Analisi e governance della concorrenza algoritmica nel mercato unico digitale. Verso una ricalibratura ermeneutica del diritto antitrust europeo nell’era dell’intelligenza artificiale

ABSTRACT This paper examines the systemic implications of artificial intelligence integration in oligopolistic digital markets, with particular reference to the European antitrust framework. The analysis is preceded by a critical epistemological inquiry into the structural limits of antitrust enforcement: the Prolegomena opening the essay develop the thesis that competition authorities are today confronted with a structural crisis of legibility, arising from the inability of existing dogmatic categories to capture the pre-competitive determinants of contemporary markets, whether normative, fiscal, geopolitical or technological in origin. AI does not represent an ontological rupture in competition law, but rather intensifies pre-existing interpretive tensions, operating as a multiplier of the structural heteronomy of markets. The artificial reduction of strategic uncertainty operated by dynamic pricing and machine learning systems tests the dogmatic foundations of Article 101 TFEU and demands a profound reconsideration of evidentiary criteria and liability attribution. The essay develops, in a systematic and comparative perspective, an analysis of the algorithmic collusion taxonomy according to the Ezrachi-Stucke model, the regulatory interaction between the Digital Markets Act and the AI Act, and the US and Chinese regulatory models. An original model of AI Compliance by Design is proposed, founded on preventive structural safeguards. The conclusions converge towards a paradigm of organizational accountability that preserves competitive uncertainty as a foundational legal good of the European competition order.

KEYWORDS Artificial Intelligence - Antitrust - Art. 101 TFEU - Algorithmic collusion - Digital Markets Act - AI Act - Digital oligopoly - Compliance - Accountability - Dynamic pricing.

TABLE OF CONTENTS 1. Prolegomeni critici. L’inadeguatezza strutturale del paradigma antitrust di fronte ai mercati etero-determinati. – 1.1. Premessa epistemologica. Discrasia tra il paradigma regolatorio e la morfologia del mercato reale. – 1.2. L’eteronomia strutturale dei mercati contemporanei. Tre vettori di distorsione pre-competitiva. – 1.2.1. Le politiche fiscali statali e gli obblighi regolativi come fattori di conformazione competitiva. – 1.2.2. Le tensioni geopolitiche come fattori strutturali di segmentazione competitiva. – 1.2.3. L’eteronomia normativa dei mercati digitali. – 1.3. L’intelligenza artificiale come moltiplicatore dell’eteronomia strutturale dei mercati. – 1.4. La riduzione al consumer welfare e il bilanciamento mancante. – 1.5. La risposta possibile. Ricalibratura ermeneutica nel solco della tradizione. – 2. L’intelligenza artificiale tra innovazione strutturale e sfida sistemica al diritto della concorrenza. – 3. Incertezza competitiva come categoria fondativa dell’art. 101 TFUE. Ricostruzione dogmatica e implicazioni per l’ambiente algoritmico. – 3.1. Autonomia decisionale e struttura della pratica concordata. – 3.2. Oggetto ed effetto nella struttura dell’illecito. – 3.3. Parallelismo consapevole e presunzioni probatorie. – 3.4. Incertezza competitiva come bene giuridico protetto. – 3.5. La dottrina italiana sulla pratica concordata. Tra elemento oggettivo e imputazione soggettiva. – 3.6. Oligopolio lecito e coordinamento illecito. La linea di confine nell’era digitale. – 4. Teoria economica dell’oligopolio digitale. Dinamiche di coordinamento e stabilità collusiva. – 4.1. I modelli formali di coordinamento. Da Bertrand e Cournot ai mercati algoritmici. – 4.2. Trasparenza artificiale e meccanismi di stabilizzazione oligopolistica. – 4.3. Dynamic pricing, machine learning e riduzione dei costi di monitoraggio. – 5. Tassonomia della collusione algoritmica. Il modello Ezrachi–Stucke e la critica alla reificazione dell’algoritmo. – 5.1. Le quattro tipologie di collusione algoritmica. – 5.2. Critica alla reificazione dell’algoritmo. L’algoritmo come infrastruttura organizzativa. – 6. Profili probatori e criteri di accertamento dell’intenzionalità algoritmica. – 6.1. Il regime della prova indiziaria nel contesto algoritmico. – 6.2. I cinque criteri di analisi probatoria. – 6.3. I limiti della responsabilità. Effetti imprevedibili ed emergenti. – 7. Intelligenza artificiale e abuso di posizione dominante. L’art. 102 TFUE. – 7.1. Le pratiche escludenti algoritmiche. – 7.2. Le pratiche sfruttative e la discriminazione algoritmica dei prezzi. – 8. Il quadro regolatorio complementare. Digital Markets Act e AI Act. – 8.1. Il Digital Markets Act (regolamento UE 2022/1925). Struttura e finalità. – 8.2. L’AI Act (regolamento UE 2024/1689). Governance del rischio e convergenze sistemiche. – 9. Analisi comparata. Modelli regolatori globali e rischio di asimmetria. – 9.1. Il modello statunitense. Approccio market-driven e il caso RealPage. – 9.2. Il modello cinese. Controllo statale e sovranità tecnologica. – 9.3. Sintesi comparativa e implicazioni per la regolazione europea dell’IA. – 10. La lezione del GDPR e verso un paradigma regolatorio selettivo. – 10.1. Analisi tecnica dell’esperienza GDPR. Tipizzazione, potere interpretativo e rischio regolatorio. – 10.2. Il rischio dell’iper-tipizzazione preventiva nell’ambito dell’IA antitrust. – 10.3. Verso un modello di AI compliance by design. Proposta sistematica. – 10.4. Calibrazione internazionale. Proporzionalità e competitività. – 11. Conclusioni. Verso un’ermeneutica integrata e responsabile.