Antitruste em IA: agências adotam triagem computacional

A antiga sala de arquivos de antitruste tinha caixas, café e alguém júnior descobrindo a palavra privilégio às 2 da manhã. Essa imagem agora está desatualizada. O modelo mental mais útil é o de um regulador com dados públicos de compras governamentais, sinais públicos de preços, documentos enviados e ferramentas suficientes para perguntar primeiro sobre padrões e ler memorandos depois. Isso não é uma afirmação de que as agências compraram detectores mágicos de cartel. A McCann FitzGerald diz que autoridades de concorrência na UE e em outros lugares estão usando IA para coletar inteligência de mercado, aumentar a eficiência e melhorar a aplicação do direito antitruste. O ponto prático é mais estreito e mais incômodo: se uma conduta deixa rastros estruturados, alguém pode analisar esses rastros antes que sua carta de resposta esteja polida.

O que antitruste computacional realmente significa

O working paper de Isabella Lorenzoni para a Jean Monnet Network oferece o inventário menos teatral do novo conjunto de ferramentas. Ele descreve sistemas de mineração de texto baseados em processamento de linguagem natural, software de gestão de documentos com recursos de reconhecimento de padrões por aprendizado de máquina e ferramentas digitais de triagem em compras públicas. Tradução: as agências não estão apenas lendo e-mails e petições, elas estão construindo fluxos de trabalho capazes de agrupar documentos, detectar linguagem recorrente e sinalizar padrões de compras. Seu contrato com fornecedor não precisa de poesia aqui; precisa de auditabilidade, controles de retenção e uma explicação defensável de como decisões de preço e de participação em licitações são tomadas.

O relatório inicial sobre Direito e Economia da Concorrência Computacional da Comissão Helênica de Concorrência enquadra o mesmo desenvolvimento como parte de um movimento mais amplo em direção a ferramentas de triagem e algoritmos para detectar condutas colusivas. Isso importa porque a triagem é uma função de priorização, não um julgamento final. Um modelo pode apontar uma agência para uma licitação, um mercado ou um conjunto de empresas que merecem atenção humana. Portanto, o risco de compliance não é que um algoritmo substitua o devido processo; é que registros fracos e comunicações confusas façam uma empresa parecer mais interessante do que precisava parecer.

O fluxo de trabalho

de fiscalização está mudando antes da lei A McCann FitzGerald aponta a investigação da Comissão Europeia sobre fabricantes de pneus como um exemplo de alto perfil de aplicação antitruste assistida por IA. A Comissão suspeitou que várias empresas de pneus, incluindo a Michelin, podem ter usado comunicações públicas para sinalizar e coordenar preços de venda futuros, especialmente preços de atacado para pneus de reposição para carros e caminhões no EEE. A teoria jurídica é velha o suficiente para ter opiniões sobre aparelhos de fax. O fluxo de trabalho probatório é o que mudou.

Para as empresas, isso significa que declarações públicas não são apenas risco de comunicação; são risco de dados. Anúncios de preços, materiais para investidores, atualizações de sites, propostas em licitações e materiais de associações comerciais podem ser comparados ao longo do tempo e entre contrapartes. A McCann FitzGerald também alerta que o monitoramento preventivo e a análise mais rápida de grandes conjuntos de informações podem aumentar a supervisão de mercado, as investigações e as operações de busca e apreensão surpresa. Isso não é motivo para parar de se comunicar; é motivo para garantir que a revisão de comunicações públicas inclua advogados de concorrência antes que a frase sobre preços futuros vire problema de todos.

O Reino Unido e

a UE não estão esperando ferramentas perfeitas A Dentons diz que a Comissão Europeia e a Autoridade de Concorrência e Mercados do Reino Unido estão intensificando a fiscalização em IA, com base em anos de trabalho sobre algoritmos e mercados digitais. Isso deve ser lido de forma direta. As agências estão olhando tanto para como as empresas usam algoritmos quanto para como reguladores podem usar métodos computacionais para investigá-las. Desenvolvedores presos entre velocidade de produto e revisão jurídica devem presumir que os dois lados dessa frase agora são preocupações operacionais reais.

A versão explicativa de política pública é simples. Se seu produto afeta preços, ranqueamento, compras, correspondência, alocação ou acesso ao mercado, documente os pontos de decisão humana e as fontes de dados usadas. Se sua equipe de vendas participa de licitações, preserve a justificativa da proposta de uma forma que possa ser reconstruída sem dança interpretativa. Se seu produto de legaltech vende descoberta de documentos, análise de compras ou busca de casos para setores regulados, projete com procedência, controles de acesso e trilhas de revisão, porque o comprador pode ser uma autoridade ou uma empresa que espera escrutínio em nível de autoridade.

Agências também precisam de governança, não só

de modelos O artigo de Richard May, da Stanford Law, sobre o uso de IA generativa por autoridades de concorrência é útil porque não finge que a adoção não tem custos. Ele argumenta que autoridades precisam de uma estratégia de governança de cima para baixo, guardrails de risco, planos de escala e cooperação com outras autoridades. Essa é a versão, do lado do regulador, do memorando que empresas já recebem de advogados externos. Modelos usados para coleta de inteligência ainda precisam de limites de escopo, validação, revisão humana e registros que mostrem por que uma pista virou investigação.

O relato da CodeX, da Stanford Law, sobre o Projeto de Antitruste Computacional na OCDE mostra por que isso está se tornando institucional, não experimental. Ele diz que o projeto lançou seu quarto relatório interagências na OCDE, em Paris, em 18 de junho de 2025, reunindo reguladores, acadêmicos, profissionais e tecnólogos para discutir se o direito antitruste consegue absorver métodos computacionais sem perder garantias jurídicas. Separadamente, o relatório de adoção de Schrepel e Groza diz que a equipe do projeto Stanford Computational Antitrust convidou agências parceiras, no primeiro trimestre de 2022, a compartilhar avanços na implementação de ferramentas computacionais. As evidências da Network Law Review vindas de 25 agências antitruste apontam na mesma direção: antitruste computacional agora é uma questão de capacidade institucional das agências, não uma curiosidade de painel de conferência.

O próximo prazo de compliance não está impresso em um diário oficial. Ele chega quando um regulador consegue comparar suas propostas, documentos, declarações públicas e casos históricos mais rápido do que sua equipe consegue montar a cronologia. As empresas não precisam entrar em pânico, o que raramente é um modo de governança útil. Elas precisam, sim, tratar compliance concorrencial como governança de dados com consequências jurídicas, porque as pessoas que leem o arquivo agora podem antes pesquisá-lo, agrupá-lo e triá-lo.