Supuesto 15
Enunciado
En julio de 2016, la Comisión Nacional de los Mercados y la Competencia (CNMC) sancionó a los principales fabricantes de camiones en España —Daimler, DAF, Iveco, MAN, Scania, Volvo/Renault Trucks— con una multa total de más de 1.000 millones de euros (CNMC, expediente S/DC/0511/14 Camiones), uno de los mayores carteles investigados en España. El cártel había operado durante 19 años (1997-2011), coordinando precios brutos, sobrecargos y el calendario de introducción de camiones con tecnología de reducción de emisiones (EURO IV-VI), penalizando a los compradores de flotas de toda España.
Para el análisis cuantitativo, se proporcionan los siguientes datos simplificados del mercado español de camiones pesados (año cártel, unidades tractoras mayor que 16 toneladas):
- Demanda de mercado: Q = 12.000 − 0,5·P (P en miles de euros, Q en unidades/año)
- Coste marginal conjunto de los fabricantes durante el cártel: CMg = 80 (miles de euros/unidad)
- Precio competitivo (estimación sin cártel): P_c = 100 (miles de euros)
- Precio de cártel observado: P_k = 160 (miles de euros)
Se pide:
- Calcula el excedente del consumidor (EC) y el peso muerto (DWL) generados por el cártel respecto al equilibrio competitivo. ¿Qué fracción del bienestar fue transferida al productor y qué fracción destruida?
- Evalúa si la multa de 1.000 M€ es disuasoria desde la perspectiva económica. Usa el modelo de Becker (1968) de infracción óptima y la probabilidad de detección estimada por la Comisión Europea para cárteles industriales.
- Explica el programa de clemencia (leniency) y su papel en desestabilizar el cártel. ¿Qué empresa solicitó clemencia en el caso Camiones y qué beneficio obtuvo?
- Analiza la collusión algorítmica (Calvano, Calzolari, Denicolò, Pastorello, 2020, American Economic Review): ¿cómo pueden los algoritmos de fijación de precios aprender a coludirse sin comunicación explícita? ¿Qué implicaciones tiene para la aplicación de la normativa de competencia?
- Crítica y visión contemporánea: ¿La teoría de oligopolio (Tirole, Nobel 2014) y la regulación vigente son suficientes para detectar y sancionar la colusión tácita? Cita el Reglamento UE 1/2003 y la propuesta Digital Markets Act (DMA) 2022.
Mostrar solución
En el mercado competitivo, el precio iguala el coste marginal. Con los datos del ejercicio:
Con el precio de cártel observado:
El excedente del consumidor perdido por el cártel respecto al competitivo se descompone en transferencia al productor y peso muerto (DWL):
Nótese que con una demanda muy poco elástica (la diferencia entre Q_k y Q_c es pequeña), el DWL es reducido en relación a la transferencia. La mayor parte del daño del cártel no es ineficiencia asignativa sino redistribución del excedente del consumidor (compradores de camiones) al productor (fabricantes).
Acumulado en 19 años (1997-2011, simplificado sin inflación y con demanda constante estimada):
DWL anual: 0,9 M€ | Transferencia EC-Productor anual: 715 M€ | El daño del cártel es principalmente redistributivo, no de eficiencia. Acumulado 19 años: transferencia ~13.600 M€, DWL ~17 M€.
Becker (1968, Journal of Political Economy) desarrolló la teoría económica de la disuasión óptima: una infracción no se comete si el coste esperado (multa × probabilidad de detección) supera el beneficio ilegal esperado.
La Comisión Europea estima que la probabilidad de detección de cárteles industriales es del 13-17% (Combe-Monnier-Legal, 2008, European Journal of Law and Economics). Usando P = 15%:
La multa aplicada de 1.000 M€ es solo el 1,1% de la multa disuasoria teórica. Desde la perspectiva de Becker, la multa no es suficientemente disuasoria: los fabricantes ganaron ~13.600 M€ en beneficios ilegales con probabilidad de detección del 15% y una multa máxima de 1.000 M€. El beneficio esperado del cártel era positivo ex-ante.
Las limitaciones del Derecho de la Competencia europeo son: (1) la multa máxima es el 10% del volumen de negocios anual global (art. 23 Reglamento 1/2003), que para grupos multinacionales como Daimler supone un límite muy inferior al beneficio ilegal acumulado; (2) no existen sanciones personales a los directivos en la UE (sí en EEUU, donde el Sherman Act permite prisión).
Multa disuasoria teórica (Becker): ~90.000 M€. Multa real: 1.000 M€ (1,1% del óptimo). No es disuasoria desde la perspectiva de Becker. Límite legal del 10% del volumen global impide sanciones disuasorias en cárteles multinacionales.
El programa de clemencia (leniency programme) permite a una empresa miembro de un cártel obtener la exención total o reducción de la multa si colabora con la investigación, aportando pruebas que permitan probar la infracción. La lógica del dilema del prisionero: una empresa individualmente tiene incentivo a delatar si espera que los demás no lo hagan (la empresa que delata primero obtiene inmunidad total; las siguientes, reducciones del 30-50%).
En el caso del cártel de camiones europeo, MAN fue la empresa que solicitó clemencia primero ante la Comisión Europea y obtuvo inmunidad total de la multa (la multa base de MAN habría sido de ~1.200 M€ según las estimaciones del expediente CE/39.824). Las demás empresas fueron multadas: Daimler −1.008 M€, DAF −752 M€, Iveco −494 M€, Volvo/Renault −670 M€, Scania −880 M€ (la más alta individual, al no cooperar).
El programa de clemencia desestabiliza el cártel creando un juego de denuncia simultánea: si cada empresa teme ser delatada por las demás, la estrategia dominante es delatar primero. Stigler (1964) había advertido que la estabilidad de los cárteles requiere que el coste de la defección (represalia de los otros miembros) supere el beneficio. Los programas de clemencia invierten este cálculo.
MAN solicitó clemencia primero → inmunidad total (~1.200 M€ evitados). Scania no cooperó → multa máxima individual (880 M€). Clemencia crea dilema del prisionero que desestabiliza el cártel ex-post y disuade su formación ex-ante.
Calvano, Calzolari, Denicolò y Pastorello (2020, American Economic Review) demostraron mediante simulación que algoritmos de aprendizaje por refuerzo (Q-learning) pueden aprender a coludirse sin comunicación explícita: los algoritmos simplemente aprenden que subir el precio individualmente es castigado (el rival lo baja) y que mantener precios altos conjuntamente genera mayores recompensas a largo plazo. La colusión emerge como estrategia Nash de largo plazo, sin acuerdo, sin comunicación y sin intención humana.
Las implicaciones para la normativa de competencia son disruptivas:
- El artículo 101 TFUE (y artículo 1 LDC española) prohíbe los acuerdos y prácticas concertadas que restrinjan la competencia. Pero si no hay acuerdo ni práctica concertada explícita — sólo algoritmos que aprenden — ¿es aplicable el artículo 101?
- La OCDE (2017) y la Comisión Europea (2019) han señalado este vacío regulatorio: la colusión tácita algorítmica puede no ser sancionable bajo el marco vigente aunque tenga los mismos efectos económicos que un cártel explícito.
- Posibles respuestas regulatorias: (1) responsabilidad del diseñador del algoritmo (si programa intencionadamente la colusión); (2) obligación de transparencia del algoritmo de precios; (3) prohibición de uso de algoritmos de pricing en sectores de alta concentración.
Calvano 2020: algoritmos Q-learning aprenden a coludirse sin comunicación explícita. Vacío legal: art. 101 TFUE requiere acuerdo o práctica concertada → colusión algorítmica puede no ser sancionable. OCDE/CE alertan sobre el problema desde 2017.
Jean Tirole (Premio Nobel de Economía 2014, citado en el laudo como referencia central) dedicó décadas al estudio de la teoría de la regulación de mercados con poder de mercado. Sus conclusiones principales para la política de competencia son: (1) la colusión tácita es estable en oligopolios con pocas empresas, información simétrica y horizonte temporal largo — exactamente las condiciones del mercado europeo de camiones pesados; (2) las sanciones deben ser suficientemente altas para que el cálculo ex-ante sea negativo (condición de Becker-Tirole); (3) la regulación óptima de los cárteles requiere distinguir la colusión explícita (sancionable con multas altas) de la colusión tácita interdependiente (regulable con obligaciones de transparencia y estructura de mercado).
El Reglamento UE 1/2003 (sistema moderno de aplicación del art. 101 TFUE) modernizó el sistema prohibiendo los cárteles pero reconociendo que la Comisión tiene recursos limitados: por eso el sistema descentraliza la aplicación a las autoridades nacionales de competencia (CNMC en España) y crea el European Competition Network (ECN). El expediente Camiones fue investigado en paralelo por la Comisión (expediente europeo) y la CNMC (expediente nacional), con resultado de multas acumuladas.
El Digital Markets Act (DMA, Reglamento UE 2022/1925) supone una innovación regulatoria: identifica ex-ante a los gatekeepers digitales (Alphabet, Apple, Meta, Amazon, Microsoft, ByteDance) y les impone obligaciones estructurales (interoperabilidad, no auto-preferencia, transparencia de algoritmos) sin necesidad de probar infracción concreta. Este modelo ex-ante de regulación asimétrica es la respuesta de la UE a la lentitud del derecho de competencia tradicional ante los mercados digitales de concentración extrema. La colusión algorítmica sería abordable bajo el DMA si los gatekeepers utilizan su posición para coordinar precios en sus plataformas.
El caso Camiones ilustra la tensión persistente entre la efectividad disuasoria del derecho de la competencia (multas insuficientes para disuadir cárteles de alta rentabilidad) y la innovación que desafía los marcos conceptuales existentes (colusión algorítmica sin acuerdo). La respuesta regulatoria óptima combina: multas más altas (o sanciones personales a directivos), mayor inversión en capacidades de detección (análisis de patrones de precios con big data) y extensión de los modelos DMA a sectores no digitales con alta concentración.