Supòsit 137
Enunciado
Al juliol de 2016, la Comissió Nacional dels Mercats i la Competència (CNMC) va sancionar els principals fabricants de camions a Espanya —Daimler, DAF, Iveco, MAN, Scania, Volvo/Renault Trucks— amb una multa total de més de 1.000 milions d’euros (CNMC, expedient S/DC/0511/14 Camions), un dels majors càrtels investigats a Espanya. El càrtel havia operat durant 19 anys (1997-2011), coordinant preus bruts, sobrecàrrecs i el calendari d’introducció de camions amb tecnologia de reducció d’emissions (EURO IV-VI), penalitzant els compradors de flotes de tota Espanya.
Per a l’anàlisi quantitativa, es proporcionen les següents dades simplificades del mercat espanyol de camions pesats (any càrtel, unitats tractores major que 16 tones):
- Demanda de mercat: Q = 12.000 − 0,5·P (P en milers d’euros, Q en unitats/any)
- Cost marginal conjunt dels fabricants durant el càrtel: CMg = 80 (milers d’euros/unitat)
- Preu competitiu (estimació sense càrtel): P_c = 100 (milers d’euros)
- Preu de càrtel observat: P_k = 160 (milers d’euros)
Es demana:
- Calcula l’excedent del consumidor (EC) i el pes mort (DWL) generats pel càrtel respecte a l’equilibri competitiu. Quina fracció del benestar va ser transferida al productor i quina fracció destruïda?
- Avalua si la multa de 1.000 M€ és dissuasòria des de la perspectiva econòmica. Usa el model de Becker (1968) d’infracció òptima i la probabilitat de detecció estimada per la Comissió Europea per a càrtels industrials.
- Explica el programa de clemència (leniency) i el seu paper en desestabilitzar el càrtel. Quina empresa va sol·licitar clemència en el cas Camions i quin benefici va obtenir?
- Analitza la col·lusió algorítmica (Calvano, Calzolari, Denicolò, Pastorello, 2020, American Economic Review): com poden els algoritmes de fixació de preus aprendre a coludir-se sense comunicació explícita? Quines implicacions té per a l’aplicació de la normativa de competència?
- Crítica i visió contemporània: la teoria d’oligopoli (Tirole, Nobel 2014) i la regulació vigent són suficients per detectar i sancionar la col·lusió tàcita? Cita el Reglament UE 1/2003 i la proposta Digital Markets Act (DMA) 2022.
Mostrar solución
Al mercat competitiu, el preu iguala el cost marginal. Amb les dades de l’exercici:
Amb el preu de càrtel observat:
L’excedent del consumidor perdut pel càrtel respecte al competitiu es descompon en transferència al productor i pes mort (DWL):
Cal notar que amb una demanda molt poc elàstica (la diferència entre Q_k i Q_c és xicoteta), el DWL és reduït en relació a la transferència. La major part del dany del càrtel no és ineficiència assignativa sinó redistribució de l’excedent del consumidor (compradors de camions) al productor (fabricants).
Acumulat en 19 anys (1997-2011, simplificat sense inflació i amb demanda constant estimada):
DWL anual: 0,9 M€ | Transferència EC-Productor anual: 715 M€ | El dany del càrtel és principalment redistributiu, no d’eficiència. Acumulat 19 anys: transferència ~13.600 M€, DWL ~17 M€.
Becker (1968, Journal of Political Economy) va desenvolupar la teoria econòmica de la dissuasió òptima: una infracció no es comet si el cost esperat (multa × probabilitat de detecció) supera el benefici il·legal esperat.
La Comissió Europea estima que la probabilitat de detecció de càrtels industrials és del 13-17% (Combe-Monnier-Legal, 2008, European Journal of Law and Economics). Usant P = 15%:
La multa aplicada de 1.000 M€ és només l’1,1% de la multa dissuasòria teòrica. Des de la perspectiva de Becker, la multa no és prou dissuasòria: els fabricants van guanyar ~13.600 M€ en beneficis il·legals amb probabilitat de detecció del 15% i una multa màxima de 1.000 M€. El benefici esperat del càrtel era positiu ex-ante.
Les limitacions del Dret de la Competència europeu són: (1) la multa màxima és el 10% del volum de negocis anual global (art. 23 Reglament 1/2003), que per a grups multinacionals com Daimler suposa un límit molt inferior al benefici il·legal acumulat; (2) no existeixen sancions personals als directius a la UE (sí als EUA, on el Sherman Act permet presó).
Multa dissuasòria teòrica (Becker): ~90.000 M€. Multa real: 1.000 M€ (1,1% de l’òptim). No és dissuasòria des de la perspectiva de Becker. El límit legal del 10% del volum global impedeix sancions dissuasòries en càrtels multinacionals.
El programa de clemència (leniency programme) permet a una empresa membre d’un càrtel obtenir l’exempció total o reducció de la multa si col·labora amb la investigació, aportant proves que permeten provar la infracció. La lògica del dilema del presoner: una empresa individualment té incentiu a delatar si espera que els altres no ho facen (l’empresa que delata primer obté immunitat total; les següents, reduccions del 30-50%).
En el cas del càrtel de camions europeu, MAN va ser l’empresa que va sol·licitar clemència primer davant la Comissió Europea i va obtenir immunitat total de la multa (la multa base de MAN hauria estat de ~1.200 M€ segons les estimacions de l’expedient CE/39.824). Les altres empreses van ser multades: Daimler −1.008 M€, DAF −752 M€, Iveco −494 M€, Volvo/Renault −670 M€, Scania −880 M€ (la més alta individual, en no cooperar).
El programa de clemència desestabilitza el càrtel creant un joc de denúncia simultània: si cada empresa tem ser delatada per les altres, l’estratègia dominant és delatar primer. Stigler (1964) havia advertit que l’estabilitat dels càrtels requereix que el cost de la defecció (represàlia dels altres membres) supere el benefici. Els programes de clemència inverteixen aquest càlcul.
MAN va sol·licitar clemència primer → immunitat total (~1.200 M€ evitats). Scania no va cooperar → multa màxima individual (880 M€). La clemència crea un dilema del presoner que desestabilitza el càrtel ex-post i dissuadeix la seua formació ex-ante.
Calvano, Calzolari, Denicolò i Pastorello (2020, American Economic Review) van demostrar mitjançant simulació que algoritmes d’aprenentatge per reforç (Q-learning) poden aprendre a coludir-se sense comunicació explícita: els algoritmes simplement aprenen que pujar el preu individualment és castigat (el rival el baixa) i que mantindre preus alts conjuntament genera majors recompenses a llarg termini. La col·lusió emergeix com a estratègia Nash de llarg termini, sense acord, sense comunicació i sense intenció humana.
Les implicacions per a la normativa de competència són disruptives:
- L’article 101 TFUE (i article 1 LDC espanyola) prohibeix els acords i pràctiques concertades que restringisquen la competència. Però si no hi ha acord ni pràctica concertada explícita — només algoritmes que aprenen — és aplicable l’article 101?
- L’OCDE (2017) i la Comissió Europea (2019) han assenyalat aquest buit regulatori: la col·lusió tàcita algorítmica pot no ser sancionable sota el marc vigent encara que tinga els mateixos efectes econòmics que un càrtel explícit.
- Possibles respostes regulatòries: (1) responsabilitat del dissenyador de l’algoritme (si programa intencionadament la col·lusió); (2) obligació de transparència de l’algoritme de preus; (3) prohibició d’ús d’algoritmes de pricing en sectors d’alta concentració.
Calvano 2020: els algoritmes Q-learning aprenen a coludir-se sense comunicació explícita. Buit legal: l’art. 101 TFUE requereix acord o pràctica concertada → la col·lusió algorítmica pot no ser sancionable. L’OCDE/CE alerten sobre el problema des de 2017.
Jean Tirole (Premi Nobel d’Economia 2014, citat al laude com a referència central) va dedicar dècades a l’estudi de la teoria de la regulació de mercats amb poder de mercat. Les seues conclusions principals per a la política de competència són: (1) la col·lusió tàcita és estable en oligopolis amb poques empreses, informació simètrica i horitzó temporal llarg — exactament les condicions del mercat europeu de camions pesats; (2) les sancions han de ser prou altes perquè el càlcul ex-ante siga negatiu (condició de Becker-Tirole); (3) la regulació òptima dels càrtels requereix distingir la col·lusió explícita (sancionable amb multes altes) de la col·lusió tàcita interdependent (regulable amb obligacions de transparència i estructura de mercat).
El Reglament UE 1/2003 (sistema modern d’aplicació de l’art. 101 TFUE) va modernitzar el sistema prohibint els càrtels però reconeixent que la Comissió té recursos limitats: per això el sistema descentralitza l’aplicació a les autoritats nacionals de competència (CNMC a Espanya) i crea l’European Competition Network (ECN). L’expedient Camions va ser investigat en paral·lel per la Comissió (expedient europeu) i la CNMC (expedient nacional), amb resultat de multes acumulades.
El Digital Markets Act (DMA, Reglament UE 2022/1925) suposa una innovació regulatòria: identifica ex-ante els gatekeepers digitals (Alphabet, Apple, Meta, Amazon, Microsoft, ByteDance) i els imposa obligacions estructurals (interoperabilitat, no autopreferència, transparència d’algoritmes) sense necessitat de provar infracció concreta. Aquest model ex-ante de regulació asimètrica és la resposta de la UE a la lentitud del dret de competència tradicional davant els mercats digitals de concentració extrema. La col·lusió algorítmica seria abordable sota el DMA si els gatekeepers utilitzen la seua posició per coordinar preus a les seues plataformes.
El cas Camions il·lustra la tensió persistent entre l’efectivitat dissuasòria del dret de la competència (multes insuficients per dissuadir càrtels d’alta rendibilitat) i la innovació que desafia els marcs conceptuals existents (col·lusió algorítmica sense acord). La resposta regulatòria òptima combina: multes més altes (o sancions personals a directius), major inversió en capacitats de detecció (anàlisi de patrons de preus amb big data) i extensió dels models DMA a sectors no digitals amb alta concentració.