voprecotestВопросы экономикиVoprosy Ekonomiki0042-8736Voprosy Ekonomiki, NP10.32609/0042-8736-2025-4-34-54voprecotest-5310Research ArticleЭКОНОМИКА ОТРАСЛЕВЫХ РЫНКОВINDUSTRIAL ORGANIZATIONИскусственный интеллект против картелей: чего (не) ждать?Artificial intelligence against collusion: What (not) to expect?https://orcid.org/0000-0002-0896-9217АвдашеваС. Б.AvdashevaS. B.

Авдашева Светлана Борисовна, д. э. н., проф., руководитель департамента прикладной экономики факультета экономических наук, замдиректора Института анализа предприятий и рынков (ИАПР)

Москва

Svetlana B. Avdasheva

Moscow

avdash@hse.ruhttps://orcid.org/0000-0001-9387-9373КорнееваД. В.KorneevaD. V.

Корнеева Дина Владиславовна, к. э. н., с.  н.  с. ИАПР

Москва

Dina V. Korneeva

Moscow

dkorneeva@hse.ruhttps://orcid.org/0000-0003-1322-0793ЮсуповаГ. Ф.YusupovaG. F.

Юсупова Гюзель Фатеховна, к. э. н., с. н. с. ИАПР

Москва 

Gyuzel F. Yusupova

Moscow

GYusupova@hse.ruНациональный исследовательский университет «Высшая школа экономики»РоссияHSE UniversityRussian Federation202502042025043454Copyright © Voprosy Ekonomiki, NP, 20252025Voprosy Ekonomiki, NPVoprosy Ekonomiki, NPhttps://www.vopreco.ru/jour/about/submissions#copyrightNoticehttps://www.vopreco.ru/jour/article/view/5310

В настоящее время в России создается информационная система, предназначенная для раскрытия картельных соглашений, в первую очередь на торгах, алгоритмизированными методами, называемыми искусственным интеллектом (ИИ). Рассмотрены возможности и ограничения использования ИИ для идентификации закупок, участники которых заключают незаконные соглашения. Охарактеризована доказательная база в делах об ограничивающих конкуренцию соглашениях на торгах в решениях ФАС России, которые были предметом судебного оспаривания в 2015—2018 гг. Обобщены результаты разработки алгоритмов, предсказывающих наличие картеля или его отсутствие в зависимости от набора параметров с учетом ex-post данных об обнаруженных картелях как в России, так и за рубежом. Обосновано три вывода. Первый: ни один алгоритм или система алгоритмов в настоящее время не обеспечивают достаточный уровень надежности. Второй: гипотетическая обучающая выборка ИИ для идентификации картелей в государственных закупках России смещена в сторону их конкретного способа (электронный аукцион) и не поможет выявить картели в закупках, проводимых иначе. Третий: признаки картелей в российских закупках во многом являются результатом изъянов используемых процедур.

An information system designed to detect collusion, primarily at auctions, using algorithmic methods called artificial intelligence (AI) is currently being created in Russia. The article is devoted to the possibilities and limitations of using AI to identify public procurement where participants engage in illegal agreements. It describes the evidence used in cases of bid rigging cartels in the court decisions regarding claims to annul decisions of the Federal Antimonopoly Service of the Russian Federation during 2015—2018. The article summarizes the results of the development of algorithms predicting collusion, depending on a certain set of parameters based on ex-post data on detected cartels both in Russia and abroad. Three conclusions are justified. First, no algorithm or system of algorithms currently provides a sufficient level of reliability. Second, the hypothetical AI training sample for identifying collusion in Russian public procurement is biased towards a specific procurement method (electronic auction) and therefore does not help predicting collusion in purchases conducted in another way. Third, the signs of cartels in Russian public procurement are largely the result of flaws in the procedures used.

антимонопольная политикакартельгосударственные закупкиискусственный интеллектantitrust policycollusionpublic procurementartificial intelligenceСтатья подготовлена в рамках проекта Центра фундаментальных исследований НИУ ВШЭ. Авторы выражают благодарность анонимному рецензенту за важные замечания, позволившие улучшить качество статьи, а также Б. С. Потанину за полезные рекомендации.ReferencesГмурман В. (2022). Теория вероятностей и математическая статистика. М.: Юрайт.Gmurman V. (2022). Probability theory and mathematical statistics. Moscow: Yurait. (In Russian).Молчанова Г. О., Рей А. И., Шагаров Д. Ю. (2020). Обнаружение признаков горизонтального сговора при государственных закупках с использованием методов машинного обучения // Экономическая наука современной России. № 1. С. 109–127. https://doi.org/10.33293/1609-1442-2020-1(88)-109-127Molchanova G. O., Rey A. I., Shagarov D. Y. (2020). Detecting indicators of horizontal collusion in public procurement with machine learning methods. Economics of Contemporary Russia, Vol. 1, pp. 109–127. (In Russian). https://doi.org/10.33293/1609-1442-2020-1(88)-109-127Шаститко А. Е. (2011). Координационные и распределительные эффекты ошибок первого и второго рода // Экономическая политика. № 1. С. 114–124.Shastitko A. E. (2011). Coordination and distribution effects of еrrors of I and II types. Ekonomicheskaya Politika, Vol. 1, pp. 114–124. (In Russian).Шаститко А. Е. (2013a). Картель: организация, стимулы, политика противодействия // Российский журнал менеджмента. Т. 11, № 4. С. 31–56.Shastitko A. E. (2013a). Cartel: Organization, incentives and deterrence policy. Russian Management Journal, Vol. 11, No. 4, pp. 31–56. (In Russian).Шаститко А. Е. (2013b). Экономические эффекты ошибок в правоприменении и право-установлении. М.: Дело.Shastitko A. E. (2013b). Economic consequences of errors in law enforcement and legal establishment. Moscow: Delo. (In Russian).Юсупова Г. Ф. (2013). Программа освобождения от наказания в антимонопольной политике: проблемы эмпирической оценки // Экономическая политика. № 6. С. 143–160.Yusupova G. F. (2013). Leniency program in antitrust: Problems of empirical estimation. Ekonomicheskaya Politika, No. 6, pp. 143–160. (In Russian).Aaltio A., Buri R., Jokelainen A., Lundberg J. (2025). Complementary bidding and cartel detection: Evidence from Nordic asphalt markets. International Journal of Industrial Organization, Vol. 98, pp. 1–38. https://doi.org/10.1016/j.ijindorg.2024.103129Aaltio A., Buri R., Jokelainen A., Lundberg J. (2025). Complementary bidding and cartel detection: Evidence from Nordic asphalt markets. International Journal of Industrial Organization, Vol. 98, pp. 1–38. https://doi.org/10.1016/j.ijindorg.2024.103129Avdasheva S., Golovanova S., Katsoulacos Y. (2019). The impact of performance measurement on the selection of enforcement targets by competition authorities: The Russian experience in an international context. Public Performance & Management Review, Vol. 42, No. 2, pp. 329–356. https://doi.org/10.1080/15309576.2018.1441036Avdasheva S., Golovanova S., Katsoulacos Y. (2019). The impact of performance measurement on the selection of enforcement targets by competition authorities: The Russian experience in an international context. Public Performance & Management Review, Vol. 42, No. 2, pp. 329–356. https://doi.org/10.1080/15309576.2018.1441036Bryant P., Eckard E. (1991). Price fixing: The probability of getting caught. Review of Economics and Statistics, Vol. 73, No. 3, pp. 531–536. https://doi.org/10.2307/2109581Bryant P., Eckard E. (1991). Price fixing: The probability of getting caught. Review of Economics and Statistics, Vol. 73, No. 3, pp. 531–536. https://doi.org/10.2307/2109581Combe E., Monnier C., Legal R. (2008). Cartels: The probability of getting caught in the European Union. Bruges European Economic Research Papers, Vol. 12. European Economic Studies Department, College of Europe.Combe E., Monnier C., Legal R. (2008). Cartels: The probability of getting caught in the European Union. Bruges European Economic Research Papers, Vol. 12. European Economic Studies Department, College of Europe.Connor J., Lande R. (2012). Cartels as rational business strategy: Crime pays. Cardozo Law Review, Vol. 34, No. 2, pp. 427–490. https://doi.org/10.2139/ssrn.1917657Connor J., Lande R. (2012). Cartels as rational business strategy: Crime pays. Cardozo Law Review, Vol. 34, No. 2, pp. 427–490. https://doi.org/10.2139/ssrn.1917657Esteves G., Figueiredo E., Veloso A., Viggiato M., Ziviani N. (2020). Understanding machine learning software defect predictions. Automated Software Engineering, Vol. 27, No. 3, pp. 369–392. https://doi.org/10.1007/s10515-020-00277-4Esteves G., Figueiredo E., Veloso A., Viggiato M., Ziviani N. (2020). Understanding machine learning software defect predictions. Automated Software Engineering, Vol. 27, No. 3, pp. 369–392. https://doi.org/10.1007/s10515-020-00277-4Huber M., Imhof D. (2019). Machine learning with screens for detecting bid-rigging cartels. International Journal of Industrial Organization, Vol. 65, pp. 277–301. https://doi.org/10.1016/j.ijindorg.2019.04.002Huber M., Imhof D. (2019). Machine learning with screens for detecting bid-rigging cartels. International Journal of Industrial Organization, Vol. 65, pp. 277–301. https://doi.org/10.1016/j.ijindorg.2019.04.002Huber M., Imhof D. (2023). A machine learning approach for flagging incomplete bid-rigging cartels. Computational Economics, Vol. 62, No. 4, pp. 1669–1720. https://doi.org/10.1007/s10614-022-10315-wHuber M., Imhof D. (2023). A machine learning approach for flagging incomplete bid-rigging cartels. Computational Economics, Vol. 62, No. 4, pp. 1669–1720. https://doi.org/10.1007/s10614-022-10315-wKlemperer P. (2000). The economic theory of auctions. Cheltenham: Edward Elgar.Klemperer P. (2000). The economic theory of auctions. Cheltenham: Edward Elgar.Klemperer P. (2002a). What really matters in auction design. Journal of Economic Perspectives, Vol. 16, No. 1, pp. 169–189. https://doi.org/10.1257/0895330027166Klemperer P. (2002a). What really matters in auction design. Journal of Economic Perspectives, Vol. 16, No. 1, pp. 169–189. https://doi.org/10.1257/0895330027166Klemperer P. (2002b). How (not) to run auctions: The European 3G telecom auctions. European Economic Review, Vol. 46, No. 4–5, pp. 829–845. https://doi.org/10.1016/S0014-2921(01)00218-5Klemperer P. (2002b). How (not) to run auctions: The European 3G telecom auctions. European Economic Review, Vol. 46, No. 4–5, pp. 829–845. https://doi.org/10.1016/S0014-2921(01)00218-5Lianos I. (ed.) (2021). Computational competition law and economics. An inception report. BRICS Competition Law&Policy Centre.Lianos I. (ed.) (2021). Computational competition law and economics. An inception report. BRICS Competition Law&Policy Centre.OECD (2022). Data screening tools in competition investigations – Background note by the Secretariat (No. DAF/COMP/WP3(2022)5). Directorate for Financial and Enterprise Affairs Competition Committee.OECD (2022). Data screening tools in competition investigations – Background note by the Secretariat (No. DAF/COMP/WP3(2022)5). Directorate for Financial and Enterprise Affairs Competition Committee.Porter R. H., Zona J. D. (1993). Detection of bid rigging in procurement auctions. Journal of Political Economy, Vol. 101, No. 3, pp. 518–538. https://doi.org/10.1086/261885Porter R. H., Zona J. D. (1993). Detection of bid rigging in procurement auctions. Journal of Political Economy, Vol. 101, No. 3, pp. 518–538. https://doi.org/10.1086/261885Sanchez-Graells A. (2019). ‘Screening for cartels’ in public procurement: Cheating at solitaire to sell fool’s gold? Journal of European Competition Law & Practice, Vol. 10, No. 4, pp. 199–211. https://doi.org/10.1093/jeclap/lpz024Sanchez-Graells A. (2019). ‘Screening for cartels’ in public procurement: Cheating at solitaire to sell fool’s gold? Journal of European Competition Law & Practice, Vol. 10, No. 4, pp. 199–211. https://doi.org/10.1093/jeclap/lpz024Silveira D., de Moraes L. B., Fiuza E. P. S., Cajueiro D. O. (2023). Who are you? Cartel detection using unlabeled data. International Journal of Industrial Organization, Vol. 88, article v102931. https://doi.org/10.1016/j.ijindorg.2023.102931Silveira D., de Moraes L. B., Fiuza E. P. S., Cajueiro D. O. (2023). Who are you? Cartel detection using unlabeled data. International Journal of Industrial Organization, Vol. 88, article v102931. https://doi.org/10.1016/j.ijindorg.2023.102931Wallimann H., Emmenegger S., Pouly M., Wegelin P. (2025). Where is the limit? Assessing the potential of algorithm-based cartel detection. Journal of Competition Law & Economics, article nhae023. https://doi.org/10.1093/joclec/nhae023.Wallimann H., Emmenegger S., Pouly M., Wegelin P. (2025). Where is the limit? Assessing the potential of algorithm-based cartel detection. Journal of Competition Law & Economics, article nhae023. https://doi.org/10.1093/joclec/nhae023.

The authors declare that there are no conflicts of interest present.