Matices anticompetitivos en la cadena de suministro de la inteligencia artificial: prácticas predatorias y la relevancia del control de concentraciones

Joan Bisonó — 2026-11-18T09:00:00.000Z

Inteligencia Artificial · Inteligencia Artificial · Derecho de la Competencia · Control de Concentraciones · Killer Acquisitions · Ley 42-08 · República Dominicana

Killer acquisitions, quasi-mergers, acquihires y kill zones en la cadena de suministro de la IA, y por qué la República Dominicana, sin control previo de concentraciones bajo la Ley 42-08, necesita que el Anteproyecto vaya más allá de un umbral de ingresos.

Resumen

El artículo analiza las prácticas anticompetitivas en la cadena de suministro de la inteligencia artificial: adquisiciones predatorias, «quasi-mergers» y «acquihires»; examina su proyección sobre el mercado emergente de los agentes de IA y evalúa la idoneidad del control de concentraciones como instrumento preventivo, con especial atención a las limitaciones de la Ley 42-08 y las innovaciones del Anteproyecto dominicano.

Palabras clave

Adquisiciones predatorias, kill zones, acquihires, quasi-mergers, agentes de inteligencia artificial.

Introducción

Resulta imperativo que cualquier marco jurídico orientado a la tutela de la competencia instituya mecanismos que, trascendiendo el mero fomento de la libertad de mercado, logren neutralizar y, no menos importante aún, prever eficazmente los vectores de riesgo anticompetitivo. Dicha arquitectura debe poseer cierta versatilidad que le permita ajustarse a las disrupciones de los sectores tecnológicos y a la fluidez sistémica de una economía en permanente estado de mutación. Bajo esta premisa, a medida que la Inteligencia Artificial («IA») adquiere una naturaleza transversal, su capacidad de disrupción sobre el tejido económico y la reconfiguración del mercado resulta evidente[1], instaurando vectores de innovación y dinamizando la expansión de las industrias involucradas. En virtud de lo expuesto, tales disrupciones sectoriales instituyen vectores de riesgo anticompetitivo de alta severidad, precipitando una imperativa y compleja presión sobre los marcos y entidades regulatorias. En este contexto, la estructura de mercado que se consolida en torno a estos espacios tiende no solo a vulnerar principios de libre competencia, sino que, como resultado directo, a favorecer la posición de los agentes económicos ya establecidos.

Esto se atribuye a una falla de mercado que ha caracterizado la estructura competitiva de estos entornos tecnológicos. Dicha dinámica se manifiesta a través de múltiples vectores de riesgo anticompetitivo, como la conformación de mercados de dos lados, la concentración y explotación de datos masivos, la utilización de algoritmos para colusión tácita, y las deficiencias de las herramientas de aplicación en mercados multifacéticos[2]. Todo ello se materializa en los principales conglomerados empresariales del sector tecnológico digital[3], los cuales se han convertido en una preocupación central para las autoridades de competencia, debido a la concentración percibida en los mercados en que participan y al creciente y persistente poder de mercado que ejercen en los sectores de la industria[4]. La absorción de un corpus creciente de empresas por medio de estos conglomerados ha forjado una arquitectura que, por su naturaleza, propicia la materialización de conductas anticompetitivas[5]. Estos sucesos han causado la preocupación de los reguladores sobre el empleo de prácticas que van en detrimento de los competidores emergentes, quienes, paradójicamente, se encuentran mejor posicionados para explorar nuevas vías de innovación[6].

Con la integración de la IA a la industria, los mercados digitales han trascendido, extendiéndose hacia nuevos espacios económicos donde la tecnología que impulsa la IA emerge como un sector igualmente vulnerable a estas dinámicas anticompetitivas[7]. Mediante estas prácticas, los conglomerados no sólo facilitan el desarrollo de nuevos productos y servicios dentro de su ecosistema, sino que, como detrimento, absorben sistemáticamente a sus competidores, consolidando así un entorno económico autosuficiente[8]. Este es el caso de las adquisiciones predatorias, operaciones mediante las cuales una empresa dominante adquiere de manera directa o indirecta un competidor innovador con el propósito explícito de eliminarlo como competencia futura[9]. La evidencia ha demostrado que estas prácticas en mercados digitales han generado consecuencias que van desde la reducción de la calidad innovadora hasta la sustitución de innovación genuina por innovación replicativa[10]. Por ello, estas operaciones se han regulado mediante el denominado «Control de Concentraciones», mecanismo de defensa de la competencia «que supone un control administrativo previo de ciertas operaciones que (...) pueden alterar la estructura competitiva del mercado mediante la aparición de estructuras y prácticas restrictivas de la competencia»[11].

El presente artículo analiza el papel del control de concentraciones frente a las adquisiciones predatorias y otros mecanismos de control tanto directos como indirectos, particularmente en el contexto emergente del ecosistema económico del mercado que rodea a los agentes de IA. Estas prácticas amenazan no solo con reproducir las fallas de mercado documentadas en plataformas digitales, sino con amplificarlas de manera significativa. Amplificación que resulta particularmente grave dado que los sistemas de IA se han convertido en herramientas transversales que median tanto en aspectos personales como profesionales de la vida cotidiana, multiplicando así el alcance y las externalidades negativas de la concentración de mercado. El análisis se articula en torno a tres ejes: la tipología de las prácticas predatorias de control y adquisición, esto es, las «killer acquisitions», los «quasi-mergers», los «acquihires» y las «kill zones»; la arquitectura de la cadena de suministro de la Inteligencia Artificial como vector sistémico de riesgo anticompetitivo, que se proyecta hasta el mercado emergente de los agentes de IA, eslabón donde la contestabilidad del ecosistema se juega con mayor inmediatez; y, finalmente, la evaluación del control de concentraciones como instrumento preventivo, con especial atención a las limitaciones de la Ley núm. 42-08 y a las innovaciones del Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica de 2026.

I. Economía digital, innovación y competencia

La IA, concebida simultáneamente como un sector industrial autónomo y una arquitectura tecnológica transversal que dinamiza diversas esferas económicas, constituye la disrupción más significativa no solo de la presente década, sino, acaso, del presente siglo. No obstante, en su calidad de extensión sistémica del entorno digital, ha reproducido los mismos fenómenos de centralización y dominio comercial que caracterizaron a sus predecesores tecnológicos. Esto es en vista de que la evolución de los mercados digitales, a diferencia de otros sectores, ha demostrado que el dominio de la infraestructura y el conocimiento técnico-industrial se concentra en un número reducido de empresas[12].

En virtud de esto, el análisis de la trayectoria de los mercados digitales revela hitos determinantes que, al tiempo que reconfiguraron la arquitectura industrial, precipitaron un cambio paradigmático tanto institucional como operativo por parte de las entidades reguladoras.

Por ejemplo, a finales de la década de 2010, se llegó a observar cómo el principal proveedor de servicios de búsqueda en internet controlaba más del 90% del mercado global[13]. Asimismo, en el 2016, el sistema operativo móvil líder llegó a capturar un 87.5% del mercado de sistemas operativos para teléfonos inteligentes[14]. Hacia 2018, el principal operador de comercio electrónico en los Estados Unidos pudo concentrar aproximadamente tres cuartas partes de las transacciones del sector, con cuotas aún mayores en categorías específicas[15]. En el segmento de redes sociales móviles, las tres aplicaciones más utilizadas en los Estados Unidos pertenecían a una única empresa, que además ostentaba una cuota superior al 70% del mercado publicitario en sus propias plataformas[16]. Es así que resulta innegable la formación de una dinámica centralizadora que ha permeado sistemáticamente la arquitectura de este mercado.

Esta tendencia centralizadora se explica por las dinámicas estructurales que NEWMAN[17] catalogó como catalizadoras del dominio comercial que persiste en los entornos digitales. Lejos de propiciar mecanismos de autocorrección, dichos ecosistemas fomentan la gestación y la preservación de un poder de mercado singularmente perdurable que se distingue por dos elementos fundamentales: (i) la manifestación de rendimientos crecientes sumamente robustos; y, (ii) la activación de ciclos de retroalimentación positiva. Estos fenómenos, al amparo de los efectos de red y el procesamiento de macrodatos, instituyen barreras de entrada estructurales mediante economías de escala, de alcance y de aprendizaje técnico[18]. La confluencia de estas características promueve una estructura de mercado del tipo «winner-takes-all»[19], lo que inevitablemente ha resultado en la concentración de la mayor parte del valor generado en un grupo reducido de empresas, constituyendo así, una amenaza significativa para la competencia a través de la acumulación de niveles críticos de concentración de mercado[20].

Resulta evidente que, en un ecosistema digital transformado por los modelos de lenguaje, el procesamiento de macrodatos y el hardware de vanguardia, los activos estratégicos y el capital humano especializado que sustentan la infraestructura de IA converjan en los mismos conglomerados que han blindado históricamente la hegemonía del mercado tecnológico. Específicamente, tal y como demuestran KORINEK y VIPRA, la industria de la IA registraba, a finales de 2023, una concentración en torno a cuatro actores principales en términos de cuota de gasto en IA generativa que, en conjunto, controlaban aproximadamente el 84% del mercado[21]. Los mismos autores advierten que las economías de escala y de alcance, propias del entrenamiento de modelos fundacionales, sumadas a los incentivos hacia la integración vertical, generan una tendencia estructural hacia el vuelco («tipping») del mercado en favor de un número reducido de operadores[22].

Bajo esta premisa, la arquitectura competitiva de la IA representa la intensificación de una dinámica previamente advertida; la inquietud que KAMEPALLI, RAJAN y ZINGALES articulan sobre los entornos digitales en el sentido de que estos podrían concentrar poder de mercado, distorsionar la concurrencia y aletargar los ciclos innovadores[23] se transfiere a un sector donde los activos estratégicos presentan una replicabilidad ínfima y las barreras de acceso son de una naturaleza estructuralmente más compleja. Por consiguiente, las tácticas de naturaleza anticompetitiva que NEWMAN identificó como inherentes a las plataformas (y que, según su tesis, han evadido sistemáticamente la fiscalización de los reguladores)[24] hallan en estos nuevos modelos un escenario idóneo para su proliferación, toda vez que el dominio sobre los datasets de entrenamiento, el hardware de procesamiento, el software especializado, y no menos importante, el capital humano técnico, replica, con una severidad acrecentada, la estructura de los ecosistemas cerrados que han blindado a estos operadores establecidos[25].

En virtud de las premisas analizadas, resulta imperativo precisar que la industria de la IA trasciende la mera provisión de servicios o productos aislados; lejos de circunscribirse al desarrollo de modelos fundacionales o interfaces de chatbots, dicho sector se articula mediante una compleja cadena de suministro sistémica. Esta arquitectura técnica integra estratos fundamentales como el hardware especializado y la infraestructura de cloud computing, proyectándose hasta el nivel de los modelos propiamente dichos. En este último eslabón, diversos agentes económicos han logrado instituir posiciones de relevancia frente a los operadores incumbentes, configurando un escenario donde la dinámica de concurrencia exhibe, comparativamente, una mayor apertura competitiva[26].

Es por ello que, dentro del ecosistema emergente del mercado que compone todo lo que es IA, algunas partes del sector presentan más riesgo anticompetitivo que otras. Bajo este entendido, el desafío se fundamenta en la persistencia de una falla estructural en las capas de infraestructura (datos y recursos computacionales). Para comprender la relevancia estratégica de estos componentes en mercados de IA, resulta necesario desentrañar los mismos, y comenzar a distinguir lo que comúnmente se denomina, de manera simplificada, como «Inteligencia Artificial», la terminología dada como nombre genérico que engloba ciertas tecnologías nuevas relacionadas con el análisis de macrodatos y los algoritmos avanzados, y que incluye conceptos como la «autonomía» y el «autoaprendizaje»[27].

De lo expuesto se colige, en síntesis, que la IA no constituye un mercado tabula rasa desde la perspectiva de la política de competencia; antes bien, reproduce y agudiza las condiciones estructurales que ya habían comprometido la integridad competitiva de los entornos digitales precedentes. La convergencia entre el capital técnico (humano) especializado, el acceso preferencial a infraestructuras de cómputo, el control sobre los conjuntos de datos de entrenamiento y las tecnologías para procesar esas fuentes, instituye barreras de entrada cuya severidad supera, cualitativamente, las que caracterizaron los mercados de búsqueda o de redes sociales móviles. Esta realidad no solo perpetúa la hegemonía de los operadores establecidos, sino que de igual forma condiciona estructuralmente las perspectivas de innovación de los agentes emergentes, conminándolos a un ecosistema donde la dependencia tecnológica hacia los incumbentes es, en muchos casos, condición sine qua non para su propia viabilidad comercial. En este contexto, resulta imperativo examinar los mecanismos concretos mediante los cuales dichos operadores instrumentalizan su posición dominante para neutralizar la competencia potencial, objeto de análisis en la sección subsiguiente.

II. Modalidades predatorias de control y adquisición

Las adquisiciones, fusiones o cualquier mecanismo mediante el cual una empresa asume el control directo o indirecto de otra, no necesariamente constituyen prácticas anticompetitivas ni resultan necesariamente dañinas para el mercado. De hecho, la literatura económica reconoce estos mecanismos como potencialmente beneficiosos, dado que una empresa con mayores recursos y capacidades técnicas está mejor posicionada para explotar y desarrollar las tecnologías incorporadas[28]. Esto se observa en ejemplos como cuando «(...) la empresa adquirida factura poco, pero aporta capacidades, datos o una comunidad de usuarios que, al sumarse al ecosistema del líder, crean ventajas difíciles de igualar»[29]. Esto facilita la especialización económica y, consecuentemente, promueve la innovación y el bienestar del consumidor[30].

En este sentido, AUER y ZÚÑIGA argumentan que las coaliciones estratégicas entre los principales conglomerados tecnológicos y las empresas emergentes de IA son frecuentemente pro-competitivas y que la evidencia empírica muestra mercados dinámicos con entrada robusta y precios decrecientes[31]. La tesis de los autores se fundamenta en la inexistencia de evidencia que acredite una afectación gravosa a la concurrencia en los sectores de IA generativa; sostienen, en esencia, que ninguna entidad ha consolidado una hegemonía comercial ni se proyecta una dominancia inminente derivada de dichas coaliciones estratégicas. En una línea convergente, BARNETT ha calificado la narrativa sobre las «killer acquisitions» como «economic hyperbole», argumentando que los mercados digitales, lejos de exhibir la rigidez que dicha narrativa presupone, presentan una dinámica competitiva sostenida y que la evidencia empírica no acredita una supresión sistemática de la innovación atribuible a las operaciones de adquisición[32].

Esta posición encuentra, además, respaldo econométrico. PRADO y BAUER, sobre una base de más de treinta y dos mil operaciones de capital de riesgo en ciento setenta y tres segmentos tecnológicos entre 2010 y 2020, no hallaron el patrón sistemático de contracción del financiamiento que la tesis de la «kill zone» presupone; antes bien, identificaron efectos positivos y estadísticamente significativos sobre el volumen y el número de operaciones de capital de riesgo en los segmentos afectados, si bien de carácter transitorio y con desvanecimiento tras algunos trimestres[33]. La objeción metodológica que de allí se desprende no es menor, ya que si el efecto agregado de las adquisiciones sobre el financiamiento de la innovación es positivo, la premisa fáctica de la intervención regulatoria preventiva quedaría, cuando menos, debilitada.

No obstante, estas posiciones, si bien merecedoras de consideración metodológica, adolecen de limitaciones analíticas que no pueden ser soslayadas. GUGLER, SZÜCS y WOHAK, aplicando estimadores de diferencias en diferencias sobre varios centenares de adquisiciones realizadas por los cinco principales conglomerados tecnológicos, documentan un impacto negativo sobre la inversión de capital de riesgo en los campos tecnológicos afectados, aunque el efecto sobre el patentamiento varía según el adquirente y el periodo considerado[34]. Resulta particularmente relevante que dichos autores identifiquen un agravamiento de los efectos conforme las carteras tecnológicas y de producto de los adquirentes se tornan más similares entre sí[35], hallazgo que converge con el mecanismo de solapamiento que la teoría de las «killer acquisitions» postula.

Asimismo, y más importante aún, la ausencia de evidencia explícita de daño anticompetitivo no equivale a la inexistencia de tal daño; constituye, más bien, el síntoma más característico de los mercados donde la asimetría informativa opera con particular intensidad. CUNNINGHAM, EDERER y MA ofrecen el argumento decisivo en este punto al constatar, en el sector farmacéutico, que las adquisiciones susceptibles de calificarse como predatorias se concentran, de manera desproporcionada, inmediatamente por debajo de los umbrales que activan el escrutinio de las autoridades[36]. Si las operaciones lesivas se estructuran precisamente para no ser observadas, el conjunto de operaciones observables no puede constituir una muestra representativa del universo relevante, y la ausencia de daño registrado deviene un artefacto del propio diseño regulatorio antes que un hallazgo sobre el mercado.

Como evidencia de ello, HAEKENS ha documentado que, entre 2019 y 2025, los principales conglomerados tecnológicos adquirieron una empresa emergente cada once días, y que solo el 4% de estas operaciones fue objeto de investigación por las autoridades competentes[37]. Este dato adquiere su verdadera dimensión al contrastarse con las estadísticas europeas, según las cuales, de aproximadamente tres mil operaciones de concentración examinadas, alrededor del 90% resultaron autorizadas y apenas una decena fueron prohibidas[38]. Asimismo, continúa el autor evidenciando que el 67% de las empresas adquiridas desactivó sus plataformas digitales, lo que sugiere una elevada probabilidad de discontinuación sistemática[39]. A ello se añade el hallazgo de GAUTIER y LAMESCH, quienes demostraron que, en más del 60% de las adquisiciones analizadas entre 2015 y 2017, los productos adquiridos fueron descontinuados bajo su marco original tras culminada la operación[40]. Por consiguiente, la tesis pro-competitiva resulta insuficiente no porque carezca de sustento teórico o econométrico, sino porque su premisa empírica, la ausencia de un daño demostrable, ignora las condiciones estructurales que hacen de dicha demostración un ejercicio cuasi-imposible bajo los paradigmas regulatorios vigentes.

La realidad es que «debido a los umbrales clásicos de ingresos o activos pueden no detectar operaciones que, con el tiempo, distorsionan la competencia»[41]. Estas «(...) son especialmente problemáticas cuando la innovación se mueve muy rápido»[42] ya que la mayoría de las «(...) nuevas empresas (start-ups) adquiridas cuentan con ingresos limitados o modelos de negocio en etapas iniciales»[43], lo que dificulta evaluar el efecto anticompetitivo que pueda tener cualquier transacción que las involucre. Es por ello que «las fusiones y adquisiciones en el sector digital representan una de las aristas principales de desafíos para las autoridades de competencia en estos mercados, particularmente cuando involucran la adquisición de competidores potenciales o complementarios por parte de plataformas dominantes»[44].

Más allá de las consideraciones relativas a la volatilidad sistémica del mercado, subyace una realidad técnica ineludible, y es que los esquemas de fiscalización y supervisión empleados por los reguladores limitan su escrutinio a transacciones de carácter ostensible, relegando al margen de su competencia aquellas estructuras cuya complejidad operativa elude sistemáticamente los parámetros, herramientas e incluso los propios sistemas de cumplimiento que implementan las empresas obligadas. Es por ello que, dentro de estas operaciones que distorsionan, o tienen potencial de afectar negativamente la competencia en estos sectores, se encuentran el «entry for buyout» y el «incumbency for buyout», los «quasi-mergers» y los «acquihires», las «killer acquisitions» y la «kill zone».

A. Entry & incumbency for buyout

Para esta operación, es necesario delimitar conceptualmente las adquisiciones que verdaderamente son predatorias, dado que, como se ha señalado previamente, la adquisición de start-ups no constituye per se una práctica nociva y puede generar beneficios pro-competitivos. Dentro de esta categoría se encuentra el concepto de «entry for buyout», que representa un modelo radicalmente distinto al de lo que se le denomina «killer acquisitions».

En el modelo «entry for buyout»[45], la start-up anticipa que su salida comercial será mediante adquisición; esta expectativa incentiva la creación y el desarrollo de innovaciones que, de otro modo, no hubieran sido posibles por limitaciones de capital o escala. La adquisición resultante beneficia tanto al emprendedor como al adquirente, mejorando la eficiencia económica. Esta tesis, originalmente formulada por RASMUSEN[46], ha encontrado especial recepción en el contexto de estos mercados novedosos. Según expone KATZ citando a RASMUSEN, cuando las fusiones son viables, una empresa puede entrar en el mercado con el único fin de inducir al operador ya establecido a adquirir a la empresa recién llegada, con el fin de evitar que los beneficios del mercado de productos se disipen a causa de la competencia. Se argumenta que una de las ventajas de permitir las fusiones es que, al facilitar la entrada mediante esta vía, pueden fomentar la entrada de empresas innovadoras[47].

Conforme a KATZ, este hallazgo no implica que esta opción aumente en todas partes los incentivos del entrante para mejorar marginalmente su producto. De hecho, la posibilidad de fusión puede disminuir la innovación al aumentar la rentabilidad relativa de entrar con un producto menos ambicioso. En términos llanos, en lo que respecta a la arquitectura de incentivos, el modelo de «entry for buyout» se emplea como un esquema de gestación empresarial orientado, de manera primordial, a la «venta» de innovaciones cuyo horizonte estratégico de salida reside en la absorción del mismo start-up, facilitando así la liquidación (el «buyout») de sus fundadores.

En otro sentido, que es donde se genera la fricción anticompetitiva, la opción de fusionarse podría reducir las ganancias del entrante facilitando lo que se denomina «incumbency for buyout», mecanismo mediante el cual un incumbente invierte en fortalecer su posición competitiva únicamente para inducir al entrante a aceptar la fusión en términos más favorables[48]. Esta inversión no generaría ningún beneficio social y el incumbente carecería de todo incentivo para realizarla en ausencia de una política permisiva de fusiones[49]. En este escenario se observa la imagen especular del «entry for buyout», y es que si en aquel el entrante innova para ser adquirido, aquí es el incumbente quien invierte estratégicamente en torno a la operación, compitiendo de forma más agresiva, por ejemplo, intensificando su gasto publicitario con el fin de presionar al entrante hacia una fusión en condiciones que le resulten más favorables. Al deprimir las rentas que el entrante esperaría obtener, el efecto puede desalentar la entrada innovadora.

B. Killer acquisitions

En este sentido, un mecanismo de «entry for buyout» puede transformarse igualmente, además de en un «incumbency for buyout», en su contraparte más lesiva y anticompetitiva: las «killer acquisitions».

La distinción reside en la intención del adquirente y los efectos sobre el mercado. Mientras que el «entry for buyout» incentiva la innovación mediante la promesa legítima de adquisición, las «killer acquisitions» tienen como propósito explícito prevenir competencia futura mediante la adquisición de potenciales competidores y la clausura sistemática de sus proyectos innovadores. Por ello, la «killer acquisition», fenómeno que fue altamente documentado en la industria farmacéutica[50], ha emergido como una preocupación central en la política de competencia contemporánea, particularmente respecto de los grandes conglomerados tecnológicos denominados «Big Tech» que han comenzado a adentrarse en mercados de IA. Esta práctica, a diferencia del «entry for buyout», es la adquisición que, como consecuencia, busca clausurar los proyectos de innovación de la empresa absorbida y neutralizar la competencia potencial que ella presentase, más que desarrollar y comercializar la tecnología incorporada[51].

Conviene precisar que la relevancia de esta categoría reside tanto en su frecuencia estadística como en los efectos anticipatorios sobre las decisiones de innovación de los agentes emergentes. LETINA, SCHMUTZLER y SEIBEL han demostrado que la política de fusiones no opera solamente ex post, sobre operaciones ya consumadas, sino que condiciona ex ante la propia selección de los proyectos de investigación que las empresas emergentes deciden acometer. Una política permisiva desplaza el esfuerzo innovador hacia proyectos que duplican las líneas del incumbente, precisamente porque son los que maximizan el precio de adquisición, en detrimento de las trayectorias tecnológicamente disruptivas[52]. El daño, por consiguiente, no se agota en el proyecto clausurado; se extiende al conjunto de proyectos que nunca llegaron a concebirse.

C. Quasi-mergers

A diferencia de los mecanismos previamente analizados, no necesariamente ha de ejecutarse una adquisición formal para materializar los efectos restrictivos de las prácticas predatorias sobre el mercado. Los mismos efectos anticompetitivos pueden producirse a través de operaciones que, sin constituir técnicamente una fusión o adquisición, producen el resultado funcional de que «dos unidades económicas que funcionaban de manera independiente entre sí pasan a convertirse en una única entidad o en parte del mismo grupo empresario»[53], en los términos en que el concepto de concentración ha sido desarrollado por la doctrina. Estas operaciones se denominan «quasi-mergers» y tienen especial relevancia en el ecosistema de la IA.

El mecanismo de los «quasi-mergers» se articula, en esencia, mediante la combinación de tres instrumentos contractuales: (i) una inversión de cuantía significativa que otorga participación accionarial o derechos de gobernanza; (ii) un acuerdo de licencia tecnológica exclusiva o preferente; y, (iii) la transferencia o incorporación del equipo técnico fundador[54]. La materialización conjunta de estos elementos produce una dependencia estructural del operador emergente respecto del conglomerado incumbente que, desde la perspectiva funcional del derecho de competencia, resulta equivalente a la integración corporativa, aunque formalmente elude los umbrales de notificación obligatoria. STUCKE y EZRACHI han descrito este fenómeno en el contexto de la infraestructura de IA, señalando que los principales conglomerados tecnológicos han construido posiciones de control indirecto sobre los desarrolladores de modelos fundacionales a través de participaciones accionariales combinadas con el suministro de infraestructura de cómputo sin la cual dichos modelos no podrían operar; de forma que el control efectivo se ejerce a través del dominio sobre los insumos esenciales de los que esta depende[55].

Conviene delimitar con precisión la relación taxonómica entre estas figuras, habida cuenta de la porosidad conceptual que las caracteriza. El «quasi-merger» constituye el género: toda operación que, prescindiendo de la transmisión formal de la titularidad, reproduce los efectos económicos de una concentración. Dentro de ese género, el «acquihire» designa la especie cuyo objeto de captura es el capital humano especializado, y el «reverse acquihire» la modalidad de aquel en la que la contraprestación se satisface a favor de la sociedad emergente, que subsiste jurídicamente, en lugar de a favor de sus accionistas mediante la compra de sus participaciones.

Esta dinámica se ha manifestado en las inversiones de los principales conglomerados tecnológicos en desarrolladores de modelos de IA generativa, donde el capital aportado retorna al inversor a través de contratos de servicios de cómputo en la nube, creando una relación circular de dependencia financiera y tecnológica que blinda la posición dominante del incumbente sin requerir la adquisición formal del competidor[56]. HAEKENS, por su parte, ha documentado una modalidad en la que el operador dominante no adquiere la empresa emergente, sino que la remunera por la transferencia de su equipo técnico y la concesión de una licencia tecnológica, resultando en la absorción práctica del valor de la empresa sin que opere la transmisión formal de su titularidad[57]. Entre 2023 y 2025, se documentaron al menos cinco operaciones de esta naturaleza en el sector de la IA, con valoraciones que oscilaron entre los 25 millones y los 2.7 mil millones de dólares, todas ellas estructuradas de forma que eludieron los umbrales de revisión obligatoria establecidos tanto en la Unión Europea como en los Estados Unidos[58][59]. El denominador común de estas operaciones reside en que el operador dominante captura sustancialmente los mismos beneficios que una adquisición formal, esto es, el talento técnico especializado y la propiedad intelectual, eliminando así el competidor potencial, sin incurrir en los costos regulatorios que aquella conllevaría, y en un plazo que contrasta drásticamente con los tiempos propios de los procedimientos de control de concentraciones.

KAZIMIROV, al examinar tres operaciones paradigmáticas celebradas durante 2024 entre conglomerados incumbentes y desarrolladores emergentes de modelos fundacionales, advierte que la estructura del «quasi-merger» no solo elude el umbral de notificación, sino que neutraliza el propio arsenal correctivo de la autoridad: aun cuando esta lograse acreditar la probabilidad de un daño competitivo, no dispondría de medidas cautelares idóneas, puesto que el remedio consistiría en restringir la movilidad laboral de personas físicas, extremo que el ordenamiento no autoriza[60].

a. Acquihires

De manera análoga a las prácticas previamente mencionadas, los «acquihires» constituyen una modalidad adicional de los «quasi-mergers» a través de la cual los operadores establecidos neutralizan a potenciales competidores y blindan su hegemonía sectorial[61]. Este fenómeno se define como el mecanismo mediante el cual los grandes conglomerados absorben el capital humano estratégico y el talento técnico necesario para el desarrollo de productos o servicios que impulsan su propio ecosistema.

Esta dinámica responde a que los principales ecosistemas de innovación tecnológica se sustentan en la circulación de conocimientos y personal especializado; poseer dicho talento resulta, por vía de consecuencia, imperativo para preservar la vanguardia competitiva y fomentar el crecimiento corporativo[62]. Dicha metodología puede instrumentarse bajo dos vertientes: (i) la absorción directa de la entidad empresarial, operación que se encuentra supeditada a los umbrales de control administrativo, o, (ii) conforme a lo expuesto por HAEKENS, mediante una modalidad inversa.

Ahora bien, el interés jurídico de esta figura no se agota en el mercado de productos. BAR-ISAAC, JOHNSON y NOCKE han formalizado un mecanismo distinto y complementario al que subyace a las «killer acquisitions», y es que el «acquihire» puede perseguir la clausura del competidor más relevante no en el mercado descendente, sino en el mercado laboral, confiriendo al adquirente poder de monopsonio sobre un capital humano escaso[63]. Los autores demuestran que, bajo esta lógica, la operación resulta preferible a la contratación directa porque el adquirente evita compensar al trabajador por la pérdida de los beneficios privados asociados a permanecer en la empresa emergente, y porque suprime la competencia salarial intensa que la contratación directa desencadenaría; el resultado es una transferencia de rentas desde los trabajadores especializados hacia el adquirente que puede resultar socialmente ineficiente[64].

b. Reverse acquihire

En este último escenario, el adquirente opta por no comprar la start-up en su totalidad, sino que desembolsa sumas considerables directamente a favor de esta por la transferencia de su equipo técnico y su propiedad intelectual[65]. En el ámbito específico de la IA, esta práctica se manifiesta cuando un agente dominante incorpora a los fundadores y especialistas clave de una empresa emergente, garantizándose simultáneamente el acceso exclusivo a su infraestructura técnica y modelos algorítmicos mediante acuerdos de licencia de cuantía extraordinaria[66]. La sociedad emergente pervive como empresa, pero desprovista de su núcleo directivo y técnico, y sin capacidad material de proseguir el desarrollo independiente de su tecnología; el contrato de licencia opera, en la práctica, como el instrumento que permite retribuir a los inversores de capital de riesgo sin necesidad de adquirir sus participaciones[67].

D. Kill zones

Asimismo, otra práctica anticompetitiva rodea estas adquisiciones predatorias; KAMEPALLI, RAJAN y ZINGALES introducen un concepto igualmente problemático: la «Kill Zone». Esta noción va más allá de las modalidades previamente descritas, exponiendo cómo las empresas dominantes generan espacios de mercado donde la competencia innovadora se ve sistemáticamente inhibida. Concretamente, la «Kill Zone» opera cuando las plataformas digitales dominantes adquieren a sus competidores potenciales, disuadiendo a otros de entrar y, por lo tanto, evitando que la entrada sirva como la amenaza competitiva que mantiene a raya a los incumbentes monopolísticos[68]. Su mecanismo central descansa en el comportamiento de los desarrolladores de aplicaciones ante la expectativa de una adquisición inminente por parte de la plataforma incumbente. Estos se muestran reacios a adaptar sus productos a la nueva plataforma entrante, lo que reduce drásticamente el valor autónomo de esta última. Como resultado, la perspectiva de una adquisición rápida reduce los beneficios de adaptación de los diseñadores de aplicaciones, haciendo más difícil que un entrante tecnológicamente superior adquiera clientes, disminuyendo el precio al que serán adquiridos y, por lo tanto, reduciendo los incentivos del «venture capital» para financiar su entrada[69].

MOTTA y SHELEGIA han demostrado, por lo demás, que la «kill zone» no requiere necesariamente de una adquisición para materializarse. En su modelo, basta la amenaza creíble de que la plataforma incumbente replique el producto de la empresa emergente para que esta última reoriente su esfuerzo innovador hacia productos que no compitan con aquella; la mera anticipación del comportamiento agresivo del incumbente induce al entrante a no adentrarse en la zona de bloqueo, con lo cual el efecto disuasorio se produce sin que medie conducta alguna susceptible de fiscalización bajo el control de concentraciones[70]. Esta variante resulta especialmente relevante en el ecosistema de la IA, donde la capacidad de replicación funcional de un producto por parte de un operador que controla el modelo fundacional subyacente es considerablemente superior a la que caracterizaba a las plataformas digitales precedentes.

E. Formalización económica y evidencia empírica

Para explicar cómo funcionan estas prácticas predatorias, CUNNINGHAM, EDERER y MA[71], atendiendo particularmente a las «killer acquisitions», desarrollaron un modelo que combina dos fuerzas económicas clásicas: el «efecto de reemplazo» de ARROW[72], (i) mediante el cual un incumbente tiene incentivos más débiles para desarrollar un nuevo producto que canibalizaría sus ganancias existentes[73]; y, (ii) el «efecto de eficiencia» de GILBERT y NEWBERY[74], mediante el cual un incumbente tiene fuertes incentivos para adquirir los derechos de propiedad sobre una nueva innovación con el objeto de impedir la entrada de un competidor[75]. El modelo demuestra que, cuando el proyecto adquirido se superpone con la cartera de productos existente del adquirente, el incentivo del adquirente para continuar el desarrollo se reduce significativamente[76]. Formalmente, la ganancia del adquirente derivada del desarrollo del nuevo producto es estrictamente menor que la ganancia del emprendedor cuando los productos son sustitutos[77]. La diferencia en los incentivos de desarrollo es más pronunciada cuando (i) la competencia existente es baja, y (ii) las patentes del incumbente están lejos de su expiración, es decir, cuando la competencia futura de genéricos o sustitutos es distante[78].

MOTTA y PEITZ formalizan esto aún más en el contexto de mercados digitales[79]. En su modelo, una start-up (E) posee un proyecto que puede convertirse en un sustituto del producto del incumbente (I)[80]. La adquisición se convierte en una estrategia anticompetitiva siempre que la start-up tenga recursos suficientes para desarrollar su proyecto de forma independiente[81]. En tales casos, la fusión elimina un competidor potencial y reduce el excedente del consumidor, ya sea mediante la clausura total del proyecto (convirtiéndose en «killer acquisition») o mediante la mejora del producto del incumbente mientras se suprime la competencia[82].

En otro sentido, KATZ[83] formaliza el mecanismo de la «incumbency for buyout» mediante un modelo en el que, producida la entrada, el incumbente dispone de la posibilidad de realizar una inversión única e irrecuperable (Z) que le permite imitar parcialmente la tecnología del entrante, aproximando su nivel de calidad al de este último. El modelo parte de una innovación de carácter drástico, esto es, de una calidad tan superior a la del incumbente que este no representaría ninguna restricción competitiva relevante ni siquiera fijando su precio en cero.

Esto demuestra cómo el incumbente carece de todo incentivo para acometer dicha inversión, puesto que, una vez producida la entrada, no obtendrá ventas con independencia de si invierte o no. Sin embargo, cuando las fusiones son permitidas, el incumbente encontrará rentable invertir (Z) siempre que su coste sea inferior a la fracción del excedente conjunto generado por la fusión que le corresponde apropiarse, dado que dicha inversión crea artificialmente una posición negociadora que induce al entrante a fusionarse y a ceder parte de sus beneficios post-entrada[84]. El resultado es estructuralmente deficiente debido a que la inversión no genera ningún beneficio social ni mejora el bienestar del consumidor, limitándose a operar como una transferencia de rentas desde el entrante hacia el incumbente a través del precio de adquisición, de modo que el valor presente neto de los beneficios de la industria resulta inferior bajo un régimen permisivo de fusiones que bajo uno restrictivo, siendo la diferencia exactamente el coste de estas inversiones de búsqueda de rentas[85]. De este modo, KATZ demuestra que una política de fusiones más restrictiva puede, paradójicamente, promover la innovación al suprimir los incentivos del incumbente para llevar a cabo estas inversiones estratégicas de naturaleza puramente extractiva[86].

En el plano de la evidencia, la principal dificultad reside en la escasez de datos fiables. HAEKENS advierte que la reciente data de las operaciones estudiadas impide determinar con certeza si las empresas adquiridas fueron efectivamente discontinuadas, si bien la desactivación de las plataformas digitales del 67% de ellas deja abierta la disyuntiva entre la clausura y la integración en el ecosistema del adquirente[87]. Esto se corrobora con lo que expone ARGENTESI ET AL. sobre la práctica inexistencia de datos sistemáticos relativos a los mercados digitales; los autores señalan, no obstante, que la decisión Dow/Dupont de 2017, aunque ajena a dichos mercados, aporta un instrumental útil sobre cómo evaluar las operaciones que amenazan la innovación y sobre las medidas correctoras susceptibles de neutralizar los problemas de competencia asociados[88]. Ahora bien, para datos más concretos, según exponen GAUTIER y LAMESCH, entre 2015 y 2017 los principales conglomerados tecnológicos adquirieron más de 175 empresas, en su mayoría start-ups pequeñas y jóvenes[89]. En estos datos sí es demostrable que en más del 60% de estas adquisiciones los productos adquiridos fueron descontinuados bajo su marco original tras la operación, especialmente en el caso de las empresas más jóvenes[90], lo que constituye un patrón característico del comportamiento propio de las «killer acquisitions» y, por extensión, de la generación de «Kill Zones».

Un estudio más amplio realizado por ARGENTESI ET AL. cubre el periodo del 2008-2018, documentando alrededor de 300 adquisiciones realizadas por los tres principales operadores tecnológicos objeto de estudio[91], identificándose que dichos operadores adquirieron de forma sistemática start-ups especializadas en Inteligencia Artificial, Ciencia de Datos y Analítica, donde se incluyó la adquisición de un reconocido laboratorio de investigación en IA en 2014[92], asemejando comportamientos propios del «entry for buyout».

En cuanto al «incumbency for buyout», la ilustración más elocuente de este mecanismo proviene de los documentos internos aportados en un expediente judicial de referencia, citados por DIJK, MORAGA-GONZÁLEZ y MOTCHENKOVA, donde el propio directivo ejecutivo de una plataforma dominante reconoció que un competidor emergente de fotografía social constituía una amenaza competitiva directa y que podía adquirirlo, señalando simultáneamente que el desarrollo interno de una aplicación competidora debía cancelarse precisamente como consecuencia de dicha adquisición[93]. Bajo esta premisa, la erogación estratégica del operador establecido carece de una finalidad productiva independiente, operando meramente como una herramienta de coacción en la negociación que supedita las condiciones del traspaso a su beneficio exclusivo[94].

Finalmente, en vista de los «acquihires», la evidencia empírica más reciente documenta una transformación cualitativa de este mecanismo en el mercado de la IA. HAEKENS registra, entre 2023 y 2025, una serie de operaciones estructuradas como «reverse acquihires» en las que los principales conglomerados tecnológicos absorbieron el equipo fundador y la tecnología de empresas emergentes mediante el pago de sustanciales compensaciones, que en un caso alcanzaron los 2.7 mil millones de dólares, sin adquirir formalmente el control corporativo de la empresa objeto de la operación[95]. En todos los casos documentados, la empresa emergente continuó existiendo como entidad jurídica autónoma tras la operación, pero privada de su equipo directivo y técnico, y sin capacidad de continuar el desarrollo independiente de su tecnología. Esta estructura produce efectos funcionalmente equivalentes a los de las «killer acquisitions» descritas por CUNNINGHAM, EDERER y MA donde observa la eliminación del competidor potencial y la transferencia de su capital innovador al ecosistema del incumbente[96].

III. La cadena de suministro de la inteligencia artificial y el derecho de la competencia

En virtud de las premisas analizadas, resulta evidente la proliferación de conductas predatorias que, de manera recurrente, erosionan la integridad competitiva de los entornos digitales. En este sentido, como se ha observado en la primera sección, se entiende que el ecosistema de la IA trasciende la mera arquitectura de los modelos fundacionales o las interfaces conversacionales comúnmente denominadas «chatbots». Dichas manifestaciones constituyen apenas el vector comercial de un ecosistema cuya arquitectura sistémica, en sintonía con las tesis de GAMBACORTA y VATSALA, se encuentra articulada por diversos estratos técnicos que constituyen su cadena de suministro: hardware, infraestructura en la nube, macrodatos de entrenamiento, modelos fundacionales y aplicaciones de IA[97]. La Organización para la Cooperación y el Desarrollo Económico («OCDE») ha caracterizado esta arquitectura de suministro como un «stack» tecnológico de estratos interdependientes[98], donde la hegemonía sobre un nivel técnico específico puede transmutarse en un poder de mercado sustancial sobre los segmentos adyacentes[99]. Dicha interdependencia sistémica instituye el sustrato mediante el cual las tácticas restrictivas materializadas en el entorno comercial despliegan efectos de palanca («leverage»), proyectándose con carácter transversal sobre la integridad de la cadena de valor[100].

En consecuencia, la disección de la arquitectura de suministro adquiere una relevancia crítica, toda vez que los estratos técnicos basales se erigen como insumos esenciales («essential inputs») para el desarrollo de los niveles superiores. En virtud de esta interdependencia, la hegemonía sobre el hardware condiciona inexorablemente el acceso a los recursos de procesamiento; la dominancia en el segmento de cómputo faculta la influencia sobre la gestación de modelos y, en última instancia, el control de los modelos fundacionales predetermina el espectro de aplicaciones factibles en el ecosistema. Por tanto, resulta imperativo articular un análisis de cada eslabón de la cadena: la concentración estructural en el hardware; el dominio persistente de la infraestructura de cloud computing; las ventajas de incumbencia y barreras de propiedad intelectual en los datasets de entrenamiento; los modelos fundacionales como vectores de conductas anticompetitivas; y, finalmente, los mercados descendentes («downstream») junto al efecto cascada sobre las aplicaciones de IA dirigidas al consumidor final. En atención a los estratos técnicos precedentemente descritos, se procederá a desglosar las modalidades de conductas anticompetitivas que permean y distorsionan cada eslabón fundamental de la referida cadena de valor.

A. Hardware

Bajo las premisas anteriormente analizadas, se colige que los eslabones de la cadena de valor de la Inteligencia Artificial despliegan una interdependencia sistémica. En este contexto, el estrato del hardware se erige como un insumo esencial, toda vez que la gestación e implementación de modelos fundacionales requiere, indefectiblemente, de infraestructura dedicada, tales como arquitecturas de cómputo equipadas con unidades de procesamiento gráfico (GPU) especializadas, cuya operación y mantenimiento conllevan una carga económica sustancial[101].

Dentro del estrato técnico del hardware, la materialización de fenómenos como las «killer acquisitions» o los «acquihires» es marginal, dada la naturaleza físico-industrial que rige este segmento. No obstante, este eslabón no se encuentra exento de riesgos; por el contrario, los vectores de riesgo anticompetitivo se manifiestan con severidad mediante el abuso de posición dominante, instrumentado a través de dinámicas de «incumbency for buyout» y la gestación de «kill zones».

En este contexto, resulta imperativo examinar el dominio que ostenta el fabricante líder de procesadores gráficos especializados para IA, cuya supremacía estructural ha operado como un mecanismo de disuasión frente a la inversión en arquitecturas tecnológicas alternativas. La particularidad de este segmento, y aquello que lo distingue de un mercado de componentes ordinario, reside en que la ventaja del operador dominante descansa tanto en el componente físico como en el ecosistema de programación propietario que lo acompaña. KORINEK y VIPRA identifican precisamente en las plataformas de desarrollo asociadas a los aceleradores especializados una fuente de costes de cambio de naturaleza acumulativa. Los autores identifican que, al haberse escrito la práctica totalidad del instrumental técnico de aprendizaje profundo sobre dicha plataforma, el operador que pretenda migrar hacia una arquitectura alternativa debe internalizar no solo el coste del componente, sino el de reescribir y revalidar la totalidad de su base de código[102].

De ello se desprende una manifestación particular del mecanismo de la «kill zone». Toda vez que el rendimiento de una inversión en arquitecturas de cómputo alternativas depende de que un número suficiente de desarrolladores adapte sus modelos a dicha arquitectura, y toda vez que estos carecen de incentivo para hacerlo mientras la plataforma dominante conserve su base instalada, el capital de riesgo enfrenta en este segmento el mismo cálculo desalentador que KAMEPALLI, RAJAN y ZINGALES describieron para las aplicaciones digitales[103]. La respuesta observable del mercado ha consistido pues en el desarrollo de silicio propietario por parte de los mismos conglomerados que dominan la infraestructura de cómputo en la nube, estrategia que, si bien atenúa su dependencia respecto del fabricante líder, refuerza simultáneamente la integración vertical del conjunto de la cadena y eleva las barreras para cualquier tercero que aspire a competir en el estrato superior[104].

En este sentido, la OCDE ha advertido que, en condiciones de escasez estructural del insumo, el proveedor dominante dispone de la capacidad de asignar la capacidad productiva de manera discrecional, favoreciendo a los adquirentes con los que mantiene vínculos de inversión o de suministro recíproco, sin que dicha discriminación resulte necesariamente visible en las condiciones formales de los contratos[105]. STUCKE y EZRACHI subrayan que esta discrecionalidad se ejerce en un mercado donde el insumo no es sustituible en el corto plazo y donde la lista de espera constituye, en sí misma, un instrumento de disciplina comercial[106]. La conducta relevante entonces se convierte en la administración estratégica de un cuello de botella; y este es precisamente el tipo de conducta que el control de concentraciones, por su propia naturaleza estructural y preventiva, no está diseñado para aprehender.

B. Cloud computing

El Cloud Computing constituye el segundo eslabón crítico de la cadena de suministro de la IA y, acaso, el más relevante desde la perspectiva del control estratégico. El entrenamiento e implementación de modelos fundacionales requiere acceso a clústeres de procesamiento de escala masiva que, por su naturaleza y costo, solo pueden ser provistos por un número reducido de operadores. Según los datos del Tesoro de los Estados Unidos citados por STUCKE y EZRACHI, tres proveedores dominan el mercado global de infraestructura como servicio: (i) el proveedor líder concentra aproximadamente el 39% del mercado, (ii) el segundo aproximadamente el 21%, y, (iii) el tercero aproximadamente el 7%[107]. Esta estructura oligopólica reproduce, en el estrato del cómputo, las dinámicas de concentración previamente identificadas en los mercados de hardware especializado.

El riesgo anticompetitivo en este eslabón se articula pues mediante mecanismos de elevación de costos para los rivales y de autopreferencia vertical. En la medida en que los mismos conglomerados que dominan la infraestructura de cómputo compiten en el desarrollo de modelos fundacionales, disponen de la capacidad técnica y económica para suministrar recursos computacionales a sus propios desarrolladores en condiciones más favorables que las ofrecidas a competidores independientes, sin que dicha discriminación sea necesariamente visible en los contratos formales. La OCDE ha caracterizado esta dinámica como un vector de riesgo de especial severidad, señalando que el dominio sobre la infraestructura de cómputo puede transmutarse en poder de mercado sustancial sobre los segmentos adyacentes de la cadena de valor[108].

C. Macrodatos

Los conjuntos de datos de entrenamiento constituyen el tercer eslabón esencial de la cadena de suministro de la Inteligencia Artificial. STUCKE y EZRACHI han señalado que las narrativas que asimilaban los datos a un recurso infinitamente abundante y no rivalizado han sido desmentidas por la práctica debido a que la calidad y la especificidad de los datos de entrenamiento condicionan de manera determinante el desempeño de los modelos resultantes, instituyendo ventajas de incumbencia cuya erosión requiere inversiones de tiempo y capital que los agentes emergentes raramente pueden acometer[109].

Esta ventaja de incumbencia se ve amplificada por las condiciones contractuales que rigen el acceso a los modelos fundacionales ya desplegados. STUCKE y EZRACHI documentan que los principales proveedores de modelos fundacionales han incorporado en sus términos de servicio cláusulas que prohíben expresamente la utilización de los resultados de sus modelos para el entrenamiento de modelos competidores, erigiendo así un mecanismo de protección anticompetitiva sobre el flujo de datos generado por la interacción de los usuarios con sus propias plataformas[110]. La OCDE ha identificado este mecanismo como uno de los vectores de riesgo anticompetitivo de mayor severidad en la cadena de suministro de la IA, toda vez que opera de manera silenciosa, sin requerir conducta activa alguna por parte del incumbente, y resulta, en consecuencia, especialmente resistente a los instrumentos regulatorios convencionales[111].

D. Modelos fundacionales

Los modelos fundacionales, entendidos como aquellos sistemas de IA de gran escala entrenados sobre conjuntos de datos masivos y posteriormente adaptados a una multiplicidad de tareas, constituyen el cuarto eslabón de la cadena de suministro y el punto de mayor densidad competitiva en el presente ciclo innovador. A diferencia de los estratos precedentes, este segmento exhibe una dinámica más abierta, en la que operadores de diverso tamaño han logrado consolidar posiciones relevantes mediante estrategias diferenciadas de distribución (cerrada frente a código abierto) y de especialización técnica. STUCKE y EZRACHI documentan que, a finales de 2023, tres operadores concentraban la mayoría de los modelos fundacionales de alto desempeño disponibles en el mercado, predominantemente bajo arquitecturas cerradas que imposibilitan la auditoría o el escrutinio técnico externo[112]. Esta opacidad tiene implicaciones directas sobre la política de competencia ya que la evaluación del desempeño relativo de los modelos resulta técnicamente inviable para las autoridades regulatorias en ausencia de acceso a los parámetros del modelo. En este contexto, las inversiones de los principales conglomerados tecnológicos en desarrolladores de modelos emergentes, frecuentemente estructuradas como participaciones minoritarias combinadas con contratos de cómputo, han instaurado una red de dependencias que, sin constituir formalmente un grupo empresarial, produce efectos de coordinación económica equivalentes a los de la integración vertical[113].

E. Aplicaciones de IA

El estrato de las aplicaciones de IA representa el punto de contacto entre la cadena de suministro y el usuario final, y constituye el segmento donde los efectos cascada de la concentración en los eslabones superiores se materializan con mayor visibilidad. Los agentes que desarrollan aplicaciones sobre modelos fundacionales de terceros se encuentran en una posición de dependencia estructural respecto de los proveedores de dichos modelos. La calidad, el precio de acceso, las condiciones de uso y la estabilidad del suministro son determinadas unilateralmente por el operador del modelo, sin que el desarrollador de la aplicación disponga de mecanismos de negociación efectivos cuando la alternativa de cambio de proveedor implica costos de migración sustanciales.

La OCDE ha señalado que los operadores dominantes en el segmento de modelos fundacionales tienen incentivos para degradar selectivamente la calidad del servicio ofrecido a los desarrolladores de aplicaciones competidoras, elevar sus costos de acceso o imponer restricciones contractuales que limiten su capacidad de desarrollar productos sustitutivos[114]. A ello se añade el efecto de las «kill zones» en el segmento de aplicaciones, toda vez que la expectativa de que cualquier aplicación de IA con potencial de disrupción sea adquirida o replicada por los operadores dominantes desincentiva la inversión de capital de riesgo en el segmento de aplicaciones independientes, perpetuando la dependencia del ecosistema respecto de los incumbentes establecidos[115]. Esta dinámica adquiere su expresión más aguda en el contexto de los agentes de IA, sistemas capaces de ejecutar tareas complejas de forma autónoma, cuyo despliegue comercial representa la siguiente frontera competitiva de la cadena de valor.

IV. La función del control de concentraciones económicas

Comprendida la forma en que las prácticas anticompetitivas han mutado en los mercados digitales, migrando desde la supresión directa de competidores hacia el control estratégico de datos e infraestructuras de inteligencia artificial, el análisis debe desplazarse hacia una pregunta igualmente central: ¿con qué instrumentos cuenta el Derecho de la Competencia para prevenir, detectar y remediar dichas conductas? Para ello, es necesario identificar cuáles son los mecanismos actualmente disponibles, tanto en sede de control de concentraciones como en materia de conductas unilaterales, con independencia de su eficacia real. Igualmente, ha de determinarse si dichos mecanismos resultan adecuados, o si, por el contrario, presentan lagunas estructurales, frente a las particularidades de los mercados digitales y de la inteligencia artificial, caracterizados por la asimetría informativa, la velocidad de la innovación y la opacidad de las estructuras de datos. Solo abordando ambas dimensiones de forma conjunta es posible formular un juicio fundado sobre la suficiencia del marco regulatorio vigente y, en su caso, sobre la necesidad de reformas.

Como se ha mencionado, el concepto de control de concentraciones no se circunscribe a fusiones o adquisiciones formales. Basta que las operaciones realizadas produzcan el efecto de que «dos unidades económicas que funcionaban de manera independiente entre sí pasan a convertirse en una única entidad o en parte del mismo grupo empresario»[116]. Sobre esa base funcional, las autoridades de competencia han instituido mecanismos de control destinados a prevenir que las empresas acumulen poder de mercado suficiente, tanto de forma individual como colectiva, para influir de manera rentable en los parámetros competitivos; instrumentos que proscriben las operaciones de concentración generadoras de cambios estructurales anticompetitivos en los mercados relevantes[117]. La lógica que subyace a este diseño es de naturaleza preventiva: se interviene sobre la estructura antes de que el poder de mercado se consolide, precisamente porque, una vez consolidado, la restauración de las condiciones de concurrencia resulta considerablemente más onerosa.

Los instrumentos del control de concentraciones presentan, en el contexto de los mercados digitales y de la IA, una limitación estructural de carácter endémico: sus umbrales de activación, históricamente fundados en criterios de facturación o cuota de mercado, fueron diseñados para mercados donde el valor de la empresa adquirida guarda una correlación razonablemente estrecha con sus ingresos actuales. Esta correlación se rompe de manera sistemática en el caso de las empresas emergentes de tecnología: su valoración responde a la expectativa de disrupción futura, y no a la monetización presente de sus capacidades técnicas. El resultado es que las operaciones con mayor potencial de distorsión competitiva, precisamente aquellas que involucran empresas en estadios tempranos de desarrollo con alto potencial innovador, son las que con mayor frecuencia eluden los umbrales de notificación obligatoria. Así lo indica la evidencia econométrica disponible, construida sobre el sector farmacéutico. En ella, las operaciones susceptibles de calificarse como predatorias se concentran de forma desproporcionada inmediatamente por debajo de dichos umbrales[118].

La OCDE ha señalado que este desajuste estructural es especialmente acusado en las jurisdicciones que basan sus umbrales exclusivamente en criterios de volumen de negocios, y ha recomendado la adopción de umbrales alternativos basados en el valor de la transacción, siguiendo la senda iniciada por la legislación alemana y austriaca[119]. El Reino Unido, por su parte, ha articulado una respuesta distinta mediante el denominado «share of supply test», que activa el control de concentraciones cuando la operación crea o refuerza una cuota del 25% en el suministro o adquisición de bienes o servicios en el mercado nacional, con independencia, en lo esencial, del volumen de negocios de las partes; solución que amplía significativamente el alcance del escrutinio regulatorio sin exigir la acreditación de efectos anticompetitivos concretos[120]. La pertinencia de estos enfoques alternativos para el contexto de la IA reside en que permiten capturar operaciones cuyo significado estratégico, esto es, la adquisición de talento, tecnología o datos, no se refleja en la facturación de la empresa adquirida en el momento de la transacción.

La experiencia europea muestra el límite de las soluciones improvisadas. La Comisión Europea intentó alcanzar las operaciones situadas por debajo de los umbrales aceptando remisiones de autoridades nacionales al amparo del artículo 22 del Reglamento (CE) n.º 139/2004, aun cuando esas autoridades carecían de competencia para examinarlas conforme a su propio derecho. El Tribunal de Justicia cerró esa vía en Illumina/Grail, en septiembre de 2024[121]. Ese mismo mes se retiraron las solicitudes de remisión de la operación Microsoft/Inflection, uno de los reverse acquihires que documenta la literatura citada[122]. Lo que subsiste en la Unión es el deber de información del artículo 14 del Reglamento de Mercados Digitales, que obliga a los guardianes de acceso a informar de toda concentración proyectada en el sector digital, sea o no notificable[123]. Informar no equivale a someter a control. Sirve, con todo, para que las autoridades nacionales con facultades de avocación puedan examinar la operación.

Ahora bien, sería un error metodológico atribuir al control de concentraciones una capacidad correctiva que excede su naturaleza. Del análisis desplegado en las secciones precedentes se desprende que una porción sustancial de los riesgos anticompetitivos del ecosistema de la IA no transita por operación de concentración alguna: la administración discrecional de un cuello de botella en el suministro de aceleradores, la degradación selectiva del acceso a una interfaz de programación, la cláusula que prohíbe emplear los resultados de un modelo para entrenar a un competidor, o la mera anticipación de que el incumbente replicará el producto del entrante, constituyen conductas unilaterales que solo pueden aprehenderse mediante el régimen de abuso de posición dominante o, en su caso, mediante regulación ex ante de carácter sectorial.

V. El control de concentraciones en la República Dominicana: relevancia en los mercados digitales y perspectivas

A. El fundamento constitucional del orden público económico

La premisa conceptual la formuló POLANYI al advertir que el mercado autorregulado no emerge de la evolución natural de las sociedades, sino que es producto de una construcción deliberada del poder público, sostenida mediante una intervención continua y organizada[124]. Trasladada al plano regulador, esta constatación invierte los términos del debate, en la medida en que la libertad de empresa no preexiste al ordenamiento como un dato natural que la regulación viniera a restringir, sino que constituye una institución cuya vigencia efectiva depende de que el Estado remueva los obstáculos que la propia dinámica del mercado genera. En esa línea se ha pronunciado la jurisprudencia constitucional comparada, al señalar que la crisis de las instituciones del mercado y la erosión del poder de los consumidores han originado en cabeza del Estado poderosos instrumentos para sancionar concentraciones, abusos y disfunciones, de suerte que a mayor imperfección de aquellas, mayor ha de ser la intervención estatal, ya sea para corregirlas, compensarlas o sustituirlas[125].

Por ello, el artículo 50 de la Constitución reconoce y garantiza la libre empresa, comercio e industria, pero acompaña dicho reconocimiento de un mandato correlativo dirigido al Estado, a quien corresponde favorecer y velar por la competencia libre y leal y adoptar las medidas que fueren necesarias para evitar los efectos nocivos y restrictivos del monopolio y del abuso de posición dominante[126]. El numeral segundo del mismo artículo faculta expresamente al Estado para dictar medidas de regulación de la economía y para promover planes nacionales de competitividad e impulsar el desarrollo integral del país[127]. Esta arquitectura se completa con los principios rectores del régimen económico contenidos en el Título XI de la Constitución. El artículo 217 orienta dicho régimen hacia la búsqueda del desarrollo humano y lo fundamenta en el crecimiento económico, la redistribución de la riqueza, la justicia social y la equidad, todo ello «en un marco de libre competencia»[128]. El artículo 218 declara libre la iniciativa privada y compromete al Estado a procurar, junto al sector privado, un crecimiento equilibrado y sostenido[129]; y el artículo 219 somete al principio de subsidiariedad la actuación empresarial del Estado, autorizándola cuando resulte necesaria para asegurar el acceso de la población a bienes y servicios básicos[130]. El Tribunal Constitucional dominicano ha consolidado esta lectura al identificar, a partir del artículo 217, que «el régimen económico dominicano es el de una economía social y de mercado»[131], y al conceptualizar la libertad de empresa como «la prerrogativa que corresponde a toda persona física o moral, de dedicar bienes o capitales a la realización de actividades económicas dentro del marco legal del Estado y en procura de obtener ganancias o beneficios lícitos». En esa misma sentencia precisó que el Estado debe velar «porque la competencia entre los distintos actores empresariales sea libre y leal, exenta de monopolios (salvo en beneficio del Estado) y del abuso de una posición dominante por parte de cualquier empresa»[132].

B. La Ley núm. 42-08 General de Defensa de la Competencia

La Ley General de Defensa de la Competencia núm. 42-08 constituyó, al momento de su promulgación, un hito fundamental en la configuración del ordenamiento jurídico concurrencial dominicano. No obstante, y en lo que constituye su deficiencia estructural más significativa desde la perspectiva del presente análisis, la Ley 42-08 fue adoptada sin incorporar un régimen de control previo de concentraciones económicas. El Informe de Examen Inter-Pares de la OCDE y el BID sobre Derecho y Política de Competencia en la República Dominicana ha documentado que la primera versión del proyecto de ley sí incluía disposiciones de control de concentraciones, las cuales fueron eliminadas durante el proceso legislativo como consecuencia de la oposición del sector empresarial[133]. En consecuencia, la República Dominicana operó durante más de quince años sin un instrumento de control preventivo de las operaciones de concentración económica de aplicación general.

La magnitud de esta omisión adquiere su verdadera dimensión cuando se examina en perspectiva comparada. Según los datos compilados por la OCDE en su base de datos CompStats, de las 79 jurisdicciones incluidas en 2023, tan solo siete carecían de un marco normativo para el control de concentraciones; y de las 14 jurisdicciones de América Latina y el Caribe incluidas en la misma base de datos, la República Dominicana era la única que carecía de dicho régimen[134]. Esta singularidad resulta particularmente significativa en el contexto de una economía que exhibe niveles de concentración de mercado superiores al promedio regional, condición que el propio Informe Inter-Pares ha identificado como factor que acrecienta la urgencia de la intervención regulatoria[135]. En el contexto de los mercados digitales y de la IA, la ausencia de control previo de concentraciones configura una laguna regulatoria de especial gravedad. Como ha señalado SALGUEIRO, «la falta de cualquier disposición que habilite el control de operaciones de concentración es un claro vacío o deficiencia en la Ley 42-08»; añadiendo que un régimen efectivo de control requiere un sistema de notificaciones, un procedimiento de investigación por fases, capacidad de imponer remedios, condicionamientos o sanciones, y el monitoreo posterior de la decisión adoptada[136].

La consecuencia práctica de esa omisión es que, bajo la Ley 42-08, el único cauce frente a la conducta de un operador dominante es el régimen de abuso de posición dominante del artículo 6, que opera ex post y con una carga probatoria exigente. El artículo 7 ordena examinar el efecto neto de la conducta sobre la eficiencia económica y pone a cargo de quien persigue la sanción demostrar su efecto anticompetitivo. Su párrafo IV añade que «la obtención de una posición dominante en el mercado o su incremento, por sí sola, no constituye una violación a la presente ley»[137]. La Suprema Corte de Justicia confirmó esta lectura al rechazar el recurso de casación de ProCompetencia contra la sentencia que anuló la sanción impuesta a la Cervecería Nacional Dominicana:

«De la interpretación del texto legal citado se desprende que, en caso de imputación de abuso de posición dominante, se debe examinar la contribución o reducción de la conducta a la eficiencia económica, analizando su efecto neto, que corresponde a quien persigue la sanción (en este caso la investigación se inició de oficio), por tanto, corresponde a la administración demostrar el efecto anticompetitivo de la conducta endilgada a la empresa, además debe presentar indicios que demuestren la capacidad del sujeto investigado para crear barreras injustificadas a terceros en el mercado, esto sin obviar que la obtención de una posición dominante por sí sola no constituye una violación a la ley»[138].

Trasladado a la cadena de suministro de la IA, este estándar agrava el problema. Una adquisición que refuerza la posición del incumbente no es, por sí misma, ilícita. La conducta posterior solo es sancionable si la autoridad acredita su efecto neto, en mercados cuyos modelos, como se ha visto, ni siquiera puede auditar. La ley sí alcanza las conductas originadas fuera del territorio que produzcan efectos restrictivos en el mercado nacional[139]. Ese criterio de efectos carece, sin embargo, de un procedimiento de concentraciones al que aplicarse. Sin control previo, la intervención llega tarde y con la carga de la prueba en contra.

C. El Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica

El Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica, entregado formalmente al Poder Ejecutivo por ProCompetencia en 2026, representa el instrumento legislativo llamado a superar la deficiencia estructural que afecta a la Ley 42-08. Su innovación principal es la incorporación de un Título específico dedicado al control previo de concentraciones económicas, articulado en torno a un umbral de notificación, un procedimiento de revisión bifásico y un elenco de criterios de valoración sustantiva.

En materia de umbrales, el artículo 48 del Anteproyecto sujeta al procedimiento de control aquellas concentraciones en las que las empresas involucradas hayan tenido ingresos brutos superiores a RD$200,000,000 en el año fiscal anterior, facultando al Consejo Directivo para revisar y actualizar dicho umbral periódicamente mediante resolución motivada[140]. Esta articulación presenta, no obstante, una limitación relevante desde la perspectiva de los mercados digitales ya que, al basarse exclusivamente en un criterio de ingresos, el umbral replica la deficiencia estructural que la OCDE ha identificado a nivel comparado, esto es, la incapacidad de capturar operaciones cuyo valor estratégico reside en activos intangibles como el talento técnico, los datos o la propiedad intelectual[141]. Las empresas emergentes de IA, que se valoran por su potencial de disrupción futura y no por sus ingresos presentes, continuarán encontrándose al margen de la fiscalización preventiva, salvo que el Consejo Directivo haga uso activo de su facultad de actualización para incorporar criterios cualitativos complementarios.

Los criterios de valoración sustantiva del artículo 50 del Anteproyecto ofrecen, en cambio, una base jurídica más robusta para el análisis de operaciones en mercados digitales. El artículo enumera, entre los factores que el Consejo Directivo deberá considerar, las barreras de entrada, «la evolución de la oferta y de la demanda de los productos y servicios de que se trate, y los posibles efectos de la operación sobre variables competitivas tales como precios, producción, calidad, variedad, servicio e innovación», así como «el acceso a las fuentes de suministro, insumos esenciales, canales de distribución o mercados»[142]. Esta formulación, interpretada conforme a su tenor literal, ya permitiría al regulador dominicano examinar el impacto de una operación sobre la dinámica innovadora del mercado relevante y sobre el acceso a los insumos esenciales de la cadena de suministro de la IA, sin necesidad de forzar una lectura expansiva del precepto. La dificultad, por consiguiente, no es normativa sino institucional, y consiste en dotar a la futura Autoridad Nacional Antimonopolio y Competencia Económica (ANACE) de las capacidades técnicas especializadas que la operacionalización de tales criterios exige, extremo que, como ha señalado la OCDE, demanda tanto recursos presupuestarios adecuados como mecanismos de cooperación internacional[143].

En perspectiva comparada, el umbral basado en ingresos del Anteproyecto contrasta con dos enfoques alternativos que la experiencia internacional ha validado como más eficaces en el contexto digital: el umbral basado en el valor de la transacción, adoptado por Alemania y Austria, y el «share of supply test» del Reino Unido, que activa el control cuando la operación crea o refuerza una cuota del 25% en el suministro de bienes o servicios en el mercado, con independencia, en lo esencial, del volumen de negocios de las partes[144]. Este último mecanismo resulta estructuralmente más adecuado para capturar operaciones en mercados de IA donde el valor competitivo reside en activos intangibles, y podría ser incorporado como criterio complementario en la reglamentación de desarrollo que corresponde emitir a la ANACE.

Conclusiones

El recorrido desplegado en las páginas precedentes permite sostener que las prácticas predatorias que erosionan la competencia en los mercados de Inteligencia Artificial no constituyen episodios coyunturales, sino manifestaciones de una lógica de incumbencia que opera transversalmente a lo largo de la cadena de suministro. La interdependencia entre los estratos técnicos genera un efecto cascada mediante el cual la concentración en los eslabones basales se transmite hacia los niveles superiores, instituyendo estructuras de dependencia que los instrumentos regulatorios convencionales no fueron concebidos para detectar.

Frente a esta constatación, la tesis pro-competitiva merece un tratamiento más matizado del que suele dispensársele. Su fundamento teórico es sólido y su respaldo econométrico, real: existen estudios que no identifican la contracción sistemática del financiamiento que la hipótesis de la «kill zone» presupone. La objeción que cabe oponerle no es, por tanto, de orden ideológico, sino epistemológico, y consiste en advertir que la evidencia disponible se construye sobre el universo de operaciones observables, y que dicho universo excluye, por construcción, aquellas transacciones deliberadamente estructuradas para permanecer por debajo del umbral de notificación. Cuando uno de los hallazgos econométricos más citados de la literatura, obtenido en el sector farmacéutico, consiste precisamente en que las adquisiciones predatorias se agrupan de manera desproporcionada justo por debajo de dichos umbrales, la ausencia de daño registrado deja de ser un dato sobre el mercado para convertirse en un dato sobre el instrumento de medición.

De este diagnóstico se sigue una conclusión de alcance instrumental. El control de concentraciones no agota el repertorio correctivo que el ecosistema de la IA demanda. Buena parte de los riesgos identificados en los eslabones basales de la cadena, esto es, la asignación discrecional de capacidad de cómputo, la restricción sobrevenida del acceso a las interfaces de programación, o las cláusulas que prohíben emplear los resultados de un modelo para entrenar a un competidor, constituyen conductas unilaterales cuya sede natural es el régimen de abuso de posición dominante. El control de concentraciones conserva, sin embargo, una función que ningún otro instrumento puede desempeñar, y es la de intervenir sobre la estructura antes de que el poder de mercado se consolide. Su eficacia en este contexto depende, de manera crítica, de la aptitud de los umbrales de notificación para aprehender operaciones cuyo valor estratégico no se refleja en la facturación corriente de las partes; de ahí que los enfoques fundados en el valor de la transacción o en cuotas de suministro ofrezcan respuestas más adecuadas que los umbrales tradicionales de volumen de negocios.

En cuanto al caso dominicano, su situación resulta paradigmática de la brecha regulatoria que enfrentan las jurisdicciones pequeñas en el nuevo escenario competitivo. La ausencia histórica de un régimen de control de concentraciones en la Ley 42-08 no constituyó una omisión inocua, sino la desatención de un mandato que el artículo 50 de la Constitución dirige expresamente al Estado. El Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica representa una respuesta institucional necesaria y tardía, cuya virtud principal reside en la incorporación del control previo y cuya limitación más relevante, desde la perspectiva de los mercados analizados, es el diseño de un umbral de notificación fundado exclusivamente en ingresos. La reglamentación de desarrollo que corresponde emitir a la ANACE constituye la oportunidad de subsanar dicha limitación mediante criterios cualitativos complementarios y de dotar al régimen de un criterio de efectos que permita conocer de operaciones celebradas en el exterior con incidencia sobre el mercado interno.

Queda, con todo, una cuestión que este trabajo no pretende haber resuelto. La eficacia de cualquier régimen de control depende, en última instancia, de la capacidad técnica de la autoridad llamada a aplicarlo, y la evaluación de una operación de concentración en mercados de Inteligencia Artificial exige competencias que exceden con holgura las que tradicionalmente se han demandado de un regulador de la competencia. El derecho de competencia no puede resolver por sí solo los desafíos que plantea la concentración en la cadena de suministro de la IA; puede, en cambio, cuando está bien diseñado y adecuadamente dotado de recursos, discriminar entre las operaciones que generan valor y aquellas que se limitan a suprimir la amenaza competitiva. Que ello ocurra o no dependerá menos del texto que finalmente se apruebe que de los medios con que se lo dote.

REFERENCIAS

[1] Kun Zheng, "Antitrust in Artificial Intelligence Infrastructure: Between Regulation and Innovation in the EU, the US, and China," Computer Law & Security Review 59 (2025): 1.

[2] Antonio Capobianco y Anita Nyeso, "Challenges for Competition Law Enforcement and Policy in the Digital Economy," Journal of European Competition Law & Practice 9, n.º 1 (2018): 19-27. https://doi.org/10.1093/jeclap/lpx082.

[3] A este conglomerado se le denomina «GAFAM» por las iniciales de cada grupo empresarial. Actualmente, habría de llamárseles «AMAMA», pero se sostiene el acrónimo anterior para los fines de este trabajo.

[4] Massimo Motta y Martin Peitz, "Big Tech Mergers," Information Economics and Policy 54 (marzo 2021): 1. https://doi.org/10.1016/j.infoecopol.2020.100868.

[5] Rahul Ray, "Competition Law in the Digital Space: A Study of Exclusionary Conduct by Tech Conglomerates", ORF Issue Brief n.º 539 (Observer Research Foundation, mayo 2022): 3.

[6] Patrick Y. Wu, "Beyond Price: A Technical Quality Framework for AI Antitrust," SSRN, 2026, https://doi.org/10.2139/ssrn.6078646: 1.

[7] La adquisición masiva de start-ups en etapas tempranas (early-stage) en mercados adyacentes o emergentes ha constituido una práctica recurrente de los GAFAM durante las últimas dos décadas. Véase F. Ederer, R. Seibel y T. Simcoe, "Digital (killer?) acquisitions" (Working Paper), 2025: 1. Véase igualmente María Elena Vásquez Taveras, "Mercados digitales y competencia: desafíos regulatorios y tendencias emergentes en el siglo XXI", en Anuario de Libre Competencia 2023 (Santo Domingo: Comisión Nacional de Defensa de la Competencia, 2023): 234-35.

[8] Véase por ejemplo M. Cartapanis, "Killer Acquisitions in Digital Markets" (tesis doctoral, Aix Marseille University, 2023): 29.

[9] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", Journal of Political Economy 129, n.º 3 (2021): 649-702. https://doi.org/10.1086/712506.

[10] Véase Emilio Calvano y Michele Polo, "Market Power, Competition and Innovation in Digital Markets: A Survey," Information Economics and Policy 54 (marzo 2021), https://doi.org/10.1016/j.infoecopol.2020.100853; y Michael L. Katz, "Big Tech Mergers: Innovation, Competition for the Market, and the Acquisition of Emerging Competitors," Information Economics and Policy 54 (marzo 2021), https://doi.org/10.1016/j.infoecopol.2020.100883.

[11] María Viñuelas Limárquez, Andrea Gavela Llopis y Joaquim Hortalá Vallvé, "Capítulo V: Concentración de empresas", en Tratado de Derecho de Competencia, coord. Diego Loma-Osorio (Navarra: Thomson Reuters Aranzadi, 2013): 350.

[12] Por ejemplo, el mencionado GAFAM.

[13] Véase, por ejemplo, "Search Engine Market Share Worldwide: June 2018-June 2019", Statcounter, http://gs.statcounter.com/search-engine-market-share, citado en John M. Newman, "Antitrust in Digital Markets", Vanderbilt Law Review 72 (2019): 1503.

[14] Véase, por ejemplo, Arjun Kharpal, "Google Android Hits Market Share Record with Nearly 9 in Every 10 Smartphones Using It", CNBC, 3 de noviembre de 2016, https://www.cnbc.com/2016/11/03/google-android-hits-market-share-record-with-nearly-9-in-every-10-smartphones-using-it.html, citado en John M. Newman, "Antitrust in Digital Markets", Vanderbilt Law Review 72 (2019): 1504.

[15] Véase, por ejemplo, Phil Wahba, "Walmart is Bringing the Fight to Amazon's Turf: E-books", Fortune, 26 de enero de 2018, http://fortune.com/2018/01/25/walmart-ebooks/, citado en John M. Newman, "Antitrust in Digital Markets", Vanderbilt Law Review 72 (2019): 1503.

[16] Véase, por ejemplo, "Top U.S. Mobile Social Apps by Users 2018", Statista, https://www.statista.com/statistics/248074/most-popular-us-social-networking-apps-ranked-by-audience/, citado en John M. Newman, "Antitrust in Digital Markets", Vanderbilt Law Review 72 (2019): 1503.

[17] John M. Newman, "Antitrust in Digital Markets," Vanderbilt Law Review 72, n.º 5 (2019): 1502.

[18] Michael L. Katz, "Big Tech Mergers: Innovation, Competition for the Market, and the Acquisition of Emerging Competitors," op. cit., 1-2.

[19] Zheng, op. cit., 2.

[20] T. D. M. Lemos y G. M. Resende, "Nascent Competition and Killer Acquisitions in Digital Markets: a Decade of Acquisitions by Big Tech", 2023: 2.

[21] Anton Korinek y Jai Vipra, "Concentrating Intelligence: Scaling and Market Structure in Artificial Intelligence," Economic Policy 40, n.º 121 (2025): 225-56, https://doi.org/10.1093/epolic/eiae057, citado en Bingding Wang, "Analysis of Artificial Intelligence Monopoly Issue and Related Solutions," SHS Web of Conferences (EDP Sciences, 2025): 2.

[22] Korinek y Vipra, op. cit. Los autores examinan la estructura de costes de los modelos fundacionales y señalan las economías de escala y de alcance derivadas de los recursos computacionales, los datos y el talento como el sustrato de dos riesgos competitivos diferenciados: el vuelco del mercado y la integración vertical.

[23] Sai Krishna Kamepalli, Raghuram G. Rajan y Luigi Zingales, "Kill Zone," NBER Working Paper n.º 27146 (2020): 1.

[24] Newman, op. cit., 1502.

[25] En este sentido, KATZ señala que la única vía económicamente viable de entrada en mercados con fuertes efectos de red puede ser la denominada estrategia de entrada en dos etapas, consistente en consolidar una base de usuarios en un mercado adyacente para luego ofrecer el nuevo servicio sobre esa base: Katz, op. cit., 2. Esta lógica es directamente trasladable a los mercados de Inteligencia Artificial, donde las incumbentes han utilizado precisamente su base de usuarios, datos e infraestructura digitales preexistentes como plataforma de entrada y consolidación.

[26] Leonardo Gambacorta y Shreeti Vatsala, "The AI Supply Chain," Review of Network Economics 24, n.º 4 (2025): 205-223.

[27] Stefan Scheuerer, "Artificial Intelligence and Unfair Competition: Unveiling an Underestimated Building Block of the AI Regulation Landscape," GRUR International 70, n.º 9 (2021): 1. https://doi.org/10.1093/grurint/ikab021.

[28] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 650.

[29] María Elisa Holguín López y José R. Flaquer, "Competencia y revolución digital: ¿está el derecho preparado para los nuevos mercados emergentes?", en Anuario de Libre Competencia 2023 (Santo Domingo: Comisión Nacional de Defensa de la Competencia, 2023): 404.

[30] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 650.

[31] Dirk Auer y Mario Zúñiga, "AI Partnerships and Competition: Damned if You Buy, Damned if You Don't," ICLE White Paper 2025-08-19 (Portland, OR: International Center for Law & Economics, 2025): 9.

[32] Jonathan M. Barnett, "'Killer Acquisitions' Reexamined: Economic Hyperbole in the Age of Populist Antitrust," The University of Chicago Business Law Review 3, n.º 1 (2024): 39.

[33] Tiago S. Prado y Johannes M. Bauer, "Big Tech Platform Acquisitions of Start-ups and Venture Capital Funding for Innovation," Information Economics and Policy 59 (2022): 100973. https://doi.org/10.1016/j.infoecopol.2022.100973.

[34] Klaus Gugler, Florian Szücs y Ulrich Wohak, "Start-up Acquisitions, Venture Capital and Innovation: A Comparative Study of Google, Apple, Facebook, Amazon and Microsoft," International Journal of Industrial Organization 99 (2025): 103148. https://doi.org/10.1016/j.ijindorg.2025.103148.

[35] Ibidem.

[36] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 649. Los autores estiman que entre un 5.3% y un 7.4% de las operaciones de su muestra constituyen adquisiciones predatorias, y constatan que estas se concentran de manera desproporcionada justo por debajo de los umbrales que activan el escrutinio de las autoridades de competencia.

[37] Justine Haekens, "Reverse Acquihires in AI" (documento presentado en la Digital Competition Conference 2026): 11. https://kgi.georgetown.edu/wp-content/uploads/2026/01/Reverse-Acquihires-in-AI_Haekens_46.pdf.

[38] Comisión Europea, "Informe sobre la política de competencia 2019", COM(2020) 302 final (Bruselas, 9 de julio de 2020): 14.

[39] Justine Haekens, "Reverse Acquihires in AI," op. cit., 11.

[40] Axel Gautier y Joe Lamesch, "Mergers in the Digital Economy," Information Economics and Policy 54 (marzo 2021): 7. https://doi.org/10.1016/j.infoecopol.2020.100890.

[41] María Elisa Holguín López y José R. Flaquer, op. cit., 404.

[42] Ibidem.

[43] Ibidem.

[44] María Elena Vásquez Taveras, "Mercados digitales y competencia: desafíos regulatorios y tendencias emergentes en el siglo XXI", op. cit., 234.

[45] Elena Argentesi, Paolo Buccirossi, Emilio Calvano, Tomaso Duso, Alessia Marrazzo y Salvatore Nava, "Merger Policy in Digital Markets: An Ex Post Assessment," Journal of Competition Law & Economics 17, n.º 1 (2021): 20. https://doi.org/10.1093/joclec/nhaa020.

[46] Eric Rasmusen, "Entry for Buyout," The Journal of Industrial Economics 36, n.º 3 (1988): 281-99.

[47] Michael L. Katz, "Big Tech Mergers," op. cit., 2-3.

[48] Ibidem.

[49] Ibid., 12-13.

[50] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 649.

[51] Ibidem.

[52] Igor Letina, Armin Schmutzler y Regina Seibel, "Killer Acquisitions and Beyond: Policy Effects on Innovation Strategies," International Economic Review 65, n.º 2 (2024): 591-622. https://doi.org/10.1111/iere.12689.

[53] Germán Coloma, Defensa de la competencia, 2.ª ed., dir. Laura San Martino (Buenos Aires: Ciudad Argentina, Editorial de Ciencia y Cultura, 2009): 393.

[54] Alexandros Kazimirov, "Mergers and Cooptive Acquisitions," American Antitrust Institute Working Paper (2025). https://doi.org/10.2139/ssrn.5316453.

[55] Maurice E. Stucke y Ariel Ezrachi, "Antitrust & AI Supply Chains," Theoretical Inquiries in Law 26, n.º 1 (2025): 17-18.

[56] Ibid., 17.

[57] Justine Haekens, "Reverse Acquihires in AI," op. cit., 10.

[58] Ibid., 3-5.

[59] Eludir el umbral de notificación obligatoria no equivale a escapar a todo escrutinio. La CMA del Reino Unido, cuyo régimen de notificación es voluntario, examinó en 2024 la operación Microsoft/Inflection, la calificó como una situación de concentración relevante y la autorizó en primera fase.

[60] Alexandros Kazimirov, "Mergers and Cooptive Acquisitions," op. cit.

[61] Justine Haekens, "Reverse Acquihires in AI", op. cit.

[62] Ibid., 1.

[63] Heski Bar-Isaac, Justin P. Johnson y Volker Nocke, "Acquihiring for Monopsony Power," Management Science 71, n.º 4 (2025): 3485-3496. https://doi.org/10.1287/mnsc.2024.04604.

[64] Ibidem.

[65] Justine Haekens, "Reverse Acquihires in AI," op. cit., 1.

[66] Ibidem.

[67] Alexandros Kazimirov, "Mergers and Cooptive Acquisitions," op. cit.

[68] Sai Krishna Kamepalli, Raghuram G. Rajan y Luigi Zingales, "Kill Zone" (Becker Friedman Institute for Economics Working Paper n.º 2020-19, Universidad de Chicago, 2020): 1. https://doi.org/10.2139/ssrn.3555915.

[69] Ibidem.

[70] Massimo Motta y Sandro Shelegia, "The 'Kill Zone': When a Platform Copies to Eliminate a Potential Threat," Journal of Economics & Management Strategy 34, n.º 3 (2025): 657-673. https://doi.org/10.1111/jems.12614.

[71] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit.

[72] Kenneth Arrow, "Economic Welfare and the Allocation of Resources for Invention," en The Rate and Direction of Inventive Activity: Economic and Social Factors (Princeton, NJ: Princeton University Press, 1962): 609-26.

[73] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 11 (versión de trabajo).

[74] Richard J. Gilbert y David M. G. Newbery, "Preemptive Patenting and the Persistence of Monopoly", American Economic Review 72, n.º 3 (junio 1982): 514-26.

[75] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 7 (versión de trabajo).

[76] Ibid., 10-11, 25-27.

[77] Ibid., 11.

[78] Ibid., 12-13.

[79] Massimo Motta y Martin Peitz, "Big Tech Mergers," op. cit.

[80] Ibid., 3.

[81] Ibid., 8.

[82] Ibid., 2, 7-8.

[83] Cabe destacar que el trabajo de KATZ compara los efectos de un régimen permisivo de fusiones con los de uno restrictivo.

[84] Michael L. Katz, "Big Tech Mergers," op. cit., 12.

[85] Ibid., 12-13.

[86] Ibid., 13.

[87] Justine Haekens, "Reverse Acquihires in AI," op. cit., 11.

[88] Argentesi et al., op. cit., 21.

[89] Axel Gautier y Joe Lamesch, "Mergers in the Digital Economy," op. cit., 7.

[90] Ibid., 2.

[91] Argentesi et al., op. cit., 95-140.

[92] Ibid., 8.

[93] E. S. R. Dijk, J. L. Moraga-González y E. Motchenkova, "Start-up acquisitions, strategic R&D, and the entrant's and incumbent's direction of innovation," Journal of Economics & Management Strategy 34 (2025): 428. Los autores citan al directivo referido en comunicaciones internas de 9 y 22 de abril de 2012, extraídas de FTC v. Facebook, Case n.º 1:20-cv-03590.

[94] Ibid., 429.

[95] Justine Haekens, "Reverse Acquihires in AI," op. cit., 3-5.

[96] Ibid., 10-11.

[97] Gambacorta y Vatsala, op. cit., 4.

[98] OECD, Competition in Artificial Intelligence Infrastructure, OECD Roundtables on Competition Policy Papers, n.º 330 (OECD, 2025): 9. https://doi.org/10.1787/20758677.

[99] Ibid., 24-25.

[100] Ibid., 34-35.

[101] Maurice E. Stucke y Ariel Ezrachi, "Antitrust & AI Supply Chains," op. cit., 15.

[102] Korinek y Vipra, op. cit. Los autores identifican en el ecosistema de programación asociado a los aceleradores especializados una fuente de costes de cambio que opera con independencia del rendimiento relativo del componente físico.

[103] Kamepalli, Rajan y Zingales, "Kill Zone," op. cit., 1, 7.

[104] Korinek y Vipra, op. cit. Véase igualmente OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 24-25, sobre los incentivos de los proveedores de cómputo a desarrollar aceleradores propios.

[105] OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 24-25.

[106] Maurice E. Stucke y Ariel Ezrachi, "Antitrust & AI Supply Chains," op. cit., 15-16.

[107] Ibid., 16.

[108] OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 24-25.

[109] Maurice E. Stucke y Ariel Ezrachi, "Antitrust & AI Supply Chains," op. cit., 15, 20-21.

[110] Ibid., 20-21.

[111] OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 34-35.

[112] Maurice E. Stucke y Ariel Ezrachi, "Antitrust & AI Supply Chains," op. cit., 16-17.

[113] Ibid., 21-22.

[114] OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 9.

[115] Kamepalli, Rajan y Zingales, "Kill Zone," op. cit., 1, 7.

[116] Germán Coloma, Defensa de la competencia, op. cit., 393.

[117] Michael Coutts, "Mergers, Acquisitions and Algorithms in an Algorithmic Pricing World", Journal of Competition Law and Economics 19, n.º 1 (2023): 4, originalmente disponible en SSRN 4044937 (2022).

[118] C. Cunningham, F. Ederer y S. Ma, "Killer Acquisitions", op. cit., 649.

[119] OECD, Competition in Artificial Intelligence Infrastructure, op. cit., 9. Véase también Argentesi et al., op. cit., 3.

[120] Argentesi et al., op. cit., 20. Véase la Enterprise Act 2002 del Reino Unido, sección 23. Desde el 1 de enero de 2025, la Digital Markets, Competition and Consumers Act 2024 excluye de la competencia de la CMA las operaciones en que cada parte factura menos de 10 millones de libras en el Reino Unido.

[121] Tribunal de Justicia de la Unión Europea (Gran Sala), sentencia de 3 de septiembre de 2024, Illumina, Inc. c. Comisión Europea, asuntos acumulados C-611/22 P y C-625/22 P, ECLI:EU:C:2024:677.

[122] La Comisión Europea había concluido que la contratación de la mayor parte del personal de Inflection, unida a la licencia de su tecnología, constituía una concentración. Tras la sentencia Illumina/Grail, los Estados miembros retiraron sus solicitudes de remisión y la operación quedó fuera del control comunitario.

[123] Reglamento (UE) 2022/1925 del Parlamento Europeo y del Consejo, de 14 de septiembre de 2022, sobre mercados disputables y equitativos en el sector digital (Reglamento de Mercados Digitales), artículo 14.

[124] Karl Polanyi, La gran transformación: los orígenes políticos y económicos de nuestro tiempo, trad. Eduardo L. Suárez (México: Fondo de Cultura Económica, 2003 [1944]).

[125] Corte Constitucional de Colombia, Sentencia C-535 de 1997, M. P. Eduardo Cifuentes Muñoz, Fundamentos: «Por su parte la crisis de las instituciones del mercado y la erosión de los poderes de los consumidores, aunada a la importancia que se le reconoce al mercado en las economías contemporáneas, han originado en cabeza del Estado poderosos instrumentos de intervención que le permiten sancionar concentraciones, abusos y disfunciones que a menudo se presentan en ellas, de suerte que a mayor imperfección de éstas el balance induce a una mayor intervención del Estado ya sea para corregirlas, compensarlas o, en casos extremos, sustituir enteramente los mecanismos de mercado».

[126] Constitución de la República Dominicana, proclamada el 27 de octubre de 2024, artículo 50, encabezado y numeral 1. Texto oficial.

[127] Ibid., artículo 50, numeral 2.

[128] Ibid., artículo 217.

[129] Ibid., artículo 218.

[130] Ibid., artículo 219.

[131] Tribunal Constitucional de la República Dominicana, Sentencia TC/0027/12, de 5 de julio de 2012, párr. 9.3. Texto oficial.

[132] Tribunal Constitucional de la República Dominicana, Sentencia TC/0267/13, de 19 de diciembre de 2013, párr. 9.2.2 (texto oficial). La misma definición de la libertad de empresa figura en la Sentencia TC/0049/13, de 9 de abril de 2013, párr. 9.2.2 (texto oficial).

[133] OCDE y BID, Exámenes Inter-Pares sobre el Derecho y Política de Competencia: República Dominicana (París: OCDE, 2024): 39.

[134] Ibid., 40.

[135] Ibid., 26.

[136] Antonella Salgueiro, "Visión internacional de mejoras y oportunidades sobre la Ley 42-08 sobre Defensa de la Competencia en la República Dominicana," en Anuario de Libre Competencia 2023 (Santo Domingo: Comisión Nacional de Defensa de la Competencia, 2023): 644, 660.

[137] Ley núm. 42-08 General de Defensa de la Competencia, de 16 de enero de 2008, artículos 6 y 7, párrafos I y IV. Texto oficial.

[138] Suprema Corte de Justicia, Tercera Sala, Sentencia núm. SCJ-TS-23-1707, de 28 de diciembre de 2023, párr. 39 (rechaza el recurso de ProCompetencia contra la sentencia núm. 0030-04-2022-SSEN-00218 de la Tercera Sala del Tribunal Superior Administrativo). Texto oficial.

[139] Ley núm. 42-08, op. cit., artículo 3, literal a). Texto oficial.

[140] Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica, artículo 48 (febrero 2026).

[141] OCDE y BID, Exámenes Inter-Pares, op. cit., 40. Véase también Argentesi et al., op. cit., 3.

[142] Anteproyecto de Ley Orgánica Antimonopolio y de Competencia Económica, artículo 50, literales d y f (febrero 2026).

[143] OCDE y BID, Exámenes Inter-Pares, op. cit., 403-404.

[144] Argentesi et al., op. cit., 20.