Cuando los bots chocan
Muchos compradores en Internet utilizan habitualmente shopbots (agentes de software, como los implementados por Evenbetter.com y MySimon.com, que sondean automáticamente en Internet buscando el precio más barato para un producto determinado. Ahora las empresas electrónicas están desplegando sus propios agentes. El minorista on-line Buy.com, por ejemplo, está utilizando un software de comparación de precios que ajusta automáticamente sus precios para subcotizar los precios de los competidores. Pero si todos los vendedores en línea despliegan ejércitos de tales robots de precios, ¿el resultado sería guerras de precios cibernéticos autodestructivas y caos digital?
La pregunta no es discuente. En la próxima década, Internet podría estar llena de miles de millones de agentes de software que intercambian bienes y servicios de información entre sí y con personas. En el Centro de Investigación Thomas J. Watson de IBM, hemos realizado numerosas simulaciones informáticas para explorar cómo podría funcionar una economía basada en agentes. Lo que hemos encontrado plantea profundas dudas sobre la forma en que operarán las empresas (y toda la economía) en el futuro. A medida que aumenta el comercio en Internet, el éxito de una empresa puede estar determinado tanto por su habilidad para programar sus bots como por la sabiduría de su estrategia empresarial.
Pronto el éxito de una empresa puede estar determinado tanto por su habilidad en la programación de sus bots como por la sabiduría de su estrategia empresarial.
Uno de nuestros modelos investiga cómo los agentes de software pueden fijar los precios de un producto, como un chip de memoria de ordenador o una copia de la última novela de John Grisham. Usando el modelo, estudiamos el comportamiento de una variedad de robots de precios que tenían diferentes niveles de sofisticación. Un simple bot, por ejemplo, utiliza prueba y error para subir o bajar los precios de forma incremental en un esfuerzo por maximizar los beneficios. Un agente más sofisticado toma decisiones de precios basadas en información detallada sobre los precios de la competencia y la sensibilidad a los precios de los compradores, el uso de shopbots y otras características. Con esta abundante información, el pricebot aplica un enfoque de optimización a corto plazo (denominado «mióptimo» para miopíticamente óptimo) y calcula el precio que maximizará los beneficios bajo el supuesto de que los precios de la competencia permanezcan fijos.
Aunque nuestros modelos están algo idealizados y se centran solo en media docena de estrategias de pricebot, nuestros resultados plantean problemas provocadores. Si todos los robots de precios se basan en la estrategia de prueba y error, su comportamiento colectivo evolucionará hacia una colusión tácita en la que cada uno mantendrá precios altos y beneficios saludables. Sin embargo, si uno de los pricebots adopta la estrategia mioóptima, obtendrá mayores beneficios a expensas de los agentes de prueba y error. Pero si todos los robots de precios hacen el cambio, entonces se produciran interminables guerras de precios. Los bots se socavan continuamente unos a otros hasta que el precio alcanza un cierto límite inferior, momento en el que restablecen un precio más alto, dando lugar a una nueva ronda de subcotización. A cada robot de precios le va peor que si todos hubieran mantenido un enfoque de prueba y error, un resultado que recuerda al famoso dilema del prisionero.
Cuando todos los agentes son óptimos, el que tiene la información más actualizada sobre los precios de la competencia obtiene los mayores beneficios. Por lo tanto, las empresas estarían muy motivadas para programar sus bots para escanear sitios y bases de datos de la competencia constantemente, con la ventaja de ir a los repricers más rápidos e implacables. En este escenario, los sitios web de los proveedores podrían verse abrumados por las consultas de precios de los robots de precios de la competencia, y toda Internet podría estar atascada.
Las empresas podrían desplegar ejércitos de robots de precios para escanear continuamente los sitios y bases de datos de sus competidores, obteniendo así una ventaja de precios.
Para disuadir este tipo de abusos, es posible que los vendedores no tengan más remedio que cobrar a los robots de precios (y shopbots) por información sobre precios. Esta posibilidad apunta a un principio poderoso que podría gobernar una economía basada en agentes. Para garantizar que los bienes y servicios de información no se utilicen en exceso ni se subproporcionen, los shopbots y los robots de precios pueden convertirse en agentes económicos de pleno derecho que actúan como compradores, vendedores e intermediarios para facilitar todas las facetas del comercio electrónico.
Recientemente, hemos empezado a investigar cómo las empresas podrían evitar guerras destructivas de bots desarrollando robots de precios más inteligentes que puedan adaptarse a su entorno y anticipar el futuro. Un enfoque prometedor se basa en el aprendizaje por refuerzo, en el que los agentes aprenden políticas de precios óptimas que maximizan los beneficios a largo plazo. Estos robots de precios con visión de futuro han superado a los agentes de prueba y error y mióptimos. Y cuando dos robots de precios con visión de futuro compiten entre sí, se abstienen de socavar excesivamente porque anticipan represalias. Investigaciones futuras investigarán cómo las comunidades más grandes de tales agentes se comportarían unos contra otros.
También es de gran interés el comportamiento de los mercados basados en agentes para productos complejos. Hemos desarrollado varios modelos en los que los bots de los vendedores no solo fijan precios sino que también determinan la calidad o configuración del producto. Por ejemplo, un bot podría utilizarse para crear diferentes versiones de una revista en línea, cada una con un conjunto único de artículos, y para ajustar los precios en consecuencia, todo ello en respuesta a los patrones de demanda de los clientes y a las acciones de los competidores. Nuestros resultados preliminares revelan varios escenarios posibles, incluidos ciclos complicados en los que los parámetros del precio y del producto oscilan indefinidamente, una situación indeseable tanto para vendedores como para compradores.
Para competir eficazmente en la Web, las empresas deberán comprender la dinámica del mercado de las grandes comunidades de agentes de software. Las empresas pueden utilizar estudios de simulación, como los que hemos realizado, para desarrollar mecanismos y estrategias que les ayuden a evitar posibles trampas como las guerras de precios. Los bots diseñados de forma inteligente pueden ayudar a las empresas a capitalizar (y crear) una ráfaga de bienes y servicios de información que surgirán con la misma rapidez y generalización que el crecimiento de la Web, y que afectará al mundo de manera aún más profunda.
— Escrito por Jeffrey O. Kephart Jeffrey O. Kephart Amy R. Greenwald
