প্রতিযোগিতামূলক বাজারকে নিয়ন্ত্রণে রাখতে মূল্য নির্ধারণের অ্যালগরিদম এখন অনেক প্রতিষ্ঠানের জন্য সাধারণ হাতিয়ার। কিন্তু সম্প্রতি এক গবেষণায় উঠে এসেছে যে, এই অ্যালগরিদমগুলো নিজেদের মধ্যে কোনো যোগাযোগ ছাড়াই কার্যত একটি কার্টেল তৈরি করতে পারে, যার ফলে ভোক্তাদের জন্য দাম বেড়ে যায় এবং প্রতিযোগিতা ধীরে ধীরে বিলুপ্ত হয়। ফেডারেল ট্রেড কমিশনের (এফটিসি) অ্যামাজনের বিরুদ্ধে দায়ের করা মামলায় 'প্রজেক্ট নেসি' নামের একটি অভ্যন্তরীণ মূল্য নির্ধারণ টুলের কথা উল্লেখ করা হয়েছে, যা প্রতিযোগীদের মূল্য বৃদ্ধির সম্ভাবনা বিশ্লেষণ করে নিজেদের দাম বাড়িয়ে রাখত। এফটিসির অভিযোগ, টুলটি ১ বিলিয়ন ডলারেরও বেশি অতিরিক্ত মুনাফা তৈরি করেছিল, যদিও অ্যামাজন এই অভিযোগ অস্বীকার করে বলেছে, টুলটি বহু বছর আগে বন্ধ করে দেওয়া হয়েছে।
সমস্যাটি আরও গভীর হয় যখন কোনো কোম্পানি সচেতনভাবে প্রতিযোগীদের প্রতিক্রিয়া অনুমান করার জন্য সফটওয়্যার তৈরি করে না, বরং স্বাধীনভাবে কাজ করা অ্যালগরিদমগুলোই একই ধরনের ফলাফলে পৌঁছে যায়। ২০১৭ সালে জার্মানির পেট্রোল স্টেশনগুলোতে অটোমেটেড প্রাইসিং সফটওয়্যার ব্যাপকভাবে চালু হওয়ার পর অর্থনীতিবিদরা দেখেন, যে বাজারে দুটি প্রতিদ্বন্দ্বী স্টেশন একই সফটওয়্যার ব্যবহার করত, সেখানে তাদের মুনাফার মার্জিন প্রায় ৩৮ শতাংশ বেড়ে যায় — কোনো বৈঠক, বার্তা বা চুক্তি ছাড়াই। যখন কোনো বাজারে শুধু একটি স্টেশন সফটওয়্যার ব্যবহার করত, তখন মার্কেট-লেভেল মার্জিনে কোনো পরিবর্তন আসেনি। দুইটি অ্যালগরিদম যখন একে অপরের বিপরীতে দাম নির্ধারণ করত, তখন তারা নিজেরাই শিখে নেয় যে পিছিয়ে থাকলে বেশি মুনাফা হয়। ২০২৪ সালে জার্নাল অব পলিটিক্যাল ইকোনমিতে প্রকাশিত এই গবেষণাটি বাস্তব বিশ্বে এই সমস্যার প্রথম প্রমাণ বলে মনে করা হচ্ছে।
মূল্য নির্ধারণের অ্যালগরিদম এমন একটি অর্থনৈতিক ফলাফল তৈরি করতে পারে যা কার্টেলের মতো, অর্থাৎ দীর্ঘ সময় ধরে উচ্চ মূল্য বজায় থাকে, কিন্তু অ্যান্টিট্রাস্ট আইন যে আচরণ ধরার জন্য তৈরি করা হয়েছে সেটি এখানে ঘটে না। ব্যবসায়ীরা সাধারণত প্রতিযোগিতার চাপ অনুভব করে বিচার করেন, আর যে বাজারে দাম স্থির থাকে এবং মার্জিন ভালো থাকে, সেটিকে তারা নিজেদের জয় হিসেবে দেখেন। অটোমেটেড প্রাইসিং এই ধারণাটি ভেঙে দেয় — যখন স্বায়ত্তশাসিত এজেন্টরা দাম নির্ধারণ করে, তখন সেই শান্ত ছবিটি আসলে প্রতিযোগিতা বন্ধ হয়ে যাওয়ার লক্ষণ হতে পারে, কারণ অ্যালগরিদমগুলো শিখে গেছে যে একে অপরকে ছেড়ে দিলে লড়াই করার চেয়ে ভালো ফল পাওয়া যায়।
প্রতিযোগিতা তিনভাবে নীরবে হারিয়ে যেতে পারে। প্রথমত, স্বাধীনভাবে স্থাপিত অ্যালগরিদম, প্রতিটি নিজস্ব মুনাফার লক্ষ্যে, বারবার মিথস্ক্রিয়ার মাধ্যমে একে অপরকে কম দাম না দেওয়া শিখে নেয় — কোনো নকশা বা ডেটা বিনিময় ছাড়াই। এটিকে 'ভূত' বলা যেতে পারে। দ্বিতীয়ত, একটি কোম্পানি সফটওয়্যারের মাধ্যমে প্রতিযোগীদের প্রতিক্রিয়া অনুমান করে দাম বাড়ায়, যেমন অ্যামাজনের নেসি — একে 'আয়না' বলা হয়। তৃতীয়ত, প্রতিযোগীরা তাদের ডেটা একটি সাধারণ প্রদানকারীর কাছে দেয়, যার অ্যালগরিদম সবাইকে একই দিকনির্দেশনা দেয় — একে 'হাব' বলা হয়, এবং রিয়েলপেজ এর আদর্শ উদাহরণ। নিয়ন্ত্রকদের পক্ষে সবচেয়ে সহজে চ্যালেঞ্জ করা যায় এই হাব মডেলটি, কিন্তু প্রথম দুটি ক্ষেত্রে আইন প্রায় নিষ্ক্রিয়।
২০২০ সালে আমেরিকান ইকোনমিক রিভিউতে প্রকাশিত একটি গবেষণায় চার অর্থনীতিবিদ রিইনফোর্সমেন্ট-লার্নিং অ্যালগরিদমকে পুনরাবৃত্তিমূলক দাম নির্ধারণের মডেলে প্রতিযোগিতা করান। অ্যালগরিদমগুলো যোগাযোগ করতে পারত না, শুধু মুনাফা সর্বোচ্চ করার নির্দেশ ছিল। তারা ধারাবাহিকভাবে প্রতিযোগিতামূলক স্তরের উপরে দাম রাখতে শিখেছিল এবং প্রয়োজনে শাস্তিমূলক ব্যবস্থা নিত। যখন একটি অ্যালগরিদম বাজার শেয়ার বাড়াতে দাম কমাত, অন্যরা তাদের দাম কমিয়ে আবার উচ্চ স্তরে ফিরে যেত। এই ফলাফল তখনও স্থির ছিল যখন কোম্পানিগুলোর খরচ বা চাহিদা ভিন্ন ছিল। হোয়ার্টনের অর্থনীতিবিদ জোসেফ হ্যারিংটনসহ গবেষকরা সতর্ক করে দিয়েছিলেন যে, অ্যালগরিদমের কাছে মূল্য নির্ধারণের দায়িত্ব অর্পণ করলে সমন্বয়ের একটি পিছনের দরজা খুলে যায়, যা মানুষের তত্ত্বাবধান ছাড়াই ঘটতে পারে। জার্মান পেট্রোল স্টেশনের তথ্য প্রমাণ করে যে এটি কেবল মডেল নয়, বাস্তবেও ঘটে। তবে সব গবেষণা একই সিদ্ধান্তে পৌঁছায় না, এবং বাস্তব বাজারে এই ফলাফল কতটা প্রযোজ্য তা নিয়ে বিতর্ক রয়েছে।
অ্যান্টিট্রাস্ট আইন মানবিক চুক্তির ধারণাকে কেন্দ্র করে তৈরি — প্রতিযোগীদের মধ্যে বৈঠক বা সমঝোতার প্রমাণ প্রয়োজন। কিন্তু একটি মেশিন নিজে নিজে যে সমন্বয় শেখে, তার জন্য এমন কোনো প্রমাণ থাকে না। রিয়েলপেজ মামলাটি এর সবচেয়ে বড় উদাহরণ। ২০২৪ সালে ডিপার্টমেন্ট অব জাস্টিস এবং বেশ কয়েকটি রাজ্য রিয়েলপেজের বিরুদ্ধে মামলা করে, যার সফটওয়্যার প্রতিযোগী সম্পত্তির ডেটা ব্যবহার করে ভাড়া সুপারিশ করত। ২০২৫ সালের নভেম্বরে ডিওজে একটি প্রস্তাবিত সমঝোতা ঘোষণা করে — রিয়েলপেজ কোনো জরিমানা দেয়নি এবং কোনো দোষ স্বীকার করেনি, তবে সফটওয়্যারটি এখন থেকে সাম্প্রতিক প্রতিযোগীর ডেটা ব্যবহার করতে পারবে না এবং আদালত নিয়োগপ্রাপ্ত মনিটর তদারকি করবে। এই সমঝোতা এখনও আদালতের অনুমোদনের অপেক্ষায়।
নবম সার্কিট লাস ভেগাসের হোটেলগুলোর বিরুদ্ধে মামলা খারিজ করে দিয়েছিল কারণ টুলটি তাদের গোপন ডেটা একত্রিত করেনি, কিন্তু তৃতীয় সার্কিট আটলান্টিক সিটির ক্যাসিনোগুলোর প্রায় অভিন্ন মামলায় রায় দেয় যে সেখানে প্রতিযোগীরা অ-পাবলিক ডেটা শেয়ার করেছিল। এই পার্থক্যই রিয়েলপেজ এবং কঠিন মামলার মধ্যে সীমারেখা নির্ধারণ করে। আইনপ্রণেতারাও নিষ্ক্রিয় নেই — ২০২৪ সালের গ্রীষ্ম থেকে সান ফ্রান্সিসকো, ফিলাডেলফিয়া, মিনিয়াপলিস এবং সিয়াটল অ্যালগরিদমিক ভাড়া নির্ধারণের টুল নিষিদ্ধ করেছে। নিউ ইয়র্ক ২০২৫ সালের অক্টোবরে প্রথম রাজ্যব্যাপী নিষেধাজ্ঞা জারি করে এবং ক্যালিফোর্নিয়া একই মাসে তার অ্যান্টিট্রাস্ট আইন সংশোধন করে। রিয়েলপেজ নিউ ইয়র্কের বিরুদ্ধে মামলা করেছে, দাবি করেছে যে তাদের মূল্য সুপারিশ প্রথম সংশোধনী দ্বারা সুরক্ষিত বক্তব্য।
যখন সমন্বয় শেখা হয়, চুক্তি নয়, তখন আইনি বিভাগগুলো প্রযোজ্য নাও হতে পারে, কিন্তু ঝুঁকি থেকে যায় — এটি সুনাম ও নিয়ন্ত্রক ঝুঁকিতে রূপ নেয় এবং সেই কোম্পানির উপরই বর্তায় যে সিস্টেম স্থাপন করেছে এবং তার উদ্দেশ্য নির্ধারণ করেছে। কোম্পানির ভেতরেও দায়িত্ব স্থানান্তরিত হয়। এক দশক ধরে প্রাইসিং সফটওয়্যার পরামর্শ দিত এবং মানুষ সিদ্ধান্ত নিত, যার ফলে জবাবদিহিতা স্পষ্ট ছিল। কিন্তু এজেন্টিক সিস্টেম সরাসরি কাজ করে, প্রতি লেনদেনে নির্ধারিত উদ্দেশ্য অনুসরণ করে। সিদ্ধান্ত এখনও আছে — এটি কোম্পানি নির্ধারিত উদ্দেশ্য এবং যে সীমা নির্ধারণ করা হয়নি তার মধ্যে চলে গেছে।
বেশিরভাগ প্রাইসিং টিম সিস্টেমের কার্যকারিতা বিচার করে মার্জিন ও কনভার্সনের উপর ভিত্তি করে। কিন্তু একটি সমন্বিত বাজার এবং একটি প্রতিযোগিতামূলক বাজার একই পরিসংখ্যান তৈরি করে, তাই এই মেট্রিকগুলো ঝুঁকি প্রকাশ করতে পারে না। তীক্ষ্ণ প্রশ্নটি আচরণগত — সিস্টেমটি প্রতিযোগীদের সম্পর্কে কী শিখেছে, এবং কোম্পানি কি সেই আচরণ নিয়ন্ত্রক বা গ্রাহকদের কাছে রক্ষা করতে পারবে? যে বোর্ড তার ক্যাটাগরির দাম কেন একত্রিত হয়েছে তা ব্যাখ্যা করতে পারে না, তারা এমন একটি সিদ্ধান্ত অর্পণ করেছে যা তারা কখনো নিতে চায়নি।
সিস্টেম বন্ধ করা বাস্তবসম্মত নয়, তবে তাদের কী শিখতে দেওয়া হয় তা নিয়ন্ত্রণ করা দরকার। গবেষণা কয়েকটি পদক্ষেপের পরামর্শ দেয়: প্রথমত, সিস্টেমগুলো কোথায় প্রতিযোগীর দাম দেখতে পারে তা চিহ্নিত করা — একটি এজেন্ট যে প্রতিদ্বন্দ্বীর দামে তাৎক্ষণিক প্রতিক্রিয়া দেখায় তার ইনপুট সমন্বয়ের জন্য প্রয়োজনীয়। অভ্যন্তরীণ সংকেত যেমন খরচ, চাহিদা এবং ইনভেন্টরির উপর নির্ভরশীল সিস্টেমে ঝুঁকি কম। দ্বিতীয়ত, এমন সীমাবদ্ধতা চালু করা যা সমন্বয় টিকিয়ে রাখা কঠিন করে — কিছু প্রমাণ আছে যে ভিন্ন ভিন্ন সিস্টেম বা বেশি প্রতিদ্বন্দ্বী থাকলে সমন্বয় ভঙ্গুর হয়। তৃতীয়ত, ফলাফল নয়, আচরণ নিরীক্ষা করা — শুধু আর্থিক কর্মক্ষমতা পর্যালোচনা করলে এটা ধরা পড়বে না। বোর্ডকে জিজ্ঞাসা করা উচিত সিস্টেম কী অপ্টিমাইজ করেছে, কোন সংকেতের উপর নির্ভর করেছে এবং প্রতিযোগীর প্রতিক্রিয়ায় কোথায় কৌশল পরিবর্তন করেছে। চতুর্থত, কাউন্টারফ্যাকচুয়াল প্রতিযোগিতা পরীক্ষা চালানো — যেমন বিলম্বিত প্রতিযোগী সংকেত, এলোমেলো প্রতিক্রিয়া সময় বা প্রতিযোগীর দাম ইনপুট বাদ দেওয়া — ব্যবস্থাপনা দেখতে পারে মার্জিন যদি তখনও টিকে থাকে তবে লাভ কোম্পানির নিজস্ব, কিন্তু যদি প্রতিযোগীর ছায়া না থাকলে মার্জিন ভেঙে পড়ে তবে তদন্তের কারণ আছে। পঞ্চমত, অডিটযোগ্য ম্যান্ডেট প্রয়োজন — ব্যবস্থাপনাকে নথিভুক্ত করা উচিত সিস্টেমকে কী অনুসরণ করতে বলা হয়েছিল, কী করতে বাধা দেওয়া হয়েছিল, কী ডেটা ব্যবহার করতে পারে এবং মূল্য নীতির প্রতিটি গুরুত্বপূর্ণ পরিবর্তন। যখন দাম নিয়ম থেকে আসে, সেগুলিই সিদ্ধান্ত — প্রতিযোগীর প্রতি সাড়া দেওয়া কখন অগ্রহণযোগ্য তা কোম্পানি কখনো সংজ্ঞায়িত না করলে, সেই লাইনটি কার্যত অ্যালগরিদমের উপর ছেড়ে দেওয়া হয়।
