Эпоха гениальных стратегов по ценообразованию уходит в прошлое. На смену им идет цифровая монокультура, которая тихой сапой демонтирует рыночную конкуренцию. Пока бизнес радостно внедряет LLM в свои операционные процессы, он фактически подключается к «единому мозгу», синхронизирующему поведение целых секторов. Исследование Шенью Цао и Мин Ху из Школы менеджмента Ротмана при Университете Торонто доказывает: передача права на установку цен паре-тройке доминирующих моделей (вроде GPT-4 или Claude) создает идеальный механизм для установления супраконкурентных цен. Проще говоря, цены остаются стабильно высокими просто потому, что алгоритмы так договорились.
Архитектура цифровой монокультуры Проблема в том, что концентрация ИИ-инфраструктуры в руках нескольких вендоров случилась быстрее, чем регуляторы успели допить свой утренний кофе. Когда конкуренты используют одну и ту же модель, они внедряют не просто инструмент, а общую «ценовую склонность». Исследователи из Торонто выделяют два критических параметра: внутреннее смещение модели в сторону высоких цен и точность вывода (output-fidelity) — показатель того, насколько рекомендации ИИ соответствуют этому смещению. Компании добровольно подсаживают свои доходы на одну и ту же логику, превращая рынок в систему зеркал, где каждый «конкурент» лишь копирует алгоритмическую стратегию соседа.
Кажущаяся разумной настройка ИИ-моделей на стабильность и воспроизводимость результатов ведет к фазовому переходу в сторону завышенных цен.
Математика цифрового картеля Исследователи построили модель дуополии, чтобы найти точку, где конкуренция окончательно испускает дух. Выяснилось, что существует порог точности: ниже него рынок еще сохраняет признаки соревновательности. Но как только соответствие ответов модели заданным параметрам пересекает эту черту, наступает состояние «бистабильности». В этой зоне ИИ может выбрать как честную цену, так и сверхприбыль, но финальный результат диктует начальная склонность модели. Если алгоритм с самого начала «заряжен» на высокую маржу, он там и останется. При идеальной точности модель достигает полной координации цен вне зависимости от стартовых условий, фактически формируя цифровой картель.
Большие пакеты данных для обучения только усугубляют риск, подавляя любые случайные колебания цен, которые могли бы вернуть рынок к нормальной конкуренции.
Алгоритмическое обучение на успехах конкурентов превращает эту практику в порочный круг. ИИ быстро понимает: высокие цены приносят больше денег, если сосед (использующий того же «близнеца» от OpenAI или Anthropic) поступит так же. Исследование показывает, что при больших объемах обучающих выборок вероятность установления завышенных цен стремится к единице. Чем «умнее» и надежнее становятся модели, тем лучше они умеют удерживать ценники и подавлять любые попытки конкурентного демпинга.
Правовой вакуум Традиционное антимонопольное законодательство заточено под поиск людей, шепчущихся в прокуренных кабинетах, а не нейросетей, достигших математического равновесия. И хотя FTC и Минюст США в марте 2024 года уже начали грозить пальцем «алгоритмическому сговору», юридическая база для наказания за «случайную» координацию остается ничтожной. Доказать злой умысел невозможно: компании не договариваются напрямую, они просто полагаются на одну и ту же модель. ИИ не нужно переписываться в мессенджерах — он просто сходится в точке максимизации прибыли, потому что его «клон» на другой стороне улицы запрограммирован делать ровно то же самое.
Для бизнеса это создает патовый конфликт между операционной эффективностью и регуляторными рисками. Авторы исследования из Ротмана полагают, что вернуть конкуренцию можно либо через диверсификацию поставщиков ИИ, либо через намеренное внесение «шума» в рекомендации. Однако это идет вразрез с корпоративным стремлением к стандартизации и внедрению «лучших в классе» решений. Пока рынок живет в условиях ИИ-монокультуры, дух соревновательности вымывается из экономики самим программным кодом. Менеджерам пора признать: за удобство единой модели придется платить либо из кошелька покупателя, либо в кабинете следователя, когда антимонопольные службы наконец-то обновят свои методички.