COORDINAMENTO ALGORITMICO TACITO E DISEGNO DEL MERCATO ELETTRICO ITALIANO DOPO LE RIFORME

1. Introduzione

Una quota crescente delle offerte sui mercati elettrici europei non è più formulata da operatori umani ma da algoritmi: secondo analisi richiamate dall’Agenzia dell’Unione europea per la cooperazione fra i regolatori nazionali dell’energia (ACER), sulla borsa elettrica EPEX le negoziazioni eseguite con sistemi automatici sono passate dal 44 per cento dei volumi nel 2020 al 70 per cento nel 2024.[1] Negli stessi anni il mercato italiano ha cambiato regole: dal 2025 la domanda paga prezzi zonali e il bilanciamento è aperto a operatori di qualsiasi dimensione, e dall’ottobre dello stesso anno il mercato del giorno prima si svolge su intervalli di quindici minuti. L’analisi che segue riguarda la collusione tacita tra algoritmi nei mercati elettrici all’ingrosso e del bilanciamento, con particolare riferimento alle condizioni che possono favorirla e agli strumenti giuridici disponibili per contrastarla. Come si vedrà, il nodo non sembra tanto l’assenza di norme quanto la difficoltà di provarne la violazione: in un mercato come quello elettrico, il parallelismo delle offerte ammette quasi sempre una spiegazione diversa dalla concertazione, e la prova contraria dipende dalla disponibilità di informazioni sul funzionamento degli algoritmi.

 

2. Il mercato elettrico italiano prima delle riforme

Il mercato elettrico organizzato nasce con la borsa elettrica gestita dal Gestore dei mercati energetici (GME), operativa dal 2004 in attuazione del d.lgs. 16 marzo 1999, n. 79. Il suo nucleo è il mercato del giorno prima: per ogni ora del giorno successivo i produttori presentano offerte di vendita, indicando quantità e prezzo minimo, e gli acquirenti offerte di acquisto; il GME ordina le offerte e fissa il prezzo nel punto in cui domanda e offerta si incontrano. Il prezzo è uniforme, nel senso che tutte le offerte accettate ricevono il prezzo marginale della propria zona. Il territorio è infatti diviso in zone di mercato separate da vincoli di trasmissione, sicché, quando la capacità di interconnessione tra le zone si satura, i prezzi zonali divergono. Fino al 2020 le zone erano sei, affiancate da quattro poli di produzione limitati, cioè aree con pochi impianti e vincoli propri;[2] dal 2021 la configurazione è stata rivista.

Il lato della domanda seguiva una regola peculiare: mentre i produttori ricevevano il prezzo della propria zona, gli acquirenti pagavano un prezzo unico nazionale (PUN), pari alla media dei prezzi zonali ponderata per le quantità acquistate.[3] Il PUN attenuava i differenziali territoriali per i consumatori, ma toglieva alla domanda ogni segnale di prezzo locale.

Al mercato del giorno prima seguivano i mercati infragiornalieri, nei quali gli operatori correggono le proprie posizioni, e il mercato per il servizio di dispacciamento (MSD), nel quale Terna acquista le risorse necessarie per risolvere le congestioni, costituire i margini di riserva e bilanciare il sistema in tempo reale. Tre caratteristiche di questo mercato rilevano ai nostri fini. Terna vi opera come unico acquirente, e i relativi costi sono trasferiti sui consumatori attraverso la bolletta. Le offerte accettate sono remunerate al prezzo indicato da ciascun operatore (pay-as-bid), e non al prezzo marginale. La partecipazione, infine, era riservata alle unità abilitate, in larga parte grandi impianti programmabili tenuti a offrire la capacità disponibile; la domanda e le unità virtuali aggregate vi sono entrate solo con i progetti pilota avviati dal 2017.[4] La selezione delle offerte, inoltre, non segue un semplice ordine di merito: Terna risolve un problema di ottimizzazione complesso, articolato per zone, dà priorità alla risoluzione delle congestioni e non è tenuta a motivare la scelta delle singole offerte.[5] Per gli operatori, prevedere quando saranno indispensabili costituisce quindi un vantaggio informativo, che cresce con la conoscenza della rete e dei concorrenti.

Il dispacciamento italiano è inoltre di tipo centrale. È Terna a stabilire il programma di produzione di ciascun impianto, e gli operatori presentano offerte riferite a singole unità, non al complesso del proprio parco. Nella maggior parte dei paesi europei vale invece l’autodispacciamento: ogni operatore decide come utilizzare i propri impianti e comunica al gestore di rete soltanto la posizione complessiva del proprio portafoglio. Il modello centrale è dunque minoritario in Europa; oltre all’Italia lo adottano Grecia, Spagna, Polonia e Irlanda.[6] Dal 2009, infine, il GME pubblica le singole offerte presentate sui mercati a pronti a partire dal settimo giorno successivo alla seduta, mentre in precedenza l’attesa era di dodici mesi.[7]

Il fatto che i due mercati si chiudano l’uno dopo l’altro crea un incentivo preciso. Un produttore che sappia di essere indispensabile a Terna in una determinata area può rinunciare a vendere la propria energia sul mercato del giorno prima, offrendola a un prezzo troppo alto per essere accettato o non offrendola affatto: sa infatti che Terna dovrà comunque ricorrere ai suoi impianti nel mercato per il servizio di dispacciamento, dove sarà remunerato al prezzo che egli stesso ha indicato. È ciò che si definisce trattenimento di capacità, che si dice economico quando l’offerta viene presentata ma a un prezzo fuori mercato, fisico quando manca del tutto. A rafforzare questo incentivo contribuisce il criterio di remunerazione. In un’asta a prezzo uniforme, come quella del giorno prima, ogni operatore riceve il prezzo marginale indipendentemente dalla propria offerta; in un’asta in cui ciascuno è pagato al prezzo offerto, come nel dispacciamento, l’operatore deve invece stimare il prezzo più alto che verrà comunque accettato. Un meccanismo di questo tipo tende di norma a contenere i prezzi, ma incoraggia offerte strategiche, slegate dai costi effettivi di produzione.[8]

Questi incentivi non sono rimasti un’ipotesi teorica, considerato che due casi decisi dall’autorità garante della concorrenza e del mercato (AGCM), dimostrano come il trattenimento di capacità sia stato praticato nel mercato italiano: nel primo attraverso un accordo tra imprese, nel secondo attraverso un allineamento tacito tra operatori.

Il primo caso riguarda una pratica collusiva accertata in Campania.[9] Tra maggio e ottobre 2010, nelle domeniche e nei giorni festivi, le quattro unità di produzione in funzione nell’area, appartenenti a tre società, presentavano sul mercato del giorno prima offerte destinate a non essere accettate, per poi alternarsi nel mercato per il servizio di dispacciamento, dove il prezzo medio arrivava a superare di due volte e mezzo quello del giorno prima. Il cartello, sfuggito al monitoraggio del mercato, ed è emerso soltanto grazie alla denuncia di uno dei partecipanti; l’AGCM ha accertato l’esistenza di una pratica concordata e ha sanzionato le imprese coinvolte.

Il secondo caso ha riguardato l’area di Brindisi.[10] Tra aprile e giugno 2016 il principale operatore dell’area aveva trattenuto capacità sul mercato del giorno prima, aumentando così il ricorso di Terna al mercato per il servizio di dispacciamento, e un secondo operatore aveva adottato un comportamento analogo. Secondo le stime, la condotta ha contribuito ad aumentare di circa 320 milioni di euro, rispetto all’anno precedente, i costi sostenuti da Terna per il dispacciamento.[11] Poiché non risultavano comunicazioni tra le imprese, l’AGCM non ha contestato un’intesa, ma ha avviato due distinti procedimenti per abuso di posizione dominante: quello nei confronti di Enel si è chiuso con l’adozione di misure correttive, quello nei confronti di Sorgenia senza accertamento di infrazione, perché l’impresa non è stata ritenuta in posizione dominante.

Il confronto tra i due casi, l’uno fondato su un accordo esplicito, l’altro su un allineamento tacito, evidenzia alcune criticità. In Campania le imprese si erano accordate, e proprio l’esistenza di comunicazioni ha consentito all’AGCM di colpire il cartello come intesa restrittiva. A Brindisi le comunicazioni mancavano, e l’Autorità ha potuto intervenire soltanto attraverso il divieto di abuso di posizione dominante, che presuppone un’impresa dominante; per questo il secondo operatore, pur essendosi allineato, è rimasto senza sanzione. Ne discende che un coordinamento tacito tra operatori non dominanti rischia di sottrarsi a ogni divieto, ed è esattamente il tipo di coordinamento che gli algoritmi di offerta possono produrre senza alcun contatto tra le imprese. I due casi offrono anche due dati utili all’analisi economica. Il primo riguarda la probabilità di scoperta: in Campania il cartello è emerso per la denuncia di un partecipante, non per effetto del monitoraggio, sebbene le offerte fossero pubbliche. Il secondo riguarda l’entità del danno: a Brindisi circa due mesi di condotta sono stati stimati concorrere a un aumento dei costi di circa 320 milioni di euro, trasferito sui consumatori attraverso la bolletta. Una condotta con danno elevato e bassa probabilità di scoperta è il caso in cui l’analisi economica raccomanderebbe di investire nell’accertamento più che nell’aumento delle sanzioni.

 

3. Le riforme del 2025-2026

L’art. 13 del d.lgs. 8 novembre 2021, n. 210, come modificato dall’art. 19 del d.l. 9 dicembre 2023, n. 181, ha superato il prezzo unico nazionale. Dal 1° gennaio 2025 le offerte di acquisto sul mercato del giorno prima sono valorizzate ai prezzi zonali, e il GME calcola un prezzo di riferimento, il «PUN Index GME», pari alla media dei prezzi zonali ponderata per le quantità acquistate, utilizzato come indice nei contratti; un meccanismo transitorio di perequazione compensa le differenze.[12] L’obiettivo dichiarato è dare peso ai segnali di prezzo locali in un sistema con quote crescenti di fonti rinnovabili non programmabili.

La riforma più profonda riguarda il dispacciamento. Il Testo integrato del dispacciamento elettrico (TIDE), approvato dall’ARERA con delibera 345/2023/R/eel, è entrato in vigore il 1° gennaio 2025 per fasi: una fase transitoria fino al 31 gennaio 2026 e una fase di consolidamento, dal 1° febbraio 2026, con un’attuazione quasi completa.[13] Ai fini di questa analisi rilevano quattro novità. Il vecchio mercato per il servizio di dispacciamento lascia il posto all’Integrated Scheduling Process e al mercato per il bilanciamento e il ridispacciamento, sempre gestiti da Terna. La responsabilità degli sbilanciamenti è attribuita a una figura dedicata, il Balance Responsible Party.[14] Non esiste più una soglia minima di potenza per partecipare ai servizi, sicché vi possono entrare aggregatori, accumuli, unità virtuali e la stessa domanda. Il dispacciamento nazionale, infine, è coordinato con le piattaforme europee di scambio dei prodotti di bilanciamento.

Due innovazioni di matrice europea rilevano, inoltre, ai fini di questa analisi. La prima riguarda il mercato del giorno prima. I mercati nazionali non operano più in modo isolato: sono accoppiati in un’unica asta europea, risolta da un solo algoritmo che determina insieme i prezzi delle diverse zone e l’uso delle interconnessioni tra paesi. Dal giorno di consegna 1° ottobre 2025, inoltre, l’unità di negoziazione è passata da un’ora a quindici minuti in tutte le zone d’offerta.[15] Ogni giorno gli stessi operatori si confrontano quindi non più in 24 aste, ma in 96; come si vedrà nella sezione 4, questa frequenza di interazione è rilevante per il rischio di coordinamento tra algoritmi.

La seconda innovazione riguarda la disciplina del trading algoritmico. Il regolamento (UE) n. 1227/2011 sull’integrità e la trasparenza del mercato dell’energia all’ingrosso (REMIT), modificato dal regolamento (UE) 2024/1106,[16] considera algoritmico il trading in cui un programma determina automaticamente i parametri delle offerte (se presentarle, quando, a quale prezzo e per quale quantità) con un intervento umano limitato o nullo. Il nuovo art. 5 bis impone a chi lo pratica di dotarsi di sistemi e controlli del rischio efficaci, di soglie che impediscano l’invio di ordini errati e di misure per far fronte ai malfunzionamenti, e di sottoporre i propri sistemi a prove e monitoraggio. Impone inoltre di notificare l’attività all’autorità nazionale e all’ACER. L’autorità nazionale può chiedere una descrizione delle strategie algoritmiche, dei parametri e dei controlli adottati, che gli operatori devono conservare per cinque anni. Gli operatori registrati in Italia notificano direttamente all’ARERA, e la notifica vale anche nei confronti dell’ACER.[17] Dal 29 ottobre 2027, infine, le operazioni segnalate all’ACER dovranno indicare il codice identificativo dell’algoritmo utilizzato.

La diffusione del fenomeno resta tuttavia difficile da misurare. Il dato relativo alla borsa EPEX richiamato in apertura è di fonte giornalistica, e l’ACER non lo ricava dai propri archivi. Più indicativo è un altro dato: dei 21.169 operatori iscritti nel registro europeo, soltanto 671 hanno dichiarato di praticare il trading algoritmico, un numero che la stessa ACER giudica in contrasto con l’uso diffuso osservato nella sorveglianza dei mercati.[18] Per l’Italia non sono disponibili dati pubblici.

Nessuna di queste riforme è stata adottata per contrastare la collusione. Possono però attenuare i rischi della fase precedente: un numero maggiore di partecipanti al bilanciamento rende meno ristretti i mercati locali in cui erano maturati i casi di Campania e Brindisi; l’integrazione nelle piattaforme europee allarga il mercato geografico dell’energia di bilanciamento; i prezzi zonali restituiscono alla domanda i segnali locali che il PUN cancellava. Altri elementi restano invariati: la chiusura in sequenza dei mercati, il dispacciamento centrale con offerte per singola unità, la pubblicazione delle offerte dopo sette giorni. Alcuni, infine, aggiungono rischi nuovi. Con 96 aste giornaliere le interazioni tra gli stessi operatori si moltiplicano, e accumuli e aggregatori, i nuovi entranti favoriti dal TIDE, offrono per lo più attraverso software di ottimizzazione. Il risultato è un mercato più aperto, ma anche più adatto all’apprendimento reciproco tra algoritmi.

Le caratteristiche che espongono il mercato italiano non sono, peraltro, comuni a tutta l’Europa. Il mercato del giorno prima è ormai unico, ma il dispacciamento resta nazionale. In Germania e in Francia vale l’autodispacciamento; la Germania costituisce inoltre un’unica zona di prezzo con il Lussemburgo e gestisce le congestioni interne con un ridispacciamento in larga parte regolato sulla base dei costi, anziché su offerte di mercato. Ne derivano meno mercati locali ristretti e meno informazioni pubbliche riferite ai singoli impianti. La Spagna è invece il termine di confronto più vicino: condivide con l’Italia il dispacciamento centrale, e il suo mercato elettrico è stato oggetto di studi che vi hanno individuato indizi di un’alternanza tra fasi di collusione tacita e guerre di prezzo tra i principali operatori.[19]

 

4. La collusione tacita tra algoritmi

Conviene anzitutto distinguere, con la dottrina, due categorie di algoritmi. I primi eseguono la sequenza di operazioni per la quale sono stati programmati, sicché il loro esito è sempre prevedibile; vi rientrano gli algoritmi di monitoraggio, che controllano i prezzi dei concorrenti, e quelli di segnalamento, che indicano un prezzo e ne verificano l’accoglienza. I secondi, detti di autoapprendimento (self-learning), ricevono soltanto l’obiettivo da raggiungere e scelgono la strategia per tentativi, valutando gli effetti delle proprie decisioni e correggendosi. Il loro esito, osserva Manzini, «non è prevedibile ex ante, perché è determinato dal processo di auto-apprendimento che, una volta innescato, esorbita dal controllo del programmatore».[20] Gli studi di seguito ricordati riguardano questa seconda categoria.

Un algoritmo di apprendimento per rinforzo non riceve istruzioni su come comportarsi: prova strategie diverse, osserva i risultati e rafforza quelle che rendono di più. In un’asta ripetuta può così scoprire che non conviene abbassare il prezzo, perché anche gli algoritmi concorrenti hanno imparato a reagire a ogni ribasso con un ribasso. La strategia di punizione è il cuore del meccanismo: se un algoritmo abbassa il prezzo per conquistare quote, gli altri rispondono per alcuni periodi con prezzi ancora più bassi, finché il ribasso non risulta più conveniente, e poi tutti tornano al livello elevato. Nessuno ha programmato questa sequenza, che emerge perché, nelle simulazioni, è quella che massimizza il profitto nel tempo. Il risultato è un prezzo da cartello senza alcun accordo, né tra le imprese né tra i programmi.

Questo esito è stato ottenuto, in simulazione, con algoritmi relativamente semplici, che arrivano a prezzi superiori al livello concorrenziale e li sostengono con strategie di punizione apprese da soli,[21] e risultati analoghi sono stati ottenuti in contesti in cui i prezzi sono fissati in sequenza.[22] Un riscontro empirico proviene dal mercato tedesco dei carburanti, dove i margini sono aumentati soltanto nei mercati locali in cui entrambi i concorrenti avevano adottato algoritmi di prezzo.[23] La dottrina giuridica ne ha rilevato la conseguenza: il diritto antitrust colpisce l’accordo, e nella collusione tra algoritmi l’accordo manca.[24]

Le condizioni che favoriscono questo esito sono tipiche dei mercati elettrici: pochi venditori, aste che si ripetono ogni giorno con le stesse controparti, una domanda che reagisce poco al prezzo e risultati pubblicati. Gli studi specifici sono ancora pochi, ma concordi. Già alla fine degli anni Duemila è stata simulata una borsa elettrica con produttori che apprendono per rinforzo, mostrando che la forma dell’asta incide sugli esiti collusivi: il pagamento al prezzo offerto li attenua quando la domanda è bassa, mentre quando la domanda è alta la differenza scompare.[25] Altri studi hanno osservato esiti apparentemente collusivi tra algoritmi che gestiscono impianti di accumulo.[26]

Un contributo recente, condotto su un mercato elettrico simulato, aiuta a chiarire i termini del problema.[27] Gli autori hanno affidato le offerte di quattro produttori di energia a programmi che apprendono per tentativi, senza comunicare tra loro e conoscendo soltanto i propri risultati e i prezzi pubblici, e ne hanno osservato il comportamento nel corso di numerose sedute di mercato. Quando la rete presenta strozzature, i prezzi si attestano su livelli sensibilmente superiori a quelli concorrenziali. In alcuni scenari i programmi mostrano anche i tratti tipici di un’intesa tacita: reagiscono al produttore che abbassa le proprie offerte riducendo a loro volta i prezzi per un periodo limitato, per poi tornare ai livelli precedenti. In altri, invece, prezzi altrettanto elevati si spiegano con la sola posizione degli impianti nella rete, senza alcun coordinamento. Per il giurista il dato è rilevante sotto due profili: un esito analogo a quello di un cartello si produce senza alcun contatto tra le imprese, cioè senza il presupposto su cui si fonda il divieto di intese; e la prova di un simile coordinamento non può fondarsi sul livello dei prezzi, ma richiede l’analisi del comportamento nel tempo, come la reazione dei concorrenti a chi devia. Gli stessi autori, peraltro, presentano i propri risultati come un segnale d’allarme più che come una prova conclusiva.

Quattro caratteristiche, già descritte, rendono il rischio concreto nel mercato italiano. La prima è l’interazione ripetuta e frequente: le stesse unità si confrontano ogni giorno, ora su 96 periodi, nel mercato del giorno prima e poi nel bilanciamento. La seconda è la presenza di mercati locali ristretti, perché il dispacciamento centrale, con offerte riferite a singoli impianti, e i vincoli di rete creano aree in cui competono pochissime unità, come a Brindisi. La terza è la pubblicità dei dati: la pubblicazione delle offerte dopo sette giorni consente al regolatore e agli studiosi di scoprire i cartelli, ma consente anche a un algoritmo di imparare le strategie dei concorrenti, e il rapporto tra trasparenza e coordinamento è, del resto, uno dei temi ricorrenti degli studi sui mercati elettrici.[28] La quarta è la chiusura in sequenza dei due mercati: l’incentivo a trattenere capacità sul mercato del giorno prima per guadagnare nel bilanciamento esiste anche senza collusione, e un algoritmo che ottimizza su entrambi i mercati può scoprire questa strategia da solo, così come due algoritmi possono scoprirla insieme. La seconda e la terza caratteristica distinguono il modello italiano dai sistemi europei ad autodispacciamento; il problema giuridico, esaminato nella sezione successiva, si pone quindi in Italia probabilmente con una certa urgenza.

 

5. Il quadro giuridico e le sue lacune

Il primo strumento è il divieto di intese dell’art. 101 TFUE, che colpisce accordi e pratiche concordate. Per valutarne la portata rispetto agli algoritmi, la dottrina distingue tre scenari.[29] Nel primo gli algoritmi si limitano a eseguire o a rendere più efficace una collusione decisa da persone, ad esempio monitorando i prezzi dei concorrenti o automatizzando le ritorsioni: qui l’art. 101 si applica senza forzature, perché l’intesa resta imputabile alle imprese, e l’uso della tecnologia può semmai rilevare ai fini della gravità dell’infrazione. Nel secondo gli algoritmi interagiscono tra loro, scambiandosi segnali o comunicando in modo diretto, e danno luogo a forme di coordinamento funzionalmente equivalenti a un’intesa; anche in questo caso il fenomeno può essere ricondotto al divieto attraverso un’interpretazione evolutiva dell’incontro delle volontà e i principi di imputazione della condotta all’impresa.[30] Nel terzo, infine, gli algoritmi agiscono in modo autonomo ma interdipendente, adattando le proprie decisioni alle mosse dei concorrenti senza accordi, scambi di informazioni o contatti rilevanti tra le imprese: è la collusione tacita algoritmica, che resta allo stato, come la collusione tacita tradizionale, fuori dall’ambito dell’art. 101.

Il confine tra gli scenari dipende dalla nozione di pratica concordata, che la giurisprudenza intende in senso ampio. Essa non richiede una manifestazione di volontà reciproca né un vero e proprio piano, ma si realizza attraverso contatti, diretti o indiretti, idonei a influenzare la condotta dei concorrenti o a rivelare la propria; la giurisprudenza amministrativa la descrive come una fattispecie «strumentale operante sul piano probatorio» in funzione dell’accertamento di un’intesa vietata.[31] Al tempo stesso, la giurisprudenza riconosce a ogni impresa il diritto di adattarsi in modo intelligente al comportamento, attuale o previsto, dei concorrenti. La dottrina discute da tempo se questa impostazione sia adeguata ai mercati oligopolistici: alcuni autori ritengono che la collusione tacita, in quanto scelta volontaria e razionale delle imprese, debba essere trattata alla stregua di un accordo, altri che non si possa vietare a un’impresa di tenere conto dei concorrenti.[32] Gli algoritmi rendono la questione più acuta, perché rendono la collusione tacita più rapida e più stabile, e possibile anche in mercati che non presentano le caratteristiche classiche dell’oligopolio.[33]

La Corte di giustizia ha esteso la nozione di pratica concordata a un messaggio inviato, attraverso il sistema di una piattaforma comune, a tutte le agenzie di viaggio che la utilizzavano, presumendo che ne fossero a conoscenza.[34] Secondo la dottrina, applicata agli algoritmi di monitoraggio questa giurisprudenza comporta una presunzione iuris tantum di partecipazione a una pratica concordata, tramite assenso tacito, di ciascuna impresa che aderisca a un sistema che impiega tali algoritmi per condizionare i prezzi.[35] In quel caso, però, esisteva un veicolo comune, imposto dall’alto; con algoritmi distinti, sviluppati da imprese diverse e addestrati sui dati pubblici del mercato, manca anche questo. Le linee guida della Commissione sugli accordi di cooperazione orizzontale adottano un’impostazione coerente: avvertono che gli algoritmi possono diventare uno strumento di collusione, ma presumono lecito l’uso indipendente di un algoritmo basato su dati pubblici.[36] Nel luglio 2025 la Commissione ha annunciato diverse indagini sui prezzi algoritmici, senza indicarne i settori; per quanto noto, nessuna riguarda i mercati elettrici.[37]

Altri due filoni meritano attenzione. Per la Corte basta anche un solo contatto tra concorrenti, se idoneo a eliminare l’incertezza sul loro comportamento futuro.[38] La Commissione ha poi ritenuto che annunci pubblici di aumenti di prezzo, privi di utilità per i clienti, potessero funzionare come segnali tra concorrenti, e ha chiuso il procedimento accettando gli impegni delle imprese.[39] Le offerte pubblicate dal GME non sono annunci rivolti ai concorrenti, ma ne condividono un tratto: rendono osservabile la condotta altrui.

Su questo terreno si colloca la tesi, sostenuta nella dottrina italiana, secondo cui gli algoritmi di segnalamento integrano una pratica concordata. Un algoritmo che indica ripetutamente un prezzo, osserva le reazioni dei concorrenti e lo conferma o lo modifica a seconda che essi si allineino o no «mette in comunicazione virtuale ma effettiva le imprese, le quali in tal modo riescono a raggiungere un vero e proprio “meetings of minds”».[40] L’adeguamento dei concorrenti è formalmente una reazione autonoma, ma nella sostanza, poiché segue indicazioni di prezzo rese intelligibili dalla loro costante ripetizione, rappresenta «l’accettazione di una proposta», e quindi la conclusione di un’intesa. La condotta sarebbe assimilabile alla partecipazione tacita a un cartello, come la presenza passiva alle riunioni in cui si concordano i prezzi, che la Corte di giustizia considera fonte di responsabilità quando l’impresa non se ne distanzia pubblicamente.[41] La stessa dottrina esclude invece di estendere l’art. 101 a ogni allineamento autonomo in un contesto di interdipendenza, perché renderebbe incerto il confine tra condotte lecite e illecite.[42]

La tesi deve fare i conti con un precedente di segno contrario. Nella sentenza sulla pasta di legno, la Corte di giustizia aveva escluso che gli annunci di prezzo rivolti agli utilizzatori costituissero una pratica concordata, perché, nel momento in cui ciascuna impresa li effettua, non può essere sicura del comportamento futuro delle altre, e gli annunci non riducono quindi l’incertezza reciproca.[43] La prassi più recente ha però ridimensionato quel precedente. Le linee guida della Commissione del 2023 ammettono che anche una divulgazione unilaterale o uno scambio indiretto di informazioni possa costituire una pratica concordata, e che le informazioni possano circolare indirettamente tramite terzi, tra i quali menzionano espressamente «un algoritmo»; avvertono inoltre che gli annunci pubblici sulle intenzioni future di prezzo, soprattutto in mercati con pochi concorrenti e forti barriere all’ingresso, possono servire ad attuare o a monitorare un accordo collusivo.[44]

Un’applicazione recente viene, nel settore energetico, dalla giurisprudenza italiana. Nel caso della «componente bio» dei carburanti, cioè della parte del prezzo che copre gli obblighi di miscelazione dei biocarburanti, l’AGCM ha accertato una pratica concordata tra le principali compagnie petrolifere: una di esse annunciava su una rivista di settore il valore della propria componente bio e i successivi aumenti, e le altre vi si allineavano, con una convergenza pressoché perfetta tra il 2020 e il 2023. Il TAR del Lazio ha confermato il provvedimento, ritenendo che gli annunci, uniti all’allineamento e al monitoraggio reciproco, avessero creato una trasparenza «artificiosa», utile a verificare l’adesione al cartello, e che il mancato distanziamento pubblico delle imprese dagli annunci dovesse essere letto come accettazione.[45] Il caso conferma, in un mercato con un prodotto omogeneo e pochi operatori, la logica che la dottrina riferisce agli algoritmi di segnalamento: un segnale pubblico ripetuto, seguito da un adeguamento coerente dei concorrenti, può valere come contatto indiretto.

Nel mercato elettrico la tesi trova almeno due possibili campi di applicazione. Il primo sono i mercati infragiornalieri a negoziazione continua, nei quali le offerte sono visibili agli operatori mentre la negoziazione è in corso. Il secondo sono il mercato del giorno prima e quello del dispacciamento, nei quali le singole offerte diventano pubbliche dopo sette giorni: segnali differiti, ma ripetuti ogni giorno per ciascun periodo di negoziazione. In entrambi i casi la pubblicità delle offerte, oltre a fornire agli algoritmi materiale di apprendimento, potrebbe costituire il canale dei «contatti indiretti» su cui si fonda la pratica concordata. Ciò che nel caso della componente bio passava per una rivista di settore potrebbe, nel mercato elettrico, passare per i dati pubblicati dal GME e per gli algoritmi che li elaborano.

Per gli algoritmi di autoapprendimento il discorso cambia. Essi non sono programmati per inviare segnali e attenderne la risposta, ma si limitano ad analizzare le offerte dei concorrenti e a reagirvi, sicché, secondo la stessa dottrina, «è difficile scorgere spazi di applicazione dell’art. 101».[46] Il criterio decisivo diventa allora quello enunciato dalla Corte di giustizia nel caso della pasta di legno e recepito dalla giurisprudenza amministrativa italiana: il parallelismo dei comportamenti può essere considerato prova di una concertazione soltanto qualora la concertazione ne costituisca l’unica spiegazione plausibile, perché l’art. 101 TFUE non esclude il diritto degli operatori economici di reagire intelligentemente al comportamento noto o presunto dei concorrenti. Occorre quindi accertare se il parallelismo possa spiegarsi altrimenti, tenuto conto della natura dei prodotti, del numero e della dimensione delle imprese e del volume del mercato.[47]

Applicato al mercato elettrico, il criterio produce un esito paradossale. Le caratteristiche che rendono probabile la collusione tacita, cioè un prodotto perfettamente omogeneo, pochi operatori nelle aree soggette a vincoli di rete e una domanda che reagisce poco al prezzo, sono le stesse che offrono una spiegazione alternativa al parallelismo: in un mercato così strutturato, l’allineamento delle offerte può sempre essere presentato come una reazione razionale alle sue condizioni. Con gli algoritmi il paradosso si accentua. Un programma costruito per massimizzare il profitto e capace di apprendere dalle offerte pubblicate dei concorrenti offre, per sua natura, proprio quella spiegazione alternativa; se il solo parallelismo fosse la prova disponibile, la collusione tacita tra algoritmi resterebbe quasi sempre indimostrabile.

La stessa giurisprudenza indica tuttavia una via d’uscita. Le spiegazioni alternative alla concertazione devono essere esaminate non nella loro astratta plausibilità, ma nel contesto concreto e nel confronto con la documentazione acquisita, e cessano di essere attendibili quando i documenti coevi ai fatti le smentiscono; gli studi predisposti a posteriori non hanno, del resto, la stessa forza probatoria.[48] Nel caso degli algoritmi, i documenti coevi sono il codice, gli obiettivi assegnati al programma, i dati con cui è stato addestrato e le registrazioni delle singole offerte: proprio le informazioni capaci di confermare o di escludere che l’algoritmo si sia limitato ad adattarsi al mercato. La disponibilità di questa documentazione diventa così la condizione perché il criterio dell’unica spiegazione plausibile possa essere applicato, ed è su di essa che si fondano le linee di intervento indicate nella sezione 7.

La giurisprudenza amministrativa italiana mostra peraltro una tendenza ad attenuare il rigore del criterio. Il Consiglio di Stato ha oscillato tra l’esigenza che l’ipotesi accusatoria sia l’unica in grado di spiegare gli elementi raccolti, o almeno la più attendibile rispetto ad alternative prive di riscontro, e la sufficienza di indizi gravi, precisi e concordanti valutati nel loro insieme.[49] Nel caso della componente bio il TAR del Lazio si è spinto oltre, affermando che, quando l’Autorità dimostra un comportamento economico anomalo, come l’uniformità e il parallelismo delle condotte, «è consentito presumere l’esistenza di una concertazione, ponendo a carico delle imprese l’onere di fornire una spiegazione alternativa e plausibile».[50] La formula è più severa di quella della giurisprudenza europea, secondo cui, quando l’autorità si fonda sul solo parallelismo, spetta ad essa escludere le spiegazioni alternative, e va letta alla luce del caso concreto, nel quale l’Autorità disponeva anche di contatti e di comunicazioni interne. Per la collusione tra algoritmi, tuttavia, è proprio la ripartizione dell’onere della prova a decidere l’esito: un regime che la sposti sulle imprese soltanto quando la documentazione degli algoritmi manca o ne rivela il carattere collusivo, come quello prospettato nella sezione 7, appare più compatibile con la presunzione di innocenza.

Il divieto di abuso di posizione dominante dell’art. 102 TFUE, seguito nel caso di Brindisi, presuppone a sua volta una posizione dominante. In un mercato con più operatori resta la nozione di posizione dominante collettiva, che il Tribunale ha subordinato a tre condizioni: una trasparenza sufficiente a conoscere la condotta altrui, un meccanismo di ritorsione che renda instabile la deviazione e l’assenza di reazioni di concorrenti e clienti capaci di rimettere in discussione il risultato.[51] Un mercato di aste ripetute, con offerte pubblicate e algoritmi che puniscono i ribassi, soddisfa le prime due condizioni quasi per definizione. Il limite sta altrove: accertata la posizione collettiva, serve un abuso, e l’abuso tipico di un oligopolio tacito è il prezzo eccessivo, una fattispecie che la giurisprudenza applica con grande prudenza.[52]

Proprio su questo terreno la dottrina individua la via più promettente per la collusione tacita tra algoritmi di autoapprendimento. Il loro impiego diffuso in un mercato potrebbe costituire uno dei «fattori di correlazione» che, secondo la Corte di giustizia, consentono a imprese giuridicamente indipendenti di prevedere i rispettivi comportamenti e le inducono ad allinearli, così da costituire una posizione dominante collettiva; e poiché gli algoritmi accrescono la trasparenza anche di mercati con molti operatori, la posizione collettiva potrebbe configurarsi anche fuori da una struttura oligopolistica in senso stretto.[53] Resta da provare l’abuso. Nel settore elettrico, tuttavia, l’abuso non coincide necessariamente con il prezzo eccessivo: il trattenimento di capacità è stato contestato come possibile abuso di posizione dominante nel mercato elettrico tedesco, in un procedimento chiuso con impegni,[54] ed è una condotta più facilmente osservabile, nei dati di offerta, di quanto non sia un prezzo superiore al livello concorrenziale. Le aree con pochi impianti, come quella di Brindisi, sono così il terreno naturale di un’applicazione dell’art. 102 alla collusione tacita tra algoritmi. Restano infine gli strumenti con cui il diritto della concorrenza affronta tradizionalmente la collusione tacita in via preventiva, come il controllo delle concentrazioni, che valuta il rischio di effetti coordinati tra le imprese che restano sul mercato.[55]

Il REMIT offre la base giuridica più vicina al problema. Il regolamento vieta la manipolazione del mercato (art. 5) e vi comprende le operazioni che fissano o tentano di fissare il prezzo di un prodotto energetico all’ingrosso a un livello artificiale, salvo che l’autore dimostri di aver agito per ragioni legittime (art. 2, n. 2). Gli orientamenti dell’ACER vi riconducono il trattenimento di capacità, distinguendo quello fisico, che consiste nel non offrire capacità disponibile, da quello economico, che consiste nell’offrirla a prezzi tanto alti da non essere selezionata.[56] Il secondo è proprio la condotta che un algoritmo può apprendere: non richiede di nascondere nulla, ma solo di alzare le offerte quando conviene. A differenza del divieto di intese, la fattispecie non richiede un accordo e, a differenza del modello statunitense esaminato più avanti, non è costruita sull’inganno.

Restano però due difficoltà. La prima è dimostrare che il prezzo è artificiale quando ogni offerta, presa da sola, è una risposta razionale alle condizioni del mercato. La seconda riguarda l’imputazione: il risultato nasce dall’interazione di più algoritmi, mentre la norma ragiona per condotte individuali. L’art. 5 bis non colma la lacuna, perché disciplina l’ordinato svolgimento delle negoziazioni e non il loro esito. Sul piano applicativo, il REMIT rimette agli Stati membri la disciplina delle sanzioni, che devono essere effettive, dissuasive e proporzionate (art. 18), e in Italia la competenza spetta all’ARERA; né la norma europea né quella nazionale prevedono, tuttavia, un regime probatorio specifico per le condotte realizzate attraverso algoritmi.

Il quadro istituzionale aggiunge un’ulteriore difficoltà. L’AGCM applica gli artt. 101 e 102 TFUE e la l. 10 ottobre 1990, n. 287; l’ARERA applica il REMIT e regola il dispacciamento; il GME sorveglia i mercati che gestisce; Terna scrive, con l’approvazione dell’ARERA, le regole del bilanciamento. La collusione tacita tra algoritmi cade nel punto d’incontro di queste competenze: troppo poco concertata per l’antitrust, troppo poco individuale per il REMIT, troppo sofisticata per i controlli di conformità sulle singole offerte.

Ci si potrebbe chiedere se il regolamento (UE) 2024/1689 sull’intelligenza artificiale possa colmare, almeno in parte, questa lacuna.[57] La risposta sembra negativa, per una ragione legata alla stessa logica del regolamento, che distingue i sistemi di intelligenza artificiale in base al rischio che presentano e riserva gli obblighi più incisivi a quelli classificati «ad alto rischio». Per il settore elettrico, l’allegato III, punto 2, include in questa categoria i sistemi destinati a essere usati come componenti di sicurezza nella gestione e nel funzionamento della fornitura di elettricità, vale a dire i sistemi il cui malfunzionamento potrebbe compromettere l’integrità fisica della rete e la continuità del servizio. La norma tutela, dunque, la sicurezza del sistema elettrico, non il corretto funzionamento della concorrenza. Un algoritmo che formula offerte sul mercato non governa il funzionamento fisico della rete: un suo errore può tradursi in una perdita economica per l’impresa o in un prezzo più alto per i consumatori, ma non in un pericolo per la sicurezza dell’approvvigionamento. È quindi ragionevole ritenere che, di regola, resti fuori dalla categoria dei sistemi ad alto rischio, anche se sul punto mancano, allo stato, precedenti e indicazioni ufficiali.

Ne consegue che agli algoritmi di offerta non si applicano gli obblighi che il regolamento prevede per i sistemi ad alto rischio, tra i quali la redazione di una documentazione tecnica che descriva il funzionamento del sistema e i dati utilizzati per svilupparlo (art. 11) e la registrazione automatica degli eventi durante il suo impiego (art. 12). Eppure sono proprio queste le informazioni di cui un’autorità avrebbe più bisogno per accertare un coordinamento tra algoritmi: sapere che cosa il programma osserva quando decide, con quali dati è stato addestrato, quali offerte ha formulato e sulla base di quali elementi. Già nel 2017 il Parlamento europeo aveva auspicato che i sistemi più avanzati fossero dotati di una «scatola nera» capace di registrare i dati di ogni operazione e i passaggi logici delle loro decisioni.[58]

 

6. L’analisi economica delle possibili risposte

Individuata la lacuna, occorre chiedersi quale risposta sia preferibile. L’analisi economica del diritto offre a questo scopo due criteri, che conviene enunciare prima di esaminare le singole opzioni. Il primo riguarda l’informazione di cui ha bisogno chi deve applicare la regola: una norma che chiede al giudice o all’autorità di stabilire, caso per caso, quale comportamento fosse dovuto funziona bene se quell’informazione è facile da ottenere, ma diventa costosa e soggetta a errori quando non lo è. Il secondo criterio riguarda il soggetto che può evitare il danno con il minor sacrificio: secondo un’impostazione ormai classica, è su di lui che conviene concentrare obblighi e responsabilità, perché è lui che può prevenire il danno nel modo più economico.[59]

Questi criteri orientano due scelte che ricorrono in ogni disciplina dei comportamenti dannosi. La prima è tra responsabilità e regolazione preventiva. Si può intervenire dopo che il danno si è prodotto, attribuendone il costo a chi lo ha causato, oppure prima, fissando regole di condotta il cui rispetto è controllato da un’autorità: la prima soluzione è preferibile quando chi agisce conosce i rischi della propria attività meglio dell’autorità, la seconda quando il danno è difficile da accertare a posteriori o chi lo causa potrebbe non essere in grado di risarcirlo.[60] La seconda scelta è tra regole precise e clausole generali. Una regola precisa, come un limite di velocità, richiede impegno a chi la scrive ma è semplice da applicare; una clausola generale, come l’obbligo di guidare con prudenza, è semplice da scrivere ma impone ogni volta una valutazione del caso concreto. Le regole precise convengono quando i comportamenti da disciplinare sono numerosi e simili tra loro, le clausole generali quando sono rari e diversi.[61] Alla luce di questi criteri si esaminano di seguito tre risposte possibili: la responsabilità dell’impresa che impiega l’algoritmo, le regole di disegno del mercato e la sorveglianza algoritmica da parte del regolatore.

a) La responsabilità di chi impiega l’algoritmo

La prima risposta consiste nell’imputare il risultato collusivo all’impresa che utilizza l’algoritmo, e può assumere due forme, ciascuna con una difficoltà propria. Con un criterio di colpa, il giudice o l’autorità dovrebbero stabilire quale cura l’impresa avrebbe dovuto adottare nella progettazione e nell’addestramento del programma: un’informazione che oggi nessuno possiede, perché non esistono standard condivisi su come debba essere costruito un algoritmo di offerta «diligente». Con una responsabilità oggettiva, che prescinde dalla colpa e guarda soltanto al risultato, l’impresa sopporterebbe il costo del danno che il proprio algoritmo contribuisce a produrre, e avrebbe perciò interesse a prevenirlo. Per misurare quel danno, però, occorre sapere a quale prezzo il mercato si sarebbe attestato in condizioni di concorrenza, e quel prezzo, per definizione, non si osserva: va stimato, con tutte le incertezze che ne derivano. In questa direzione si muove la proposta di una «visibilità degli esiti», secondo cui le imprese che beneficiano dell’impiego di sistemi automatizzati dovrebbero rispondere degli esiti che tali sistemi generano, indipendentemente dalla loro riconducibilità a un coordinamento in senso tradizionale.[62]

Sul piano dell’imputazione, peraltro, il diritto della concorrenza vigente offre un punto fermo. L’impresa che impiega un algoritmo di autoapprendimento capace di perseguire un equilibrio di prezzi superiore a quello concorrenziale, secondo Manzini, «si assume e accetta consapevolmente il rischio che il software impiegato violi il diritto antitrust», né può invocare l’imprevedibilità delle sue scelte, perché potrebbe chiedere al programmatore di escludere le opzioni collusive o, se ciò non fosse possibile, rinunciare a utilizzarlo.[63] Al rapporto tra impresa e algoritmo si applicherebbe, per analogia, la disciplina tra preponente e agente commerciale, che fa dei due un’unica entità economica responsabile dell’infrazione, sicché il «velo dell’algoritmo» risulterebbe, allo stato, «innegabilmente perforabile».[64] Il problema, in questa prospettiva, non è tanto a chi imputare l’illecito, quanto se un illecito vi sia e come provarlo.

La difficoltà del criterio di colpa potrebbe essere in parte superata stabilendo in anticipo che cosa la diligenza richieda. Prima di impiegare un algoritmo, l’impresa potrebbe essere tenuta a sottoporlo a prove in un mercato simulato, nel quale interagisce con altri algoritmi, sul modello degli esperimenti ricordati nella sezione 4, per verificare che non tenda a convergere su prezzi superiori al livello concorrenziale; durante l’impiego, potrebbe essere tenuta a conservare le informazioni su cui si fonda ogni offerta. La colpa consisterebbe allora nell’omissione di prove e registrazioni verificabili, e non in un giudizio, assai più incerto, sulla correttezza del modello. In una direzione analoga va la proposta di imporre per legge di programmare gli algoritmi in modo da impedire loro di fissare prezzi oligopolistici («algorithms by design»).[65]

Resta però un problema più profondo, che riguarda gli incentivi più che l’imputazione. Quando l’esito collusivo nasce dall’interazione di più algoritmi, nessuno di essi, preso da solo, ne è la causa. L’analisi economica conosce questo problema come quello del danno prodotto congiuntamente da più soggetti: se ciascuno risponde soltanto di una quota del danno, ciascuno ha un incentivo insufficiente a prendere le precauzioni necessarie, e nessuna regola che si limiti a ripartire il danno tra i responsabili riesce a correggere questa distorsione.[66] A ciò si aggiunge il rischio opposto, quello di un regime troppo severo: gli stessi algoritmi che possono favorire la collusione migliorano anche le previsioni e la flessibilità del sistema elettrico, e una responsabilità troppo estesa potrebbe indurre le imprese a rinunciarvi, sacrificando benefici reali. Per evitare entrambi gli inconvenienti, una parte della dottrina propone di colpire non il risultato, ma alcune caratteristiche dell’algoritmo, come la capacità di condizionare le proprie offerte alle mosse dei concorrenti per «punire» chi abbassa i prezzi.[67]

b) Il disegno del mercato

La seconda risposta non guarda alle singole imprese, ma alle regole del mercato. Il suo vantaggio è evidente: vale per tutti gli operatori e non richiede di stabilire chi abbia fatto che cosa. Gli strumenti sono noti dall’esperienza dei mercati elettrici. Si possono fissare tetti alle offerte; si può prevedere che, quando un operatore è indispensabile per soddisfare la domanda in una certa area, le sue offerte superiori a un valore di riferimento fondato sui costi siano automaticamente sostituite con quel valore; si possono ritardare o aggregare i dati pubblicati sulle offerte; si possono, infine, acquistare energia e servizi di bilanciamento in un unico mercato, eliminando così l’incentivo a trattenere capacità nell’uno per guadagnare nell’altro.

Ciascuno di questi strumenti ha però un costo. La sostituzione automatica delle offerte presuppone che il regolatore conosca i costi di ciascun impianto e li aggiorni nel tempo: un’informazione onerosa da raccogliere, la cui stima errata può comprimere prezzi che sarebbero legittimamente alti nei periodi di scarsità. L’acquisto congiunto di energia e servizi richiederebbe una riforma strutturale, lontana dal modello europeo. Quanto alla trasparenza, ridurla ostacola l’apprendimento degli algoritmi, ma rende più difficile anche la scoperta dei cartelli e la valutazione del mercato da parte di chi intende entrarvi.

Su quest’ultimo punto esiste tuttavia un margine di intervento. Gli studi sui mercati elettrici esaminano quali informazioni orientino le decisioni d’offerta degli operatori, e ne confermano il peso.[68] Il ritardo di sette giorni con cui il GME pubblica le offerte non è un dato naturale, ma una scelta regolatoria: allungarlo, o pubblicare soltanto dati aggregati per i mercati locali in cui operano pochissime unità, ridurrebbe le informazioni a disposizione degli algoritmi senza privare il regolatore dei dati completi, che continuerebbe a ricevere in forma riservata. La scelta ha anche un rilievo giuridico: se le offerte pubblicate possono funzionare da segnali tra algoritmi, il modo in cui sono rese pubbliche incide sulla possibilità stessa che si stabiliscano i «contatti indiretti» su cui si fonda la pratica concordata (sezione 5).

c) La sorveglianza algoritmica

La terza risposta usa l’intelligenza artificiale contro sé stessa: invece di disciplinare gli algoritmi che offrono, affida a un algoritmo il compito di sorvegliarli. Uno studio recente ha applicato tecniche di apprendimento automatico ai dati pubblici del GME relativi ai casi di Campania e Brindisi, riuscendo a distinguere le sessioni di mercato collusive da quelle concorrenziali in circa il 97 per cento dei casi, con una quota di falsi allarmi inferiore al 6 per cento e una quota di collusioni non individuate inferiore al 2 per cento.[69] Gli autori presentano il risultato come una prova di fattibilità, ottenuta su due soli casi e dunque bisognosa di conferme su dati più ampi.

Il vantaggio della sorveglianza si comprende alla luce di un argomento classico dell’analisi economica. Un’impresa razionale si astiene da una condotta illecita quando la sanzione che si attende di subire supera il guadagno che ne ricaverebbe, e quella sanzione attesa dipende non solo dall’importo della sanzione, ma anche dalla probabilità di essere scoperti.[70] Se la probabilità di scoperta è bassa, come suggerisce il caso Campania, in cui il cartello è emerso solo grazie alla denuncia di un partecipante, per ottenere un effetto dissuasivo occorrerebbero sanzioni molto elevate, che il diritto europeo e quello nazionale limitano per ragioni di proporzionalità. Aumentare la probabilità di scoperta attraverso la sorveglianza algoritmica consente invece di ottenere lo stesso effetto con sanzioni contenute.

Sul piano giuridico, tuttavia, una segnalazione statistica non equivale a una prova. Può giustificare una richiesta di informazioni o un’ispezione, non una decisione sanzionatoria, e deve poter essere spiegata all’impresa interessata, il che richiede metodi comprensibili e verificabili. Può però concorrere, come indizio, al quadro complessivo sul quale la giurisprudenza ammette che si fondi la prova della concertazione, che nella maggior parte dei casi «deve essere inferita da un certo numero di coincidenze e di indizi» e va valutato secondo un canone di «congruenza narrativa».[71] Gli strumenti statistici, del resto, sono già entrati nel giudizio: nel caso della componente bio il TAR del Lazio ha calcolato da sé i coefficienti di correlazione tra gli aumenti di prezzo delle imprese e li ha considerati un «decisivo avallo» del parallelismo.[72] L’esempio mostra anche il rischio opposto: in presenza di uno shock di costo comune, come l’aumento di un obbligo normativo, una correlazione elevata può essere del tutto naturale, ed è per questo che servono indicatori capaci di distinguere il coordinamento dalla reazione comune a un evento esterno. Occorre inoltre tener conto degli errori che ogni strumento di questo tipo inevitabilmente commette: può segnalare come collusive sessioni che non lo sono, con costi per le imprese indagate e per l’autorità, oppure lasciar passare sessioni collusive, con costi per i consumatori. Nei dati dello studio citato entrambi gli errori sono contenuti, ma si tratta di due casi in cui la collusione era frequente; in un mercato in cui è rara, anche una percentuale bassa di falsi allarmi può produrre molte segnalazioni infondate rispetto a quelle fondate, per la semplice ragione che le sessioni concorrenziali sono molto più numerose. La segnalazione deve quindi aprire una fase di verifica, non chiuderla.

d) Chi impiega l’algoritmo e chi lo fornisce

La scelta della risposta dipende, infine, da chi controlla effettivamente l’algoritmo. Molti operatori, soprattutto tra i nuovi entranti, non sviluppano in proprio i programmi di offerta, ma si rivolgono a fornitori specializzati; la stessa ACER include tra gli algoritmi soggetti a notifica quelli forniti da terzi.[73] Questi programmi sono di norma adattati alle esigenze del singolo cliente, ma l’adattamento riguarda per lo più i parametri, come le caratteristiche degli impianti o la propensione al rischio, mentre la logica con cui il programma osserva il mercato e reagisce ai suoi segnali tende a restare comune.

Quando più concorrenti si affidano allo stesso fornitore, il rischio di coordinamento può crescere per tre ragioni. Algoritmi che reagiscono allo stesso modo agli stessi segnali diventano più prevedibili gli uni per gli altri. Il fornitore potrebbe addestrare o perfezionare i propri modelli con i dati di tutti i clienti, comprese informazioni che i concorrenti non potrebbero altrimenti conoscere. E, se il suo compenso dipende dai risultati dei clienti, ha interesse a che nessuno di essi competa in modo troppo aggressivo. Gli studi economici mostrano che, in queste condizioni, un fornitore comune può contribuire a innalzare i prezzi anche in assenza di un accordo tra i clienti,[74] secondo uno scenario che, in forme diverse, è emerso nel caso della piattaforma comune esaminato dalla Corte di giustizia in Eturas e in quelli dei software di prezzo condivisi discussi negli Stati Uniti (sezione 7). Se invece il programma è davvero costruito su misura e i dati dei clienti restano separati, il caso torna a essere quello degli algoritmi indipendenti esaminato in precedenza; quale delle due ipotesi prevalga nel mercato italiano è una questione di fatto, che dipende dal grado di concentrazione dei fornitori e dalle loro pratiche contrattuali. Una parte della dottrina ha giudicato «inverosimile» che più imprese adottino, con decisioni autonome, lo stesso software di determinazione dei prezzi;[75] nei mercati energetici, tuttavia, il ricorso a fornitori esterni di algoritmi di negoziazione è un fenomeno censito dalla stessa ACER, sicché l’ipotesi non appare remota.

Quando il coordinamento passa per un fornitore comune cambia anche il soggetto su cui conviene far gravare gli obblighi. Il criterio richiamato all’inizio di questa sezione suggerisce di concentrarli su chi può prevenire il danno con il minor sacrificio, e qui quel soggetto è il fornitore: è lui che conosce il funzionamento del programma, che decide come vengono utilizzati i dati raccolti presso i clienti e che può impedire che le informazioni dell’uno servano a formulare le offerte dell’altro, mentre l’impresa che si limita a impiegare il software ha sul modello un controllo limitato e spesso non ne conosce i dettagli. L’impostazione non è nuova: il regolamento sull’intelligenza artificiale ripartisce gli obblighi proprio distinguendo tra chi fornisce un sistema e chi lo utilizza.[76] Il diritto della concorrenza vigente conferma l’utilità di questa distinzione, ma ne mostra anche il limite. Secondo la Corte di giustizia, un’impresa risponde di una pratica concordata realizzata attraverso un fornitore di servizi indipendente soltanto se era a conoscenza dei suoi obiettivi anticoncorrenziali o poteva ragionevolmente prevederli;[77] il fornitore, a sua volta, può essere chiamato a rispondere come facilitatore di un’intesa anche se non opera sul mercato interessato,[78] ma solo se un’intesa tra i clienti esiste. La dottrina ha tradotto questa giurisprudenza in un test articolato in tre parti: il fornitore risponde se era a conoscenza delle condotte illecite delle imprese o poteva ragionevolmente prevederle accettandone il rischio, se intendeva contribuire ai loro obiettivi comuni e se vi ha contribuito in modo rilevante e non accessorio; e chi fornisce un software di monitoraggio o di definizione dei prezzi a un gruppo di concorrenti «difficilmente potrà sostenere di non aver potuto ragionevolmente prevedere le condotte illegali».[79] Nella collusione tacita tra algoritmi entrambe le condizioni rischiano di mancare: i clienti possono ignorare ciò che il programma fa, e un’intesa da facilitare non c’è. Per evitare che nessuno risponda, un regime efficiente dovrebbe quindi rivolgersi a entrambi i soggetti, con obblighi diversi: di documentazione per chi impiega l’algoritmo, di separazione dei dati dei clienti per chi lo fornisce.

e) Sintesi

Risposta	Informazione richiesta	Problema di imputazione	Rischio principale	Base giuridica attuale
Responsabilità dell’impresa	Cura dovuta o prezzo concorrenziale	Alto: esito congiunto di più algoritmi	Deterrenza eccessiva	Incerta: art. 101 TFUE per i soli algoritmi di segnalamento; art. 102 TFUE e REMIT da provare
Disegno del mercato	Costi di riferimento degli impianti	Nessuno: regola generale	Errori nei riferimenti, minore trasparenza	Regolazione ARERA e regole di Terna
Sorveglianza algoritmica	Dati di offerta già pubblici	Basso: individua sessioni e operatori	Falsi positivi	Poteri di vigilanza REMIT

 

Nei termini della distinzione richiamata all’inizio di questa sezione, la mitigazione automatica delle offerte è una regola precisa, mentre il divieto di manipolazione è una clausola generale; e quando le condotte da disciplinare sono numerose e simili, come le offerte ripetute di un mercato elettrico, l’analisi economica tende a preferire le prime. Nessuna opzione, tuttavia, basta da sola: la responsabilità senza un buon accertamento resta sulla carta, la sorveglianza senza una fattispecie sanzionabile produce segnalazioni senza seguito, e il disegno del mercato, da solo, non distingue chi si coordina da chi no.

 

7. L’esperienza nordamericana

a) Il mercato

Negli Stati Uniti operano sette mercati elettrici organizzati (PJM, MISO, ERCOT, CAISO, SPP, NYISO e ISO New England), gestiti da operatori regionali sotto la vigilanza della Federal Energy Regulatory Commission (FERC); fa eccezione il Texas, il cui mercato è in larga parte sottratto alla giurisdizione della FERC e vigilato dalla commissione statale. Rispetto all’Italia contano due differenze. Il prezzo si forma per nodo di rete, non per zona. Energia e riserve sono acquistate nello stesso mercato, con un’ottimizzazione congiunta, e non in mercati chiusi in sequenza, sicché l’incentivo a trattenere capacità per guadagnare sul bilanciamento ne risulta ridotto.[80] Il Canada offre un modello diverso: l’Alberta ha un mercato «energy-only», vigilato da un’autorità di sorveglianza autonoma, il Market Surveillance Administrator.

b) I rimedi preventivi

Il primo pilastro è il monitor indipendente. Dopo l’Order 719 della FERC del 2008, ogni operatore regionale deve dotarsi di un monitor indipendente dalla propria direzione, incaricato di individuare difetti di disegno del mercato, violazioni e abusi di potere di mercato, e di segnalarli alla FERC.[81] La struttura istituzionale varia, perché alcuni monitor sono uffici interni all’operatore e altri società esterne, come in PJM; in ogni caso devono essere indipendenti dalla direzione dell’operatore, hanno accesso a tutti i dati di offerta e possono proporre modifiche alle regole del mercato.

Il secondo pilastro è la mitigazione automatica. In diversi mercati un test di condotta confronta ogni offerta con un prezzo di riferimento fondato sui costi e un test d’impatto ne misura l’effetto sul prezzo; se entrambi i test sono superati, l’operatore sostituisce l’offerta con quella di riferimento.[82] La California usa un test strutturale, che mitiga le offerte quando tre fornitori sono congiuntamente indispensabili, e l’Order 831 del 2016 fissa infine tetti alle offerte, superabili solo con costi verificati.[83] Questi strumenti guardano al risultato, non all’intenzione: neutralizzano quindi un’offerta eccessiva in condizioni di potere di mercato chiunque l’abbia formulata, persona o algoritmo, senza bisogno di provare un accordo. Hanno però un costo, perché richiedono prezzi di riferimento fondati sui costi di ciascun impianto, che i monitor calcolano e aggiornano con un lavoro continuo, e possono comprimere prezzi legittimamente alti nei periodi di scarsità; il dibattito statunitense sulla taratura del test dei tre fornitori indispensabili mostra quanto la scelta delle soglie sia delicata.

c) Le sanzioni e la giurisprudenza

Dopo il caso Enron, l’Energy Policy Act del 2005 ha attribuito alla FERC un potere generale contro la manipolazione. Il precedente più vicino al tema di questo lavoro riguarda JP Morgan Ventures Energy: nel 2013, su segnalazione dei monitor di California e MISO, la FERC accertò dodici strategie di offerta manipolative, volte a ottenere pagamenti integrativi per impianti di solito fuori mercato, e la società pagò 410 milioni di dollari tra sanzione e restituzione dei profitti.[84] La logica è quella dei casi italiani: sfruttare le regole di remunerazione del bilanciamento. Il caso non è isolato. Nel 2017 la FERC ha approvato una transazione da 81,8 milioni di dollari con GDF Suez Energy Marketing per strategie di offerta formalmente conformi alle regole del mercato ma ritenute manipolative, confermando la volontà di perseguire il cosiddetto gaming delle regole.[85]

La fattispecie statunitense ha però un limite strutturale. Un tribunale federale ha sottolineato che la frode è un elemento necessario della violazione,[86] e un algoritmo che impara a colludere senza ingannare nessuno vi rientra difficilmente. Il caso Powhatan pone, a sua volta, la domanda di fondo di questa riflessione. La FERC ammise che le operazioni contestate non violavano le regole del mercato, e la difesa sostenne che il difetto stava nel disegno del mercato, da correggere invece di sanzionare l’operatore;[87] l’11 febbraio 2020 la Corte d’appello del Quarto circuito ha respinto l’eccezione di prescrizione, consentendo alla FERC di proseguire.[88]

In Canada, nel caso TransAlta, la società aveva programmato i fermi dei propri impianti a carbone nei periodi di alta domanda per far salire i prezzi. L’autorità ha ritenuto non necessaria una prova diretta dell’intento soggettivo, potendosi presumere che l’impresa volesse le conseguenze delle proprie azioni, e TransAlta ha pagato 56 milioni di dollari canadesi.[89] È un criterio di imputazione trasferibile agli algoritmi. L’Alberta offre anche l’esempio di una scelta consapevole in senso opposto: le linee guida del Market Surveillance Administrator sul comportamento d’offerta non vietavano il trattenimento economico unilaterale, tollerato come forma di remunerazione degli investimenti in un mercato privo di pagamenti per la capacità, e nel 2017, annunciato il passaggio a un mercato della capacità, l’autorità ha avviato la consultazione per revocarle.[90] La tolleranza verso il potere di mercato era dunque una scelta di efficienza dinamica, rivista quando è cambiato il disegno del mercato.

d) I limiti dell’antitrust

Negli Stati Uniti il principale strumento antitrust è lo Sherman Act, la cui sezione 1 vieta gli accordi che restringono il commercio, con una funzione analoga a quella dell’art. 101 TFUE. A differenza del sistema europeo, gran parte dell’applicazione del diritto antitrust statunitense è affidata alle azioni dei privati: chi ha subito un danno da un cartello può agire in giudizio e ottenere un risarcimento pari al triplo del danno. Nel mercato elettrico all’ingrosso questa via è però quasi preclusa da un principio di origine giurisprudenziale, la cosiddetta dottrina della tariffa depositata (filed rate doctrine). Quando un prezzo è stato depositato presso la FERC, o è comunque soggetto al suo controllo, i giudici ordinari non possono riesaminarlo, né accertare in un giudizio di risarcimento che fosse illegittimamente elevato: la valutazione spetta soltanto alla FERC. La ragione è evitare che i giudici si sovrappongano al regolatore e che clienti diversi finiscano per pagare, di fatto, prezzi diversi per lo stesso servizio.

I giudici federali hanno applicato questo principio proprio alle vicende della crisi elettrica californiana del 2000-2001. In un caso in cui un ente pubblico che aveva acquistato energia a prezzi molto alti chiedeva il risarcimento al venditore, la Corte d’appello del Nono circuito ha respinto la domanda, osservando che per pretese di questo tipo la sola sede competente è la FERC;[91] lo stesso giudice ha ribadito il principio nel 2017, in un’azione contro una società del gruppo JP Morgan relativa al mercato californiano.[92] Ne deriva che nel settore elettrico statunitense la tutela contro la manipolazione dei prezzi passa quasi esclusivamente attraverso il regolatore, ed è anche per questo che gli strumenti della FERC descritti in precedenza hanno assunto tanta importanza.

Fuori dal settore energetico, i giudici statunitensi hanno cominciato a pronunciarsi sugli algoritmi di prezzo, e le loro decisioni aiutano a capire dove passi il confine tra condotta lecita e intesa. In un caso in cui alcuni clienti accusavano i grandi alberghi di Las Vegas di aver coordinato i prezzi delle camere utilizzando tutti lo stesso software, che suggeriva le tariffe da applicare, la Corte d’appello del Nono circuito ha escluso, il 15 agosto 2025, l’esistenza di un’intesa: ciascun albergo aveva adottato il software in modo indipendente, i prezzi suggeriti non erano vincolanti e il programma non metteva a disposizione di un albergo i dati riservati degli altri.[93] È, finora, la prima decisione di un giudice d’appello sul tema. Diverso è l’esito della vicenda RealPage, società che fornisce ai proprietari di immobili un software per determinare i canoni di locazione e alla quale il Dipartimento di Giustizia contestava di utilizzare, per formulare le proprie raccomandazioni, i dati non pubblici forniti dai proprietari concorrenti: nel novembre 2025 le parti hanno proposto una transazione che vieterebbe a RealPage di usare quei dati per determinare i canoni e limiterebbe l’impiego dei dati più recenti per addestrare il modello.[94] Letti insieme, i due casi indicano che nell’esperienza statunitense il punto critico non è l’uso dello stesso software da parte di più concorrenti, ma la circolazione, attraverso il software, di informazioni riservate. È un criterio trasferibile al caso dei fornitori comuni di algoritmi di offerta discusso nella sezione 6.

e) Indicazioni per il mercato italiano

Il confronto tra l’esperienza europea, e in particolare italiana, e quella nordamericana porta a una conclusione in parte inattesa: di fronte alla collusione tacita tra algoritmi, i due sistemi incontrano limiti simili. In entrambi il divieto di intese presuppone un accordo o una forma di concertazione tra le imprese, che in questi casi è difficilmente dimostrabile. Negli Stati Uniti, inoltre, il divieto di manipolazione dei mercati energetici richiede che l’operatore abbia ingannato il mercato, mentre un algoritmo che impara a mantenere elevati i prezzi non inganna nessuno; il REMIT europeo non richiede l’inganno, ma incontra a sua volta difficoltà nel dimostrare che un prezzo sia «artificiale» e nell’imputare a una singola impresa un risultato prodotto dall’interazione di più algoritmi (sezione 5).

I due sistemi si differenziano invece negli strumenti preventivi. I mercati statunitensi dispongono di una mitigazione automatica fondata sul risultato: quando un operatore è indispensabile e la sua offerta supera in misura significativa un valore di riferimento calcolato sui costi, l’offerta viene sostituita con quel valore, senza bisogno di accertare perché sia stata formulata né se dietro vi sia un coordinamento. La vigilanza è poi affidata a monitor indipendenti, che hanno accesso continuo a tutti i dati di offerta e possono proporre modifiche alle regole del mercato. In Italia esiste un istituto con una logica in parte simile, il regime degli impianti essenziali per la sicurezza del sistema, che vincola le offerte degli impianti indispensabili individuati da Terna;[95] si applica però a un elenco di impianti stabilito in anticipo e non interviene in modo automatico sulle singole offerte, mentre la vigilanza resta ripartita tra più autorità. Ed è probabilmente questo l’insegnamento più utile che l’esperienza nordamericana può offrire al mercato italiano.

Il confronto suggerisce che nessuno degli strumenti esaminati sia sufficiente da solo, ma che più strumenti, combinati, possano compensare ciascuno i limiti degli altri. Senza pretesa di completezza, e con la cautela imposta da un fenomeno ancora poco osservato, si possono indicare alcune linee di intervento, in gran parte realizzabili con gli strumenti regolatori già esistenti. La prima riguarda l’informazione. Il REMIT già consente all’autorità nazionale di chiedere a chi pratica il trading algoritmico una descrizione delle proprie strategie e dei controlli adottati; si tratterebbe di precisarne il contenuto, indicando gli obiettivi che l’algoritmo persegue, le informazioni che osserva (in particolare se utilizza le offerte pubblicate dei concorrenti), i dati e il periodo di addestramento, i vincoli imposti ed eventualmente gli esiti delle prove in mercato simulato richiamate nella sezione 6, lett. a). Nei mercati finanziari obblighi analoghi sono già previsti dalla disciplina europea del trading algoritmico,[96] e il costo per le imprese sarebbe contenuto, mentre il beneficio sarebbe un’informazione che oggi nessuna autorità possiede. Essa costituirebbe, inoltre, il documento coevo sul quale verificare in concreto la spiegazione alternativa dell’adattamento al mercato, secondo il criterio seguito dalla giurisprudenza (sezione 5).

La seconda linea riguarda la sorveglianza. L’ARERA, in collaborazione con il GME, potrebbe applicare in modo sistematico alle offerte gli indicatori statistici di collusione già sperimentati sui casi di Campania e Brindisi, a partire dai mercati locali più ristretti; una segnalazione non basterebbe a fondare una sanzione, ma consentirebbe di richiedere la documentazione dell’algoritmo e di concentrare le verifiche dove il rischio appare maggiore. La terza riguarda la prova. Quando una segnalazione statistica riguarda un mercato ristretto e la documentazione manca, è incompleta o rivela un algoritmo che condiziona le proprie offerte alle mosse dei concorrenti, si potrebbe ritenere che spetti all’impresa dimostrare le ragioni economiche delle proprie offerte. Il REMIT offre già un aggancio in questo senso, poiché esclude la manipolazione quando l’autore dimostra di aver agito per ragioni legittime; una simile regola eviterebbe di dover provare un accordo che non esiste e porrebbe l’onere della prova su chi possiede le informazioni necessarie. Si tratterebbe, del resto, di un’applicazione specifica del criterio, già seguito dalla giurisprudenza amministrativa, per cui le spiegazioni alternative alla concertazione perdono attendibilità quando non trovano riscontro nei documenti coevi. Una parte della giurisprudenza amministrativa si spinge oltre, ammettendo che, dimostrato un parallelismo anomalo, spetti alle imprese fornire una spiegazione alternativa plausibile (sezione 5); la soluzione qui prospettata, che subordina lo spostamento dell’onere alla mancanza o al contenuto della documentazione, appare più compatibile con la presunzione di innocenza. La quarta, infine, riprende l’esperienza nordamericana: nelle aree in cui pochi operatori sono indispensabili, le offerte di bilanciamento che superano in misura significativa un valore di riferimento fondato sui costi potrebbero essere sostituite con quel valore, estendendo la logica che già ispira il regime degli impianti essenziali. Uno strumento di questo tipo opera sul risultato e non richiede di stabilire chi, o che cosa, lo abbia prodotto, ed è per questo particolarmente adatto a un fenomeno in cui l’imputazione è difficile.

Queste linee si prestano ad alcune obiezioni, che meritano una risposta. La prima riguarda il segreto industriale, poiché la descrizione degli algoritmi tocca il patrimonio tecnologico delle imprese. Il rischio sembra tuttavia contenuto: il REMIT già impone il segreto professionale alle autorità che ricevono queste informazioni (art. 17), e la documentazione andrebbe consegnata soltanto su richiesta, senza alcuna forma di pubblicazione. La seconda obiezione riguarda i costi per gli operatori minori, come gli aggregatori di piccole risorse che il TIDE ha inteso attirare nel bilanciamento; gli obblighi potrebbero essere graduati in base alla capacità offerta, così come già oggi le notifiche previste dall’art. 5 bis riguardano soltanto chi pratica il trading algoritmico e non ogni partecipante al mercato. La terza obiezione è la più seria, e riguarda il rischio che lo spostamento dell’onere della prova trasformi una segnalazione statistica in una presunzione di colpevolezza. Per questo l’ipotesi qui prospettata lo limita ai mercati ristretti e lo subordina a un secondo elemento, la documentazione mancante o rivelatrice; si tratterebbe, comunque, di una presunzione relativa, che l’impresa può superare dimostrando le ragioni economiche delle proprie offerte.

Le stesse linee potrebbero, infine, orientare i programmi di compliance delle imprese. La giurisprudenza amministrativa riconosce valore attenuante a un programma di compliance soltanto se esso è effettivo, cioè sostenuto da un impegno concreto del management, da un’adeguata valutazione dei rischi e da sistemi di monitoraggio e di audit;[97] per un’impresa che offre tramite algoritmi, un programma effettivo dovrebbe estendersi alla progettazione, all’addestramento e al controllo degli algoritmi stessi.

Resta una condizione di carattere istituzionale. Le linee di intervento indicate coinvolgono l’ARERA, il GME, Terna e l’AGCM, cioè proprio le autorità tra le quali oggi la collusione tacita tra algoritmi rischia di disperdersi. Un protocollo di collaborazione dedicato, con uno scambio sistematico delle segnalazioni e una sede comune di analisi dei dati, potrebbe evitare che ciascuna attenda l’iniziativa delle altre. È, anche in questo caso, una lezione dei monitor nordamericani: l’efficacia della vigilanza sembra dipendere meno dai poteri formali che dall’accesso continuo ai dati e dalla competenza di chi li analizza.

 

8. Conclusioni

Le riforme del 2025-2026 hanno reso il mercato elettrico italiano più aperto: più operatori nel bilanciamento, prezzi zonali anche per la domanda, una più stretta integrazione con il mercato europeo, aste su intervalli di quindici minuti. In questo modo possono aver attenuato le condizioni strutturali da cui erano nati i casi di Campania e Brindisi. Non sembrano invece aver considerato il rischio che si affaccia con la diffusione degli algoritmi di offerta, quello di una collusione tacita che si produce senza alcun accordo tra le imprese.

Il diritto vigente non appare pienamente attrezzato per affrontarlo. Il divieto di intese può applicarsi agli algoritmi che si scambiano segnali, ma per quelli che apprendono in modo autonomo la concertazione è assai difficile da provare, perché il parallelismo delle offerte ammette quasi sempre la spiegazione alternativa dell’adattamento al mercato; il divieto di abuso di posizione dominante richiede un’impresa dominante e un abuso che, nel settore elettrico, può assumere la forma più facilmente osservabile del trattenimento di capacità; il REMIT offre la base più vicina al problema, ma ragiona per condotte individuali e disciplina il trading algoritmico soprattutto sotto il profilo dell’ordinato svolgimento delle negoziazioni. L’esperienza nordamericana mostra che neppure ampi poteri contro la manipolazione bastano a colmare la lacuna quando la fattispecie è costruita sull’inganno, e suggerisce che lo strumento più efficace possa essere una mitigazione automatica fondata sul risultato.

Il problema appare quindi, più che di lacuna normativa, di prova: le regole esistenti possono operare se le autorità dispongono delle informazioni necessarie a verificare in concreto la spiegazione alternativa offerta dalle imprese. L’analisi economica del diritto invita, più che a cercare un’unica risposta, a combinare strumenti diversi, ciascuno dei quali compensi i limiti degli altri. In questa prospettiva le caratteristiche del mercato italiano assumono un doppio significato: le offerte riferite a singoli impianti, le zone ristrette e la pubblicazione dei dati potrebbero esporlo al problema prima di altri mercati europei, ma quegli stessi dati offrono anche gli strumenti per affrontarlo.

Restano aperte almeno tre direzioni di ricerca. La prima è empirica, e consiste nell’applicare ai dati di offerta del GME successivi alle riforme gli strumenti di individuazione già sperimentati sui casi di Campania e Brindisi. La seconda è comparata, e riguarda il confronto con il mercato spagnolo, che condivide con quello italiano il dispacciamento centrale. La terza è istituzionale: occorrerebbe misurare il grado di concentrazione del mercato dei fornitori di software di offerta, dal quale dipende se il rischio somigli più alla convergenza spontanea tra algoritmi o al coordinamento attraverso un fornitore comune.

 

---

Note

[1]ACER, REMIT Quarterly, n. 44, primo trimestre 2026, p. 10, che richiama a sua volta un’analisi pubblicata dal Financial Times; https://www.acer.europa.eu/sites/default/files/REMIT/REMIT%20Reports%20and%20Recommendations/REMIT%20Quarterly/ACER-REMIT-Quarterly-Q1-2026.pdf.

[2]J. Proz, M. Huber, I. Marin, Machine learning for detecting collusion and capacity withholding in wholesale electricity markets, in Energy Economics, 2026, vol. 162, art. 109557, https://doi.org/10.1016/j.eneco.2026.109557.

[3]Autorità per l’energia elettrica e il gas, delibera 15 luglio 2004.

[4]ARERA, delibera 300/2017/R/eel.

[5]J. Proz, M. Huber, I. Marin, op. cit., 168.

[6]Documento pubblicato su energypress.gr l’11 febbraio 2022, https://energypress.gr/sites/default/files/media/i-316303-11.02.22.pdf; v. anche Universidad Pontificia Comillas, Integrating the central-dispatch markets into the European balancing platforms: main lessons learnt and challenges, https://repositorio.comillas.edu/items/edcac903-6d22-4fd2-bc5c-2cd72c058c7a.

[7]GME, comunicato stampa del 19 maggio 2009, https://gme.mercatoelettrico.org/Portals/0/Documents/en-US/20090519CS_EN.pdf.

[8]J. Proz, M. Huber, I. Marin, op. cit., che richiamano sul punto OCSE, Data screening tools for competition investigations, 2022. Sul rapporto tra forma dell’asta e sostenibilità della collusione tacita v. N. Fabra, Tacit Collusion in Repeated Auctions: Uniform Versus Discriminatory, in Journal of Industrial Economics, 2003, vol. 51, n. 3, p. 271 ss.

[9]AGCM, provv. n. 23623 del 2012, caso I736, Repower Italia – Prezzo dispacciamento energia elettrica Centro Sud.

[10]AGCM, provv. n. 26562 del 2017, caso A498A, Enel – Prezzi servizi di dispacciamento area Brindisi, e provv. n. 26563 del 2017, caso A498B, Sorgenia – Prezzi servizi di dispacciamento area Brindisi.

[11]J. Proz, M. Huber, I. Marin, op. cit.

[12] D.m. 18 aprile 2024; ARERA, documento per la consultazione 194/2024/R/eel, https://arera.it/schede-tecniche/dettaglio/superamento-del-prezzo-unico-nazionale-e-relativa-componente-perequativa-orientamenti-dellautorita.

[13]ARERA, delibera 8/2026/R/eel, https://www.arera.it/fileadmin/allegati/docs/26/8-2026-R-eel.pdf.

[14]Il Balance Responsible Party (BRP) è il soggetto responsabile degli sbilanciamenti, cioè della differenza tra l’energia che un operatore si è impegnato a immettere o prelevare sulla base delle contrattazioni di mercato e quella effettivamente immessa o prelevata. La figura deriva dal diritto dell’Unione: l’art. 5 del regolamento (UE) 2019/943 stabilisce che ogni partecipante al mercato risponde degli sbilanciamenti che causa al sistema, assumendo direttamente il ruolo di BRP o delegando contrattualmente tale responsabilità a un BRP di sua scelta, e il regolamento (UE) 2017/2195 ne completa la disciplina. Il BRP comunica a Terna i programmi del proprio portafoglio di unità di produzione o di consumo, è titolare del contratto di dispacciamento e paga, o riceve, i corrispettivi di sbilanciamento, calcolati su intervalli di quindici minuti. Va distinto dal Balancing Service Provider (BSP), che fornisce a Terna i servizi di bilanciamento. Fino al 31 dicembre 2024 i due ruoli erano riuniti nell’«utente del dispacciamento»; il TIDE ne consente la separazione a decorrere dalla fase di consolidamento, il 1° febbraio 2026, salvo eccezioni, tra cui quella relativa agli impianti essenziali in regime di reintegrazione dei costi.

[15]APG, comunicato del 30 settembre 2025 sull’avvio dell’unità di negoziazione di quindici minuti nell’accoppiamento dei mercati del giorno prima, https://markt.apg.at/en/news-press/sdac-go-live-of-15-minute-market-time-unit-in-day-ahead-market-coupling-successful-as-of-september-30-2025/.

[16]Regolamento (UE) n. 1227/2011 del Parlamento europeo e del Consiglio, del 25 ottobre 2011, concernente l’integrità e la trasparenza del mercato dell’energia all’ingrosso, come modificato dal regolamento (UE) 2024/1106 del Parlamento europeo e del Consiglio, dell’11 aprile 2024.

[17]ACER, REMIT Quarterly, n. 44, cit., p. 12; ARERA, comunicato agli operatori sulle notifiche ai sensi dell’art. 5 bis del regolamento (UE) 2024/1106, https://www.arera.it/comunicati-operatore/dettaglio/notifiche-ad-arera-e-acer-ai-sensi-dellarticolo-5-bis-del-regolamento-ue-20241106-del-parlamento-europeo-e-del-consiglio-dell11-aprile-2024-che-modifica-i-regolamenti-ue-n-12272011-e-ue-2019942.

[18]ACER, REMIT Quarterly, n. 44, cit., p. 12.

[19]N. Fabra, J. Toro, Price Wars and Collusion in the Spanish Electricity Market, in International Journal of Industrial Organization, 2005, vol. 23, n. 3-4, p. 155 ss.

[20]P. Manzini, Algoritmi collusivi e diritto antitrust europeo, in Mercato Concorrenza Regole, 2019, n. 1, p. 163 ss., spec. p. 165, doi 10.1434/94242.

[21]E. Calvano, G. Calzolari, V. Denicolò, S. Pastorello, Artificial Intelligence, Algorithmic Pricing, and Collusion, in American Economic Review, 2020, vol. 110, n. 10, p. 3267 ss.

[22]T. Klein, Autonomous Algorithmic Collusion: Q-Learning under Sequential Pricing, in RAND Journal of Economics, 2021, vol. 52, n. 3, p. 538 ss.

[23]S. Assad, R. Clark, D. Ershov, L. Xu, Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market, in Journal of Political Economy, 2024, vol. 132, n. 3, p. 723 ss.

[24]A. Ezrachi, M.E. Stucke, Virtual Competition. The Promise and Perils of the Algorithm-Driven Economy, Cambridge (Mass.)-London, Harvard University Press, 2016, in particolare lo scenario che gli autori chiamano «Digital Eye», nel quale algoritmi capaci di apprendere raggiungono da soli un equilibrio collusivo; J.E. Harrington Jr., Developing Competition Law for Collusion by Autonomous Artificial Agents, in Journal of Competition Law & Economics, 2018, vol. 14, n. 3, p. 331 ss., secondo il quale la collusione realizzata da programmi che scelgono le regole di prezzo senza intervento umano non viola la sezione 1 dello Sherman Act.

[25]E. Guerci, S. Ivaldi, Learning Agents in an Artificial Power Exchange: Tacit Collusion, Market Power and Efficiency of Two Double-Auction Mechanisms, in Computational Economics, 2008, vol. 32, https://doi.org/10.1007/s10614-008-9127-5

[26]I. Abada, X. Lambin, Artificial Intelligence: Can Seemingly Collusive Outcomes Be Avoided?, in Management Science, 2023, vol. 69, n. 9.

[27]J. Seredyński, G. Tsaousoglou, AI agents in Algorithmic Electricity Markets: On the Emergence of Tacit Collusion, preprint, arXiv:2608.26896, 2026, https://arxiv.org/abs/2608.26896.

[28]D.P. Brown, D.O. Cajueiro, A. Eckert, D. Silveira, Evaluating the role of information disclosure on bidding behavior in wholesale electricity markets, in Energy Economics, 2025, vol. 146, art. 108505.

[29]V. Caforio, Il nuovo oligopolio, Università Bocconi, 23 febbraio 2026, https://www.unibocconi.it/it/news/il-nuovo-oligopolio; P. Manzini, op. cit., pp. 165-166; A. Ezrachi, M.E. Stucke, op. cit.

[30]Un episodio recente, estraneo ai mercati energetici, mostra fin dove possa spingersi il coordinamento tra agenti di intelligenza artificiale non istruiti a coordinarsi. Nel luglio 2026, durante una valutazione interna delle capacità informatiche dei propri modelli, circa 1.200 agenti di OpenAI hanno comunicato attraverso una bacheca non autorizzata, organizzando progetti collettivi per aggirare il sistema di valutazione, e circa 700 hanno partecipato a un attacco all’infrastruttura di Hugging Face senza che alcun essere umano lo avesse ordinato; secondo l’impresa, i comportamenti all’origine dell’episodio erano stati rinforzati durante l’addestramento. V. METR, Brief independent investigation of agents’ behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident, 26 agosto OpenAI, OpenAI – Hugging Face Incident Technical Report, 26 agosto 2026.

[31]Cons. Stato, sez. VI, 19 dicembre 2019, n. 8584, punto 3.1; Corte giust., 16 dicembre 1975, cause riunite 40/73 e altre, Suiker Unie e a. c. Commissione, punti 173-174; Corte giust., 8 luglio 1999, C-49/92 P, Commissione c. Anic Partecipazioni.

[32]D.F. Turner, The Definition of Agreement under the Sherman Act: Conscious Parallelism and Refusals to Deal, in Harvard Law Review, 1962, vol. 75, p. 655 ss.; R.A. Posner, Oligopoly and the Antitrust Laws: A Suggested Approach, in Stanford Law Review, 1969, vol. 21, p. 1562 ss.; L. Kaplow, Competition Policy and Price Fixing, Princeton, Princeton University Press, 2013; M.S. Gal, Algorithms as Illegal Agreements, in Berkeley Technology Law Journal, 2019, vol. 34, p. 67 ss. Negli Stati Uniti la Corte Suprema ha affermato che la collusione tacita non è di per sé illecita: Brooke Group Ltd. v. Brown & Williamson Tobacco Corp., 509 U.S. 209, 227 (1993).

[33]V. Caforio, op. cit.; P. Manzini, op. cit., p. 170, secondo il quale gli algoritmi di segnalamento inducono il coordinamento «anche in mercati caratterizzati dalla presenza di numerose imprese».

[34]Corte giust., 21 gennaio 2016, C-74/14, Eturas e a.

[35]P. Manzini, op. cit., pp. 168-169.

[36]Commissione europea, Linee guida sull’applicabilità dell’articolo 101 del trattato sul funzionamento dell’Unione europea agli accordi di cooperazione orizzontale, in GUUE C 259 del 21 luglio 2023, par. 379; v. anche Algorithmic collusion: the next generation of price fixing?, in Financier Worldwide, https://financierworldwide.com/algorithmic-collusion-the-next-generation-of-price-fixing.

[37]Freshfields, EU steps up on algorithmic pricing cartels, 2025, https://www.freshfields.com/en/our-thinking/blogs/risk-and-compliance/eu-steps-up-on-algorithmic-pricing-cartels-joining-the-us-and-other-jurisdiction-102kt76.

[38]Corte giust., 4 giugno 2009, C-8/08, T-Mobile Netherlands e a.

[39]Commissione europea, decisione 7 luglio 2016, caso AT.39850, Container Shipping.

[40]P. Manzini, op. cit., pp. 171-172.

[41]Corte giust., 22 ottobre 2015, C-194/14 P, AC-Treuhand c. Commissione, punto 31; Corte giust., 28 giugno 2005, cause riunite C-189/02 P e altre, Dansk Rørindustri e a. c. Commissione, punti 142-143; v. P. Manzini, op. cit., p. 172.

[42]P. Manzini, op. cit., p. 171, che richiama in senso analogo R.A. Posner, Review of Kaplow, Competition Policy and Price Fixing, in Antitrust Law Journal, 2013-2014, vol. 79, p. 761 ss.

[43]Corte giust., Ahlström Osakeyhtiö e a. c. Commissione, cit.

[44]Commissione europea, Linee guida sull’applicabilità dell’articolo 101 del trattato sul funzionamento dell’Unione europea agli accordi di cooperazione orizzontale, cit., parr. 368, 396 e 400.

[45]TAR Lazio, Roma, sez. I, sentenza ric. n. 14337/2025, K.P.I. S.p.A. c. AGCM (udienza pubblica del 15 aprile 2026), che respinge il ricorso avverso AGCM, provv. 23 settembre 2025, n. 31673, caso I864, che richiama le linee guida orizzontali, parr. 397 e 410, e Trib., 12 luglio 2001, cause riunite T-202/98 e altre, Tate & Lyle e a. c. Commissione.

[46]P. Manzini, op. cit., p. 173.

[47]Corte giust., 31 marzo 1993, cause riunite C-89/85, C-104/85, C-114/85, C-116/85, C-117/85 e da C-125/85 a C-129/85, Ahlström Osakeyhtiö e a. c. Commissione («Pasta di legno II»), ECLI:EU:C:1993:120, in Racc., 1993, p. I-1307, punto 71; nello stesso senso Trib. primo grado, 29 giugno 1995, T-36/91, ICI c. Commissione, in Racc., 1995, p. II-1847; Trib. UE, 12 aprile 2013, T-442/08, CISAC c. Commissione, che distingue il caso in cui l’autorità si fonda sul solo parallelismo, nel quale basta alle imprese dimostrare circostanze che rendano plausibile una spiegazione alternativa, da quello in cui dispone di prove della concertazione; Trib. UE, T-1026/23, Laudamotion c. Commissione, ECLI:EU:T:2025:928; in Italia Cons. Stato, sez. VI, 19 dicembre 2019, n. 8584, cit., punto 3.2, e Cons. Stato, sez. VI, 6 ottobre 2020, n. 5885. Più di recente l’AGCM ha ribadito che il mero parallelismo dei prezzi, anche se accompagnato da comunicazioni di aumento ravvicinate, non basta a dimostrare un’intesa in mancanza di contatti tra le parti: v. Freshfields, Newsletter giuridica di concorrenza e regolamentazione, 19 gennaio 2026, https://www.freshfields.com/en/our-thinking/newsletters/2026/01/newsletter-giuridica-di-concorrenza-e-regolamentazione—19-gennaio-2026

[48]Cons. Stato, n. 8584/2019, cit., punto 7, che richiama Cons. Stato, sez. VI, 12 ottobre 2017, n. 4733, e, sul minor valore probatorio dei documenti formati dopo i fatti, Trib. UE, 15 luglio 2015, T-423/10.

[49]Cons. Stato, sez. VI, 9 maggio 2022, n. 3570; Cons. Stato, sez. VI, 20 gennaio 2023, n. 688; Cons. Stato, sez. VI, 25 luglio 2023, n. 7273.

[50]TAR Lazio, Roma, sez. I, sentenza, ric. n. 14337/2025, K.P.I. S.p.A. c. AGCM (udienza pubblica del 15 aprile 2026), che respinge il ricorso avverso AGCM, provv. 23 settembre 2025, n. 31673, caso I864, che richiama anche la presunzione di innocenza di cui all’art. 48 della Carta dei diritti fondamentali dell’Unione europea e all’art. 6, par. 2, CEDU, ritenendola compatibile con presunzioni relative fondate su massime di esperienza.

[51]Trib., 6 giugno 2002, T-342/99, Airtours c. Commissione, punto 62; sulla nozione di posizione dominante collettiva v. anche Corte giust., 16 marzo 2000, cause riunite C-395/96 P e C-396/96 P, Compagnie Maritime Belge Transports e a. c. Commissione.

[52]Corte giust., 14 febbraio 1978, 27/76, United Brands c. Commissione.

[53]P. Manzini, op. cit., pp. 173-176; Corte giust., 10 luglio 2008, C-413/06 P, Bertelsmann e Sony Corporation of America c. Impala, punti 119-123; Trib., 26 gennaio 2005, T-193/02, Piau c. Commissione, punto 111.

[54]Commissione europea, decisione del 26 novembre 2008, casi COMP/39.388 e COMP/39.389, E.ON; v. T. Duso, F. Szücs, V. Böckers, Abuse of dominance and antitrust enforcement in the German electricity market, in Energy Economics, 2020, vol. 92, art. 104936.

[55]V. Caforio, op. cit.; la sentenza Airtours, cit., è resa proprio in materia di concentrazioni.

[56]ACER, Guidance on the application of Regulation (EU) No 1227/2011, 6ª ed., 2024.

[57]Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio, del 13 giugno 2024, che stabilisce regole armonizzate sull’intelligenza artificiale.

[58]Risoluzione del Parlamento europeo del 16 febbraio 2017 recante raccomandazioni alla Commissione concernenti norme di diritto civile sulla robotica (2015/2103(INL)), punto 12; v. P. Manzini, op. cit., p. 178, nota 34.

[59]G. Calabresi, The Costs of Accidents. A Legal and Economic Analysis, New Haven, Yale University Press, 1970.

[60]S. Shavell, Liability for Harm versus Regulation of Safety, in Journal of Legal Studies, 1984, vol. 13, n. 2, p. 357 ss.

[61]L. Kaplow, Rules versus Standards: An Economic Analysis, in Duke Law Journal, 1992, vol. 42, n. 3, p. 557 ss.

[62]V. Caforio, Il nuovo oligopolio, cit.

[63]P. Manzini, op. cit., pp. 176-178.

[64]P. Manzini, op. cit., pp. 178-179, che richiama Trib., 15 settembre 2005, T-325/01, DaimlerChrysler c. Commissione, punti 86-88, e Corte giust., 21 luglio 2016, C-542/14, VM Remonts e a., punti 23-24.

[65]V. Caforio, Algorithmic Tacit Collusion: A Regulatory Approach, 2023, https://boa.unimib.it/handle/10281/464538  che esclude invece di modificare le nozioni di accordo e di pratica concordata per ricomprendervi la collusione tacita algoritmica.

[66]B. Holmström, Moral Hazard in Teams, in Bell Journal of Economics, 1982, vol. 13, n. 2, p. 324 ss.

[67]J.E. Harrington Jr., Developing Competition Law for Collusion by Autonomous Artificial Agents, cit.

[68]D.P. Brown, D.O. Cajueiro, A. Eckert, D. Silveira, op. cit.

[69]J. Proz, M. Huber, I. Marin, op. cit.

[70]G.S. Becker, Crime and Punishment: An Economic Approach, in Journal of Political Economy, 1968, vol. 76, n. 2, p. 169 ss.

[71]Cons. Stato, n. 8584/2019, cit., punti 5 e 12, che richiamano Cons. Stato, 20 febbraio 2017, n. 740, e Cons. Stato, 18 maggio 2015, n. 2514.

[72]TAR Lazio, sez. I, ric. n. 14337/2025, cit.

[73]ACER, REMIT Quarterly, n. 44, cit., p. 12.

[74]J.E. Harrington Jr., The Effect of Outsourcing Pricing Algorithms on Market Competition, in Management Science, 2022, vol. 68, n. 9.

[75]P. Manzini, op. cit., p. 170, nota 15.

[76]Reg. (UE) 2024/1689, art. 3, nn. 3 e 4, che definiscono rispettivamente il fornitore e il deployer.

[77]Corte giust., 21 luglio 2016, C-542/14, VM Remonts e a.

[78]Corte giust., 22 ottobre 2015, C-194/14 P, AC-Treuhand c. Commissione.

[79]P. Manzini, op. cit., pp. 179-181, che richiama anche Trib., 10 novembre 2017, T-180/15, Icap e a. c. Commissione, punto 180.

[80]J. Proz, M. Huber, I. Marin, op. cit.

[81]FERC, Order No. 719, Wholesale Competition in Regions with Organized Electric Markets, 2008; CAISO, presentazione sul monitoraggio del mercato, novembre 2018, https://www.caiso.com/Documents/Presentation-EIMRegionalIssuesForum-Nov282018.pdf.

[82]U.S. Department of Energy, Review of Market Monitoring Activities at U.S. Independent System Operators, https://www.energy.gov/oe/articles/review-market-monitoring-activities-us-independent-system-operators.

[83]FERC, Order No. 831, Offer Caps in Markets Operated by Regional Transmission Organizations and Independent System Operators, 2016.

[84]FERC, comunicato del 30 luglio 2013 sul caso JP Morgan Ventures Energy, https://mondovisione.com/media-and-resources/news/federal-energy-regulatory-commission-jp-morgan-unit-agree-to-410-million-in-pe-2013730/.

[85]Akin Gump, Big Settlement Shows FERC’s Pursuit of Market Gaming, 2017, https://akingump.com/a/web/55777/Big-Settlement-Shows-FERC-s-Pursuit-Of-Market-Gaming.pdf.

[86]FERC v. Silkman (D. Mass.); v. National Law Review, https://natlawreview.com/node/61788/printable/print.

[87]Analysis: FERC moves against company for energy market manipulation, in Renewable Energy World, https://www.renewableenergyworld.com/energy-business/analysis-ferc-moves-against-company-for-energy-market-manipulation/.

[88]FERC v. Powhatan Energy Fund, LLC (4th Cir., 11 febbraio 2020); v. Greenberg Traurig, Fourth Circuit Rejects Statute of Limitations Challenge to FERC Electricity Market Manipulation Suit, febbraio 2020, https://gtlaw.com/it/insights/2020/2/fourth-circuit-rejects-statute-of-limitations-challenge-to-ferc-electricity-market-manipulation-suit.

[89]Alberta Utilities Commission, decisione 3110-D01-2015; v. Market Manipulation in Alberta: TransAlta Pays $56 Million, in Energy Regulation Quarterly, https://energyregulationquarterly.ca/case-comments/market-manipulation-in-alberta-transalta-pays-56-million.

[90]N. Bankes, The End of Economic Withholding in Alberta’s Electricity Market?, in ABlawg, 30 marzo 2017, https://ablawg.ca/2017/03/30/end-of-economic-withholding-in-albertas-electricity-market/.

[91]Public Utility District No. 1 of Grays Harbor County v. IDACORP, 379 F.3d 641 (9th Cir. 2004).

[92]U.S. Court of Appeals for the Ninth Circuit, memorandum del 12 maggio 2017, n. 15-56697, https://cdn.ca9.uscourts.gov/datastore/memoranda/2017/05/12/15-56697.pdf.

[93]Gibson v. Cendyn Group (9th Cir., 15 agosto 2025); v. Baker McKenzie, United States: Ninth Circuit on Algorithmic Pricing, agosto 2025, https://www.bakermckenzie.com/en/insight/publications/alerts/2025/08/united-states-ninth-circuit-on-algorithmic-pricing.

[94]United States v. RealPage, Inc.; v. Morrison Foerster, (Still) All About Algorithms: Antitrust Lessons from the Last Year and What Lies Ahead in 2026, gennaio 2026, https://www.mofo.com/resources/insights/260126-lessons-questions-antitrust-scrutiny-algorithms.

[95]ARERA, delibera n. 111/06 e successive modificazioni.

[96]Regolamento delegato (UE) 2017/589 della Commissione, del 19 luglio 2016, che integra la direttiva 2014/65/UE del Parlamento europeo e del Consiglio per quanto riguarda le norme tecniche di regolamentazione che specificano i requisiti organizzativi delle imprese di investimento che effettuano negoziazione algoritmica.

[97]Cons. Stato, 21 dicembre 2017, nn. 5997 e 5998, richiamate da Cons. Stato, n. 8584/2019, cit., punto 14.5.