A inteligência artificial está mudando não apenas a velocidade com que empresas definem seus preços, mas também a maneira como a concorrência pode ser restringida. Softwares já permitem acompanhar ofertas rivais em tempo real, processar grandes volumes de dados e ajustar condições comerciais sem intervenção humana a cada decisão. Isso traz uma pergunta ao direito concorrencial: como identificar uma coordenação de preços quando não existe acordo demonstrável entre concorrentes?
Onlyyouqj/FreepikConcorrência acompanhada por softwares
O problema desafia instrumentos concebidos para investigar combinações entre pessoas e empresas, reveladas por mensagens, reuniões e outros indícios de ação concertada. Em sistemas de aprendizado autônomo, a convergência de estratégias pode surgir da própria interação com o mercado.
A questão central é distinguir o emprego legítimo de tecnologia de situações em que ela favorece a manutenção de preços supracompetitivos. Essa distinção exige olhar além do resultado final e compreender, tanto quanto possível, o processo de decisão. Como explica Livea Eguti Hayashi, em estudo publicado na Revista de Defesa da Concorrência em 2025, algoritmos simples, submetidos a acompanhamento humano, permitem reconstruir com maior facilidade as escolhas que orientaram a precificação.
O relatório da Organização para a Cooperação e Desenvolvimento Econômico (OCDE) de 2017 sobre algoritmos e colusão já alertava para esse cenário. Sistemas de autoaprendizado podem reconhecer padrões de comportamento e adaptar suas respostas para maximizar lucros. Em mercados concentrados, nos quais poucos agentes observam continuamente uns aos outros, a tecnologia pode aprender que reduzir preços desencadeia reações que diminuem a rentabilidade.
Em estudo de 2019, intitulado “Artificial Intelligence, Algorithmic Pricing, and Collusion”, Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò e Sergio Pastorello simularam um oligopólio no qual algoritmos aprenderam a cobrar preços supracompetitivos sem comunicação entre si nem instrução explícita para coludir. O resultado, apresentado em ambiente experimental, revela uma dificuldade probatória: como investigar uma possível coordenação que não produz os vestígios habituais de um acordo?
Há, entretanto, uma distância importante entre a possibilidade demonstrada em simulações e a comprovação de uma infração em mercados reais. Até o momento considerado neste artigo, não se conhece caso em que tenha sido demonstrada conclusivamente uma colusão tácita produzida apenas por algoritmos de aprendizado autônomo, sem influência humana. Em análise conjunta publicada em 2019, as autoridades concorrenciais da França e da Alemanha chamaram atenção para limitações dos modelos experimentais.
No mercado alemão de combustíveis, Stephanie Assad, Robert Clark, Daniel Ershov e Lei Xu investigaram a adoção de softwares de precificação no estudo “Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market”, divulgado em 2020. Em mercados com dois postos, as margens não se alteraram significativamente quando apenas um adotava a ferramenta. Quando ambos a utilizavam, cresceram cerca de 28%. O efeito surgiu aproximadamente um ano após a adoção, resultado compatível com aprendizado de estratégias colusivas, mas que não prova, isoladamente, um acordo.
Diferentes respostas jurídicas
Nos Estados Unidos, o Sherman Act tradicionalmente exige a demonstração de acordo entre concorrentes para caracterizar determinadas práticas colusivas. Essa exigência torna difícil enquadrar situações em que sistemas autônomos utilizam informações públicas e chegam a estratégias semelhantes sem comunicação identificável.
Spacca…
O economista Joseph Harrington questiona se a tolerância conferida ao paralelismo entre pessoas deve ser reproduzida integralmente para algoritmos, que podem ser programados e auditados. Entre suas propostas está a proibição per se de certos mecanismos capazes de sustentar preços supracompetitivos.
Victor Oliveira Fernandes, no artigo “Inteligência artificial e defesa da concorrência: refinando as preocupações com ‘cartéis algorítmicos’”, examina a importância das estruturas hub-and-spoke, nas quais um fornecedor central pode facilitar a coordenação entre concorrentes. Nos Estados Unidos, litígios como Meyer v. Kalanick, RealPage, Gibson v. Cendyn e Cornish-Adebiyi v. Caesars Entertainment evidenciam a relevância da arquitetura contratual, do compartilhamento de informações sensíveis e da independência efetiva das decisões comerciais. O uso de um software comum, por si só, não equivale a um cartel.
Na União Europeia, o artigo 101 do Tratado sobre o Funcionamento da União Europeia alcança práticas concertadas. Christian Bergqvist, Camilla Ringeling e Mariana Camacho analisam, em artigo de 2024, as possibilidades de enquadramento da colusão por inteligência artificial. Quando há fornecedor comum, importa saber o que as empresas conheciam ou podiam prever sobre sua atuação, como também destaca o relatório conjunto das autoridades francesa e alemã de 2019. O Digital Markets Act e o AI Act contribuem para a governança tecnológica, mas não resolvem, por si, a prova da colusão.
O que os casos brasileiros revelam
No Brasil, o artigo 36 da Lei nº 12.529/2011 estabelece hipóteses exemplificativas de infração à ordem econômica e permite examinar práticas executadas por tecnologia. A análise de Bergqvist, Ringeling e Camacho aponta espaço para investigar coordenação tácita sem prova direta de acordo, desde que haja evidências econômicas capazes de afastar explicações baseadas em estratégias independentes. A semelhança dos preços, isoladamente, não resolve essa questão.
A experiência do Conselho Administrativo de Defesa Econômica (Cade) mostra, contudo, que o resultado da investigação depende dos elementos disponíveis em cada caso. Um precedente importante envolve a Associação das Autoescolas de Santa Bárbara d’Oeste (Adesbo) e a empresa Cria. Um sistema destinado à gestão de matrículas foi utilizado para dividir mercado, coordenar preços e dificultar a entrada de concorrentes.
O contraste aparece no Processo Administrativo nº 08700.008318/2016-29, envolvendo a Uber. O Cade não encontrou evidências suficientes de que a plataforma facilitasse comunicação entre motoristas ou coordenasse suas decisões. Também foi arquivado o Inquérito Administrativo nº 08700.001653/2019-49, relativo a suspeitas de coordenação por algoritmos entre Gol, Azul e Latam. A autoridade entendeu que os elementos apontavam para paralelismo simples, sem comprovação de infração.
Em abril de 2026, o Cade homologou Termo de Compromisso de Cessação com a Intelprice, desenvolvedora do software Aprix, no Requerimento nº 08700.010553/2024-71, vinculado ao Processo Administrativo nº 08700.006280/2024-60. A investigação tratou da possível influência da ferramenta sobre a adoção de condutas comerciais uniformes na revenda de combustíveis. Entre os elementos examinados estava a apresentação comercial do produto como meio de evitar decisões individuais dos proprietários de postos e, com isso, a disputa de preços.
No mesmo mês, a Superintendência-Geral do Cade instaurou processo administrativo contra Gol e Latam, apontando indícios de interdependência nos preços e riscos associados à troca de informações sensíveis por meio de contratos com fornecedores de inteligência tarifária, distribuição de conteúdo e precificação dinâmica. A abertura do processo não representa reconhecimento definitivo de infração, mas demonstra a atenção da autoridade às relações entre companhias concorrentes e prestadores de serviços tecnológicos.
Desafio da prova e da prevenção
O cenário mais difícil é aquele em que algoritmos autônomos chegariam a resultados semelhantes aos de uma coordenação sem instrução humana ou troca identificável de informações. Rishabh Sisodiya, Ayush Agrawal e Adarsh Jain, em estudo de 2026 sobre agentes autônomos e antitruste, discutem uma categoria de acordo algorítmico e mudanças no ônus da prova. Harshita Kushwaha, também em trabalho de 2026, propõe deveres para empresas que implantem agentes de precificação autônomos em oligopólios. São propostas doutrinárias, não regras já adotadas.
Mas o remédio não pode criar um problema equivalente. Hayashi alerta para o risco de presumir infração apenas porque os resultados de mercado se aproximam. Empresas podem adotar preços semelhantes por motivos legítimos, especialmente quando enfrentam condições de custos e demanda comparáveis.
Uma resposta mais proporcional envolve combinar fiscalização com prevenção. Hayashi sugere que o Cade elabore um guia de boas práticas para o uso de algoritmos de precificação. Orientações sobre tratamento de informações sensíveis, supervisão dos sistemas e contratação de fornecedores comuns poderiam ajudar empresas a identificar riscos antes que eles se convertam em investigações.
Aryel Licker da Silva e Leonardo Somavilla Binotto, em artigo de 2026, examinam sandboxes regulatórios para testar algoritmos de precificação dinâmica sob acompanhamento institucional. O Cade também mencionou essa possibilidade em sua contribuição ao PL nº 2.338/2023. Esses ambientes poderiam ampliar o conhecimento sobre o funcionamento dos sistemas, sem presumir que resultados experimentais se reproduzam em todos os mercados.
Outra frente é o antitruste computacional. Em capítulo publicado em 2026, W. Liu discute o emprego de inteligência artificial e análise de dados para identificar padrões potencialmente anticoncorrenciais. A capacidade investigativa precisa acompanhar a sofisticação das ferramentas empresariais, sobretudo quando os preços mudam continuamente. A tecnologia, contudo, deve auxiliar a avaliação especializada, não substituir o juízo econômico e jurídico.
O Cade já utiliza técnicas de análise de dados para detectar indícios de cartel em licitações, prática registrada pela OCDE em 2017. Um padrão estatístico atípico, porém, é ponto de partida, não prova automática de ilicitude. Custos, demanda, sazonalidade, estrutura de mercado e decisões independentes precisam ser considerados antes de atribuir a convergência de preços a uma infração.
Legislação acompanha o problema?
O debate legislativo brasileiro ainda não oferece disciplina específica para a colusão produzida por algoritmos autônomos de precificação. O Projeto de Lei nº 2.338/2023, voltado ao marco da inteligência artificial, não trata diretamente desse enquadramento concorrencial.
O Projeto de Lei nº 4.675/2025, relacionado à atuação do Cade em mercados digitais, também não menciona expressamente algoritmos ou inteligência artificial. Já o Projeto de Lei nº 494/2021 pretende vedar ao fornecedor o uso de ferramentas de precificação dinâmica, enquanto o PL nº 1.309/2026, apensado a ele, trata da transparência de sistemas automatizados de preços e de limites em bens essenciais.
O desafio mais relevante não é escolher entre inovação e fiscalização, mas construir instrumentos que permitam ambas. Se a concorrência pode ser afetada por processos que não deixam os vestígios tradicionais de um acordo, a investigação terá de compreender não apenas quais preços foram praticados, mas como se formaram. É nesse percurso, entre os dados utilizados, as decisões automatizadas e seus efeitos sobre o mercado, que estará uma parte decisiva da proteção concorrencial na economia digital.
________________________________________________________
Referências e documentos citados
HAYASHI, Livea Eguti. “Algoritmos de precificação em plataformas digitais: entre a colusão e a inovação”. Revista de Defesa da Concorrência, v. 13, n. 2, p. 194–215, 2025.
OCDE. Algorithms and Collusion: Competition Policy in the Digital Age. Paris, 2017.
CALVANO, Emilio; CALZOLARI, Giacomo; DENICOLÒ, Vincenzo; PASTORELLO, Sergio. “Artificial Intelligence, Algorithmic Pricing, and Collusion”. SSRN, 2019. Aqui
AUTORITÉ DE LA CONCURRENCE; BUNDESKARTELLAMT. Algorithms and Competition. 2019.
ASSAD, Stephanie; CLARK, Robert; ERSHOV, Daniel; XU, Lei. “Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market”. CESifo Working Paper 8521, 2020.
HARRINGTON, Joseph E. Jr. “Developing Competition Law for Collusion by Autonomous Price-Setting Agents”. SSRN, 2017. Aqui
FERNANDES, Victor Oliveira. “Inteligência artificial e defesa da concorrência: refinando as preocupações com ‘cartéis algorítmicos’”. Revista dos Estudantes de Direito da UnB, ed. 26, p. 29–44.
BERGQVIST, Christian; RINGELING, Camilla; CAMACHO, Mariana. “Conluio por inteligência artificial: devemos nos preocupar?”. Revista de Defesa da Concorrência, v. 12, n. 2, p. 11–31, 2024.
SISODIYA, Rishabh; AGRAWAL, Ayush; JAIN, Adarsh. “Agentic Algorithms and Antitrust”. LawFoyer International Journal of Doctrinal Legal Research, v. 4, n. 1, 2026.
KUSHWAHA, Harshita. “When the Algorithm Meets the Cartel”. SSRN, 2026. Aqui
SILVA, Aryel Licker da; BINOTTO, Leonardo Somavilla. “Colusão algorítmica em mercados digitais internacionais”. Academia de Direito, v. 8, p. 41–65, 2026.
LIU, W. “Artificial Intelligence and Computational Antitrust”. In: Computational Antitrust, Artificial Intelligence and the Rule of Law. Springer, 2026, p. 57–89.
CADE. Processos 08700.008318/2016-29; 08700.001653/2019-49; 08700.006280/2024-60; requerimento 08700.010553/2024-71. Ver também os procedimentos relativos à Adesbo e às companhias aéreas mencionados no artigo
O post Algoritmos de preço e desafios na detecção do ilícito concorrencial apareceu primeiro em Consultor Jurídico.














