AIの価格提案は独占禁止法リスクになるか｜アルゴリズム価格とガバナンスの盲点
価格・見積・入札・需要予測にSaaSやAIツールを使っている企業が、AIガバナンス方針を整備するとき、たいてい真っ先に挙がるのは個人情報保護・セキュリティ・知的財産・バイアスの4点です。しかし2026年5月14日、米司法省(DOJ)反トラスト局のDaniel Glad氏（Acting Deputy Assistant Attorney General for Criminal Enforcement）はサンフランシスコでの講演「Old Crime, New Code」で、この4点セットに競争法（独占禁止法）が抜けていると指摘したと、法律事務所Mayer Brownの解説記事（2026年7月6日掲載）は伝えています。
この記事では、「AIが勝手に価格を合わせるかどうか」という技術的な問いではなく、自社の独立した価格判断が、どこでツールの出力に置き換わっているかという論点を整理します。
30秒で要点
- 米司法省高官は2026年5月14日の講演で「ソフトウェアは共謀をロンダリングできない」と述べたと、法律事務所の解説記事（2026年7月6日掲載）が伝えている
- 代表事例のRealPageは刑事訴追ではなく、価格出力の粒度制限とモニター受け入れを求める民事の合意判決として処理された
- AIエージェント同士の価格協調を検証した実験研究では、忍耐強さや情報アクセスの非対称性があると協調が崩れやすい一方、モデルの規模差だけでは崩れず、むしろ安定する方向に働くという条件付きの結果が出ている
- 論点は「AIが自動で談合するか」ではなく「自社の独立した判断が、どこでツールの出力に置き換わったか」
| 用語 | 意味 |
|---|---|
| アルゴリズム価格(algorithmic pricing) | 競合の価格・在庫等のデータを共通のアルゴリズムに通して価格推奨を生成する仕組み |
| 競争法(antitrust law) | 企業間の価格協定や市場支配的地位の濫用を規制する法分野。日本の独占禁止法に相当する米国の法体系 |
| 合意判決(consent judgment) | 被告が違法性を認めないまま、今後の行動制限を裁判所と合意して決着する民事上の手続き |
なぜこの論点が見落とされやすいのか
AIガバナンスの検討は、多くの場合「このツールは個人情報を安全に扱っているか」「出力にバイアスはないか」という入力・出力の品質から始まります。これは間違った出発点ではありませんが、価格・見積・入札という業務では、もう一つ別の問いが隠れています。このツールの推奨価格に従うことは、競合と直接連絡を取らずに価格を揃える経路になっていないか、という問いです。
この論点が見落とされやすい理由は、価格決定AIの多くが「自社データだけを見て自社の最適価格を出している」という前提で導入されるからです。ところが競争法の観点で問題になるのは、ツールが競合の非公開データも取り込んで推奨価格を生成し、複数の企業が同じツールに従うことで、直接の話し合いなしに価格が揃ってしまう構造です。個人情報・セキュリティ・知的財産・バイアスという4点セットのチェックリストには、この「複数企業が同じ推奨に従う」という構造そのものへの注意が入っていないため、担当者の視界に入りにくいのです。
RealPage事案が示す境界線——刑事ではなく民事
DOJ高官が例に挙げたのが、賃貸物件の価格推奨サービスを提供していたRealPage社の事案です。Mayer Brownの解説記事によれば、この仕組みは非公開の競争上センシティブな情報を競合の貸主から集め、共通のアルゴリズムに通して価格推奨を生成するというものでした。これが、直接の連絡なしに価格を揃える経路として扱われた点が問題視されています。
ここで押さえておきたいのは、この事案は刑事訴追ではなく、価格出力の粒度制限と裁判所任命モニターの受け入れを求める民事の合意判決として処理されたという事実です。Mayer Brownの記事は「The remedy in RealPage was targeted at the specific mechanics」と、救済措置がこの仕組み固有の仕様に的を絞ったものだったと説明しています。
「AIで価格協調をすると逮捕される」という理解は、この事案の実際の処理内容とはずれています。一方で「民事だから軽い問題」という理解も正確ではありません。合意判決は、今後の事業運営の仕方そのものを制約する内容だからです。刑事と民事という区分は、リスクの有無ではなくリスクの性質を分ける軸として理解する必要があります。
AIエージェント同士は本当に「勝手に談合」するのか
DOJ高官の指摘は現実の執行事例に基づくものですが、もう一つ別の角度から同じ論点に光を当てる研究があります。arXiv掲載の論文「On the Fragility of AI Agent Collusion」（Jussi Keppo, Yuze Li, Gerry Tsoukalas, Nuo Yuan、2026年3月18日投稿）です。この論文は、LLMエージェント同士が価格を提示し合う実験環境で、価格協調がどの条件で成立し、どの条件で崩れるかを検証しています。
アブストラクトによれば、忍耐強さ（どれだけ将来の利益のために目先の利益を我慢できるか）が対称的な条件では、競争水準に対する価格の上乗せは22%でした。ところが忍耐強さに非対称性を持たせると10%へ、データアクセスの非対称性を持たせると7%へと、上乗せ幅は縮小しています。つまり、エージェント間に何らかの「差」があるほど、協調は崩れやすくなるという結果です。
一方で、モデルの規模差（例えば32Bと14Bのように大きさの異なるモデルを組み合わせる場合）については、事情が異なります。同論文は、規模差そのものは協調を崩さず、むしろ一方が主導し他方が追随する「リーダー・フォロワー型の動学」を生み、協調を安定させる方向に働くと述べています。忍耐強さやデータアクセスの差は協調を崩す一方、規模の差はむしろ協調を安定させうるという、直感に反する非対称な結果です。
ここから言えるのは、「AIエージェントに任せれば必ず価格談合が起きる」という単純化も、「AIエージェント同士なら心配ない」という楽観も、どちらも実験結果を正確に反映していないということです。この論文はプレプリント（査読前論文）段階であり、数値はアブストラクト記載のものにとどまるため、条件によって結果が変わるという構造を読み取ることが、現時点でできる最も誠実な扱い方です。
なぜ「うちは大丈夫」と思い込みやすいのか
多くの事業責任者が「うちは価格協定を結んだ覚えがない」という理由で、この論点を自分ごととして捉えにくいという構造があります。しかし、DOJ高官が問題にしているのは「合意したかどうか」ではなく、合意に相当する結果が、ツールを介して生まれていないかという点です。
競合と一度も話したことがなくても、同じ価格推奨エンジンに複数の企業が従っていれば、外から見た価格の動きは「話し合った場合」と区別がつかなくなることがあります。「話していないから合法」という直感的な線引きは、アルゴリズム価格の文脈ではそのまま通用しない場合がある、というのがこの分野の難しさです。だからこそ、AIガバナンスのチェックリストに、この構造そのものを点検する項目を加える意味があります。
確かなことと、まだ確かではないこと
確かなこと: DOJ高官が2026年5月14日の講演で「ソフトウェアは共謀をロンダリングできない」と述べたとMayer Brownの解説記事（2026年7月6日掲載）が伝えていること。RealPage事案が民事の合意判決として処理されたこと。arXiv論文が、忍耐・データアクセスの非対称性で価格協調が22%→10%→7%へ縮小する実験結果と、モデル規模差ではむしろ協調が安定するリーダー・フォロワー動学が観察されたことを報告していること。
まだ確かではないこと: DOJ高官の発言引用はMayer Brownという法律事務所の解説記事経由であり、司法省サイト掲載の講演原文そのものと一言一句照合したものではありません。arXiv論文もプレプリント段階であり、査読を経て数値や結論が変わる可能性があります。自社の価格決定ツールが、この論点にどの程度該当するかは、ツールの仕組みを個別に確認しない限り判断できません。
自分でも試せる、最小の検証
自社が使っている価格・見積・入札関連のツールについて、「このツールの推奨値は、自社のデータだけから計算されているか、それとも他社のデータも取り込んでいるか」を、ベンダーに直接確認してみてください。この一問への回答が明確に得られない場合、それ自体がガバナンス上の点検対象です。
判断軸の提示
価格・見積・入札にAIやSaaSツールを使っている場合、「このツールを使うこと」自体をリスクとして扱うのではなく、「このツールの出力に、自社の独立した判断がどこまで置き換わっているか」を問うこと。個人情報・セキュリティ・知的財産・バイアスという既存の4点セットに、この視点を加えるところから、AIガバナンス方針の見直しは始められます。
この記事で扱ったような判断を、自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。
状況を整理する（15分）