i

¡Ya se encuentra abierta nuestra convocatoria para publicar en nuestro Volumen 82 Número 2 Año 2025!

La Revista de Derecho Económico invita a toda la comunidad académica, tanto nacional como internacional, a enviar sus artículos a nuestra página web, en la sección "Enviar artículo". El envío debe cumplir con las normas indicadas en la sección "Publique".

La convocatoria estará abierta, a modo referencial, hasta el 15 de octubre de 2025.

El uso de análisis predictivo con inteligencia artificial para la detección temprana y prevención de prácticas colusorias

Autores/as

Descargar

Resumen

La detección temprana de prácticas colusorias ha sido un desafío permanente para las autoridades de libre competencia debido a la complejidad y sutileza con la que los competidores pueden coordinar los precios de los bienes y servicios que prestan, sus comportamientos o repartirse los mercados, o intercambiarse información comercial sensible entre ellos. Los métodos tradicionales de monitoreo dependen en gran medida de evidencia directa y, por consiguiente, de la capacidad que tenga la autoridad de competencia para poder recabarla, cuya efectividad se ve limitada en mercados cada vez más dinámicos como los digitales. Este artículo explora cómo el análisis predictivo y el uso de inteligencia artificial, mediante machine learning y deep learning, puede ofrecer soluciones para identificar patrones colusorios. En primer lugar, se revisan las características de los mercados propensos a la colusión y las limitaciones a las que se enfrentan las autoridades con sus actuales herramientas de detección. Luego, se analizan los modelos predictivos más utilizados, machine learning y deep learning, destacando su capacidad para analizar grandes volúmenes de datos y detectar anomalías en el comportamiento de precios y producción. Finalmente, se resaltan los principales beneficios y desafíos de la implementación de inteligencia artificial en la detección de carteles.

Palabras clave:

Libre competencia, Colusión, inteligencia artificial, Detección, Modelos predictivos

Referencias

* Aco, Antony, Bryan Hancco y Yasiel Pérez (2023). «Análisis comparativo de técnicas de machine learning para la predicción de casos de deserción universitaria». Revista Ibérica de Sistemas y Tecnologías de Información, 51: 84-98. DOI: 10.17013/ risti.51.84–98.

* Álvarez, María (2023). «Inteligencia artificial y medidas cautelares en el proceso penal: Tutela judicial efectiva y autodeterminación informativa en potencial riesgo». Revista Española de Derecho Constitucional, 127: 177-207. DOI: 10.18042/cepc/redc.127.06.

* Armstrong, Mark y David E. M. Sappington (2005). «Recent developments in the theory of regulation». Handbook of Industrial Organization. Tomo 3 (pp. 1557-1700). Ámsterdam: Elsevier. Disponible en https://tipg.link/eQTy.

* Araya, Carlos (2020). «Desafíos legales de la inteligencia artificial en Chile». Revista Chilena de Derecho y Tecnología, 9 (2): 257-290. DOI: 10.5354/0719-2584.2020.54489.

* Araya, Fernando (2015). «Derecho de la libre competencia». Revista Chilena de Derecho Privado, 24: 233-250. DOI: 10.4067/S0718-80722015000100011.

* Beaton-Wells, Caron Y. y Brent E. Fisse (2008). «Criminalising serious cartel con duct: Issues of law and policy». Australian Business Law Review, 36 (3): 166-240. Disponible en https://tipg.link/eRI5.

* Castellanos, Jorge y María Montero (2020). «Perspectiva constitucional de las garantías de aplicación de la inteligencia artificial: La ineludible protección de los derechos fundamentales». Ius et Scientia, 6 (2): 72-82. DOI: 10.12795/IETSCIENTIA.2020.i02.06.

* Competition and Markets Authority (2021). Algorithms: How they can reduce competition and harm consumers. Disponible en https://tipg.link/eRID.

* Connor, John M., Albert A. Foer y Simcha F. Udwin (2010). «Criminalizing cartels: An american perspective». New Journal of European Criminal Law, 1 (2): 199-217. DOI: 10.1177/203228441000100207.

* Cuevas, Erik (2021). Introducción al machine learning con MATLAB. Bilbao: Marcombo.

* Dagnino, Jorge (2014). «Regresión lineal». Revista Chilena de Anestesia, 43 (2): 143 -149. DOI: 10.25237/revchilanestv43n02.14.

* Echeverría, Elisa (2007). Estrategias para detectar colusión: Lecciones para el caso chileno. Tesis para optar al grado de Magíster en Gestión y Políticas Públicas. Universidad de Chile. Disponible en https://tipg.link/eRY1.

* Espino, Carlos y Xavier Martínez (2017). Análisis predictivo: Técnicas y modelos utilizados y aplicaciones del mismo - herramientas Open Source que permiten su uso. Trabajo de fin de grado. Universidad Oberta de Catalunya. Disponible en https://tipg.link/eRY6.

* Espinoza, Lourdes y Raúl Rubin de Celis. (2017). «Regulador no benevolente y asimetrías de información: Aproximación con un modelo de agencia». Revista de Análisis Económico, 32 (1): 23-45. DOI: 10.4067/ S0718-88702017000100023.

* Ghosal, Vivek (2006). «Discovering cartels: Uncovering dynamic interrelationships between criminal and civil antitrust investigations». Múnich Personal RePEc Archive, Universidad de Múnich. Disponible en https://tipg.link/eXo6.

* González, Aldo (2007). «Conceptos y aplicación de la delación compensada en la persecución de carteles». En Foco, 100: 1-19. Disponible en https://tipg.link/eRaE.

—. (2011). «Prácticas colusivas». En La libre competencia en el Chile del Bicentenario (pp. 143-155). Santiago: Thomson Reuters PuntoLex. Disponible en https://tipg. link/eRbQ.

* Hammond, Scott D. (2000). «Fighting cartels - Why and how? Lessons common to detecting and deterring cartel activity». Discurso en la 3rd Nordic Competition Policy Conference, Estocolmo. Disponible en https://tipg.link/eRkj.

* Harrington, Joseph E. (2018). «Developing competition law for collusion by autonomous artificial agents». Journal of Competition Law and Economics, 14 (3): 331-363. DOI: 10.1093/joclec/nhy016.

* Ivaldi, Marc, Bruno Jullien, Patrick Rey, Paul Seabright y Jean Tirole (2003). The economics of tacit collusion. Toulouse: Institut d’Économie Industrielle. Disponible en https://tipg.link/eRnF.

* Jiang, Fei, Yong Jiang, Hui Zhi, Yi Dong, Hao Li, Sufeng Ma, Yilong Wang, Qiang Dong, Haipeng Shen y Yongjun Wang (2017). «Artificial intelligence in healthcare: Past, present and future». Stroke Vascular Neurology, 2 (4): 230243. DOI: 10.1136/ svn2017000101.

* Kaplow, Louis (2013). Competition policy and price fixing. Nueva Jersey: Princeton University Press.

* LeCun, Yann, Yoshua Bengio y Geoffrey Hinton (2015). «Deep learning». Nature, 521: 436-444. DOI: 10.1038/nature14539.

* López, Dionis y Leticia Arco (2019). «Aprendizaje profundo para la extracción de aspectos en opiniones textuales». Revista Cubana de Ciencias Informáticas, 13 (2): 105-145. Disponible en https://tipg.link/eRoF.

* Mamani, Zoraida (2022). «Machine learning process to determine the social demand for IT professional jobs». Industrial Data, 25 (2): 275-300. DOI: 10.15381/idata.v25i2.21643.g19078.

* Motta, Massimo (2004). Competition policy: Theory and practice. Cambridge: Cambridge University Press.

* Navarro, María (2005). Las conductas conscientemente paralelas. Madrid: Civitas-Aranzadi.

* Neira, Ana (2021). «Inteligencia artificial y tutela cautelar: Especial referencia a la prisión provisional». Revista Brasileira de Direito Processual Penal, 7 (3): 1897-1933. DOI: 10.22197/rbdpp.v7i3.618.

* OECD (2024). «Artificial intelligence, data and competition». OECD Artificial Intelligence Papers, 18. Disponible en https://tipg.link/eTQe.

—. (2022) «Data screening tools for competition investigations». OECD Roundtables on Competition Policy Papers, 284. DOI: 10.1787/4c5bbb9d-en.

* Parisi, Antonino, Franco Parisi y David Díaz (2006). «Modelos de algoritmos genéticos y redes neuronales en la predicción de índices bursátiles asiáticos». Cuadernos de Economía, 43 (128): 251-284. DOI: 10.4067/S0717-68212006000200002.

* Pascual, Lorenzo y Esther Ruiz (2021) «Predicción de series temporales basada en machine learning: Aplicaciones económicas y financieras». En Daniel Peña, Pilar Poncela y Esther Ruiz (editores), Nuevos métodos de predicción económica con datos masivos (pp. 189-214). Madrid: Funcas. Disponible en https://tipg.link/eRqN.

* Pérez, Jorge (2019). «Statihouse: Desarrollo tecnológico basado en ciencia de datos para explorar estadísticamente el sector inmobiliario». Ingeniare, 27 (1): 113- 130. DOI: 10.4067/S0718-33052019000100113.

* Petit, Nicolas (2012). «The oligopoly problem in EU competition law». En Ioannis Líanos y Damien Geradin (editores), Research handbook in European competition law (pp. 259-349). Cheltenham: Edward Elgar Publishing. Disponible en https:// tipg.link/eRsX.

* Posner, Richard A. (1969). «Oligopoly and the antitrust laws: A suggested approach». Stanford Law Review, 21 (6): 1562-1606. DOI: 10.2307/1227523.

* Ramírez, Cristián (2024). «Inteligencia artificial y prisión preventiva». Actualidad Jurídica, 50: 337-362. Disponible en https://tipg.link/eRz_.

* Serey, Víctor D. (2012). Indicadores de colusión en el mercado farmacéutico chileno. Tesis de Magíster en Economía, Pontificia Universidad Católica de Chile. Disponible en https://tipg.link/eR-k.

* Sims, Rod (2017). «Can robots collude?». Discurso en la Australian Competition and Consumer Comision (ACCC). Disponible en https://tipg.link/eR_J.

* Solernou, Stella (2021). «La colusión en el contexto de algoritmos». Revista de Estudios Europeos, 78: 138-153. Disponible en https://tipg.link/eR_N.

* Sosvilla, Simón D. (2021). Desarrollo y aplicación de herramientas econométricas para la identificación y medición del riesgo. Proyecto PR108/2012 (Ayudas para la financiación de proyectos de investigación SantanderUCM 2019). Universidad Complutense de Madrid, Instituto de Análisis Económico. Disponible en https://tipg.link/eS1e.

* Stucke, Maurice E. (2006). «Morality and antitrust». Columbia Business Law Review, 3: 443-547. DOI: 10.7916/cblr.v2006i3.2992.

* Tenorio, Guillermo (2021). «El derecho a una vida libre de algoritmos». Revista IUS, 15 (48): 115-135. DOI: 10.35487/rius.v15i48.2021.708.

* Whelan, Peter (2007). «A principled argument for personal criminal sanctions as punishment under EC cartel law». Competition Law Review, 4 (1): 7-40. Disponible en https://tipg.link/eS1q.

* Wiemken, Timothy L. y Robert R. Kelley (2020). «Machine learning in epidemiology and health outcomes research». Annual Review of Public Health, 41 (1): 21-36. DOI: 10.1146/annurev-publhealth-040119-094437.