Datafikacja. Gospodarka oparta na danych. Konkurencja a regulacja - ebook

WYKAZ SKRÓTÓW

------------- ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
ADS Automatic Decisions System (automatyczny system decyzyjny)
AI Artificial Intelligence (sztuczna inteligencja)
AIA Algorithmic Impact Assessment (algorytmiczna ocena wpływu)
AIS account information service (usługa informacji o rachunku)
AML Anti-Money Laundering Directive (dyrektywa w sprawie przeciwdziałania praniu pieniędzy)
AR Augmented Reality (rzeczywistość rozszerzona)
AVC Average Variable Cost (średni koszt zmienny)
B2B Business-to-Bussines (relacja: firmy–inne firmy)
B2C Business-to-Consumer (relacja: firmy–konsument)
BaaS Banking-as-a-Service (bankowość jako usługa)
BEIS Department of Business, Energy and Industrial Strategy (Urząd ds. Gospodarki, Energii i Strategii Gospodarczej; Wielka Brytania)
BKA Bundeskartellamt (urząd antymonopolowy; Niemcy)
CBDC Central Bank Digital Currency (waluta cyfrowa banku centralnego)
CMA Competition and Markets Authority (Urząd ds. Konkurencji i Rynków; Wielka Brytania)
DA Data Act (projekt rozporządzenia Unii Europejskiej o danych)
DAO Decentralized Autonomous Organization (zdecentralizowana autonomiczna organizacja)
DCMS Department of Culture, Media and Sport (Urząd ds. Kultury, Mediów i Sportu; Wielka Brytania)
DEA Digital Economy Act (ustawa o gospodarce cyfrowej z 2017 r.; Wielka Brytania)
DECODE Decentralized Citizen Owned Data Ecosystem (zdecentralizowany ekosystem kontroli danych przez obywateli; Holandia, Hiszpania)
DGA Data Governance Act (projekt rozporządzenia Unii Europejskiej dotyczący zarządzania danymi)
DGS Data Governance System (system zarządzania danymi)
DIM Data as Individual Medium (dane jako indywidualny nośnik)
DLT Distributed Ledger Technology (technologia rozproszonego rejestru)
DMA Digital Markets Act (projekt rozporządzenia Unii Europejskiej o rynkach cyfrowych)
DPIA Data Protection Impact Assessment (ocena wpływu w kontekście ochrony danych)
DRA Digital Regulation Act (kompleksowy pakiet projektów rozporządzeń Unii Europejskiej obejmujący regulację rynków, usług cyfrowych, danych i zarządzania danymi)
DSA Digital Services Act (projekt rozporządzenia Unii Europejskiej o usługach cyfrowych)
DSM Digital Single Market (jednolity rynek cyfrowy)
EDIB European Data Innovation Board (Europejska Rada ds. Innowacji Danych; nowy organ proponowany w projekcie DGA)
EDPB European Data Protection Board (Europejska Rada Ochrony Danych)
EROD Europejska Rada Ochrony Danych
FCA Financial Conduct Authority (Organ Ochrony Konkurencji w Sektorze Finansowym; Wielka Brytania)
FINMA/FinMa Financial Market Supervisory Authority (Urząd Nadzoru nad Rynkiem Finansowym; Szwajcaria)
FinTech financial technology (technologia finansowa)
F/LOSS free/libre open-source software (wolne i otwarte oprogramowanie)
FRAND fair, reasonable and non-discriminatory (licencjonowanie na warunkach uczciwych, rozsądnych i niedyskryminacyjnych)
GDPR General Data Protection Regulation (rozporządzenie Rady i Parlamentu Europejskiego w sprawie ochrony danych osobowych)
GWB Gesetz gegen Wettbewerbsbeschränkungen (ustawa antymonopolowa; Niemcy)
HM Treasury Skarb Państwa Jej Królewskiej Mości (urząd odpowiedzialny za opracowywanie, wykonywanie i kontrolę rządowej polityki finansów publicznych i polityki gospodarczej; Wielka Brytania)
IAD Institutional Analysis and Development (analiza instytucjonalna i rozwoju)
ICO Initial Coin Offering (wstępna oferta monet kryptoaktywów)
ICO Information Commissioner’s Office (Urząd Komisarza ds. Informacji; Wielka Brytania)
IoT Internet of Things (internet rzeczy)
IP Internet Protocol (podstawowy protokół używany w internecie)
IP Intellectual Property (własność intelektualna)
IPR Intellectual Property Rights (prawa własności intelektualnej)
IVR interactive voice response (automatyczny system do interaktywnej obsługi osoby dzwoniącej – automatyczny call center)
ML Machine Learning (uczenie maszynowe)
MNO Mobile Network Operator (operator sieci mobilnej)
MR Mixed Reality (rzeczywistość mieszana – wirtualna i realna)
MVNO Mobile Virtual Network Operator (operator wirtualnej sieci mobilnej)
NFT Non Fungible Token (niewymienialny token – unikatowa, cyfrowa jednostka danych oparta na architekturze blockchain, którą użytkownicy protokołu mogą handlować)
ODC Open Data Commons (wspólnota otwartych danych – zestaw narzędzi prawnych i licencji, które pomagają publikować, udostępniać i wykorzystywać otwarte dane)
Ofcom Office of Communications (organ kontrolujący i nadzorujący rynek mediów i telekomunikacji; Wielka Brytania)
O-RAN Open Radio Access Network (otwarta sieć dostępu radiowego)
PDDL public domain dedication and license (dedykacja i licencja na domenę publiczną – dokument, który umożliwia swobodne udostępnianie, modyfikowanie i używanie danej pracy w dowolnym celu i bez ograniczeń)
PIS payment initiation service (usługa inicjacji płatności)
PoS proof of stake (dowód stawki)
PoW proof of work (dowód pracy)
PWI prawa własności intelektualnej
RAN Radio Access Network (sieć dostępu radiowego)
RFC Request For Comment (prośba o komentarz)
RODO rozporządzenie o ochronie danych osobowych
Schrems 2 wyrok, w którym TSUE uznał za nieważną decyzję wykonawczą Komisji Europejskiej (2016/1250) z 12 lipca 2016 r. w sprawie adekwatności ochrony zapewnianej przez Tarczę Prywatności (Privacy Shield) UE–USA
SEC Security and Exchange Commission (Komisja Papierów Wartościowych i Giełd; USA)
SEP standard essential patents (patenty kluczowe dla kształtowania się standardów rynkowych)
SI sztuczna inteligencja
SMS Strategic Market Status (status rynku strategicznego)
SOI sieć otwartych innowacji
SSI Self-sovereign Identity (tożsamość suwerenna)
SupTech Supervisory Technology (technologia nadzorcza)
TARP Toxic Assets Rescue Package (fundusz przeznaczony pierwotnie na wykupienie od banków inwestycyjnych tzw. toksycznych aktywów, czyli papierów wartościowych opartych na długach hipotecznych, posłużył także do udzielania awaryjnych pożyczek koncernom samochodowym w celu ochrony przed upadłością; USA)
TCP/IP Transmission Control Protocol/Internet Protocol (model warstwowej struktury protokołów komunikacyjnych, który stał się podstawą struktury internetu)
TFUE Traktat o funkcjonowaniu Unii Europejskiej
TRIPS Agreement on Trade-Related Aspects of Intellectual Property Rights (Porozumienie w sprawie handlowych aspektów praw własności intelektualnej)
VR Virtual Reality (rzeczywistość wirtualna)
XR Extended Reality (rozszerzona rzeczywistość w szerokim znaczeniu, obejmująca rzeczywistość wirtualną – VR, rzeczywistość rozszerzoną – AR i rzeczywistość mieszaną – MR)
------------- ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------WPROWADZENIE

Droga między społeczeństwem informacyjnym (infomation society) a społeczeństwem opartym na danych (data-driven society) ma daleko idące konsekwencje dla świata. Następuje przejście od społeczeństwa informacyjnego do społeczeństwa opartego na wiedzy (knowledge society), a następnie do społeczeństwa opartego na mądrości (wisdom society). Projekt regulacji o zarządzaniu danymi (Data Governance Act – DGA) jest pozytywnym krokiem w kierunku ułatwienia innowacji opartych na danych. Ma potencjał, aby zrewolucjonizować wymianę danych między organizacjami z korzyścią dla interesariuszy. Zachęca do tworzenia nowej infrastruktury do udostępniania danych, a co za tym idzie – do pomocy w budowaniu jednolitego rynku cyfrowego w państwach członkowskich Unii Europejskiej.

Dane dla gospodarki cyfrowej stały się czynnikiem produkcji, wpływającym na efektywność działalności gospodarczej. Określają także rozwój nowych modeli biznesu. Digityzacja dotyczy zmiany formy informacji z analogowej na cyfrową, digitalizacja (cyfryzacja) – procesów i ról wchodzących w zakres operacji biznesowych, a transformacja cyfrowa – całości: modelu biznesowego i strategii firmy. Transformacja cyfrowa to systemowa zmiana funkcjonowania rynku, konsumentów, przedsiębiorstw i państwa w wyniku wdrożenia technologii cyfrowych i dzięki datafikacji. Datafikacja (danetyzacja) jest definiowana jako proces tworzenia cyfrowych reprezentacji kolejnych obszarów świata rzeczywistego oraz czerpania wartości z pozyskanej w ten sposób informacji. Datafikacja ma doniosłe konsekwencje społeczne i ekonomiczne. Datafikacja tworzy również grunt dla nowych modeli biznesowych rozwijanych przez platformy cyfrowe (FinTechy i BigTechy) (Śledziewska, Włoch 2020).

Ludzie są przystosowani do współpracy, a nowe technologie działają jako wzmacniacz ludzkiego, opartego na współpracy, sposobu myślenia. W polu badań jest nowy rodzaj współpracy, którą umożliwiają technologie sieciowe. To nowe społeczeństwo oparte na współpracy można scharakteryzować jako wiele usług i startupów, które umożliwiają wymianę i interakcje peer-to-peer za pośrednictwem technologii. Powstają pytania: czy ekonomiczne aspekty nowej współpracy mają potencjał, aby uczynić społeczeństwo bardziej sprawiedliwym, czy jest to przykrywka dla niesprawiedliwości społecznej i wyzysku użytkowników. Można pokazać bowiem zarówno pozytywne, jak i negatywne strony istnienia kooperatywnych aspektów nowych technologii.

Koncepcja społeczeństwa współpracy opiera się na oddolnym i długotrwałym współdziałaniu w grupie, której członkowie opracowali określone wzorce relacji dzięki technologii, a którego rola gwałtownie rośnie w ostatnich latach. Oprócz gospodarki, podkreśla się oddziaływanie współpracy także na inne obszary, takie jak związki międzyludzkie, środowisko i kultura. Istnieją pewne ułatwienia, np. mimo iż technologie są coraz bardziej złożone, to interfejsy – coraz prostsze. Rozwiązania np. AI mainstreaming (low-code – no-code) mogą być budowane przez samych użytkowników amatorów (Jemielniak, Przegalińska 2020).

W gospodarce akcent na współpracę kosztem konkurencji, a w istocie – współistnienie kooperacji i konkurencji (kooperencja – koopetycja) jest w polu zainteresowania organów antymonopolowych, których stanowisko w odniesieniu do współpracy w gospodarce opartej na danych ewoluuje: od rygorystycznego do permisywnego. Struktury współpracy w różnych dziedzinach także ulegają ewolucji. Związane z technologią DLT blockchain zdecentralizowane autonomiczne organizacje (Decentralized Autonomous Organizations – DAO) umożliwiają przekazanie zarządzania społeczności. Oznacza to poszerzony przepływ i dostęp do danych oraz zmiany w systemie zarządzania. Kto ma więcej tokenów, ten ma więcej głosów, a zatem większy wpływ na działanie systemu.

Gospodarka cyfrowa jest gospodarką opartą na danych (datafikacja – danetyzacja). Powstaje w związku z tym wiele pytań: czy można mówić o własności danych, czy raczej o problemie dostępu do danych, jak pogodzić ochronę danych z potrzebą ułatwienia udostępniania danych w interesie publicznym (Data Act – DA – DGA), jak te kwestie różnicować w kontekście danych osobowych (GDPR – RODO) i danych ekonomicznych, często powiązanych z ochroną praw własności intelektualnej i przemysłowej, tajemnicy handlowej itp., czy, a jeżeli tak, to w jakiej mierze prawo powinno wymuszać udostępnianie danych, np. gdy utrudniają one szerokie korzystanie z sui generis infrastruktury (Digital Markets Act – DMA i restrykcje nakładane na BigTechy pełniące funkcję „strażników dostępu”).

W zrównoważonym rozwoju kluczową rolę odgrywają innowacje. Ponieważ podążają one często zawiłymi ścieżkami, prawa własności intelektualnej mogą utrudniać dalsze innowacje i spowolnić przejście do zrównoważonego rozwoju przez blokowanie innowacyjnych technologii lub utrudnianie dostępu do nich. Jednak odpowiednio stosowane prawa własności intelektualnej mogą sprzyjać wymianie wiedzy i wspólnemu uczeniu się. Otwarte innowacje – w szczególności otwarte licencjonowanie – mogą wspierać kolejne innowacje, umożliwiając przepływ i łączenie danych wejściowych od różnych podmiotów. Powstaje pytanie, czy niektóre alternatywne sposoby finansowania innowacji – w szczególności pojawiające się rozwiązania oparte na blockchain – mogą odnieść sukces we wspieraniu dalszych innowacji dla zrównoważonego rozwoju (Est ves, Wernick, Carls 2022). Należy się interesować kluczowymi kwestiami na pograniczu AI/IP, w tym modelami biznesowymi liderów innowacji AI, inwentaryzacją/tworzeniem systemów AI, sporami sądowymi na tle sprawy Dabus (autorami wynalazków według urzędów w Europie i USA mogą być tylko ludzie, a w wyścigu o patenty coraz więcej nowinek dotyczy efektów uczenia maszynowego), dyskusją na temat tego, czy nowe rodzaje praw własności intelektualnej są niezbędne do ochrony wynalazków AI, przydziałem uprawnień i odpowiedzialności w odniesieniu do takich innowacji, zmianami związanymi z AI w wytycznych urzędów patentowych, wykorzystaniem przez te urzędy narzędzi AI, potrzebą nowych norm ochronnych (np. w celu wspierania eksploracji tekstów i danych) (Picht, Brunner, Schmid 2022).

Czy prawo konkurencji powinno się interesować dostępem do danych w ramach kontroli karteli, fuzji czy nadużywania dominacji rynkowej, czy może raczej pozostawić te kwestie regulacji datafikacji? Czy próby wprzęgnięcia datafikacji w proces realizacji prawa konkurencji, i to na bardzo wczesnym etapie analizy rynku, gdy ewentualne szkody dla konkurencji jeszcze się wyraźnie nie ujawniają (jak ostatnio w niemieckiej GWB w odniesieniu do BigTechów), nie zagrażają pewności prawnej i bezpieczeństwu obrotu? Należy pamiętać, że takie prognozy mogą być przesłanką zbyt arbitralnych decyzji ingerujących w innowacyjne modele biznesowe i hamujących rozwój rynku nowych technologii, z których mogliby długofalowo skorzystać użytkownicy. Jednocześnie w historii ustawodawstwa antymonopolowego są znane koncepcje ingerencji na wczesnym etapie analizy rynku w celu zapobiegania monopolizacji (tzw. incipiency doctrine w ramach Sherman Act z 1890 r.).

Nowatorski charakter gospodarki opartej na danych wymaga zwrócenia uwagi organów antymonopolowych na konkurencyjne szkody dla innowacji (np. z braku interoperacyjności, z nieprzejrzystości algorytmów, nieudostępniania kluczowych patentów), a nie tylko w kontekście bardziej znanych kategorii: ceny, produkcji i jakości. Egzekwowanie przepisów antymonopolowych jest wymagane, gdy zachowanie biznesowe szkodzi konkurencji przez utrudnianie nowych modeli biznesowych, technologii lub produktów, ale organy egzekwujące prawo muszą być ostrożne, ponieważ zbyt restrykcyjne czy nadmierne działania przeciwko firmom zaangażowanym w badania i rozwój również mogą osłabić innowacyjność.

Możliwe jest poszerzenie regulacji (interpretacji) nadużywania dominacji rynkowej o inne formy zależności ekonomicznej, np. dostęp do danych, w tym także do własności intelektualnej i przemysłowej, ewentualnie zastosowanie – ze względu na par excellence infrastrukturalny charakter ekosystemów platform BigTechów – koncepcji urządzeń kluczowych (essential facility), kategorii użyteczności publicznej (public utilities), nadużywania przewagi kontraktowej czy szacowania kosztu wykluczenia (cost of exclusion).

Dzięki pakietowi Digital Regulation Act (DRA), który obejmuje regulację rynków i usług cyfrowych (Digital Markets Act – DMA; Digital Services Act – DSA), jak również regulację danych (Data Act – DA) i zarządzania danymi (Data Governance Act – DGA), Unia Europejska ustanawia obecnie różne obowiązki w zakresie udzielania dostępu do danych. Prawo konkurencji UE i państw członkowskich zawiera często dodatkowe obowiązki tego rodzaju. Poza kwestiami, czy obowiązki te są uzasadnione lub w przypadku gdy korekty obowiązków przyznawania dostępu wydają się właściwe, transakcje je wdrażające (nakazy udzielenia dostępu do danych) wymagają ram prawnych. W tym celu niezbędny jest przegląd obowiązków w zakresie udzielania dostępu do danych oraz ich roli protransakcyjnej, zgodnie z pakietem DRA, unijnym prawem konkurencji oraz – ciekawym krajowym przykładem niemieckiego prawa konkurencji. Po zdiagnozowaniu, że brak ram specyficznych dla transakcji danych, dla których prawo umów jest zasadniczym, ale nie jedynym filarem, koliduje z rzeczywistymi potrzebami i realiami biznesowymi, analiza zwraca się do zasad licencjonowania praw własności intelektualnej (IPR) i ich zdolności do (częściowego) wypełnienia luki. Rola prawa konkurencji musi wykraczać poza zwykłe porządkowanie dostępu do danych i obejmować nadzór nad tym, czy transakcje dostępu są kształtowane w sposób sprzyjający konkurencji (Picht 2022).

W europejskiej strategii na rzecz danych (COM(2020) 66 final) Komisja Europejska podkreśliła ambicję zdobycia głównej roli w gospodarce opartej na danych. Jednocześnie przyznała, że będzie musiała zwiększyć swoje zasoby wysokiej jakości danych dostępnych do ponownego wykorzystania. W sektorach kreatywnych potrzeba poprawy jakości danych i interoperacyjności jest szczególnie silna. Bez poprawy najprawdopodobniej zostaną utracone możliwości monetyzacji szerokiej gamy kreatywnych treści w państwach członkowskich UE i udostępniania tych treści dla nowych technologii, takich jak systemy sztucznej inteligencji. Chociaż Stany Zjednoczone podjęły już kroki w celu zapewnienia zintegrowanej przestrzeni danych dla muzyki od dnia 1 stycznia 2021 r., UE stoi przed poważnymi przeszkodami nie tylko w dziedzinie muzyki, lecz także w innych sektorach przemysłu kreatywnego. Biorąc pod uwagę koszty i korzyści, nie ma wątpliwości, że nowe inwestycje w lepszą infrastrukturę danych dotyczących praw autorskich powinny odgrywać centralną rolę w polityce UE. System powiadamiania w ramach dyrektywy w sprawie praw autorskich na jednolitym rynku cyfrowym może oferować możliwość łączenia i harmonizowania danych we wspólnym unijnym repozytorium danych dotyczących praw autorskich. Ponadto kompromis między harmonizacją danych i interoperacyjnością z jednej strony, a przejrzystością i rozliczalnością systemów rekomendacji treści z drugiej strony może utorować drogę nowym inicjatywom (Senftleben 2022).

Problemem badawczym niniejszej książki jest poszukiwanie „złotego środka” (można także powiedzieć – równowagi, spójnej z koncepcją zrównoważonego rozwoju) między ochroną danych a dostępem do danych, między tragedią wspólnego pastwiska (tragedy of the commons) a tragedią prywatnego zawłaszczania (tragedy of the anticommons), a tym samym – opracowanie systemów zarządzania danymi prywatnymi oraz publicznymi, które nie budzą wątpliwości z perspektywy konkurencji. Wykorzystane metody to przede wszystkim literatura, regulacja i orzecznictwo, w kontekście ekonomii instytucjonalnej i ekonomicznej analizy prawa – oceny skutków regulacji. Rozwiązań, które powinny mieć charakter holistyczny i systemowy, można poszukiwać na pograniczu ekonomii, prawa i zarządzania, co już zostało zapoczątkowane w literaturze (Ostrom 2013; Ostrom, Basurto 2011). Równocześnie jest wyraźnie widoczna luka badawcza, gdyż nauka o danych (Data Science) oraz analityka danych (Data Analytics) dotąd skupiają się głównie na aspektach informatycznych – kodowania danych, wyszukiwania czy budowy baz danych, ekonomii – na niektórych rodzajach danych, w szczególności powiązanych z prawami własności intelektualnej i przemysłowej, regulacji (prawo) – na dość jednostronnie rozumianej ochronie prywatności („własności” danych) lub na roli danych w stosowaniu prawa konkurencji (Zygmuntowski, Zoboli, Nemitz 2021).