يلعب الذكاء الاصطناعي والتعلم الآلي دورًا في مساعدة الشركات والمسوقين في مراقبه الأسعار وتحديدها بناءً على التسعير الديناميكي للوقت الفعلي، ولكن هناك بعض النتائج المحتملة غير المقصودة في هذا المجال، وهناك عدد من الآراء المنشورة بخصوص هذا المجال واستخدام الخوارزميات فيه.

مقدم من: معهد بحوث العمليات وعلوم الإدارة

التعلم الآلي والذكاء الاصطناعي (AI) مناسبان تمامًا لمساعدة الشركات والمسوقين على مراقبة الأسعار وتحديدها بناءً على التسعير الديناميكي في الوقت الفعلي ، لكن اظهرت نتائج احد البحوث الجديدة بعض الاحتمالات غير المقصودة للذكاء الاقتصادي في هذا المجال.

لا تأخذ خوارزميات التعلم الآلي في الحسبان دائمًا العوامل الخارجة عن سيطرة البائع ، مثل أسعار المنافسين. وجد الباحثون أنه إذا كانت خوارزميات الذكاء الاصطناعي تحدد الأسعار على المدى الطويل ، فمن الممكن أن يكون تأثير الأسعار الاحتكاري ممكنًا ، مما يؤدي بشكل أساسي إلى خلق بيئة تسعير تواطئية في السوق. 

يمثل هذا تحديًا لواضعي السياسات حيث أظهر الباحثون أن خوارزميات تسعير الذكاء الاصطناعي المستقلة يمكن أن تؤدي إلى نتائج سوق فوق تنافسية. 

الدراسة البحثية التي ستنشر في يناير من مجلة إنفورم ماركتينج ساينس ، “تواطؤ خوارزمي: أسعار تنافسية فائقة عبر خوارزميات مستقلة”، من تأليف كارستن هانسن وكانيشكا ميسرا من جامعة كاليفورنيا، سان دييغو، وماليش باي من جامعة رايس.

يدرس الباحثون مكانًا يستخدم فيه تجار التجزئة المتنافسون عبر الإنترنت خوارزميات التعلم الآلي لتحديد الأسعار في الوقت الفعلي، و يضيف الباحثون إلى مجموعة متزايدة من الأدبيات التي أثارت مخاوف من أن مثل هذه الخوارزميات قد تؤدي إلى سلوك تسعير تواطئي. 

 ساهم المؤلفون بعد ذلك في هذه الأدبيات ووجدوا أن الخوارزميات المستقلة ، دون مراقبة الأسعار التنافسية ، يمكن أن تؤدي إلى أسعار فوق تنافسية.

تعمل خوارزميات التعلم الآلي على ان يكن التسعير اوتوماتيكياً وتجربتة لمعرفة سعر زيادة الأرباح ، و يوضح الباحثون أن نتائج السوق للشركات المستقلة التي تستخدم هذه الخوارزميات تعتمد على جودة تجارب التسعير القصير. قال ميسرا: “لقد تمكنا من إظهار أنه حيثما كانت لتجارب الأسعار لدينا قيمة معلومات عالية (ضوضاء منخفضة) ، فإن أسعار المنافسين من الخوارزميات المستقلة أصبحت مترابطة عن غير قصد ، وبمرور الوقت ، أصبحت الأسعار فوق المنافسة” “هذا يعني أن نتيجة استخدام الذكاء الاصطناعي للتسعير يمكن أن تخلق جوًا من تواطؤ الأسعار في سوق معينة ، مما يؤدي إلى تأثير التسعير الاحتكاري.” ، و قال هانسن: “التأثيرات الواقعية واسعة جدًا”. “تعتمد خوارزميات التعلم الآلي على القيمة المعلوماتية لبيانات تجربة التسعير الأساسية ، وقد لا تكون جميع المتغيرات التي تغذي نتائج السوق ، مثل أسعار المنافسين ، متاحة لتلك الأنظمة. تقدم نتائجنا إرشادات حول خوارزميات التعلم الآلي عندما تكن أقل موثوقية في تحديد الأسعار”.

قال باي : “نعتقد أن تحديد هذا النمط يثير مخاوف عملية جديدة للمديرين وصناع السياسات”. “التحدي الذي يواجه المنظمين في المستقبل هو ان يتم تحقيق التوازن. هناك مخاوف قائمة لمكافحة الاحتكار بشأن الخوارزميات التي تحدد أسعارًا تواطئية عند تتبع أسعار المنافسين (على سبيل المثال ، من خلال التهديدات الضمنية بالانتقام)، وذكر أيضاً، “نظهر هنا أن التأثيرات المماثلة يمكن أن تحدث حتى عندما لا تأخذ الخوارزميات في الحسبان أسعار المنافسين بصراحة ، وسيحتاجون إلى مراعاة عوامل خارج نطاق ما يمكن أن تحدده الخوارزميات وتتبعها ، بينما تعمل على ضمان أن لا يعني التسعير دائمًا نفس هياكل التسعير الاحتكارية”.

المصدر: https://phys.org

ترجمة: أسرار خالد العتيبي

مراجعة وتدقيق : هبه عبد المحسن الصريصري