 看更多2026年月旦釋讀 | |
發佈日期：2026/04/30 |
|
人工智慧對競爭法造成的衝擊評估及可能因應──以訂價演算法與勾結為中心
【摘要】
本文審視人工智慧對競爭法造成的衝擊，歸結為訂價演算法與生成式人工智慧兩大區塊，首先快速檢視生成式人工智慧所涉及的競爭法議題，繼而將主要重點置於訂價演算法對市場競爭所造成轉變及其引發的同業勾結之上。經由訂價演算法功能分類及今後可能出現的演算法勾結情境交叉勾勒描繪，演算法憑藉價格監視與自動訂價功能，以及持續進化的策略計算與即時反應能力，致使同業價格勾結之頻率與範圍出現明顯提升，其可能性已經躍然紙上。
透過演算法從事的聯合行為雖然更加隱晦，然而演算法倘若自學開發聯合行為，部署使用廠商及訓練開發業者應當為之共同承擔違法責任。此外，暗默勾結原不違反競爭法，但卻弱化市場競爭，訂價演算法使之更為普遍。全面性禁止演算法從事暗默勾結，在技術上雖屬可行，但就當前競爭法規範而言似乎過於冒進。不過對於不跟進漲價的同業施以殺價競爭，乃是促成暗默勾結的重要手段，應可依據公平交易法第20條第4款予以禁止，以降低訂價演算法參與暗默勾結的壓力及誘因。
【目次】
壹、競爭法上兩大討論區塊：訂價演算法與生成式人工智慧
貳、訂價演算法帶來的變化：價格監視、自動訂價與業者勾結 參、演算法勾結：議題評估及可能因應方式 肆、結語 【關鍵詞】
【本文試讀】
2018年7月，歐盟執委會(European Commission)就華碩、Denon & Marantz、Philips和Pioneer等四家消費性電子業者對於經銷商的維持轉售價格行為，決定處以總計超過1.11億歐元的罰鍰。在這四項裁處案件中，執委會調查發現業者採用了複雜而新穎的訂價演算法。例如華碩公司針對特定產品類型運用電腦軟體程式進行演算法自動監控，並且持續觀察比價網站，隨時監視下游網路經銷商的銷售價格是否低於該品牌的建議價格。執委會並發現包含最大型線上零售商在內的許多網路經銷商也已經引進訂價演算法，依照競爭者售價自動調整本身的銷售價格。這使得同一品牌各零售商之間的價格關連性變得更為緊密，而製造商抑制低於建議價格的行動，對於同一產品整體線上價格的維持也得以發生更為普遍的影響力。
歐盟這一波維持轉售價格裁處案件，將人工智慧可能助長反競爭行為的產業技術現實，帶進人們的關注視野。在數位科技快速發展下，訂價演算法已經進展到產業實際應用階段，能夠線上隨時監視競爭同業在網路上的銷售價格變動，進而自動調整本身價格與之同漲同跌，或是監控同業間聯合行為的實施狀況，快速發覺參與聯合行為的同夥降價求售的背叛行為。同業之間跟隨著領導廠商的步伐，跟進採取相同價格或相同調整幅度的有意識平行行為(conscious parallelism)，在訂價演算法強大的即時反應能力助長之下，有可能從原本較常出現的寡占市場擴散到中度集中市場，讓同業之間同漲同跌、欠缺價格競爭的狀況變得更為普遍。人工智慧對於競爭法規範及其執行所可能造成的衝擊，至此已經無法再予以忽視。 壹、競爭法上兩大討論區塊：訂價演算法與生成式人工智慧
人工智慧發展至今，在競爭法專業社群所引發的議題討論，主要可以歸納為兩大區塊。首先是訂價演算法可能引發的演算法勾結(algorithmic collusion)。目前產業界已經將人工智慧實際應用於監視同業價格，也有業者採用訂價演算法，依照市場相關動態自動調整產品價格。在此基礎上，訂價演算法倘若持續改良精進，在可預見的未來對於廠商間勾結的形成與維持將會出現不可忽視的助長效應。此處所稱之「勾結」，並非限於水平同業間之聯合行為，而是包含水平同業或上下游業者之間，在產品銷售價格或任何其他可競爭面向上形成彼此步調一致，造成該競爭面向在市場上缺乏競爭存在的窘迫狀況。若考究廠商間勾結發生的原因，可能出自於水平同業間之聯合行為，也可能出自同業間無合意存在之價格領導與跟進行為（即有意識的平行行為），或是因為上下游業者間的垂直交易限制所造成，例如約定轉售價格等。為了配合競爭法專業社群對於本議題之既有討論脈絡，本文對於勾結也採取上述定義，以符合相關文獻之習慣用語，無縫接軌至今累積的討論內容與研究成果。
2022年12月ChatGPT正式公開上線，在對話聊天、回答問題等方面出 乎人們意料的出色表現，引發各界驚豔不已，也是人工智慧發展至今的一大突破。自此之後，生成式人工智慧（下稱「生成式AI」）持續吸引全球關注目光，在競爭法上也成為人工智慧另一主要討論區塊。生成式AI的產品開發（或稱模型開發），運用機器學習(machine learning)之訓練方法，主要可以區分為三個階段。首先是預先訓練(pre-training)階段，開發由一個或多個類神經網路構成的基礎模型(base model或foundation model)，輸入大量數據進行訓練，使之具備生成完整文句或圖像的一般性功能，例如語言文字類的GPT (generative pre-trained transformer)與Google的BERT、圖像類的DALL-E等。其次是微調(fine-tuning)階段，透過投入數據資料進一步訓練，使基礎模式得以符合特定目的之實際應用。例如GPT可以經由提供人類對話實例等文字資料加以訓練，或是由人類標註其應對特定提示(prompt)的語言文字是否適合對話 情境，而訓練出具有聊天機器人功能，可以和人類一來一往、持續對談的ChatGPT。最後是客製化(customization)階段，可以運用提示工程(prompt engineering)將生成式AI的回應在個別對話中調整得更為貼近使用者的談話意向，或是對於不適合回答的問題、違反禁忌的語言文字等，限制ChatGPT不得加以答覆回應，使之更為契合真實人類的互動應對方式。 生成式AI相關的市場競爭，就目前發展情形觀察，可能存在三方面的反競爭隱憂。 首先，產品開發過程所需要的關鍵投入，可能遭遇資源稀缺與集中在少數廠商的問題，對於有心參與的競爭者造成市場進入與擴張障礙。在預先訓練階段，生成式AI需要特別強大的運算能力、專用加速晶片以及非常大量的數據資料，然而大量且高品質的數據資料可能掌握在少數資料庫或數位平台手中，尤其是在金融、醫療等高度管制領域。至於適合訓練基礎模型的高超運算能力，大多掌握在Amazon、Microsoft、Google等最大型雲端服務供應商的手中，所採用的GPU不僅價格高昂，也多半由Nvidia生產。這些因素都導致目前完成預先訓練的大型語言模型，多半掌握在這些大型雲端服務商或是與之關係密切的廠商手中，例如OpenAI (Microsoft)、Google、Anthropic（Amazon與Google）及Meta等。至於專業技術人才的需求，在生成式AI各個開發階段都相當大，而且生成式AI所使用的模型需要不斷更新，隨著模型效能的逐步躍升與複雜化，所需要的人才數量更是以倍數不斷成長。
其次，現有的大型數位平台針對不同層次的AI模型或內含AI應用的相關商品或服務，可能已經擁有市場力量。這些大型業者因此贏在起跑點上，在AI相關市場自始取得不對等的競爭優勢，或是可能出手阻礙其他市場參與者藉由AI所帶動的創新，或是已經握有AI或AI驅動服務的經銷流通管道。這些可能的動向都足以導致大型數位平台在AI相關市場進一步延伸或鞏固其市場力量。 第三，廠商之間針對生成式AI的開發，進行相互結盟、財務投資或發展其他合作關係，目前已經屢見不鮮。在部分情況下，擁有關鍵投入或競爭優勢的大型廠商有可能運用這些合作關係，拉攏現有或潛在競爭對手，或是遏阻其創新或進行市場競爭，從中獲取反競爭利益。美國聯邦交易委員會（Federal Trade Commission，下稱「FTC」）2024年1月要求Alphabet、Amazon、Anthropic、Microsoft與OpenAI等五家業者，對於最近與生成式AI廠商或主要雲端服務業者之間的投資及結盟關係提供相關資料，以便評估對於市場競爭的影響，就是出自對於此種反競爭隱患的擔憂。 本文囿於篇幅，無法同時探討上述競爭法兩大討論區塊，爰以訂價演算法作為本篇主要研究對象。至於生成式AI對於競爭法可能造成的衝擊，因其發展時日尚短，可能出現的反競爭損害目前僅初見端倪，仍處於隱憂階段，近期之內尚且無法窺見其具體形貌，故僅先就生成式AI各個開發階段以及目前可見的反競爭隱憂簡要說明如上，擬待他日再以專文詳細探討。基於此一論述方向與架構安排，本文第貳部分將針對訂價演算法此一討論區塊，根據目前技術進展及產業應用，分析整理專業社群提出的主要見解與討論成果，推演演算法勾結可能出現的具體情境，探討其中所浮現的競爭法規範問題。第參部分則進而從市場競爭法理以及過往累積的執法經驗出發，對於該等問題進行學理評估衡量及預測分析。最後在第肆部分簡要總結全文。 貳、訂價演算法帶來的變化：價格監視、自動訂價與業者勾結
一、訂價演算法的功能類型
OECD (Organisation for Economic Co-operation and Development) 2017年依照訂價演算法對於勾結的形成與實施所發揮的功能，歸納出訂價演算法的四種具體類型： (一)監控演算法(monitoring algorithms) (二)平行演算法(parallel algorithms)：因事前設定而與他事業達成平行價格的演算法，包括盯住同業價格變化、與之同漲同跌之自動訂價設定，或是基於機緣巧合或是事先共謀而與他事業採用相同之訂價演算法。 (三)信號演算法(signaling algorithms)：以單方宣布價格變動等方式，釋放出願意勾結訊息之訂價演算法。 (四)自學演算法(self-learning algorithms)：透過機器學習、深度學習的自我摸 索與調適，在缺乏事先設定等人為 介入下仍可自行達成勾結之演算法。 二、四種可能出現的演算法勾結情境 針對人工智慧對於競爭法所造成的衝擊，最常為人提及者厥為演算法勾結，在生成式AI出現之前，競爭法與人工智慧相關的討論幾乎都集中在此一區塊。早在2016年，Ariel Ezrachi與Maurice E. Stucke連袂發表專書Virtual Competition，探討人工智慧時代市場競爭可能面臨的衝擊與轉變。書名中的「virtual」一字似乎一語雙關，除了指稱虛擬世界的市場競爭外，作者在書中也擔憂訂價演算法對於業者勾結所提供的助力，是否會讓未來的市場競爭變得虛幻而不真實，不再存在於現實世界的產業經營之中。兩位作者在演算法勾結此一討論區塊剛開始萌芽之際，即以之為主題寫成專書出版問世，對於國際間有關演算法與業者勾結的討論具有相當深遠的影響。 本書分析人工智慧衝擊下市場競爭可能面臨的危害，以及提出演算法勾結的四種可能情境，自此之後，論者不論是否贊同書中觀點，在相關論述中相當程度都可以窺見本書提出的分析架構，及其論點所留下的明顯痕跡，足見其所引發的深遠影響。在此謹就本書提出的演算法勾結四種可能情境，逐一加以分析評述，並且舉出目前已經出現的實際案例加以印證，為這些來自推演建構的抽象情境增添實存世界的真實血肉，以便明瞭人工智慧與業者的行為脈絡，以及對於市場競爭所造成的影響，俾可進一步評估對於競爭法既有分析方式所可能造成的實際衝擊。......
肆、結語
「面對當代人工智慧實際運用於產業經營與市場競爭，本文審視人工智慧對於競爭法所造成的衝擊，將之歸結為訂價演算法與生成式AI兩大區塊。
第壹部分對於生成式AI所涉及競爭法議題的快速檢視，簡要呈現了透過機器學習發展生成式AI模型所需要經歷的各個訓練開發階段，以及各國競爭主管機關認為生成式AI可能隱含的限制競爭疑慮，及其為此展開的產業調查、個案瞭解等初步因應作為，希望藉由精要的分析與整理，提供人工智慧技術背景與國際間最新執法動態之理解與掌握。囿於篇幅所限，本文將重點置於訂價演算法對於市場競爭態勢所造成的轉變及其引發的廠商價格勾結之上。
第貳部分引介2017年OECD提出的訂價演算法四種功能分類，以及2016年Ezrachi與Stucke出版專書所描繪從現今到未來可能出現的四種演算法勾結情境。透過兩者的交叉勾勒與分析，演算法憑藉著已經應用於產業界的價格監視與自動訂價功能，以及持續快速進化的策略計算與即時反應能力，導致同業間價格勾結在發生頻率與分布範圍方面出現顯著提升，致使市場競爭水準進一步受到限制，其現實可能性已經躍然紙上。
本文針對同業之間的演算法勾結，依其是否具有聯合行為之合意，在第參部分將之區分為聯合行為與暗默勾結。對於聯合行為而言，演算法之間透過數碼傳遞而釋放信號、達成合意的過程，必將較人類所從事的聯合行為更加隱晦且不易辨視，執法機關加以調查裁處的困難程度勢必隨之升高。...（本文未完） 延伸閱讀
相關書籍 more
實務講座 more
|
|
| 看更多2026年月旦釋讀 | |
