Opinião e Análise

Experimente o JOTA PRO por 10 dias e decida com mais segurança.

Amanda Langanke

Marcela Mattiuzzo

No mês passado, foi anunciado que a tradicional casa de arte Christie’s, em Nova Iorque, leiloaria um quadro criado inteiramente por meio de algoritmos. A partir da análise de 15 mil retratos produzidos entre os séculos XIV e XX, o algoritmo aprendeu as regras dessas imagens, como a presença de dois olhos, um nariz e uma boca, replicando-as e criando um novo exemplar, único, que recebeu o nome de “Portrait of Edmond de Belamy”. 
Um dos criadores do projeto informou que o algoritmo é composto por duas partes: além desta parte geradora, ele também possui uma segunda, chamada “discriminadora”, que consegue diferenciar uma imagem feita por humanos de uma criada pelo gerador. O objetivo é justamente analisar todas as imagens criadas até julgar o resultado imperceptível, seja feito a partir de uma mão humana ou atribuído ao algoritmo. Foi exatamente isso que aconteceu com a obra a ser leiloada no mês que vem em Nova Iorque.
<ul class="jota-article__internal-links">
<li>+JOTA PRO: <a href="https://www.jota.info/pro/degustacao-poder">Entenda o cenário institucional com o JOTA Poder. Seguimos de perto tribunais superiores, agências reguladoras, Congresso, Poder Executivo e legislativos estaduais e municipais para reportar informações públicas de impacto. Experimente o serviço que tem ajudado empresas e atores do mercado financeiro! 
</a></li>
</ul>
Esse caso ilustra bem o que é possível se alcançar por meio do machine learning (aprendizagem de máquinas) e de avanços tecnológicos correlatos, como a ampliação da coleta de dados e sua análise. Através deles, classificar informações e prever padrões são ações potencializadas a níveis irreplicáveis por humanos. 
Adentrando um campo mais técnico, é possível afirmar que uma definição útil, se não rigorosa, de machine learning diz respeito a uma aplicação de algoritmos para (i) inferir regras de classificação de um conjunto de dados e (ii) fazer previsões úteis sobre novos dados.<a class="sdfootnoteanc" href="#sdfootnote1sym" name="sdfootnote1anc">1</a> 
<blockquote class="jota-article__eye">Não por outro motivo, cada vez mais empresas vêm incorporando às suas estratégias comerciais um amplo e crescente instrumental tecnológico, recorrendo ao Big Data, lado a lado ao machine learning, para o desenvolvimento de plataformas e serviços mais eficientes, modernos e customizados. </blockquote>
Da perspectiva concorrencial, esse cenário tem levantado inúmeras preocupações, em especial quanto à possibilidade deste instrumental viabilizar o desenvolvimento de algoritmos de preços “inteligentes” e, com isso, ser utilizado como mecanismo de coordenação entre empresas. A partir da observação e reação a preços praticados por concorrentes a uma velocidade e grau de apuração irreplicáveis, os algoritmos podem acabar por facilitar a colusão e paralelismo de preços entre concorrentes, além de dificultarem a detecção de acordos ilícitos.
Em 2015, uma das autoridades encarregada pela defesa da concorrência nos Estados Unidos, a FTC (Federal Trade Commission), denunciou dois executivos e uma empresa de e-commerce pela prática de cartel por terem utilizado algoritmos para fixarem os preços de pôsteres vendidos na Amazon.<a class="sdfootnoteanc" href="#sdfootnote2sym" name="sdfootnote2anc">2</a> Por meio de um software que coletava continuamente os preços praticados por concorrentes e que permitia a precificação de produtos com base em uma série de regras definidas pelo vendedor, os investigados programaram o algoritmo para que encontrasse o menor preço praticado na Amazon para um pôster específico e, então, para que estabelecesse um preço ligeiramente inferior ao identificado, alinhando os preços praticados por ambos e fazendo com que seus anúncios ganhassem relevância máxima nas pesquisas dos consumidores. Neste caso, o uso do software para facilitar o cartel não levantou dúvidas quanto ao enquadramento da conduta como anticompetitiva, exatamente porque o acordo ilícito de fato tinha se dado entre os atores econômicos.
Contudo, não somente enquanto mecanismos de implementação de acordos expressos entre concorrentes os algoritmos levantam preocupações concorrenciais. Com efeito, a literatura aponta cada vez mais que eles também podem acabar facilitando a colusão tácita entre empresas, ou seja, ainda que ausente um acordo explícito, o uso de algoritmos pode ter como efeito prático o alinhamento de preços. 
Isso aconteceria, por exemplo, caso diferentes empresas contratassem o mesmo desenvolvedor de software para prover algoritmos de precificação, aproximando-se a um cartel “hub and spoke”. <a class="sdfootnoteanc" href="#sdfootnote3sym" name="sdfootnote3anc">3</a> Nesta modalidade atípica de colusão, que normalmente envolve a troca de informações confidenciais entre revendedores concorrentes e seu fornecedor em comum, não havendo, regra geral, contato direto entre esses concorrentes, o desenvolvedor do software funcionaria como um hub e as empresas que contratassem seus serviços como spoke.<a class="sdfootnoteanc" href="#sdfootnote4sym" name="sdfootnote4anc">4</a> 
Mesmo quando as empresas não adotam algoritmos idênticos, o seu uso em si pode aumentar a transparência de preços e auxiliar a estabilizá-los. Nestas hipóteses, parece haver maior resistência das autoridades antitruste em enquadrar a conduta imediatamente como anticompetitiva. De fato, o paralelismo de preços não é, em si ilícito. A FTC, por exemplo, já se manifestou no sentido de que, ausente um acordo expresso entre concorrentes, a adoção independente de um mesmo algoritmo de preços dificilmente levaria à responsabilização perante a lei antitruste, ainda que se verificasse que ele tenha gerado uma maior interdependência de preços.<a class="sdfootnoteanc" href="#sdfootnote5sym" name="sdfootnote5anc">5</a> Algum elemento adicional ao paralelismo de preço, ainda indefinido, parece de fato essencial para a configuração da ilicitude da conduta. 
O outro lado da moeda diz respeito à possibilidade de os algoritmos virem a ser utilizados não enquanto instrumentos facilitadores de colusão, mas sim na identificação de práticas ilícitas. A pergunta que se coloca, aqui, é se eles poderiam, de algum modo, auxiliar as autoridades competentes na identificação de condutas anticompetitivas. A resposta parece ser afirmativa, apesar de algumas limitações serem ressaltadas, como, por exemplo, a disponibilidade de dados confiáveis e sólidos para análise. Casos recentes de algoritmos de reconhecimento facial utilizados por governos em busca de pessoas com mandados de prisão, como pela polícia metropolitana de Londres, escancaram estas dificuldades.<a class="sdfootnoteanc" href="#sdfootnote6sym" name="sdfootnote6anc">6</a>
<blockquote class="jota-article__eye">Voltando para a seara concorrencial, o Projeto Cérebro, desenvolvido em 2015 pelo Cade, é um exemplo do uso de algoritmos na identificação de indícios de condutas anticompetitivas. </blockquote>
A partir da congregação de dados públicos antes desorganizados, o sistema volta-se à identificação de indícios de fraudes em licitações, já tendo apresentado resultados práticos, auxiliando as investigações de dois processos administrativos nos mercados de órteses, próteses e materiais médicos especiais.<a class="sdfootnoteanc" href="#sdfootnote7sym" name="sdfootnote7anc">7</a> Vários outros países também vêm adotando iniciativas similares, com resultados satisfatórios, como a Coreia do Sul e o Reino Unido. A União Europeia também já manifestou seu interesse no desenvolvimento de algoritmos para a identificação de condutas anticompetitivas.<a class="sdfootnoteanc" href="#sdfootnote8sym" name="sdfootnote8anc">8</a>
O desenvolvimento e utilização de algoritmos para a detecção de condutas anticompetitivas pelas autoridades competentes permite que, para além das ferramentas reativas de identificação e investigação de cartéis, como acordos de leniência, as autoridades possam contar cada vez mais com métodos proativos na detecção de condutas anticompetitivas. A combinação de ambos os métodos, inclusive, é considerada mais efetiva que a limitação a apenas um deles<a class="sdfootnoteanc" href="#sdfootnote9sym" name="sdfootnote9anc">9</a>, mas enfrenta obstáculos como a escassez de recursos e o diminuto número de funcionários para o desenvolvimento dessas tecnologias.
Vale ressaltar o pano de fundo em que essa discussão acontece no Brasil: a recente aprovação da Lei Geral de Proteção de Dados Pessoais (LGPD ou Lei nº 13.709/2018). A LGPD explicitamente prevê como princípios gerais para o tratamento de dados pessoais a não-discriminação e a transparência. Para além de questionar se o uso de algoritmos que determinem preços ao consumidor final pode ser anticompetitivo, por conta de condutas colusivas, certamente surgirá um debate sobre a licitude de discriminações de preço de forma geral – em outras palavras, estaria uma empresa infringindo a nova lei ao determinar preços diferentes para os consumidores de acordo com os perfis que seus algoritmos são capazes de mapear? 
A criação de perfis e seu uso comercial não é uma prática vedada pelo ordenamento brasileiro, como a Lei do Cadastro Positivo demonstra. Empresas que realizam o chamado credit scoring estão autorizadas a operar fazendo uso de mecanismos de profilamento, como já destacado em decisão do STJ<a class="sdfootnoteanc" href="#sdfootnote10sym" name="sdfootnote10anc">10</a>. Não está claro, no entanto, quais são os limites desse tipo de prática, especialmente com a inserção de novas regras trazidas pela LGPD; a única clareza que hoje existe diz respeito à proibição de uso de dados sensíveis.
O uso de algoritmos por empresas e pelo setor público é um dos novos capítulos trazidos pelo desenvolvimento tecnológico. Como sempre, surgem diversas dúvidas e desafios que precisam ser superados para que a tecnologia nos sirva da melhor maneira possível. Enquanto não conseguimos encontrar todas as respostas, podemos ao menos esforçar-nos para fazer as melhores perguntas.
--------------------------------------
<div id="sdfootnote1">
<a class="sdfootnotesym" href="#sdfootnote1anc" name="sdfootnote1sym">1</a> Competition Policy International, Can machine learning aid in cartel detection? By Rosa M. Abrantes-Metx &amp; Albert D. Metz.
</div>
<div id="sdfootnote2">
<a class="sdfootnotesym" href="#sdfootnote2anc" name="sdfootnote2sym">2</a> Conferir: <a href="https://www.justice.gov/atr/case/us-v-david-topkins">https://www.justice.gov/atr/case/us-v-david-topkins</a> e <a href="https://www.justice.gov/atr/case/us-v-daniel-william-aston-and-trod-limited">https://www.justice.gov/atr/case/us-v-daniel-william-aston-and-trod-limited</a>. 
</div>
<div id="sdfootnote3">
<a class="sdfootnotesym" href="#sdfootnote3anc" name="sdfootnote3sym">3</a> Sahuget e Walckiers definem o cartel hub and spoke como: “The so-called hub-and-spoke collusion generally involves retail competitors and their common supplier(s); sensitive information is passed between competitors not directly but through a supplier that facilitates price collusion.” (SAHUGUET, Nicolas; WALCKIERS, Alexis. Selling to a cartel of retailers: a model of hub-and-spoke collusion.)
</div>
<div id="sdfootnote4">
<a class="sdfootnotesym" href="#sdfootnote4anc" name="sdfootnote4sym">4</a> Conferir OCDE, Algorithms and Collusion: Competition Policy in the Digital Age, 2017, disponível em <a href="http://www.oecd.org/daf/competition/Algorithms-and-colllusion-competition-policy-in-the-digital-age.pdf">http://www.oecd.org/daf/competition/Algorithms-and-colllusion-competition-policy-in-the-digital-age.pdf</a>. 
</div>
<div id="sdfootnote5">
<a class="sdfootnotesym" href="#sdfootnote5anc" name="sdfootnote5sym">5</a> Algorithms and Collusion —Note by the United States, May 26, 2017, official submission to the OECD Roundtable, acessível em: <a href="https://one.oecd.org/document/DAF/COMP/WD(2017)41/en/pdf">https://one.oecd.org/document/DAF/COMP/WD(2017)41/en/pdf</a>. 
</div>
<div id="sdfootnote6">
<a class="sdfootnotesym" href="#sdfootnote6anc" name="sdfootnote6sym">6</a> Na edição de 2017 do Notting Hill Carnival, maior festa de rua da Europa, das 96 pessoas identificadas pelo algoritmo de reconhecimento facial, só uma de fato podia ser considerada uma ameaça. Conferir <a href="https://www1.folha.uol.com.br/tec/2018/09/nao-acredite-cegamente-em-algoritmos-porque-ate-eles-erram.shtml?loggedpaywall">https://www1.folha.uol.com.br/tec/2018/09/nao-acredite-cegamente-em-algoritmos-porque-ate-eles-erram.shtml?loggedpaywall</a>. 
</div>
<div id="sdfootnote7">
<a class="sdfootnotesym" href="#sdfootnote7anc" name="sdfootnote7sym">7</a> Conferir http://blogdoaftm.web2419.uni5.net/cade-quer-usar-big-data-para-combater-cartel-em-licitacao/
</div>
<div id="sdfootnote8">
<a class="sdfootnotesym" href="#sdfootnote8anc" name="sdfootnote8sym">8</a> Reuters, EU considers using algorithms to detect anti-competitive acts, disponível em: <a href="https://www.reuters.com/article/us-eu-antitrust-algorithm/eu-considers-using-algorithms-to-detect-anti-competitive-acts-idUSKBN1I5198">https://www.reuters.com/article/us-eu-antitrust-algorithm/eu-considers-using-algorithms-to-detect-anti-competitive-acts-idUSKBN1I5198</a>. 
</div>
<div id="sdfootnote9">
<a class="sdfootnotesym" href="#sdfootnote9anc" name="sdfootnote9sym">9</a> OCDE, Algorithms and Collusion: Competition Policy in the Digital Age, disponível em: <a href="http://www.oecd.org/daf/competition/Algorithms-and-colllusion-competition-policy-in-the-digital-age.pdf">http://www.oecd.org/daf/competition/Algorithms-and-colllusion-competition-policy-in-the-digital-age.pdf</a>. 
</div>
<div id="sdfootnote10">
<a class="sdfootnotesym" href="#sdfootnote10anc" name="sdfootnote10sym">10</a> Ver REsp n°s 1.457.199 e 1.419.697, julgados pelo STJ em 12/11/2014.
</div>

algorit

https://images.jota.info/wp-content/uploads/2021/09/copy-of-jota-logo-high-cmyk.jpeg

JOTA

Uso de algoritmos por empresas e pelo setor público é um dos novos capítulos trazidos pelo desenvolvimento tecnológico

Machine learning: os dois lados da moeda

Uso de algoritmos por empresas e pelo setor público é um dos novos capítulos trazidos pelo desenvolvimento tecnológico