Текст книги "Виртуальная конкуренция. Посулы и опасности алгоритмической экономики"

В случае «Цифрового ока» ущерб выше, но не только: туманнее выглядит вопрос его незаконности. Мы далеко ушли от первых двух сценариев («Мессенджер» и «Ступица и спицы»), при которых алгоритмы помогали сговориться людям. Мы находимся даже за рамками сценария «Предсказуемый агент», при котором люди явным образом не сговаривались, но знали, что молчаливый сговор – вероятный итог, если каждый внедряет алгоритмы ценообразования, максимизирующие прибыль. Хотя третий сценарий явил собою большую правовую неопределенность, сторона обвинения, по крайней мере, располагала свидетельствами намерения ограничить конкуренцию. В нашем последнем сценарии люди еще более отстранены от тактических и стратегических решений, принимаемых алгоритмами. Они не знают, будут ли вовлечены алгоритмы (а если будут – когда и сколь долго) в молчаливый сговор. Нет свидетельств умышленного ограничения конкуренции. Мы не можем более предполагать, что люди намеревались создать условия для молчаливого сговора.

Особенность, отличающая наш сценарий «Цифровое око» от других сценариев, состоит в том, что в самом начале сговор (явный или молчаливый) маловероятен. Вспомним, что на практике в этих компьютерах нет конкретных команд, которые могут запустить сговор. Именно самообучение на рынке с очень высокой степенью прозрачности, на котором представлены сходно действующие агенты с одинаковой целью максимизации прибыли, приводит к сговору, о котором не осведомлено руководство компаний. С увеличением потоков данных от онлайновой торговли, мобильной связи и «интернета вещей» молчаливый сговор становится следствием самообучения алгоритмов, а не человеческого намерения. Компьютер посредством самообучения и экспериментирования, базируясь на непрерывной обратной связи со стороны рынка, реализует всякую стратегию, которая представляется оптимальной с точки зрения максимизации прибылей. Компьютеры в ходе обучения на опыте независимо определяют средства для максимизации прибылей на основе непрерывной обратной информации от потребителей. Здесь мы видим, каким образом самообучающиеся компьютеры могут обнаружить, что оптимальная стратегия состоит в том, чтобы увеличить прозрачность рынка и тем самым поддерживать осознанное подражание.

Наш сценарий «Цифровое око» ставит много интересных вопросов об ответственности. Могут ли компании быть признаны ответственными за ценовые решения, принятые их самообучающимися алгоритмами в случае, когда нет свидетельств договоренности или намерения ограничить конкуренцию? В какой мере люди несут ответственность за действия своих алгоритмов – действия, которые, как они знали, были возможны, но не обязательно достаточно вероятны? Да, алгоритм был создан людьми. Люди знали, что молчаливый сговор был одной из многих возможностей. К тому же люди использовали алгоритм и получали от него выгоды. Однако эти люди не знали, что естественным и достаточно вероятным последствием использования алгоритма ценообразования был молчаливый сговор. Они знали, что молчаливый сговор был одним из многих возможных исходов, но они не могли предсказать, приведет ли (и если да – когда, на какой срок и в какой мере) общеотраслевое использование алгоритмов ценообразования к молчаливому сговору и вздуванию цен. Поэтому нет доказательства намерения ограничить конкуренцию (и соответствующей договоренности компаний).

Нет и явного сговора между компьютерами с целью ограничить конкуренцию посредством «договоренности» или согласованных действий. Вместо этого компьютерные алгоритмы снижают степень стратегической неопределенности на рынке или устраняют ее, продвигаются в направлении общего набора предсказуемых стратегий и способствуют еще большей прозрачности.

Если нет доказательств договоренности или намерения ограничить конкуренцию, сторона обвинения сегодня имеет очень мало (если хоть сколько-нибудь) инструментов для противодействия молчаливому сговору. Вспомним, что молчаливый сговор как явление отражает рациональную одностороннюю реакцию на особенности рынка и сам по себе не является незаконным. Когда мы обсуждали сценарий «Предсказуемый агент», мы рассматривали вопрос, можно ли признать недопустимым намеренное создание такой обстановки на рынке, при которой поддерживается взаимосвязанность продавцов. Мы отметили, что применение статьи 5 Закона о ФТК зависит от наличия мотива или намерения подавить конкуренцию.

Однако, обнаружив сценарий «Цифровое око», правоприменители не могут использовать правовую концепцию намерения и не имеют в своем арсенале других правоприменительных инструментов, помимо экспертиз рынка (market evaluations). Более того, не исключено, что некоторые регуляторные органы предпочтут стабильную обстановку на рынке (при которой алгоритмы предсказывают реакции и доминирующую стратегию друг друга) обстановке нестабильности (при которой цены растут в периоды координации действий и падают в периоды возмездия).

Интересно, что в той ситуации на рынке, при которой такой будущий сговор возможен, разработчики программ скорее предпочтут использовать схожие алгоритмы. Это кажущееся безобидным решение может привести к значимым последствиям с того момента, как произойдет обучение, возрастут потоки данных и установится прозрачность. Похожие аппаратные платформы с большей вероятностью «поймут» друг друга и добьются стабильности сговора.

Здесь потребители терпят урон в той же (если не в большей) мере, что и при других рассмотренных нами сценариях сговора (исходя из того, что ответные меры воздействия принимаются реже). По этой причине мы наблюдаем новую реальность – итоговое подавление конкуренции, которое мы можем не сразу распознать, и в котором некого обвинить. Всякое снижение нашего благосостояния является «всего лишь» побочным эффектом роста использования машин, решающих задачу оптимизации.

Допустим, что компьютеры запрограммированы воздерживаться от нарушений антимонопольного законодательства. Тогда соответствующая компания, возможно, сделала со своей стороны всё, что могла, для обеспечения его соблюдения. С технической точки зрения, когда пытаются взять под контроль (capture) возникновение на рынке механизма наподобие осознанного подражания, запрограммировать соблюдение законодательства может оказаться не так-то просто. Команду, чтобы цены не фиксировались, исполнить, может быть, и нетрудно. Но в условиях обучения с подкреплением (reinforcement learning) соответствующий алгоритм будет экспериментировать с решениями, включающими неисчислимые возможности согласованного взаимодействия, не все из которых незаконны, как признают сами антимонопольные органы¹⁷. В силах ли закон убедительно потребовать от разработчиков прописать в алгоритме отказ от рациональной реакции на рыночные изменения – действовать неэффективно?

Хотя осознанное подражание законно, вопрос состоит в том, надлежит ли признать недопустимыми такие действия, когда они осуществляются интеллектуальными компьютерами в предсказуемой цифровой среде? Следует ли нашему обществу позволять передовой технике изменять рыночные механизмы в том случае, когда такое изменение приводит к перераспределению достатка от потребителей к продавцам? Что для нас важнее – порождаемый новой техникой общий рост эффективности и совокупного благосостояния или благосостояние потребителя?

Указанные вопросы тесно связаны с самой сутью антимонопольной политики и целями защиты конкуренции. Выбор баланса между выгодами и негативными последствиями ограничения конкуренции, принятый в каждой конкретной юрисдикции, отражает цели антимонопольной политики и ценностные ориентиры указанной юрисдикции¹⁸. В результате ответ на эти вопросы может быть разным в зависимости от конкретной позиции каждого правительства и установленной им иерархии целей конкурентной политики.

Важны и рамки обоснования запретов, будь они административными или уголовными. В некоторых юрисдикциях широкая трактовка незаконных действий может привести к тому, что определенные шаги будет несложно квалифицировать как направленные на ограничение конкуренции или незаконные по своей сути. К тому же роль намерения для установления правонарушений может быть разной в различных юрисдикциях – и поэтому она может влиять на легкость противодействия сценарию «Цифровое око» со стороны властей.

Некоторым читателям может показаться, что сценарий «Цифровое око» противоречит интуиции. В конце концов, всякую опасность, которую мы выявляем, можно связать с более конкурентной средой: повышение прозрачности рынка способно снизить потребительские издержки поиска. Высокая скорость ценовых изменений означает, что цены способны быстрее снижаться (и быстрее повышаться в периоды дефицита, что способствует аллокативной эффективности). Способность компьютеров рассчитывать вероятные прибыли от различных действий и ответных ходов может означать такие реакции рынка, которые способствуют конкуренции, но не были замечены людьми. Большую прибыль могли бы генерировать компьютеры следующего поколения, которые, при помощи самообучения или программирования, подберут такую стратегию максимизации прибыли, когда все конкуренты взимают высокую цену, а сама компания этого не делает (продает больше товаров и зарабатывает более высокие прибыли).

Мы не исключаем итогового усиления конкуренции. На некоторых рынках новые участники, прорывные технические достижения и самостоятельные игроки, возможно, смогут лишить молчаливый сговор устойчивости или не дать ему появиться. Далее, мы не утверждаем, что алгоритмы сами по себе плохи или что на всех рынках возникнет осознанное подражание.

Вместо этого мы рассматриваем, почему новые технические возможности, нарождающиеся рыночные механизмы и алгоритмы ценообразования могут знаменовать собой новую, более долгосрочную разновидность сговора. Наши сценарии иллюстрируют, каким образом (при определенных рыночных условиях) алгоритмы ценообразования смогут легко перейти на стратегию максимизации прибыли за счет осознанного подражания, когда высокие цены позволяют компаниям выкачивать деньги из своих потребителей. По этой причине антимонопольные органы должны быть как минимум осведомлены об указанных опасностях.

Видимость конкуренции создается множеством онлайновых продавцов и предложений. Мы можем не знать о молчаливом сговоре. Действительно, возможны периоды, когда некая компания выходит на другой рынок и продает товары ниже номинальной цены. Временами будут применяться ответные действия. И все-таки подспудно за счет пристального наблюдения и встречных мер воздействия конкуренция может оказаться подорванной. Стратегии компьютеров способны быть настолько совершенными, что компании смогут работать на одном рынке, не конкурируя по-настоящему. Возможно, будет казаться, что возникшее устойчивое равновесие является конкурентным, в то время как на деле оно воплощает искусную схему распределения клиентов: каждый алгоритм обслуживает свои категории потребителей.

Учитывая неоднозначность правовых и этических вопросов в теории нашего последнего сценария, некоторые читатели могут серьезно возражать против государственного вмешательства. Но стратегия сохранения свободы рынка, при которой указанные механизмы оставляются в неприкосновенности, рискованна для многих из нас. По-видимому, есть основания предполагать, что ситуация на рынке, когда алгоритмы способствуют молчаливому сговору и поддерживают его, будет усугубляться. Передовая техника и наличие обширных банков данных будут увеличивать число ситуаций, в которых присутствуют условия для молчаливого сговора. Компании, которыми движет максимизация прибыли (или, если по-простому, жадность), могут использовать алгоритмы для того, чтобы выкачивать все больше денег из покупателей (а в итоге наших денег), увеличивая отрыв богачей от пострадавших средне– и низкодоходных слоев общества. Прежде чем мы приблизимся к плутократии, желательно пересмотреть толерантную политику общества по отношению к таким механизмам. К этому мы вернемся в последней части данной книги.

Часть III
Поведенческая дискриминация

Часть II была посвящена способам, которыми алгоритмы ценообразования могут содействовать явному и молчаливому сговору. В данной части мы рассматриваем иную теорию ущерба – возможность отдельно взятой компании, применяющей алгоритмы работы с большими данными, более адресно работать с потребителями за счет индивидуализации маркетинга, ценообразования и продукции.

Здесь рыночная реальность отличается от наших сценариев сговора. При наличии сговора алгоритмы ценообразования увеличивают прозрачность условий продажи и способствуют многостороннему согласованию цен. В данной части мы рассматриваем односторонние стратегии конкурентов, цель которых – ограничить прозрачность цен на высокодифференцированную продукцию. Здесь уже нет однородно высокой цены (превышающей уровень конкурентного рынка). Теперь каждая компания стремится устанавливать разные цены для разных потребителей, чтобы максимизировать свою прибыль. Та цена, которую взимают с потребителя, отражает оценку данной компанией того, сколько он готов заплатить.

В последние годы заметна растущая персонализация онлайновой среды. Рекламные объявления, которые видите вы, могут отличаться от тех, которые видят ваш супруг, дети, родители и соседи. На самом деле неизвестно, в какой степени та реклама (или содержание), которую мы видим, отражает наши поисковые запросы, прошлые покупки или даже тему недавно написанного нами электронного письма или текста. Как сообщалось в газете Wall Street Journal, «концепция беспристрастного и обезличенного пространства сети интернет быстро сменяется новыми представлениями об онлайновом мире, который в действительности становится всё более индивидуализированным и адресным. Интернет-ресурсы ныне внедряют методики сбора подробной информации о посетителях своих страниц в реальном времени, а затем предоставляют разные варианты гипертекстовой информации (the Web) различным людям. Меняются цены, продукция и словесные формулировки, а у типичного пользователя интернет-ресурсов мало возможностей заметить, когда это случается»¹.

Указанные тенденции персонализации имеют принципиальное значение для нашего обсуждения. Компании отслеживают ваши действия, собирают о вас данные, создают на вас досье, а затем адресно показывают вам индивидуализированную рекламу, чтобы побудить вас к покупкам.

Мы рассматриваем, каким образом персонализированная и дифференцированная онлайновая среда воздействует на механизмы конкуренции и наше благосостояние. Поведенческая реклама, индивидуализированные торговые предложения и адресное ценообразование могут помочь нам снизить издержки поиска и сберечь время. Адресные рекламные объявления и рекламные акции (promotions) могут ускорить получение дополнительной информации о соответствующих рыночных возможностях. Однако, как мы показываем, поведенческая дискриминация способна снизить наше благосостояние. Адресная реклама и адресный маркетинг служат не только для помощи потребителям: они способны менять и увеличивать потребление. Индивидуальный подход не заканчивается на рекламных акциях. Он влияет и на ценовые решения (которые часто именуют «оптимизацией цен» или «динамическим дифференцированным ценообразованием»), так что чувствительные к рекламе лица в итоге будут потреблять и платить больше.

После представленного в главе 9 обзорного описания ценовой дискриминации в главе 10 мы рассматриваем, каким образом большие данные и машинное обучение позволят компаниям успешнее вести ценовую дискриминацию. В текущих условиях некоторые нерешенные проблемы не позволяют алгоритмам осуществлять совершенную дискриминацию. Хотя совершенная ценовая дискриминация маловероятна в краткосрочной перспективе, в главе 11 рассматривается поведенческая дискриминация, при которой алгоритмы работы с большими данными обучаются, как сегментировать людей на небольшие группы с тем, чтобы адресовать нам предложение, составленное специально для нас. Сегодня растущее использование интернет-платформ для информационного поиска и покупок меняет механизмы конкуренции. Глава 12 посвящена социальным последствиям поведенческой дискриминации в цифровой среде. Наконец, в главе 13 исследуется рост использования сайтов сопоставления цен (ССЦ), машин метапоиска (metasearch engines) и онлайновых платформ. Мы изучаем, как они могут препятствовать ценовой дискриминации и как временами они приводят к уплате потребителями более высокой цены на внешне конкурентном рынке.

9
Краткое объяснение ценовой дискриминации

Осуществлять ценовую дискриминацию можно, взимая с различных потребителей разные цены, продиктованные готовностью конкретного потребителя платить, и не зависящие от разницы в себестоимости аналогичных услуг или товаров. Другой путь – создать товарную линию, для которой «потребители дифференцируются в зависимости от их решений о покупке»¹. Продукция сравнительно похожа, но некоторые марки могут быть более разрекламированными². Или же товары могут отражать индивидуальные вкусы.

Приведем простой пример. Если бы местный торговец знал, сколько каждый потребитель готов заплатить за банку «Кока-Колы», он мог бы брать по 3 долл. с ее фанатичного поклонника, а с безразличного потребителя колы – по 40 центов. Как известно антимонопольным органам, ценовая дискриминация для своей успешности требует наличия дифференцированных цен и ограниченности арбитражных возможностей³.

Дифференцированное ценообразование основано на способности продавца сегментировать своих потребителей и выявлять эластичность спроса каждого потребителя или группы потребителей. Предположим, художественная галерея не проставила цены на представленных на выставке черно-белых фотографиях Уолкера Эванса⁴. Вам нравится одна фотография. Вы примерно представляете, сколько готовы за нее заплатить. Чтобы осуществить ценовую дискриминацию, галерея должна определить ту максимальную цену, которую покупатель готов заплатить. Экономисты называют ее ценой резервирования (reservation price) данного покупателя. Предположим, что владелец галереи способен читать мысли своих клиентов. Каждый покупатель уйдет из галереи, заплатив свою цену резервирования за черно-белую фотографию: некоторые могут потратить всего лишь 10 долл., другие – более 100 долл. При наличии подробной информации о цене резервирования каждого покупателя галерея способна осуществлять совершенную ценовую дискриминацию (иначе именуемую ценовой дискриминацией первой степени), взимая с каждого потребителя ту максимальную цену, которую он готов заплатить.

В условиях совершенной ценовой дискриминации галерея максимизирует свои поступления, забирая весь потребительский излишек. Потребительский излишек по своей сути является разницей между той ценой, которая фактически платится покупателем за конкретный товар или услугу, и его ценой резервирования⁵. Предположим, что владелец галереи утратил свою способность читать мысли. Не имея возможности осуществлять совершенную ценовую дискриминацию, он теперь взимает фиксированную цену. Входя в галерею, вы готовы заплатить 500 долл. за фотографию Уолкера Эванса. Глядя на ценник, вы обнаруживаете, что она стоит лишь 100 долл. Ваш потребительский излишек равен 400 долл. (т. е. цене, которую вы были готовы заплатить, за вычетом фактически уплаченной цены). Теперь вы можете потратить, отложить или пожертвовать 400 долл.

В реальной жизни примером почти совершенной ценовой дискриминации может служить плата за обучение в частных американских университетах. Колледжи собирают подробную финансовую информацию о родителях кандидатов и их платежеспособности. Многие из них предоставляют различные гранты и стипендии студентам из небогатых семей, снижая плату за обучение. Мы говорим о почти совершенной ценовой дискриминации, потому что некоторые родители, возможно, готовы заплатить сумму, превышающую объявленную плату за обучение, проживание и питание, для того чтобы их ребенок учился в университете, где предусмотрен конкурсный отбор учащихся. В зависимости от способностей студента и критериев поступления в конкретный университет это может подразумевать значительное пожертвование (такое как финансирование строительства нового общежития)⁶.

В прежней экономике многим продавцам недоставало подробной и точной информации, позволяющей определить цену резервирования каждого покупателя. Некоторые взамен осуществляли несовершенную ценовую дискриминацию, известную также как ценовая дискриминация третьей степени. В этом случае продавцы делили своих потребителей на широкие категории, с которых взимали разные цены. Например, кинотеатры десятилетиями осуществляли несовершенную ценовую дискриминацию за счет взимания разных цен со взрослых, детей, студентов и престарелых (предполагая, что у студентов и престарелых, если брать в целом, меньше возможностей тратить деньги по своему усмотрению и меньшая цена резервирования).