Wanneer AI de prijzen bepaalt: Speltheorie ontmaskert subtiele prijs­opdrijving

In een ogenschijnlijk rustig markt­scenario stonden twee handelaars tegenover elkaar: beiden verkochten widgets en vochten met elkaar om de goedkoopste prijs, want klanten kiezen graag voor het lagere tarief. Dit klassieke model van prijs­concurrentie leek jarenlang de norm – tot de komst van automatische prijs­algoritmes veranderde wat lijkt op eenvoudig spel in een strategisch kat-en-muis­spel.

De opkomst van automatische prijs­algoritmes

In plaats van menselijk overleg of stiekeme prijs­afspraken – wat al decennia verboden is – gebruiken steeds meer verkopers algoritmes die zelfstandig hun prijs aanpassen op basis van markt­gegevens. Hoewel deze algoritmes vaak minder complex zijn dan de grote “deep‐learning” systemen, bewijzen ze toch verrassend strategisch gedrag te kunnen vertonen.

Speltheorie ter controle – of juist ter waakzaamheid?

Onderzoekers uit de spel­theorie hebben een opvallend experiment uitgevoerd: twee identieke algoritmes werden in een gesimuleerde markt losgelaten, en leerden via herhaling en reactie hoe hun prijsstelling het beste uitviel. Het resultaat? Hogere prijzen dan verwacht, niet door een expliciete afspraak maar door een subtiele, impliciete samenwerking.

Het interessante hier is dat er geen duidelijke “drankjes in de rook­kamer” waren – geen menselijke collusie. Toch ontstond een markt­equilibrum waarin beide algoritmes stabiel hoge prijzen wisten te handhaven, uit angst voor een prijs­oorlog.

Geen expliciete bedreigingen, toch een stil akkoord

Het onderzoek liet zien dat zelfs algoritmes zonder directe reactie op elkaar — zogenoemde “non‐responsive” strategieën — kunnen leiden tot hogere prijzen wanneer de tegenpartij een bepaald type leer­algoritme gebruikt: een “no‐swap–regret” algoritme. In dit geval reageert de ene partij nauwelijks op de ander, maar kiest vooraf probabilistisch voor hoge prijs­levels, wat het leer­algoritme van de ander ertoe brengt zich op een duurder tarief vast te leggen.

AI is using your data to set personalised prices online. It could seriously backfire Two people looking at the same product at the same time might see different prices. AI has turbocharged the process.

Het reguleringsdilemma

Voor toezichthouders ontstaat hier een ingewikkeld vraagstuk. De klassieke aanpak draait om het aantonen van collusie – een expliciet akkoord tussen partijen. Maar wanneer algoritmes zonder expliciete samen­werking tot vergelijkbare uitkomsten komen, wordt regulering lastig.

Enkele onderzoekers pleiten ervoor om enkel algoritmes toe te staan die voldoen aan het no‐swap–regret criterium — zij zouden automatisch veel competitievere, lagere prijzen tot gevolg hebben. Maar zelfs dat biedt geen garantie: als zo’n algoritme opereert tegenover menselijke spelers of andere typen algoritmes, kunnen alsnog vele ongewenste uitkomsten ontstaan.

Wat betekent dit voor consumenten en verkopers?

Voor consumenten betekent dit potentieel hogere prijzen, zonder dat er duidelijk misdrijf of afspraak zichtbaar is. Voor verkopers ontstaan nieuwe strategische mogelijkheden — en risico’s. Een algoritme kan in theorie zelf leren dat stabiliteit op een relatief hoge prijs winstgevender is dan voortdurende prijs­verlagingen.

De open vragen

De wetenschap staat nog maar aan het begin van het begrijpen van dit fenomeen. Onderzoekers benadrukken dat er geen eenvoudige oplossing is — en dat regulering op dit gebied complex blijft.