Colusão algorítmica: o novo risco antitruste da IA

Colusão algorítmica é quando dois ou mais concorrentes chegam a um resultado de preço coordenado por meio de algoritmos de precificação — com ou sem qualquer acordo humano explícito entre eles. Ela pode nascer de um software de terceiro compartilhado por concorrentes (colusão explícita disfarçada de ferramenta), ou emergir de algoritmos de aprendizado de máquina que, otimizando lucro de forma independente, aprendem sozinhos a evitar guerra de preços (colusão tácita). Este guia é para C-level, jurídico e compliance de empresas que usam ou avaliam precificação dinâmica e ferramentas de IA de pricing: você vai entender como o risco se materializa, o que a Lei 12.529/2011 já alcança mesmo sem prova de acordo, o primeiro caso do CADE sobre o tema e como estruturar o compliance concorrencial de um algoritmo de preço antes que ele vire processo administrativo.

O que é colusão algorítmica: tácita vs. explícita

Direito concorrencial sempre distinguiu dois tipos de conduta coordenada. Colusão explícita é o cartel clássico: concorrentes se comunicam e combinam preço, e a prova é o acordo em si — um e-mail, uma ata, uma gravação. Colusão tácita sempre existiu sem algoritmo: em mercados concentrados e transparentes, concorrentes alinham preço só observando e reagindo ao movimento uns dos outros, sem trocar uma palavra — e por décadas o direito concorrencial teve dificuldade de enquadrar isso como infração, por faltar a prova do "encontro de vontades".

O que muda com IA é a escala e a velocidade. Um algoritmo observa preço de concorrente, ajusta o próprio em milissegundos e — se treinado para maximizar lucro em vez de vencer no preço — pode aprender que não iniciar guerra de preço é a melhor estratégia, uma coordenação tácita alcançada sem humano ter pedido isso. A tabela resume a diferença:

Tipo	Como ocorre	Prova exigida tradicionalmente	Risco com IA
Colusão explícita	Acordo humano direto entre concorrentes sobre preço	Comunicação documentada (e-mail, reunião, mensagem)	Algoritmo vira o "mensageiro" que executa e monitora o acordo já feito por humanos
Colusão tácita	Alinhamento de conduta sem comunicação, por reação observável ao mercado	Historicamente quase impossível de punir sem prova de acordo	Algoritmos de aprendizado por reforço podem convergir para preço supracompetitivo sozinhos, sem qualquer instrução para colaborar

O ponto que interessa à diretoria: autoridades antitruste no mundo todo — CADE incluído — estão deslocando o foco da prova de intenção para o efeito econômico e o desenho do sistema. Não é mais preciso provar que alguém decidiu conluiar; basta provar que o sistema produziu esse efeito.

Os quatro modelos de colusão algorítmica

A referência mais citada para classificar o risco é o relatório da OCDE de 2017 sobre algoritmos e concorrência, com quatro cenários de autonomia crescente da máquina (OCDE, Algorithms and Collusion: Competition Policy in the Digital Age, 2017):

Modelo	O que é	Exemplo
Mensageiro	O acordo é humano; o algoritmo só executa e monitora o cumprimento	Concorrentes combinam preço numa reunião e programam bots para manter o preço combinado
Hub-and-spoke	Concorrentes usam o mesmo software de precificação de terceiro, que centraliza dado sensível e gera recomendações alinhadas	Múltiplas empresas contratam a mesma ferramenta de pricing, que aprende com o dado de todo o mercado e devolve preços coordenados a cada uma
Agente previsível	Cada empresa usa seu próprio algoritmo de forma independente, mas o comportamento reativo e transparente de todos gera alinhamento tácito	Algoritmos que reagem ao preço público do concorrente em tempo real, sem trocar dado nenhum, convergem para o mesmo patamar de preço
Máquina autônoma	Algoritmos de aprendizado por reforço descobrem sozinhos, por tentativa e erro, que evitar competição de preço maximiza lucro no longo prazo	Simulações acadêmicas mostram algoritmos de precificação chegando a preços supracompetitivos sem qualquer instrução de colaborar entre si (Calvano, Calzolari, Denicolò & Pastorello, apresentação na FTC)

Os dois primeiros modelos já são capturados por conceitos antigos do direito concorrencial — o algoritmo só automatiza um conluio que continua sendo, na essência, humano ou centralizado num terceiro. É nos dois últimos — agente previsível e máquina autônoma — que mora o desafio regulatório novo: nenhum humano decidiu conluiar, e não existe e-mail para apreender.

O caso do CADE: o software Aprix e a Intelprice

Em 8 de abril de 2026, o CADE (Conselho Administrativo de Defesa Econômica) homologou o primeiro Termo de Compromisso de Cessação (TCC) do Brasil associado a uma ferramenta de precificação automatizada — o processo administrativo nº 08700.006280/2024-60, com requerimento de TCC nº 08700.010553/2024-71, aberto contra a Intelprice Soluções de Precificação Ltda., desenvolvedora do software "Aprix" (CADE, nota oficial; Conjur, "Uso da IA na formação de preços entra de vez no radar antitruste"). O caso é do mercado de revenda de combustíveis — não do setor aéreo — e nasceu de uma investigação da Superintendência-Geral sobre um software usado por postos revendedores em diversos municípios brasileiros para sugerir preço de gasolina, etanol e diesel.

O que o Aprix fazia: usava dado público e privado, incluindo preço praticado por concorrentes compartilhado pelos próprios postos clientes da plataforma, e aplicava teoria dos jogos para prever o valor que maximizava margem — reunindo informação concorrencialmente sensível de múltiplos concorrentes num único ponto central (o padrão clássico de hub-and-spoke). O Departamento de Estudos Econômicos do CADE cruzou dado de preço da ANP (Agência Nacional do Petróleo) com informação fornecida pela própria Aprix, usando metodologia de diferenças em diferenças, e identificou aumento de preço entre R$ 0,02 e R$ 0,04 por litro de gasolina comum, etanol e diesel nos postos que adotaram a ferramenta, sem efeito significativo no GNV (ConvergenciaDigital, "CADE investiga uso de inteligência artificial para combinar preços de combustíveis"). A base legal foi o art. 36, § 3º, inciso II, da Lei 12.529/2011 — influência à adoção de conduta comercial uniforme (WebAdvocacy, "Entre a recomendação de preços e colusão algorítmica: o caso Aprix").

O TCC obrigou a Intelprice a garantir transparência e explicabilidade do modelo perante o CADE, segregar dado sensível entre clientes concorrentes, reforçar cláusulas de confidencialidade, nomear coordenador de compliance, notificar o CADE quando a participação de mercado ultrapassar 20% num município e dar ao CADE acesso ao próprio software durante a vigência do acordo (Lefosse, "O uso de algoritmos de precificação no radar do CADE"). O CADE tratou o caso como precedente — a primeira vez que a autoridade analisou, de forma estruturada, o risco de colusão algorítmica associado a uma ferramenta comercial de precificação, não a uma reunião entre concorrentes. O interesse institucional não parou aí: em 13 de agosto de 2026, o órgão promoveu um seminário dedicado a "preço dinâmico e impactos para colusão algorítmica", com a economista Andreea Cosnita-Langlais, da Universidade Paris Nanterre (CADE, convite ao seminário). O sinal para quem decide investimento em pricing dinâmico é claro: o tema entrou na agenda ativa do regulador brasileiro.

O que a Lei 12.529/2011 já alcança — mesmo sem acordo humano provado

O ponto que muda o cálculo de risco para C-level e jurídico é este: a lei brasileira de defesa da concorrência já não exige prova de intenção para caracterizar infração. O caput do art. 36 da Lei 12.529/2011 define como infração à ordem econômica os atos que tenham por objeto ou possam produzir efeitos como limitar a livre concorrência, dominar mercado relevante ou aumentar arbitrariamente lucros — independentemente de culpa, mesmo que os efeitos não sejam alcançados (Lei 12.529/2011, texto oficial). O § 3º, inciso II, complementa listando "influenciar a adoção de conduta comercial uniforme ou concertada entre concorrentes" como hipótese de infração — exatamente o dispositivo que fundamentou o caso Aprix.

Na prática, a defesa "ninguém decidiu conluiar, o algoritmo chegou lá sozinho" não afasta responsabilidade — pode até ser verdadeira e, ainda assim, irrelevante para o enquadramento legal. O que o CADE analisa é o efeito no mercado e o desenho do sistema: se a ferramenta reúne dado sensível de concorrentes, se o modelo é opaco a ponto de ninguém explicar por que recomendou aquele preço, se há incentivo estrutural para conduta uniforme — já é suficiente para abrir investigação, independentemente de haver e-mail provando conluio humano.

O risco para empresas que usam pricing dinâmico ou IA de precificação

Três perfis de empresa carregam esse risco hoje, em graus diferentes: quem desenvolve algoritmo de precificação próprio treinado com dado de concorrente (mesmo coletado por web scraping público) sem restrição contra convergência de preço; quem contrata ferramenta de precificação de terceiro compartilhada com concorrentes — o padrão hub-and-spoke do caso Aprix, onde a exposição legal atinge todos os clientes, não só o fornecedor; e quem opera em mercado concentrado e transparente com preço público em tempo real, onde o risco de colusão tácita por agente previsível existe mesmo sem ferramenta nenhuma compartilhada.

Isso não é exclusividade brasileira. Nos Estados Unidos, o Departamento de Justiça processou a RealPage — fornecedora de software de gestão de receita usado por administradoras de imóveis para precificar aluguel — alegando que a ferramenta permitia que proprietários concorrentes coordenassem preço acima do nível de mercado livre, ao processar dado de locação não público de múltiplos clientes concorrentes. O acordo, homologado em novembro de 2025, obriga a RealPage a parar de usar dado não público de concorrentes e dado de contrato ativo para treinar o algoritmo — só dado com mais de doze meses pode alimentar o modelo — e a aceitar monitor judicial (Wilson Sonsini, "DOJ Settles Its Algorithmic Price-Fixing Case Against RealPage"). O paralelo com o caso Aprix é direto: dois reguladores, dois setores diferentes, o mesmo padrão estrutural de hub-and-spoke via ferramenta de terceiro compartilhada.

Como fazer compliance concorrencial de algoritmos de precificação

O TCC da Intelprice e as práticas recomendadas por especialistas em direito concorrencial convergem para um checklist aplicável a qualquer empresa que desenvolve ou contrata pricing com IA:

1. Inventarie todo algoritmo de precificação em uso — próprio ou de terceiro — como qualquer sistema de IA de alto risco; o ponto de partida é o mesmo processo descrito em inventário de sistemas de IA (AI-BOM).
2. Audite que dado alimenta cada modelo. Nenhum algoritmo deveria receber, como input, dado não público de estratégia comercial de concorrente — inclusive quando esse dado chega via fornecedor terceiro que também atende seus concorrentes diretos.
3. Exija explicabilidade da lógica de precificação, não só do resultado — se ninguém na empresa explica por que o algoritmo chegou àquele preço, ninguém defende essa decisão numa investigação do CADE. A prática de documentar decisão automatizada é a mesma detalhada em auditoria de IA.
4. Monitore sinais de uniformidade — preço que converge de forma consistente com o de concorrentes diretos merece investigação interna antes de virar investigação externa.
5. Formalize cláusula contratual com fornecedor de precificação exigindo segregação de dado entre clientes concorrentes e direito de auditoria — o mesmo tipo de exigência detalhado em gestão de risco de fornecedores de IA.
6. Amarre isso ao programa geral de compliance de IA, com papel definido de quem responde por risco concorrencial — o programa completo está em compliance e IA, e o framework de referência que conecta decisão técnica a decisão de negócio está em framework de governança de IA.

Se sua empresa usa uma ferramenta de terceiro para precificação

O erro mais caro nesse tema é assumir que a responsabilidade é só do fornecedor do software. O caso Aprix mirou a Intelprice, mas nada impede que o CADE investigue também os postos clientes que a usaram, se houver evidência de participação consciente no padrão de conduta uniforme. Antes de contratar (ou continuar usando) uma ferramenta de precificação de terceiro, faça três perguntas diretas ao fornecedor:

• De onde vem o dado que alimenta a recomendação — só dado público, ou dado privado compartilhado por outros clientes que também são seus concorrentes diretos?
• Existe segregação técnica entre clientes concorrentes, ou o modelo é treinado de forma agregada com dado de todos os clientes de uma mesma praça?
• O fornecedor explica a lógica da recomendação caso um regulador pergunte, ou o modelo é caixa-preta mesmo para quem o vende?

Resposta vaga a qualquer uma dessas perguntas já é sinal suficiente para levar a decisão ao jurídico antes de assinar — e para revisitar contratos já em vigor com a mesma régua. Se uma decisão de preço apoiada por esse algoritmo já causou dano a terceiro, o passivo pode ir além do antitruste; o mapa de quando a empresa responde por decisão de IA está em responsabilidade civil por decisões de IA. Vale notar que colusão algorítmica é um risco de natureza distinta de outro problema comum em decisão automatizada — o de produzir resultado discriminatório contra pessoas, tratado com metodologia própria em viés algorítmico em IA; os dois merecem trilha de auditoria separada, porque respondem a lógicas jurídicas diferentes (concorrência de um lado, não discriminação do outro).

FAQ

O que é colusão algorítmica?

É o alinhamento de preço ou conduta comercial entre concorrentes, alcançado por algoritmos de precificação, com ou sem acordo humano explícito. Ocorre porque concorrentes compartilham a mesma ferramenta de terceiro (hub-and-spoke) ou porque algoritmos independentes convergem sozinhos, por otimização de lucro, para um preço supracompetitivo.

Colusão algorítmica é ilegal no Brasil mesmo sem prova de acordo entre concorrentes?

Sim. O art. 36 da Lei 12.529/2011 caracteriza infração à ordem econômica independentemente de culpa, e o § 3º, inciso II, lista "influenciar a adoção de conduta comercial uniforme ou concertada" como hipótese de infração — foi essa a base legal do caso Aprix, sem necessidade de provar reunião ou combinação humana direta entre concorrentes.

Qual foi o primeiro caso de colusão algorítmica julgado pelo CADE?

O caso do software Aprix, da Intelprice, usado por postos revendedores de combustível. O CADE homologou um Termo de Compromisso de Cessação em 8 de abril de 2026 (processo nº 08700.006280/2024-60), após identificar aumento de preço entre R$ 0,02 e R$ 0,04 por litro nos postos que adotaram a ferramenta e risco de alinhamento de conduta entre concorrentes que compartilhavam o mesmo sistema.

Qual a diferença entre colusão algorítmica e viés algorítmico?

São riscos jurídicos diferentes. Colusão algorítmica é risco de direito concorrencial — algoritmos coordenando conduta entre empresas concorrentes. Viés algorítmico é risco de direito à não discriminação — um modelo prejudicando um grupo de pessoas de forma desproporcional. Um sistema pode ter um risco sem ter o outro; ambos exigem auditoria própria.

Usar IA para precificação dinâmica é proibido no Brasil?

Não. Precificação dinâmica é prática comercial legítima e amplamente usada. O que a lei proíbe é o efeito de conduta comercial uniforme ou concertada entre concorrentes — o risco está em como o algoritmo é desenhado (que dado usa, se agrega informação de concorrentes), não no uso de IA para precificar.

Como saber se meu algoritmo de precificação tem risco de colusão?

Comece auditando três pontos: que dado alimenta o modelo (há dado não público de concorrente entrando, direta ou indiretamente?); se o modelo é compartilhado com concorrentes via o mesmo fornecedor; e se o preço final converge de forma consistente com o de concorrentes além do que a dinâmica normal de mercado explica.

Empresas que usam a mesma ferramenta de pricing de um fornecedor podem ser investigadas?

Sim. O padrão hub-and-spoke — concorrentes usando o mesmo software, que agrega dado sensível — é um dos quatro modelos de colusão algorítmica da OCDE, e tanto o caso Aprix no Brasil quanto o caso RealPage nos EUA miraram esse padrão. A responsabilidade não fica restrita ao fornecedor do software.

O que fazer se o CADE abrir investigação sobre um algoritmo de precificação da empresa?

Acionar jurídico e compliance imediatamente, preservar toda documentação técnica do modelo (dado de treinamento, lógica de decisão, histórico de recomendações) e avaliar celebrar um Termo de Compromisso de Cessação, como fez a Intelprice — costuma ser mais rápido que litigar até o fim, e sinaliza colaboração ao regulador.

Conclusão

Colusão algorítmica virou risco concreto, não hipótese acadêmica, no momento em que o CADE abriu seu primeiro caso formal sobre o tema e passou a promover seminário dedicado ao assunto no mesmo ano. Para C-level e jurídico, o recado é direto: a defesa de que "ninguém decidiu coordenar preço, o algoritmo chegou lá sozinho" não afasta responsabilidade perante a Lei 12.529/2011, que já dispensa prova de culpa. Empresas que usam ou avaliam pricing dinâmico — próprio ou de terceiro — precisam tratar compliance concorrencial de algoritmo como parte do programa geral de governança de IA, com o mesmo rigor de inventário e auditoria que já aplicam a outros sistemas de decisão automatizada. Se sua empresa quer mapear onde os algoritmos de precificação — ou qualquer outro sistema de IA — estão expostos a esse tipo de risco antes que um regulador pergunte, agende um diagnóstico gratuito com a Jetpacks — uma conversa de 30–45 minutos para mapear exposição e prioridades.