Mercados
S&P 5007.417▼ 1,92%Nasdaq24.510▼ 2,49%Dow Jones51.608▼ 1,41%Ibovespa169.295▼ 1,83%FTSE 10010.882▼ 0,19%DAX26.599▼ 0,57%Nikkei58.957▼ 1,18%DólarR$ 5,78▼ 0,03%EuroR$ 6,37▼ 0,06%BitcoinR$ 375.917▲ 0,22%Powered by WIREDESK OSS&P 5007.417▼ 1,92%Nasdaq24.510▼ 2,49%Dow Jones51.608▼ 1,41%Ibovespa169.295▼ 1,83%FTSE 10010.882▼ 0,19%DAX26.599▼ 0,57%Nikkei58.957▼ 1,18%DólarR$ 5,78▼ 0,03%EuroR$ 6,37▼ 0,06%BitcoinR$ 375.917▲ 0,22%Powered by WIREDESK OS
Powered by WIREDESK OS
Inteligência Artificial

IA em licitações ajusta preços sozinha e desafia lei anticartel

Algoritmos de precificação em licitações conseguem manter preços altos sem combinação explícita entre empresas. Autoridades e pesquisadores correm para adaptar o direito concorrencial.

IA em licitações ajusta preços sozinha e desafia lei anticartel

Inteligência Artificial

Algoritmos ajustam preços em licitações sem combinar, desafiando as regras atuais de concorrência.

Leia também: China ensina IA a 200 milhões até 2030 e desafia EUA na corrida

Softwares de inteligência artificial usados por empresas em licitações públicas já conseguem acompanhar lances rivais em tempo real e ajustar preços sozinhos, o que abre espaço para a manutenção de valores elevados sem qualquer troca de mensagens ou reunião entre concorrentes e põe em xeque a forma como o direito concorrencial identifica cartéis.

Nesse novo cenário, a concorrência pode ser restringida por decisões tomadas por algoritmos de aprendizado, treinados para maximizar lucro, e não por executivos combinando preços em encontros secretos. O resultado é especialmente sensível em licitações e contratos públicos, onde a transparência e a disputa por menor preço são essenciais para a boa aplicação do dinheiro do contribuinte.

Algoritmos aprendem a evitar guerra de preços

A discussão começou a ganhar corpo quando economistas e autoridades antitruste passaram a observar, em estudos e casos concretos, que sistemas de precificação automatizada eram capazes de aprender, sozinhos, a evitar guerras de preços.

Em 2017, um relatório da Organização para a Cooperação e Desenvolvimento Econômico (OCDE) sobre algoritmos e colusão descreveu como sistemas de autoaprendizado podem reconhecer padrões de comportamento dos rivais e ajustar respostas para proteger margens. Em mercados concentrados, com poucos participantes se observando o tempo todo, o algoritmo rapidamente conclui que cortar preço dispara reações que reduzem o lucro de todos — e passa a sustentar valores mais altos.

Dois anos depois, um estudo experimental de Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò e Sergio Pastorello, intitulado “Artificial Intelligence, Algorithmic Pricing, and Collusion”, simulou um oligopólio em que agentes autônomos aprenderam a cobrar preços supracompetitivos sem qualquer comunicação entre si ou instrução explícita para coludir. O ambiente era controlado, de laboratório, mas o recado foi claro: é possível chegar a um resultado parecido com um cartel apenas pelo aprendizado de máquina.

Em 2020, a discussão saiu do laboratório para o posto de gasolina. No mercado alemão de combustíveis, pesquisa de Stephanie Assad, Robert Clark, Daniel Ershov e Lei Xu encontrou um aumento de cerca de 28% nas margens quando dois postos concorrentes passaram a usar softwares de precificação, em comparação com situações em que só um deles adotava a ferramenta. O movimento, que surgiu cerca de um ano após a adoção conjunta, é compatível com aprendizado de estratégias colusivas, mas, isoladamente, não prova um acordo.

Entenda o contexto

A tradição do direito concorrencial foi construída para flagrar gente combinando preços, repartindo mercado e trocando informações em sigilo. A prova costuma aparecer em e-mails, atas de reunião, anotações pessoais, depoimentos de delatores. O problema é que, com a inteligência artificial decidindo valores sozinha a partir de dados públicos, esse rastro pode simplesmente não existir.

O desafio passa a ser distinguir o uso legítimo da tecnologia — empresas reagindo de forma eficiente a mudanças de demanda e custos — de situações em que a IA, na prática, ajuda a manter preços supracompetitivos. “Algoritmos simples, submetidos a acompanhamento humano, permitem reconstruir com maior facilidade as escolhas que orientaram a precificação”, explica a pesquisadora Livea Eguti Hayashi, em estudo publicado em 2025 na Revista de Defesa da Concorrência.

Nos sistemas mais avançados, baseados em aprendizado profundo, a própria lógica da decisão pode se tornar uma “caixa-preta”, de difícil reconstrução até para desenvolvedores e reguladores. É nesse ponto que a zona cinzenta jurídica se alarga.

Como o direito tenta enquadrar a colusão algorítmica

Em grandes jurisdições, a discussão já ultrapassou o estágio teórico e começa a influenciar investigações. Ainda não há, porém, um caso emblemático que comprove, de forma conclusiva, uma colusão gerada apenas por algoritmos autônomos, sem desenho ou incentivo humano.

França e Alemanha publicaram, em 2019, análise conjunta apontando as fragilidades de extrapolar diretamente resultados de laboratório para mercados reais. As autoridades reconhecem que a tecnologia pode facilitar comportamentos coordenados, mas alertam para o risco de condenar paralelismos legítimos — empresas que chegam a preços parecidos porque enfrentam custos e condições de demanda similares.

Nos Estados Unidos, o tradicional Sherman Act exige prova de acordo para enquadrar muitas condutas colusivas. Se dois algoritmos, programados por empresas diferentes, usam dados públicos e aprendem sozinhos a alinhar preços, sem vestígio de comunicação, a tipificação fica travada. Daí a provocação do economista Joseph Harrington: “se a tolerância conferida ao paralelismo entre pessoas deve ser reproduzida integralmente para algoritmos, que podem ser programados e auditados”. Uma das propostas do pesquisador é a proibição per se de certos mecanismos de IA capazes de sustentar preços supracompetitivos.

Na União Europeia, o artigo 101 do Tratado sobre o Funcionamento da União Europeia permite alcançar “práticas concertadas”, um conceito mais amplo do que o mero acordo formal. Pesquisadores como Christian Bergqvist, Camilla Ringeling e Mariana Camacho analisam como essa categoria pode ser aplicada à colusão via inteligência artificial. A dúvida central é até onde vai a responsabilidade da empresa quando os resultados surgem da interação de algoritmos que ninguém orientou explicitamente a coludir.

Arquitetura contratual no centro do debate

Outro foco das investigações está na chamada estrutura hub-and-spoke. Em vez de um cartel clássico, em que os próprios concorrentes tratam diretamente entre si, um fornecedor ou plataforma central (o “hub”) passa a concentrar informações e rotinas usadas por diversos clientes (os “spokes”).

O professor Victor Oliveira Fernandes discute esse modelo no artigo “Inteligência artificial e defesa da concorrência: refinando as preocupações com ‘cartéis algorítmicos’”. Em litígios nos Estados Unidos, como Meyer v. Kalanick, RealPage, Gibson v. Cendyn e Cornish-Adebiyi v. Caesars Entertainment, o que está sob escrutínio é o desenho contratual: que dados são compartilhados, que instruções são dadas pelo fornecedor do software e quanta autonomia sobra para a decisão comercial de cada empresa.

O simples uso de um software comum por concorrentes, frisa Fernandes, não transforma automaticamente o caso em cartel. É preciso avaliar se houve troca de informações sensíveis, se o fornecedor atuou como intermediário de coordenação e se os clientes mantiveram, de fato, independência na fixação de preços.

Brasil começa a testar suas fronteiras jurídicas

No Brasil, a Lei nº 12.529/2011, em seu artigo 36, traz um rol exemplificativo de condutas que podem configurar infração à ordem econômica, o que abre espaço para examinar práticas mediadas por tecnologia sem necessidade de mudar o texto legal. Pesquisas de Bergqvist, Ringeling e Camacho apontam que, em tese, é possível investigar coordenação tácita mesmo sem prova direta de acordo, desde que existam evidências econômicas robustas que afastem explicações plausíveis de estratégias independentes.

A experiência recente do Conselho Administrativo de Defesa Econômica (Cade) mostra, porém, que essa prova é difícil. Em um caso envolvendo a Associação das Autoescolas de Santa Bárbara d’Oeste (Adesbo) e a empresa Cria, um sistema de gestão de matrículas teria sido utilizado para dividir mercado, alinhar preços e dificultar a entrada de novos concorrentes. Ali, o uso da tecnologia veio acompanhado de evidências de coordenação anticompetitiva.

Em outros processos, a autoridade não foi tão longe. No procedimento envolvendo a Uber, o Cade não encontrou provas suficientes de que a plataforma facilitasse a comunicação entre motoristas ou coordenasse suas decisões de preços. Já o inquérito sobre suposta coordenação por algoritmos entre Gol, Azul e Latam foi arquivado sob entendimento de que os elementos apontavam para paralelismo simples, sem comprovação de infração.

O avanço mais recente ocorreu em abril de 2026, quando o Cade homologou um Termo de Compromisso de Cessação com a Intelprice, desenvolvedora do software Aprix, no Requerimento nº 08700.010553/2024-71, ligado ao Processo Administrativo nº 08700.006280/2024-60. A investigação tratava da possível influência do programa na adoção de condutas comerciais uniformes na revenda de combustíveis.

Entre os documentos analisados estava uma apresentação comercial que vendia o Aprix como solução para “evitar decisões individuais dos proprietários” de postos e, com isso, reduzir a disputa de preços. O acordo não implica reconhecimento automático de cartel, mas mostra que a forma como a tecnologia é oferecida ao mercado pode pesar na análise concorrencial.

No mesmo mês, a Superintendência-Geral do Cade instaurou processo administrativo contra Gol e Latam para apurar indícios de interdependência nos preços de passagens e possíveis riscos ligados 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 significa condenação, mas sinaliza atenção crescente para a relação entre concorrentes e empresas de tecnologia.

Licitações sob pressão da IA

Em licitações públicas, o efeito da precificação algorítmica é ainda mais delicado. O desenho desses certames parte da premissa de que empresas farão ofertas independentes, disputando pelo menor preço ou pela melhor combinação de custo e qualidade. Quando algoritmos que monitoram competidores em tempo real aprendem a evitar cortes de preço que poderiam desencadear respostas agressivas, a competição efetiva fica comprometida.

Setores com poucos grandes ofertantes — como combustíveis, infraestrutura e certos serviços públicos — são particularmente vulneráveis. Nessas áreas, a adoção de softwares de IA por todos os principais participantes pode levar a uma estabilização de preços em patamares altos, mesmo sem combinação. O prejuízo recai sobre o poder público, que paga mais caro, e sobre empresas menores, com menos acesso a ferramentas sofisticadas.

O risco, apontam pesquisadores, é que os algoritmos se tornem, na prática, um “ponto focal” que ajuda a manter o equilíbrio confortável entre rivais, sem que alguém tenha desenhado essa coordenação de forma explícita.

Quais saídas estão na mesa

Parte da academia e das autoridades defende uma combinação de análise econômica rigorosa com medidas preventivas e de transparência. Uma linha é endurecer o controle sobre certas funcionalidades de softwares de precificação, principalmente quando usados de forma disseminada em mercados concentrados.

É nessa direção que caminham propostas como as de Joseph Harrington, que fala em proibir per se mecanismos algorítmicos cuja função principal seja sustentar preços supracompetitivos. Outra frente mira os contratos: que tipo de cláusula um fornecedor de algoritmo pode ou não incluir, que dados podem circular pela plataforma e qual é o dever de independência decisória dos clientes.

No ambiente europeu, instrumentos como o Digital Markets Act e o AI Act buscam estabelecer regras gerais de governança da tecnologia, embora não resolvam, sozinhos, o ponto mais sensível: a prova da colusão.

No Brasil, Livea Eguti Hayashi sugere uma resposta intermediária, sem atalhos probatórios que presumam infração apenas pela semelhança de preços. Para a pesquisadora, é necessário combinar fiscalização caso a caso com mecanismos de prevenção. Uma das ideias é que o Cade publique um guia de boas práticas para o uso de algoritmos de precificação, com orientações sobre tratamento de informações sensíveis, supervisão humana dos sistemas e cuidados na contratação de fornecedores comuns.

A expectativa de especialistas é que, nos próximos anos, autoridades concorrenciais de diferentes países invistam em equipes técnicas próprias para auditar algoritmos, fortaleçam a cooperação internacional e se apoiem em novas pesquisas empíricas e experimentais. O objetivo é claro: impedir que a inteligência artificial vire uma blindagem perfeita para colusão em licitações e mercados sensíveis, sem sufocar inovações que trazem ganhos de eficiência para empresas e consumidores.