هوش مصنوعی و حقوق رقابت: نگاهی به چالش‌های نوظهور در ایران

هوش مصنوعی (AI) دیگر یک مفهوم آینده‌نگرانه نیست، بلکه واقعیتی است که کسب‌وکارهای امروزی را در حوزه‌های مختلف، از قیمت‌گذاری محصولات گرفته تا طراحی را دگرگون کرده است. با افزایش شفافیت قیمت‌ها، دسترسی گسترده به داده‌های شخصی و پیچیده‌تر شدن الگوریتم‌های یادگیری ماشین، استفاده از این فناوری‌ها شتاب بیشتری گرفته است. الگوریتم‌ها می‌توانند نیرویی در جهت افزایش رقابت باشند، مثلاً زمانی که برای کاهش قیمت‌ها نسبت به رقبا یا بهبود پیشنهاد‌ها به مشتریان به کار می‌روند. اما همزمان، این قابلیت وجود دارد که الگوریتم‌ها رقابت را مخدوش کنند، مانند وقتی که شرکت‌ها از آن‌ها برای تبانی یا حذف رقبا استفاده می‌کنند. این مقاله به زبان ساده، ضمن معرفی مفاهیم کلیدی، به بررسی این چالش‌ها در پرتو قوانین رقابت ایران می‌پردازد.

تعریف موضوع: الگوریتم‌ها چگونه می‌توانند رقابت را به چالش بکشند؟

برای ورود به بحث، ابتدا لازم است با چند اصطلاح کلیدی آشنا شویم. «الگوریتم» در ساده‌ترین تعریف، مجموعه‌ای از دستورالعمل‌ها یا گام‌های مشخص است که برای انجام یک کار یا حل یک مسئله دنبال می‌شود. این دستورالعمل‌ها زمانی که توسط رایانه‌ها اجرا می‌شوند، قدرت واقعی خود را نشان می‌دهند. «هوش مصنوعی» مفهوم گسترده‌تری است که به قابلیت ماشین‌ها برای انجام وظایفی اشاره دارد که معمولاً به هوش انسانی نیاز دارند. یکی از زیرشاخه‌های مهم هوش مصنوعی، «یادگیری ماشین» (Machine Learning) است. در یادگیری ماشین، به جای اینکه برنامه‌نویسان به طور دقیق تمام دستورات را به رایانه بدهند، خودِ رایانه از طریق تحلیل داده‌ها، الگوها را یاد می‌گیرد و تصمیم‌گیری می‌کند.

حال، این الگوریتم‌ها چگونه می‌توانند بر «حقوق رقابت» تأثیر بگذارند؟ هدف اصلی حقوق رقابت، جلوگیری از تحریف رقابت و در نهایت، افزایش رفاه مصرف‌کنندگان از طریق تضمین قیمت‌های منصفانه، تنوع انتخاب، کیفیت بالا و نوآوری است. الگوریتم‌ها می‌توانند این اهداف را هم تقویت و هم تضعیف کنند. از یک سو، الگوریتم‌ها با افزایش شفافیت قیمت‌ها (مثلاً در وب‌سایت‌های مقایسه قیمت) می‌توانند رقابت قیمتی بین فروشندگان را تشدید کنند که به نفع مصرف‌کننده است. از سوی دیگر، همین شفافیت می‌تواند به شرکت‌ها اجازه دهد تا با استفاده از الگوریتم‌ها، قیمت‌های یکدیگر را به دقت رصد کرده و به‌سرعت قیمت‌های خود را با آن‌ها هماهنگ کنند. این هماهنگی می‌تواند به تبانی (Collusion) منجر شود، یعنی وضعیتی که در آن رقبا به طور ضمنی یا صریح برای حفظ قیمت‌ها در سطحی بالاتر از سطح رقابتی با یکدیگر همکاری می‌کنند و به مصرف‌کنندگان ضرر می‌زنند.

علاوه بر تبانی، الگوریتم‌ها می‌توانند منجر به رفتارهای ضدرقابتی دیگری نیز شوند. «قیمت‌گذاری شخصی‌سازی‌شده» (Personalized Pricing) یکی از این موارد است که در آن الگوریتم با تحلیل داده‌های شخصی یک مصرف‌کننده (مانند سابقه خرید یا موقعیت مکانی)، قیمتی متناسب با حداکثر تمایل او به پرداخت پیشنهاد می‌کند. همچنین، الگوریتم‌های رتبه‌بندی (Ranking Algorithms) که توسط پلتفرم‌های بزرگی مانند گوگل یا آمازون استفاده می‌شوند، می‌توانند با تغییر نحوه نمایش نتایج، به طور ناعادلانه محصولات خود پلتفرم یا شرکت‌های خاصی را در اولویت قرار داده و رقبا را به حاشیه برانند (Self-preferencing). این مسائل، چالش‌های جدیدی را پیش روی نهادهای اجرای قانون رقابت در سراسر جهان، از جمله ایران، قرار داده است.

حقوق رقابت ایران: سازوکارهای قانونی موجود در برابر تهدیدات الگوریتمی

در ایران، فصل نهم «قانون اجرای سیاست‌های کلی اصل چهل و چهارم (۴۴) قانون اساسی» با عنوان «تسهیل رقابت و منع انحصار»، چارچوب اصلی برخورد با اقدامات ضدرقابتی را تشکیل می‌دهد. ماده ۴۳ این قانون، تمامی اشخاص حقیقی و حقوقی را مشمول مواد این فصل می‌داند. حال باید دید مفاهیم و نگرانی‌های مطرح‌شده در خصوص هوش مصنوعی و الگوریتم‌ها چگونه با مواد این قانون، به‌ویژه ماده ۴۴ (در مورد تبانی) و ماده ۴۵ (در مورد سایر اعمال ضدرقابتی)، قابل انطباق هستند.

تبانی افقی با کمک الگوریتم‌ها:

تبانی افقی، یعنی توافق بین رقبا در یک سطح از بازار (مثلاً چند تولیدکننده یا چند فروشگاه آنلاین). ماده ۴۴ قانون، هرگونه تبانی از طریق قرارداد، توافق و یا تفاهم (اعم از کتبی، الکترونیکی، شفاهی و یا عملی) را که منجر به اخلال در رقابت شود، ممنوع کرده است. این ماده مصادیقی چون «مشخص کردن قیمت‌های خرید یا فروش» و «محدود کردن یا تحت کنترل درآوردن مقدار تولید، خرید یا فروش» را ذکر می‌کند.

در دنیای الگوریتم‌ها، سه سناریوی اصلی برای تبانی افقی قابل تصور است:

1. استفاده از الگوریتم برای اجرای توافق قبلی (Messenger Scenario): در این حالت، شرکت‌ها ابتدا به طور سنتی (مثلاً با برگزاری جلسات مخفی) برای تثبیت قیمت‌ها توافق کرده و سپس از الگوریتم‌ها برای اجرای دقیق و پایش این توافق استفاده می‌کنند. نمونه بارز آن، پرونده فروشندگان پوستر در آمازون بود که با یکدیگر توافق کردند قیمت‌هایشان را از حد مشخصی پایین‌تر نیاورند و از نرم‌افزارهای قیمت‌گذاری برای این منظور استفاده کردند. این نوع تبانی به وضوح تحت ماده ۴۴ قانون ایران قرار می‌گیرد، زیرا «توافق» یا «تفاهم» انسانی محرز است و الگوریتم صرفاً یک «ابزار الکترونیکی یا عملی» برای اجرای آن بوده است.
2. استفاده از یک الگوریتم مشترک (Hub-and-Spoke Cartel): در این حالت، چند شرکت رقیب (Spokes) همگی از یک الگوریتم قیمت‌گذاری واحد که توسط یک شخص ثالث (Hub) ارائه می‌شود، استفاده می‌کنند و این الگوریتم مشترک، قیمت‌ها را بین آن‌ها هماهنگ می‌کند. پرونده پلتفرم رزرو سفر لیتوانیایی (Eturas) نمونه‌ای از این دست است که در آن، پلتفرم به آژانس‌های مسافرتی پیام داد که تخفیف‌ها به طور خودکار به ۳ درصد کاهش می‌یابد. دیوان دادگستری اروپا اعلام کرد که استفاده از یک سیستم اطلاعاتی رایانه‌ای مشترک برای تعیین قیمت‌ها می‌تواند تحت شرایطی، مصداق رویه هماهنگ‌شده (نوعی تبانی) باشد. در حقوق ایران نیز، اگر شرکت‌ها با علم به اینکه استفاده از یک الگوریتم مشترک منجر به هماهنگی قیمت‌ها و اخلال در رقابت می‌شود، از آن استفاده کنند، می‌توان آن را نوعی «تفاهم عملی» تحت ماده ۴۴ تلقی کرد. شرکت ارائه‌دهنده الگوریتم نیز می‌تواند به عنوان تسهیل‌کننده تبانی مسئول شناخته شود. نمونه‌هایی مانند نرم‌افزار YieldShare شرکت RealPage که توسط تعداد زیادی از مالکان برای تعیین اجاره‌بها استفاده می‌شود و حتی ارتباط بین مالکان را نیز تسهیل می‌کند، در این دسته قرار می‌گیرند.
3. تبانی الگوریتمی خودکار (Autonomous Algorithmic Collusion): این پیچیده‌ترین و نگران‌کننده‌ترین سناریو است. در اینجا، الگوریتم‌های شرکت‌های رقیب، که هر یک به طور مستقل و با هدف حداکثرسازی سود برنامه‌ریزی شده‌اند، از طریق یادگیری ماشین (مثلاً با روش Q-learning) و با آزمون و خطا، «یاد می‌گیرند» که هماهنگی قیمت‌ها در سطحی بالاتر از سطح رقابتی، به نفع همه آنهاست. مطالعات نظری و آزمایشگاهی نشان داده‌اند که این الگوریتم‌ها می‌توانند به طور خودکار به سمت تبانی حرکت کرده و حتی انحراف از این وضعیت تبانی را مجازات کنند. در این حالت، هیچ توافق صریح یا ارتباط مستقیمی بین مدیران شرکت‌ها وجود ندارد. این وضعیت، مفهوم «تبانی» در ماده ۴۴ را که نیازمند نوعی «قرارداد، توافق یا تفاهم» است، به چالش می‌کشد. اگرچه حقوق رقابت اتحادیه اروپا نیز با این «مشکل الیگوپولی» (وضعیتی که در بازارهای با تعداد کم بازیگر، هماهنگی قیمت بدون توافق صریح رخ می‌دهد) از قدیم مواجه بوده ، اما الگوریتم‌ها می‌توانند این مشکل را به بازارهای غیر انحصاری نیز گسترش دهند. در حقوق ایران، اگرچه اثبات «تبانی» در این حالت دشوار است، اما اگر نتیجه عملکرد این الگوریتم‌ها منجر به یکی از اعمال ممنوعه در ماده ۴۵ (مانند تحمیل شرایط تبعیض‌آمیز یا ایجاد مانع برای ورود رقبا توسط شرکت مسلط) شود، می‌توان از آن طریق اقدام کرد.

توافق‌های عمودی و نظارت الگوریتمی:

توافق‌های عمودی بین شرکت‌ها در سطوح مختلف زنجیره تأمین (مثلاً بین تولیدکننده و توزیع‌کننده) صورت می‌گیرد. یکی از نگرانی‌های اصلی در این حوزه، «حفظ قیمت فروش مجدد» (Resale Price Maintenance – RPM) است که در آن، تأمین‌کننده، خرده‌فروشان را مجبور به فروش محصولات با قیمت معین یا حداقل قیمت می‌کند. ماده ۴۵ قانون اجرای سیاست های کلی اصل چهل و چهارم (۴۴) قانون اساسی در بند «ی»، «محدود کردن قیمت فروش مجدد» از جمله «اجبار خریدار به قبول قیمت فروش تعیین شده» را ممنوع کرده است. الگوریتم‌ها می‌توانند نقش مهمی در تسهیل RPM ایفا کنند. تأمین‌کنندگان با استفاده از نرم‌افزارهای پایش قیمت (Spider software)، به‌سرعت انحراف خرده‌فروشان از قیمت‌های توصیه‌شده (یا تحمیل‌شده) را تشخیص داده و با آن‌ها برخورد می‌کنند. از آنجا که بسیاری از خرده‌فروشان آنلاین نیز از الگوریتم برای تطبیق خودکار قیمت‌هایشان با رقبا استفاده می‌کنند، فشار یک تأمین‌کننده بر یک خرده‌فروش برای عدم کاهش قیمت، می‌تواند به سرعت به کل بازار سرایت کرده و سطح عمومی قیمت‌ها را بالا نگه دارد. پرونده‌های متعدد کمیسیون اروپا علیه تولیدکنندگان لوازم الکترونیکی مانند Asus و Philips و همچنین پرونده سازمان رقابت هلند علیه سامسونگ، نشان‌دهنده اهمیت این موضوع است. در ایران نیز، با توجه به صراحت بند «ی» ماده ۴۵، این گونه اقدامات با کمک الگوریتم‌ها قابل پیگیری است.

سوءاستفاده از وضعیت مسلط از طریق الگوریتم‌ها:

ماده ۴۵ قانون ایران، فهرستی از اعمالی را که منجر به اخلال در رقابت می‌شوند، برشمرده است که بسیاری از آن‌ها می‌توانند با «سوءاستفاده از وضعیت اقتصادی مسلط» (موضوع بند «ط» همان ماده) مرتبط باشند. این بند مواردی چون «تعیین، حفظ، و یا تغییر قیمت یک کالا یا خدمت به صورتی غیر متعارف»، «تحمیل شرایط قراردادی غیر منصفانه»، «تحدید مقدار عرضه و یا تقاضا به منظور افزایش و یا کاهش قیمت بازار»، و «ایجاد مانع به منظور مشکل کردن ورود رقبای جدید» را در بر می‌گیرد.

الگوریتم‌ها می‌توانند ابزاری قدرتمند برای شرکت‌های مسلط جهت ارتکاب این گونه سوءاستفاده‌ها باشند:

• رتبه‌بندی تبعیض‌آمیز (Discriminatory Ranking): پلتفرم‌های بزرگی که هم نقش واسطه را ایفا می‌کنند و هم خودشان کالا یا خدماتی عرضه می‌کنند، ممکن است وسوسه شوند که از الگوریتم‌های رتبه‌بندی خود برای دادن اولویت ناعادلانه به محصولات خودشان (Self-preferencing) استفاده کنند و محصولات رقبا را در نتایج جستجو پایین‌تر نشان دهند. پرونده مشهور Google Search (Shopping) که در آن گوگل سرویس مقایسه خرید خود را به طور ناموجه در نتایج جستجو بالاتر از رقبایش نمایش می‌داد، نمونه بارز این رفتار است. این اقدام می‌تواند به شدت به رقبا آسیب زده و انتخاب مصرف‌کننده را محدود کند. در ایران، این رفتار می‌تواند تحت عنوان «ایجاد مانع به منظور مشکل کردن ورود رقبای جدید یا حذف بنگاه‌ها یا شرکت‌های رقیب» (بند ط-۴ ماده ۴۵) یا حتی «تحمیل شرایط تبعیض‌آمیز در معاملات همسان» (بند ۳ ماده ۴۴) یا «تبعیض در شرایط معامله» (بند ج ماده ۴۵) قرار گیرد.
• قیمت‌گذاری شخصی‌سازی‌شده و استثمارگرانه (Exploitative Personalized Pricing): همان‌طور که پیشتر اشاره شد، الگوریتم‌ها می‌توانند قیمت‌ها را برای هر مصرف‌کننده بر اساس داده‌های شخصی او و تمایلش به پرداخت، تعیین کنند. اگر یک شرکت مسلط از این روش برای اعمال قیمت‌های «غیر متعارف» یا «شرایط قراردادی غیر منصفانه» استفاده کند، می‌تواند مشمول بندهای ط-۱ و ط-۲ ماده ۴۵ شود. البته باید توجه داشت که تشخیص «غیر متعارف» یا «غیر منصفانه» بودن قیمت یا شرایط، امری دشوار و نیازمند بررسی دقیق اقتصادی است و نهادهای رقابت معمولاً با احتیاط در قیمت‌گذاری مستقیم دخالت می‌کنند.

شورای رقابت ایران، به عنوان تنها مرجع رسیدگی به رویه‌های ضدرقابتی ، مسئولیت اصلی تشخیص و برخورد با این چالش‌های نوظهور را بر عهده دارد. اختیارات شورا برای بازرسی و تحقیق، از جمله ورود به اماکن، رایانه‌ها و تفتیش آن‌ها ، و همچنین درخواست گزارش و اطلاعات ، ابزارهای مهمی در این زمینه هستند. با این حال، پیچیدگی فنی الگوریتم‌ها، به ویژه الگوریتم‌های یادگیری ماشین که ممکن است به صورت «جعبه سیاه» عمل کنند، نیازمند ارتقای ظرفیت‌های فنی و تخصصی در شورای رقابت و همکاری با کارشناسان حوزه فناوری اطلاعات و اقتصاد دیجیتال است. همچنین، مسئولیت مدیران اشخاص حقوقی در قبال جرائم ارتکابی توسط شرکت (موضوع ماده ۷۹ قانون )، ایجاب می‌کند که شرکت‌ها نظارت کافی بر الگوریتم‌های مورد استفاده خود داشته و از انطباق عملکرد آن‌ها با قوانین رقابت اطمینان حاصل کنند.

نتیجه‌گیری کلی و جمع‌بندی: لزوم آمادگی و نگاه به آینده

هوش مصنوعی و الگوریتم‌ها در حال ایجاد انقلابی در نحوه عملکرد بازارها هستند و این تحول، فرصت‌ها و چالش‌های جدیدی را برای حقوق رقابت به همراه دارد. از یک سو، الگوریتم‌ها می‌توانند با افزایش کارایی و شفافیت، به نفع رقابت و مصرف‌کنندگان عمل کنند. از سوی دیگر، پتانسیل استفاده از آن‌ها برای هماهنگی قیمت‌ها، حذف رقبا، یا استثمار مصرف‌کنندگان، یک نگرانی جدی است. همان‌طور که بررسی شد، تبانی الگوریتمی، چه به صورت اجرای توافقات انسانی و چه به شکل همکاری خودکار بین الگوریتم‌ها، مرزهای سنتی مفهوم «توافق» در حقوق رقابت را به چالش می‌کشد.

حقوق رقابت ایران، به‌ویژه با اتکا به مواد ۴۴ و ۴۵ «قانون اجرای سیاست‌های کلی اصل ۴۴»، چارچوب مناسبی برای مقابله با بسیاری از این تهدیدات فراهم کرده است. تبانی‌های صریح یا ضمنی که با کمک الگوریتم‌ها اجرا یا تسهیل می‌شوند، و همچنین سوءاستفاده از وضعیت مسلط از طریق رتبه‌بندی‌های تبعیض‌آمیز یا قیمت‌گذاری‌های استثمارگرانه، همگی می‌توانند تحت این مواد قانونی قرار گیرند. مسئولیت شرکت‌ها و مدیران آن‌ها در قبال عملکرد ضدرقابتی الگوریتم‌ها نیز قابل پیگیری است.

با این حال، پیچیدگی روزافزون الگوریتم‌های یادگیری ماشین و احتمال بروز «تبانی خودکار» بدون دخالت یا حتی آگاهی مستقیم انسان، نیازمند توجه ویژه است. تشخیص و اثبات چنین رفتارهایی، و همچنین تفکیک آن‌ها از «تطابق هوشمندانه» با شرایط بازار که قانونی است ، بسیار دشوار خواهد بود. این امر، لزوم تقویت توانمندی‌های فنی و تخصصی شورای رقابت، همکاری بین‌رشته‌ای حقوق‌دانان با متخصصان داده و هوش مصنوعی، و شاید بازنگری در برخی رویه‌های اجرایی و تفسیری را بیش از پیش آشکار می‌سازد