纽约州总检察长办公室 (OAG) 正在招募律师加入纽约市反垄断局,担任助理总检察长 (AAG)。OAG 致力于通过严格执行保护消费者、工人和企业并禁止企业滥用的州和联邦法律来保护纽约人。选定的律师将直接参与反垄断局关键且持续的执法工作,从而促进纽约州的经济正义。反垄断局的使命是代表纽约及其公民执行联邦和州反垄断法,并促进和保护竞争过程和纽约经济。反垄断局参与各种反垄断问题,包括价格操纵、串通投标、横向和纵向限制、垄断和合并。此外,反垄断局还与其他州反垄断执法机构就具有地区或国家影响的事务以及美国司法部和联邦贸易委员会密切合作。职责:
纽约州总检察长办公室 (OAG) 正在招募律师加入纽约市反垄断局,担任助理总检察长 (AAG)。OAG 致力于通过严格执行保护消费者、工人和企业并禁止企业滥用的州和联邦法律来保护纽约人。选定的律师将直接参与反垄断局关键且持续的执法工作,从而促进纽约州的经济正义。反垄断局的使命是代表纽约及其公民执行联邦和州反垄断法,并促进和保护竞争过程和纽约经济。反垄断局参与各种反垄断问题,包括价格操纵、串通投标、横向和纵向限制、垄断和合并。此外,反垄断局还与其他州反垄断执法机构就具有地区或国家影响的事务以及美国司法部和联邦贸易委员会密切合作。职责:
对《竞争法》和《加拿大投资法》的立法改革在2023年继续统治政策议程,并于2023年12月对《竞争法》制定了一系列修正案,并提出了具体的提案,以便在我们进入2024年,在议会之前进行实质性进一步的改革。竞争专员(“专员”)长期以来一直主张对《竞争法》进行实质性改革;在2022年制定了一系列相对较小的修正案之后,过去一年中,采取了额外的措施。联邦政府已提出 - 并且在某些情况下已经颁布的修正案,特别是消除了加拿大的法定合并效率的辩护,使竞争局(“局”)能够追求可能损害经济领域的竞争的行为,以损害对消费者重要的竞争的竞争,从而在竞争中扩大了竞争的私人私人私有私人(允许私人范围)的范围,并宽泛规定。在加拿大很少有竞争法政策引起了这种政治关注。
尽管宾夕法尼亚州不监管州一级的公寓租赁惯例或定价,但费城有望朝着这一方向迈出重要一步。10月24日,为了打击租赁住房价格上涨,费城市议会一致通过了一项法案,禁止房东和财产管理公司使用算法软件,以设定租金价格并管理占用率。推动这项立法的关注点是,通过收集客户的专有价格,占用和库存信息,并产生价格和供应策略,算法定价软件公司使房东和房地产经理能够使市场自然可以维持的水平高出租金。在市议会认为,使用算法定价的使用有助于竞争者之间的协议,以确定根据反托拉斯法律规定的非法价格,即共同努力,以将价格提高价格高于市场上的不可见力的市场将使他们置于房地产供应和租户需求的平衡之上。在赞助该法案的工作家庭党的议员尼古拉斯·奥罗克(Nicholas O'Rourke)的话语中,“通过算法进行价格固定仍然是固定价格。它仍然是非法的,我们不会在费城市允许它。“ [1]费城法案号240823遵循旧金山制定的类似禁令,该禁令在7月成为第一个通过禁止算法计划的法令,该计划设定了多户租金并管理占用水平。旧金山的法令于10月14日生效。像旧金山的立法一样,费城条例将通过特别禁止协议不涉及租金条款,包括价格或涉及价格协调的服务或“否则鼓励或促进”不竞争的协议来修改该市的房东和租户法律。该法案将“价格协调”定义为包括以下步骤:(1)收集某些非公开竞争者信息,包括价格,供应和占用率; (2)通过“计算或算法系统,软件或过程”来处理该信息; (3)为租金,费用,条款或占用水平提出建议。虽然其他城市是否会遵循旧金山和费城的领导,但这些当地禁令是在越来越多地审查算法根据联邦反托拉斯法律的算法定价的审查,以及联邦反托拉斯(Federal Antivrust)的租赁公寓,以及联邦反抗议机构对Algorichmic Pricicies pricicies pricicies of Algorichmic Pricolicies的怀疑。
竞争对手之间的价格协调是典型的反垄断法违规行为,而联邦贸易委员会的声明表明,其认为在现有的反垄断框架下,利用人工智能技术促进的协调是非法的。委员会对可能使用人工智能算法促进合谋行为的兴趣也反映在最近发布的合并指南草案中,该草案将“使用算法或人工智能跟踪或预测竞争对手的价格”确定为可能使市场更容易受到协调影响的一个特征。美国司法部和联邦贸易委员会,合并指南草案(2023 年)。
数据分析和人工智能中的大数据和技术进步的可用性导致越来越多的公司将算法定价纳入其业务中,以帮助做出定价和其他战略决策。定价算法可以通过允许公司在做出业务决策时实时分析众多变量和大量数据,从而改善竞争,最大化效率并最大程度地降低成本。但是,美国政府反托拉斯的执行者和私人原告越来越关注算法定价软件可以对竞争产生的影响,并指控在某些情况下,在某些情况下,使用算法的价格可以在竞争中促进竞争或更轻松地派遣挑选的公司或更轻松地派遣挑选的公司或更轻松地与Press的挑战或互动。其中一些论点正在测试美国反托拉斯法律的范围,法院将需要成为这种经常复杂且快速发展的技术合法性的最终仲裁者。同时,考虑将定价算法纳入其业务的公司应了解与之相关的法律风险。
经验证据表明,横向持股在航空和银行市场产生了反竞争效应,这引发了要求实施反垄断法的呼声。对此,其他人对航空和银行业的研究提出了批评,并认为反垄断法无法解决横向持股带来的任何反竞争效应。我将指出,新的经济证明和经验证据(远远超出航空和银行业研究的范围)表明,集中市场中的横向持股往往会产生反竞争效应。我还提供了新的分析,表明对航空和银行业市场层面研究的批评要么与证据相冲突,要么在被考虑在内时会增加横向持股造成的预计不利价格效应。最后,我提出了解决横向持股问题的新法律理论。我将指出,当横向持股产生反竞争效应时,它不仅根据《克莱顿法》第7条是违法的,而且根据《谢尔曼法》第1条也是违法的。事实上,历史上的托拉斯是反垄断法的核心目标,而这些托拉斯正是横向股东。我进一步指出,反竞争的横向持股也构成《欧盟条约》第 101 条规定的非法协议或协同行为,以及第 102 条规定的滥用集体支配地位。最后,我指出,横向持股不仅降低了传统合并法可以容忍的市场集中度,而且意味着原本看似非横向的合并往往应被视为横向合并。如果我们不能直接解决横向持股问题,这些对传统合并分析的影响将变得更加强烈。
作者要感谢 Bill Kovacic、Tina Miller、Marc Winerman、Andrew Gavil、Daniel Crane、Fiona Scott Morton、Matt Stoller、Stefan Bechtold、Amit Zac、Gerard Hertig、Inge Graef、Jens Prufer、Giorgio Monti、Anna Tzanaki、Jens-Uwe Frank、Andrew Vivian、Frederic Marty、Vardges Levonyan 以及由《反垄断法杂志》、蒂尔堡法学院、曼海姆大学、《全球竞争评论》、Cote d'Azur 大学、CRESSE 和 ASCOLA 组织的研讨会和会议小组的参与者对本文不同阶段的评论。我们还要感谢 Lee Epstein 分享她的商业友好度评分数据;感谢 Simcha Barkai 分享他的司法部反垄断诉讼数据;感谢 Erik Peinert 与我们分享他在里根图书馆中发现的几份备忘录;感谢 Dino Christenson 分享法庭之友陈述数据。最后,我们感谢 Sima Biondi 和 Grant Strobl 提供的出色研究协助。
因此,动态定价和定价算法都具有切实的效率理由,也具有反竞争危害的潜力。尤其是在市场因素快速变化的行业中,例如航空公司,酒店,乘车共享,金融商品和电子商务零售平台,算法定价和动态定价能力,可以帮助您更好地回应消费者偏好并增加品牌忠诚度。3尽管遇到了一些怀疑主义,但通过定价算法的个性化可以从理论上可以更好地实现有效的价格歧视,“通过不断的消费者偏好的最新数据流并揭示了利益;” 4关于动态定价,也可以这样说。价格歧视通常被视为提高效率和福利的增强,因为,通过更好的匹配
摘要:在当今技术公司的反托拉斯审查期间,明天的技术带来了新的问题和挑战。生成的AI是否可以破坏技术格局,加剧与现有公司的竞争?或生成的AI是否可以针对毫无戒心的消费者实现寻租行为?从根本上说,生成AI的出现如何促进围绕反托拉斯政策标准的辩论?对相关的学术文献,监管出版物和市场研究的审查表明,即使生成的AI可能会降低许多领域的技术障碍并提高总生产率,但生成的AI与反托拉斯政策的互动揭示了关键价值权衡。Specifically, generative AI's applicability as a tool for personalized marketing, price discrimination, and so-called ‘behavioral' discrimination can both (a) lead to increased producer surplus at the expense of consumer surplus and (b) contribute to forms of customer persuasion that may be considered harmful – all depending on one's perspectives on paternalistic policymaking and areas of distinction between consumer surplus and welfare.此外,生成AI市场中规模经济的可能存在突出了与现有的公司权力(以及潜在的危害)抓住最终可能与效率联系起来的挑战。尽管基于消费者标准的反托拉斯的长期假设是,市场失败是两种邪恶的众所周知,但生成的AI可能会使越来越多的价格调节价格调节 - 这种能力可能被证明可用于减轻危害,目前可以在基于消费者福利基于消费者福利的抗原抗恐惧中避免检测。