A lo largo del desarrollo económico de México el cultivo de maíz ha suscitado un gran interés de carácter internacional y nacional. A nivel global, México está posicionado como el séptimo productor de maíz más grande en el mundo. No obstante, en el sector agropecuario nacional, la República Mexicana está ubicada como el segundo país con mayores importaciones de maíz y, a su vez, enfrenta un déficit de las 10 mil toneladas del producto[1], resultante en un desequilibrio en los gastos del Estado Mexicano. Aunado a esto, dentro del mismo territorio, preexiste una fuerte rivalidad entre los distintos competidores del mercado. Este sentimiento de enemistad ha emanado a raíz de que el maíz representa uno de los alimentos básicos en la dieta de las y los mexicanos y este ha desencadenado una serie de incentivos, por parte de los productores, para explotar los beneficios presentes en el mercado. Sin embargo, actualmente el mercado de maíz en México está dominado por la compañía Gruma[2], la empresa líder en la producción de harina de maíz y tortillas en México.[3]

En principio, el mercado de maíz per se está fraccionado en tres tipos de producciones: maíz, harina y tortilla. No obstante, el objeto de estudio del presente escrito se centrará en el mercado de la harina de maíz. En esencia, este mercado está dominado por un duopolio: Gruma y Minsa[4]. De esta manera, Gruma opera como la empresa líder y Minsa actúa como segunda al mando y, frente a esto, acaparan la participación del resto de los productores. A pesar de ello, las participaciones de los demás productores de harina de maíz en el mercado son afectadas por una serie de distintos aspectos. En primera instancia, la harina de maíz es un producto homogéneo, lo que implica que, para los consumidores, las características del producto son percibidas de manera similar independientemente de la marca y de las diferentes presentaciones, por ejemplo, harina, tortillas, wraps, entre otros. En segunda instancia, los competidores enfrentan productos sustitutos de la harina de maíz. Existen productos que comúnmente son hechos con harina de maíz, pero, como opción saludable, los productores han sustituido el maíz por ingredientes como la quínoa, el amaranto o el nopal. Sin embargo, estos productos no pueden ser considerados totalmente sustitutos para todos los hogares mexicanos, ya que una gran parte de las y los consumidores tienen fuertes preferencia por los productos de maíz.

Mas allá de estos obstáculos, la verdadera falla de mercado presente en la producción de harina de maíz en México está en el poder de mercado con el que cuentan las empresas Gruma y Minsa. Esto, puesto que su capacidad de producción supera la demanda del mercado y logran posicionarse como un duopolio sobre los demás competidores. De esta manera, Gruma cuenta con el poder de fijación de los precios; mientras que Minsa, fija sus precios por debajo de la primera. En consecuencia, los demás productores menores, por ejemplo, Harimasa, Cargill o Macsa siguen los precios de estas dos empresas. En concreto, la empresa Gruma, Minsa y los demás competidores están operando bajo un mercado de competencia imperfecta. Asimismo, Gruma y Minsa están trabajando con costes idénticos, compitiendo con productos homogéneos y en un ambiente estático. No obstante, la presencia de este evidente duopolio en el mercado de harina de maíz no ha sido reconocida abiertamente por las respectivas autoridades antimonopolísticas en México y, por ende, no han sido reguladas. A pesar de ello, desde octubre de 2018 la Comisión Federal de Competencia Económica (COFECE) ha iniciado una rigurosa investigación para indagar estas prácticas anticompetitivas, esto bajo lo establecido en el expediente IO-004-2018[5], y por el momento no han encontrado ninguna irregularidad. Sin embargo, de comprobarse prácticas monopolísticas absolutas y bajo lo establecido en la Ley Federal de Competencia Económica, Gruma y Minsa podrían llegar a ser multados hasta por 10% de sus ingresos.[6]

Acorde con lo anterior y desde la perspectiva microeconómica, el análisis del mercado sugiere una explicación clara de la complejidad de la falla presente en el mismo. Primeramente, los competidores confrontan una serie de barreras a la entrada. Como ya fue mencionado con anterioridad, Gruma se presenta como empresa líder en la elección de precios, mientras que Minsa como su seguidora. En este mismo sentido, para que Minsa tome la decisión más sensata, es necesario predecir el comportamiento de Gruma y fijar un precio más bajo. Así, en este modelo, el precio escapa del control de Minsa, pues esta empresa se atiene a las decisiones de la empresa líder. De la misma manera, los demás competidores están sujetos al precio impuesto por Gruma y Minsa y estos operan bajo la futura predicción del comportamiento de estas. Frente esto, para sobrellevar un aumento de las ventas, Minsa y los demás competidores cuentan con la capacidad de lanzar al mercado un precio más atractivo que el de la empresa líder. No obstante, lo anterior puede ocasionar que sus beneficios sean menores, pues la empresa líder tiene costos más bajos que Minsa y los demás competidores.

Asimismo, bajo la lógica microeconómica, las empresas seguidoras deben fijar el mismo precio que la empresa líder, dado que los productos son homogéneos y cuentan con una tecnología similar lo que genera que exista una insignificante diferenciación en los productos. A pesar de ello, en el caso que los precios sean distintos, los consumidores preferirían el producto que tuviera el menor precio. No obstante, en la realidad esto no sucede, pues los compradores han desarrollado, con base en un proceso histórico y cultural, un sentido de lealtad hacia los productos Gruma. Por consiguiente, aunque el precio de los productos de Gruma son un poco más altos que los de Minsa o algún otro productor, los consumidores siguen prefiriendo los productos Gruma. Por lo tanto, si lo anterior es representado de manera gráfica, la curva de demanda de la empresa líder —Gruma— es equivalente a la curva de demanda del mercado menos la curva de oferta del seguidor.[7] Aunado con el proceso histórico y cultural mencionado con anterioridad, también prexiste en el mercado una diferenciación en la marca de la harina de maíz a raíz del marketing. Mediante la mercadotecnia, las empresas monopolísticas han logrado que los consumidores desarrollen un sentimiento de identificación con las marcas. En este mismo sentido, los consumidores suelen comprar a estas empresas por tradición o hábito.

Considerando lo anterior, los factores culturales y los hábitos alimenticios de los mexicanos representan fuertes factores determinantes de la demanda que enfrentan los productores en el mercado. En específico, son las preferencias y los ingresos de los consumidores lo que determinan la demanda del mercado, no obstante, el precio de la harina de maíz constituye un factor fundamental para determinar no solo la demanda sino la oferta en el mercado. Sujeto a lo anterior, los competidores en el mercado tienen que cubrir los costos de producción, siendo estos los costos de los insumos, la mano de obra, la tecnología y la mercadotecnia. Sin embargo, los costos de producción que enfrentan Gruma y Minsa son mucho menores que los demás productores.

Más allá de esto, el poder de fijación de precios, por parte Gruma y Minsa, proviene del poder de negociación que estas empresas tiene con sus proveedores. Esto tiene por efecto que los costos de producción de Gruma y Minsa sean mucho menores con respecto a los de sus competidores. Sin embargo, debido a la mejor tecnología de Gruma, los costos medios de esta empresa son menores que los de Minsa. Por último, bajo la misma interpretación económica, la participación de Gruma y Minsa en el mercado de harina de maíz representa repercusiones positivas y negativas. Por un lado, generan una serie de externalidades positivas, como lo es la creación de nuevos empleos. Por el otro lado, también toman lugar una serie de externalidades negativas que afectan directamente a los consumidores de la harina de maíz. De acuerdo con un estudio realizado por la COFECE, “se confirmó que el poder de mercado impacta negativamente el bienestar de los hogares porque les impone sobreprecios”. [8] De esta manera, dicho excedente afecta más a aquellos hogares que producen menores ingresos, generando una repercusión directa en los primeros deciles de la población.

Bajo este análisis económico es evidente la presencia de un duopolio en el mercado de harina de maíz en México, sin embargo, a la luz de la interpretación de la COFECE, estas empresas no llevan a cabo prácticas monopolísticas. Más allá de esto, para postular una posible solución para corregir esta falla de mercado primeramente la participación de Gruma y Minsa tienen que ser reconocida como prácticas monopólicas. En este sentido, bajo lo establecido en el artículo 28 constitucional en materia de monopolios y la Ley Federal de Competencia Económica, la participación de estas empresas sería sancionadas. De entrada, Gruma y Minsa enfrentarían una multa monetaria. Al otro lado, más allá de una sanción económica, otra posible solución es atacar el problema a través de la imposición de una sanción penal. Bajo el supuesto de una violación a la Ley y bajo lo establecido en el artículo 254 Bis del Código Penal Federal, las personas físicas y morales involucradas en estas prácticas monopolísticas podrían llegar a enfrentar un tiempo hasta 10 años en prisión.[9]

A pesar de la existencia de restricciones antimonopolísticas en el Estado Mexicano la realidad que enfrenta el país es otra. Si bien, las autoridades están enfocadas en obtener un rápido crecimiento económico, existe una fuerte deficiencia por parte de autoridades reguladoras del mercado interno del país. De esta manera, bajo esta falta de regulación, no solo los mismos competidores se ven afectados, sino que las consecuencias transcienden a las y los consumidores mexicanos. Así, si esta falla de mercado no es atendida en un largo plazo el mercado de harina de maíz conllevará un proceso de debilitamiento del sector que solo implicará el enriquecimiento de pocos. En suma, el proceso de eliminación y regulación de los monopolios en México dependerá de las acciones del Estado y el desarrollo de un sistema de pesos y contrapesos que equilibre la participación de los competidores, a efecto de corregir la falla de mercado.

NOTA: Las opiniones y datos contenidos en este documento son de la exclusiva responsabilidad de su(s) autor(es) y no representan el punto de vista del CIDE como institución.

[1] Jaime Jurado Arredondo et al., “Situación económica de la producción de maíz en condiciones de riego en el estado de Chihuahua”, Revista Mexicana de Agronegocios 33 (2013): 504, https://www.redalyc.org/pdf/141/14127709011.pdf.

[2] Polemón. “Estos son los monopolios que mandan en México y EPN ni los molestó”. Polemón, 15 de noviembre de 2018. https://polemon.mx/estos-son-los-monopolios-que-mandan-en-mexico-y-epn-ni-los-molesto.

[3] “Acerca de Gruma”, Gruma, consultado el 16 de junio de 2020, https://www.gruma.com/es/somos-gruma/acerca-de-gruma.aspx.

[4] Gustavo Vargas Sánchez, “El mercado de harina de maíz en México. Una interpretación microeconómica”, Economía Informa 405 (julio-agosto 2017), http://www.economia.unam.mx/assets/pdfs/econinfo/405/01Vargas.pdf.

[5] Aviso por el que la autoridad investigadora de la Comisión Federal de Competencia Económica inicia la investigación de oficio identificada bajo el número de expediente IO-004-2018, por la posible comisión de prácticas monopólicas absolutas en el mercado de la producción, distribución y comercialización de harina de maíz en el territorio nacional (México, 2018), https://www.cofece.mx/wp-content/uploads/2019/04/IO-004-2018_AcuerdoDeInicio.pdf.

[6] Ley Federal de Competencia Económica, publicada el 23 de mayo de 2014, http://www.diputados.gob.mx/LeyesBiblio/pdf/LFCE_270117.pdf.

[7] Hal R. Varian, “El oligopolio”, en Microeconomía intermedia (California: Antoni Bosch, 2010), 517.

[8] Andrés Aradillas López, “Estudio sobre el impacto que tiene el poder de mercado en el bienestar de los hogares” (nota técnica, Comisión Federal de Competencia Económica, México, 2018).

[9] Andrea Marván Saltiel, Carlos Mena Labarthe y Víctor Meyer, “Sanciones penales en competencia económica”, Derecho en acción, abril 18, 2017, https://derechoenaccion.cide.edu/sanciones-penales-en-competencia-economica/.

En el alba de las últimas décadas, la tecnología ha alcanzado un uso inmensurable que progresivamente ha evolucionado como una herramienta indispensable en la vida cotidiana. Así, de manera radical y casi impredecible, la tecnología ha transformado cada aspecto de la estructura social, de tal manera que la conectividad resultante del uso omnipresente de algoritmos e interacciones humanas, han generado la necesidad de una adaptación por un nuevo Estado de Derecho. Frente a esto, los diferentes sistemas jurídicos han incidido en una serie de ajustes y modificaciones para contrarrestar el desfase entre el derecho existente y la realidad social. No obstante, a medida que la inteligencia artificial^[1] (IA) —machine learning^[2] y deep learning^[3]— avanza en su aplicación en instituciones públicas y privadas, en la economía, la banca, las estadísticas, la publicidad, entre otros ámbitos, cabe cuestionar cuáles son las limitaciones éticas y jurídicas de esta misma.

Hoy en día, la aplicación de la IA dentro del sector legal mexicano es muy baja o casi nula. Empero, muchos de los recursos de su aplicación pueden verse reflejados en la administración de los servicios bancarios. Es decir, en la automatización de documentos, en la predicción de tarifas y créditos, en motores de búsqueda, entre otras cosas. En dichas actividades el empleo de la IA presupone el uso de datos estadísticos, anónimos, autogenerados, históricos y personales. De ahí que, en términos de la normatividad mexicana, bajo el rubro de la Constitución y legislación federal, las instituciones bancarias deben atender al respeto de los derechos humanos. Con motivo de lo anterior, la finalidad del presente ensayo es postular que la implementación de la inteligencia artificial —machine learning y deep learning— en el mercado bursátil mexicano dará lugar al surgimiento de una controversia jurídica con respecto a la ética profesional^[4] de la toma de decisiones de los agentes financieros.

En primera instancia, el desempeño de la IA está sustentado en una serie de redes neuronales capaces de procesar, analizar y aprender de grandes bloques de información.^[5] Por consiguiente, el aprendizaje automático es transformado en un aprendizaje profundo sujeto a un ente artificial. Lo anterior posibilita el surgimiento de la falta de transparencia en la toma de decisiones automatizadas en el mercado bursátil. Asimismo, da lugar a la aparición de nuevos perfiles, la falta de regulación de estos y abre paso a la discriminación y sesgos resultantes de este aprendizaje con base en un banco de datos sin filtraciones.^[6] Inherente a esto, la IA, al producir una falta de transparencia, un conocimiento incierto sujeto a cambios constantes y, a su vez, difícil de caracterizar, funda la posibilidad de establecer el surgimiento de una serie de discusiones de carácter jurídico. Verbigracia, controversias sobre la propiedad intelectual, invasión de la privacidad de los ciudadanos, entre otros. Ante esto, la implementación de programas de algoritmos en el mercado bursátil implica una obtención, administración y uso de datos personales, lo que abre la posibilidad del surgimiento de una controversia jurídica con respecto a la toma de decisiones de los agentes financieros.

Del mismo modo, el conocimiento producido a través de la IA puede llegar a ser clasificado en tres tipos: declarativo, procedimental y heurístico.^[7] A su vez, este conocimiento puede llegar a producir soluciones eficientes para el marcado. Sin embargo, la categorización del conocimiento no presenta una característica suficiente y necesaria para evitar el surgimiento de controversias jurídicas, puesto que esta codificación puede asegurar una solución eficiente más no ética. Aunado a esto, este nuevo conocimiento debe de ser usado bajo estrictos criterios de responsabilidad y de transparencia o de lo contrario, surgiría la posibilidad de la creación de un panóptico digital.^[8]

En segunda instancia, actualmente el uso de la IA y la protección y propiedad de datos personales en México está regulado parcialmente bajo la Ley Federal de Protección de Datos Personales en Posesión de los Particulares^[9].  Sin embargo, en conformidad con los últimos avances que la IA ha presentado, México requiere una estrategia nacional mucho más exhaustiva, puesto que la mencionada Ley sí brinda una protección ciudadana más no regula enteramente el uso de algoritmos. En este sentido, es necesario la integración de códigos que atiendan al desarrollo de la implementación y registro de algoritmos en México. Al mismo tiempo que aseguren de manera certera la protección de los derechos fundamentales y, de manera detallada, principios éticos, regulatorios y legales. De tal manera que la implementación de esta futura reglamentación en México asegure el desarrollo de un código de ética con base en un marco de transparencia. De lo contrario, la íntegra implementación de la IA en la sociedad mexicana creará una notable discrepancia entre las tecnologías sociales —instituciones privadas, gobierno, leyes y administración pública— y las tecnologías físicas —machine leargning y deep learning—.

Asimismo, en virtud de estas evoluciones tecnológicas una serie de académicos han postulado, en conjunto, distintos planes para enfrentar de la mejor manera estas implementaciones tecnológicas. Por ejemplo, el académico Enrique Graue Wiechers, rector de la UNAM, desarrolló una agenda consensuada entre más de 80 instituciones de ciencia, tecnología e innovación con el objetivo de contribuir al desarrollo de la implementación tecnológica de la nación.^[10] Con esto, el objetivo del documento “Hacia la Consolidación y Desarrollo de Políticas Públicas en Ciencia, Tecnología e Innovación. Objetivo estratégico para una política de Estado 2018-2024” es sentar las bases para que México pueda desarrollar una planeación estratégica que atienda a una modificación de la normatividad actual mexicana. Si bien, dicho documento ejemplifica razones multidimensionales para el uso e implementación de la IA, este requiere la realización de un diagnóstico arduo y preciso para determinar las fortalezas y debilidades normativas en México, con el propósito de regular el uso de algoritmos. Aunado a esto, será necesaria la creación de una coordinación multisectorial, es decir, la implementación de un plan de competencias entre el gobierno, las instituciones públicas y privadas, los inversionistas y los usuarios.

En tercera instancia, México requiere incorporar de manera plena el concepto de algoritmos a su legislación para permitir adquirir una regulación jurídica de los mismos. De lo contrario, debido a su falta de reglamentación, emerge una brecha que da lugar a controversias de ética profesional. Si los algoritmos son interpretados más allá de su carácter de fórmula matemática y son vistos, por la legislación mexicana, como parte de la normativa jurídica, entonces, estos adquieren un carácter jurídico. De ser un ente jurídico sujeto al Estado democrático de Derecho, las instituciones bancarias deberán procurar una transparencia, publicidad y aplicabilidad en sus usos.

En este sentido, es posible afirmar que el problema de la regulación del uso de algoritmos radica en la falta de esta. Parte del problema descansa en la desinformación por parte de las instituciones bancarias de las regulaciones existentes, de ahí que, emergen una serie de controversias de ética profesional. En principio, lo óptimo sería la creación de un organismo regulatorio del uso de algoritmos por parte de las instituciones bancarias. Dicho organismo deberá ser creado por la Comisión Nacional Bancaria y de Valores el cual tiene el objetivo de supervisar y regular, en el ámbito de su competencia, a las entidades financieras, así como mantener y fomentar el sano y equilibrado desarrollo de dicho sistema en su conjunto a fin de procurar la protección del interés público.^[11] Así, los efectos de tal acción en individual aparentan ser nulos. Sin embargo, la acción en colectivo lo determina todo. Por lo tanto, un verdadero cambio radica en la implementación de organismos regulatorios que cuenten con una competencia nacional, así como con regulaciones arduas y estrictas que aseguren la protección de los derechos fundamentales.

En suma, si el derecho atiende a las necesidades sociales entonces el estado mexicano tiene la obligación de regular las controversias emergentes, siendo estas, hoy en día, el uso de la IA, a fin de asegurar la protección de la integridad e interés público. De lo contrario, las autoridades gubernamentales estarían cometiendo una violación a su función ejecutiva. Por tanto, al regular el uso de la IA por parte de las instituciones bancarias y el servicio a cliente el estado mexicano podrá llegar a una estabilidad dinámica que evite el surgimiento de controversias de ética profesional e invasión a la privacidad de los individuos. De igual manera, el Estado podrá asegurar una transparencia en la toma de decisiones automatizadas y aseverar la dignidad y autonomía ciudadana.

Bibliografía

“Boletín UNAM-DGCS-511 Ciudad Universitaria”. Dirección General de Comunicación Social, 22 de agosto de 2018. https://www.dgcs.unam.mx/boletin/bdboletin/2018_511.html.

B Nair, Shivashankar & Knights, Kevin & Rich, Elaine. “Knowledge Representation”. Artificial Intelligence, (Madrid: McGraw-Hill, 1994): 79-97.

Cedillo Lazcano, Israel. “La inteligencia artificial frente al imperio de la ley”. Centro de Estudios Constitucionales SCJN, 04 de mayo de 2020. https://www.sitios.scjn.gob.mx/cec/blog-cec/la-inteligencia-artificial-frente-al-imperio-de-la-ley.

Lazcano, Rafael. “Diferencia entre inteligencia artificial, machine learning y Deep learning”. Blog de Innovación de Enzyme, 06 de enero de 2020. https://blog.enzymeadvisinggroup.com/inteligencia-artificial-machine-learning.

Ley de la Comisión Nacional Bancaria y de Valores. (México: Cámara de diputados, 2012). https://www.senado.gob.mx/comisiones/finanzas_publicas/docs/LCNBV.pdf.

Ley Federal de Protección de Datos Personales en Posesión de los Particulares. (México: Cámara de diputados, 2010). http://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf.

^[1] El término inteligencia artificial alude al estudio, al desarrollo y a la aplicación de técnicas informativas que permiten a las computadoras adquirir un conjunto de habilidades inherentes de la inteligencia del ser humano.

Rafael Lazcano, “Diferencia entre inteligencia artificial, machine learning y Deep learning,” Blog de Innovación de Enzyme, 06 de enero de 2020, https://blog.enzymeadvisinggroup.com/inteligencia-artificial-machine-learning.

^[2]  El término machine learning alude al proceso de aprendizaje por parte de las computadoras con base en una formación a partir del procesamiento de una serie de datos.

Lazcano, “Diferencia.”

^[3] El término deep learning alude a la programación de algoritmos capaces de aprender a realizar tareas de manera autónoma con base en una serie de redes neuronales.

Lazcano, “Diferencia.”

^[4] Al hacer referencia a la ética profesional el presente ensayo refiere al conjunto de normas, principios y valores jurídicos aplicados en el uso de algoritmos por parte de las instituciones bancarias.

^[5] Rafael Lazcano, “Diferencia entre inteligencia artificial, machine learning y Deep learning,” Blog de Innovación de Enzyme, 06 de enero de 2020, https://blog.enzymeadvisinggroup.com/inteligencia-artificial-machine-learning.

^[6] El funcionamiento de los algoritmos es sustentado en una base de datos con diversos grados de información especializada, mismos que apuntan a la complejidad de su aplicación. Por ejemplo, en ocasiones los sistemas y la base de datos utilizados por los algoritmos contienen en si mismos información sesgada y discriminatoria. De ahí que, la aplicación de los algoritmos solamente es eficaz en la medida de la verosimilitud de los datos utilizados. De lo contrario, esto abre paso a una controversia de determinar en quién recae la responsabilidad del sesgo y discriminación creada, si en los algoritmos, en los creadores de las bases de datos utilizados por la IA o en las mismas instituciones bancarias.

^[7] Shivashankar B Nair & Kevin Knights & Elaine Rich, “Knowledge Representation,” Artificial Intelligence, (Madrid: McGraw-Hill, 1994): 79-97.

^[8] Israel Cedillo Lazcano, “La inteligencia artificial frente al imperio de la ley,” Centro de Estudios Constitucionales SCJN, 04 de mayo de 2020, https://www.sitios.scjn.gob.mx/cec/blog-cec/la-inteligencia-artificial-frente-al-imperio-de-la-ley.

^[9] En conformidad con lo establecido en artículo 1 de la Ley el objetivo es regular el derecho de autodeterminación informativa de las personas.

Ley Federal de Protección de Datos Personales en Posesión de los Particulares. (México: Cámara de diputados, 2010). Art. 1 http://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf.

^[10] “Boletín UNAM-DGCS-511 Ciudad Universitaria,” Dirección General de Comunicación Social, 22 de agosto de 2018, https://www.dgcs.unam.mx/boletin/bdboletin/2018_511.html.

^[11] Ley de la Comisión Nacional Bancaria y de Valores. (México: Cámara de diputados, 2012). Art. 2. https://www.senado.gob.mx/comisiones/finanzas_publicas/docs/LCNBV.pdf.