När jag skulle boka ett morgontåg från Borlänge till Västerås fanns det två nästan identiska alternativ. Ändå kostade det ena dubbelt så mycket som det andra. Hur kan det vara så?
Bakom biljettpriset döljer sig en tyst aktör: algoritmen. Jag forskar om hur algoritmer sätter priser. Det är viktigt för det handlar både om vad vi betalar i vardagen och om lagarna klarar av att hänga med i den digitala ekonomin.
Ekonomer lär ut att priset bestäms av kundernas betalningsvilja (efterfrågan) och producenternas framställningskostnad av varan eller tjänsten (utbud). I en sådan värld skulle två identiska tågresor ha samma pris.
I teorin hamnar priset på en nivå där säljarna täcker sina kostnader och köparna betalar inte mer än de tycker att varan är värd. Där möts bådas villkor – och priset blir stabilt.
I verkligheten bestäms biljettpriser av algoritmer som fortlöpande justerar priset för att fylla tåget och öka tågbolagets intäkter. Resultatet blir att vi som kunder möter prisvariationer som känns obegripliga.
Detta kallas algoprissättning – alltså att datorn bestämmer priset i stället för en människa. Algoprissättning förekommer numera även i e-handeln: min forskning visar att tio procent av e-handlarna i Sverige använder algoprissättning idag.
Och jag är övertygad om att det snart blir mycket vanligare.
Vi vet att företag ibland ertappas med att samordna sig för att driva upp priser, något som skadar både kunder och samhälle. Ett exempel var den så kallade asfaltskartellen. Där delade några företag upp asfaltmarknaden och fick betala skadestånd på hundratals miljoner för att de bröt mot konkurrenslagstiftningen.
Lagstiftningen är gjord för att hantera människor i företagen som samarbetar i hemlighet – med mejl, möten eller protokoll som bevis. Men vad händer när det i stället är datorer som själva lär sig att samarbeta om priserna, utan att en enda människa har varit inblandad?
Det är just den utmaning jag och mina kollegor på Högskolan Dalarna och Handelns forskningsinstitut försöker lösa. Sedan 2020 har vi dagligen samlat in prisuppgifter från tusentals e-handlare världen över – för att utveckla nya metoder som kan ge lagstiftarna verktyg att förstå och stoppa algoritmisk prissamordning.
Eftersom butikerna använder algoritmer för prissättningen börjar deras priser röra sig parallellt över tid. Låt mig visa med ett fiktivt och förenklat exempel och en bild vad vi upptäcker på olika marknader.
Hörlursexemplet som visas i bilden har sin grund i verkligheten. De två e-handlarna P och W sålde under 2022 en exklusiv hörlursmodell. Trots att det var exakt samma hörlurar ändrade de priset dagligen, vilket du ser i figuren.
Fiktivt exempel på prisutveckling för samma hörlursmodell hos två e-handlare P och W.
En junidag höjde e-handlaren P priset med runt 1 000 kronor under några dagar. Algoritmen chockhöjde priset avsiktligt för att testa hur känsliga vi som kunder är för prisändringar och på så sätt maximera vinsten. Det mest anmärkningsvärda var att priserna rörde sig parallellt uppåt.
Ett mönster vi känner igen från karteller före den digitala ekonomin. Här hade ingen människa bestämt det i ett möte – men algoritmerna lärde ändå sig att följa varandra. Utifrån prisbilden i andra länder för samma hörlurar visste vi att priset borde ligga runt 2000 kronor för hörlurarna.
I Sverige såg vi däremot ett mönster som tyder på att algoritmerna samarbetade och drev upp lägsta priset till 3 000 kronor. Företag som skadar konkurrensen genom algoritmisk prissättning ska i princip kunna dömas i rätten. EU-lagstiftning finns redan som förbjuder prissamordning. Men trots flera utredningar har ännu ingen dömts.
Förklaringen är enkel: det är svårt att bevisa hur algoritmerna samordnar sig för att pressa upp priserna. Min och kollegors lösning är att skatta referenspriser – alltså beräkningar av vad olika varor borde kosta om konkurrensen fungerade – och sedan söka över länder och produkter efter marknader där prisbilden avviker från dessa referenspriser.
Det är ett slags digitalt detektivarbete som kräver tid, men som gör det möjligt att avslöja prissamordning. Hörlursexemplet är ett resultat av just en sådan sökning. Inom det närmaste året räknar jag med att vi kan gå ännu längre – nämligen att göra riktade sökningar på enskilda e-handlare.
Ta e-handlare P i hörlursexemplet. Eftersom vi redan har sett e-handlarna P på en flaggad marknad kan vi följa upp genom att söka slumpmässigt på andra marknader där e-handlaren är aktiv.
Om e-handlaren fortsätter att dyka upp på andra flaggade marknader växer evidensen, och steg för steg kan vi bygga en beviskedja som visar om P faktiskt deltar i prissamordning. En sådan metod skulle ge myndigheter en helt ny typ av bevisföring, inte baserad på mötesanteckningar eller mejl, utan på e-handlarens faktiska prissättningsbeteende.
E-handeln har gjort mycket gott genom att skapa pristransparens och öka tillgängligheten till produkter. Men om algoritmerna får fortsätta utvecklas utan kontroll väntar en framtid där priserna inte längre styrs av konkurrens, utan av algoritmer som samarbetar i det tysta.
Vi har förmågan att lösa det här – men vi har inte råd att vänta. Själv funderar jag på det varje gång jag sitter på tåget och ser landskapet passera förbi.
Publicerad i Falu-Kuriren 6 november 2025.