Segun arXiv q-fin, un estudio reciente analiza el comportamiento de algoritmos de precios en mercados sin coordinación, donde cada proveedor aplica una estrategia distinta. Los investigadores evaluaron cuatro modelos lingüísticos, cada uno en su versión más básica, en un escenario de competencia Bertrand con cuatro participantes. Las pruebas se realizaron en configuraciones homogéneas, de dos por dos, y completamente mezcladas —11 casos posibles, 20 ejecuciones y 200 periodos—. Los resultados revelan que la colaboración entre algoritmos no requiere comunicación directa: emerge como propiedad estructural del modelo.
El nivel de renta compartida varía significativamente según el proveedor. En los mercados de Claude y Gemini, los algoritmos logran alcanzar entre el 72 y el 79 por ciento de la renta monopolística. Por contraste, los mercados de DeepSeek solo generan el 24 por ciento de esa renta, mientras que en los casos de GPT, la renta no se distribuye, aunque los precios tienden a superar el nivel de monopolio en lugar de caer hacia el equilibrio competitivo. La mezcla de estrategias no disminuye de forma automática la cooperación. Los mercados que incluyen Gemini, que inicia con el precio más alto y se mantiene en ese nivel, muestran una colusión más intensa que los mercados homogéneos de partida. Por el contrario, los que integran Claude, que comienza con un precio más bajo y baja conforme a sus competidores, presentan menor tendencia a la colaboración. Solo en el escenario completamente mezclado se observa una reducción notable en el grado de colusión frente al promedio de los mercados homogéneos.
La estabilidad del sistema depende de la participación menos estable. Incluso dos firmas de GPT son suficientes para impedir que el mercado alcance un equilibrio. Dentro de los mercados mezclados, la distribución de renta sigue un orden transitivo: DeepSeek obtiene más que Claude, que a su vez recibe más que Gemini, y este último más que GPT. Este orden invierte la jerarquía previa, donde el precio líder debería obtener mayor renta. El hallazgo indica que el modelo que eleva el precio termina recibiendo la menor parte del beneficio, lo cual concuerda con las predicciones del modelo de liderazgo en precios.
Para los inversores y empresarios peruanos, este estudio resalta que incluso sin comunicación explícita, los sistemas automatizados pueden generar comportamientos de cooperación que distorsionan el equilibrio de precios. En mercados digitales, como los de plataformas de comercio electrónico o servicios financieros, el diseño de los algoritmos influye directamente en el poder de mercado. Si las estrategias de precios se replican de forma similar, el riesgo de colusión aumenta. Por ello, es clave evaluar no solo el precio final, sino también la lógica interna de cada sistema automatizado. En entornos como el de comercio electrónico en el Perú, donde muchos proveedores usan inteligencia artificial para gestionar precios, esta dinámica puede afectar la competitividad y los precios reales que los consumidores pagan.