätt att nå sina mål.

Att försöka kontrollera marknadsmiljön för att förhindra medveten prisövervakning eller marknadstransparens kommer också utan tvekan att resultera i fler frågor och skapa nya problem. Med detta i åtanke, vi måste bättre förstå denna typ av maskininlärning och dess möjligheter innan vi inför nya regler.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.