Cuando los bots chocan

Muchos compradores en Internet utilizan de forma rutinaria los shopbots, agentes de software, como los desplegados por Evenbetter.com y MySimon.com, que busca automáticamente en Internet el precio más barato para un producto determinado. Ahora las empresas electrónicas están desplegando sus propios agentes. La tienda en línea Comprar.com, por ejemplo, según se informa, utiliza un software de comparación de precios que ajusta automáticamente sus precios para reducir los precios de la competencia. Pero si todos los vendedores en línea despliegan ejércitos de esos robots de precios, ¿el resultado sería una ciberguerra de precios autodestructiva y un caos digital?

La pregunta no es discutible. En la próxima década, Internet podría estar repleta de miles de millones de agentes de software que intercambien información, bienes y servicios entre sí y con personas. En el Centro de Investigación Thomas J. Watson de IBM, hemos realizado numerosas simulaciones por ordenador para explorar cómo podría funcionar una economía basada en agentes. Lo que hemos descubierto plantea interrogantes profundos 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 estará determinado tanto por su habilidad para programar 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 básico, como un chip de memoria de ordenador o una copia de la última novela de John Grisham. Con el modelo, estudiamos el comportamiento de una variedad de robots de precios que tenían diferentes niveles de sofisticación. Un simple bot, por ejemplo, utiliza el ensayo y el error para subir o bajar los precios de forma gradual con el fin de maximizar los beneficios. Un agente más sofisticado toma las decisiones de precios basándose en información detallada sobre los precios de la competencia y la sensibilidad de los compradores a los precios, el uso de shopbots y otras características. Con esta abundante información, el robot de precios aplica un enfoque de optimización a corto plazo (denominado «mióptimo» para miópicamente óptimo) y calcula el precio que maximizará los beneficios en el supuesto de que los precios de la competencia se mantengan fijos.

Aunque nuestros modelos están un poco idealizados y se centran solo en media docena de estrategias de Pricebot, nuestros resultados plantean cuestiones provocativas. 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 de ellos mantendrá precios altos y beneficios saludables. Sin embargo, si uno de los robots de precios adopta la estrategia mióptima, obtendrá mayores beneficios a expensas de los agentes de prueba y error. Pero si todos los robots de precios hacen el cambio, se producen interminables guerras de precios. Los bots se subcotizan continuamente unos a otros hasta que el precio alcanza un límite inferior determinado, momento en el que restablecen un precio más alto, lo que desencadena una nueva ronda de subcotización. De hecho, 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 mióptimos, el que tenga la información más actualizada sobre los precios de la competencia es el que más beneficios obtiene. Por lo tanto, las empresas estarían muy motivadas para programar sus bots para que escaneen sitios y bases de datos de la competencia de forma constante, con la ventaja de que los repiten 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 todo Internet podría quedar estancado.

Las empresas podrían desplegar ejércitos de robots de precios para escanear continuamente los sitios y bases de datos de la competencia y, así, obtener una ventaja de precios.

Para evitar este abuso, puede que los vendedores no tengan más opción que cobrar a los pricebots (y shopbots) por la información sobre los precios. Esta posibilidad apunta a un principio poderoso que podría regir una economía basada en agentes. Para garantizar que los bienes y servicios de la información no se utilicen en exceso ni se suministren insuficientemente, los robots de compras y los robots de precios pueden convertirse en agentes económicos de pleno derecho que funcionen como compradores, vendedores e intermediarios para facilitar todas las facetas del comercio electrónico.

Hace poco, hemos empezado a investigar cómo las empresas podrían evitar una destructiva guerra de bots mediante el desarrollo de 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 al ensayo y error y a los agentes mióptimos. Y cuando dos robots de precios con visión de futuro compiten entre sí, se abstienen de subcotizar excesivamente porque anticipan represalias. Las investigaciones futuras investigarán cómo las comunidades más grandes de estos agentes actuarían unas contra otras.

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 los precios, sino que también determinan la calidad o la configuración del producto. Por ejemplo, se podría utilizar un bot 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 la competencia. Nuestros resultados preliminares revelan varios escenarios posibles, incluidos ciclos complicados en los que los parámetros del precio y del producto oscilan indefinidamente, una situación no deseable tanto para los vendedores como para los compradores.

Para competir de forma eficaz en la Web, las empresas deberán entender la dinámica del mercado de las grandes comunidades de agentes de software. Las empresas pueden utilizar los estudios de simulación, como los que hemos realizado, para desarrollar mecanismos y estrategias que les ayuden a evitar posibles dificultades, como las guerras de precios. Los bots diseñados de forma inteligente pueden ayudar a las empresas a capitalizar (y crear) una oleada de bienes y servicios de la información que aumentará tan rápida y generalizadamente como el crecimiento de la Web, y que afectará al mundo de manera aún más profunda.