כלכלת פלטפורמות והשפעות רשת בעידן הבינה המלאכותית הינו מוקד מחקר עיקרי הבוחן כיצד בינה מלאכותית חדשה משפיעה על חיינו הנוכחיים. חברים מהמרכז שלנו מציעים מספר פתרונות שונים לבעיות הנובעות משימוש בבינה מלאכותית.

המאמרים האקדמיים שלהם בנושא הם:

• Michal Gal & Amit Zac, Is Generative AI the Algorithmic Consumer We are Waiting for?  (Network L. Rev, 2024)

המאמר מספק את המבחן האמפירי המבוקר הראשון של השפעת מערכות המלצה שיחתיות (CRS) על החלטות רכישה אמיתיות. CRS, המשתמש במודלי שפה גדולה (LLMs) כמו GPT ו-Gemini, מגדיל באופן עקבי את הוצאות הצרכנים. GPT מותאם אישית הניבה את ההוצאות הממוצעות הגבוהות ביותר. השפעות אלו נובעות ממסגור לשוני עדין וחשיפה מוגברת למותגי פרימיום, ולא מהבדלים באיכות המוצר הנתפסת או באמון. ממצאים אלו מציבים את CRS כאדריכל בחירה רב עוצמה עם השלכות על פיקוח רגולטורי.

• Raz Agranat & Michal Gal, Hub Power and Hub(uses): Power Dynamics in Platform Ecosystems (Antitrust L. J. 2025)

מאמר זה מנתח את כוח הרכזים, תוך התמקדות במשתתפים המחוברים בתוך פלטפורמות. בהסתמך על מדע הרשתות ומיקרו-כלכלה, הוא מראה כיצד רכזים מפעילים שליטה לא פרופורציונלית על אינטראקציות ומשפיעים על התחרות הן בתוך הפלטפורמות והן ביניהן. הוא מפתח מסגרת עם ארבעה גורמים מרכזיים המשפיעים על כוח הרכזים: אטרקטיביות, תלות בפלטפורמה, היתכנות מעבר ודינמיקת כוח נגדי. הניתוח מדגים את ההשלכות הנרחבות של ההגבלים העסקיים על ניהול פלטפורמות ותרופות משפטיות.

• Raz Agranat & Michal Gal, The Microsoft Formula For Platform Power: Do Significant Network Effects Inevitably Generate Winner-Takes-All Dynamics? (University of Chicago – Law School and University of Haifa – Faculty of Law, 2025)

מאמר זה מערער על טענתה של מיקרוסופט ששווקים עם השפעות משמעותיות ברשת מובילים בהכרח לתוצאה של "המנצח לוקח הכול". המאמר חולק על הנוסחה המשפטית המדגימה את אפקטי הרשת ומחירי נתח השוק הגבוהים כבעלת כוח מונופוליסטי, וטוען כי מסגרת זו מסתמכת על הנחות מיושנות ומפשטות. המאמר מסביר כי התקדמות דרמטית במדעי הרשתות מספקת כיום כלים מתוחכמים לניתוח דינמיקת הפלטפורמות. המטרה היא להציע מסגרת משופרת ומודרנית להערכת כוח שוק הפלטפורמות.

• Raz Agranat & Michal Gal, Fueling Concentration: Network Effects and AI Agents (Network L. Rev. 2025)

מאמר זה בוחן את רגישות שוק סוכני הבינה המלאכותית ל"טיפינג" המונע על ידי אפקטי רשת מסורתיים. כאשר סוכנים מתווכים במסחר, הם מאחדים את כוח המיקוח של המשתמשים, ויוצרים לולאת משוב המחזקת את עצמה. בסיסי משתמשים גדולים יותר מניבים מינוף משא ומתן מוגבר, המאפשר לסוכנים לספק תוצאות טובות יותר ולמשוך יותר משתמשים. סוכנים דומיננטיים יוצרים מרכזים חזקים במבנה שוק נטול קנה מידה, ועולים על יריביהם באמצעות גודל ולא עליונות טכנולוגית. המאמר מציע למקד את מנגנון ההתקשרות המועדף כדי לשמר תחרות.

• Michal Gal & Daniel L. Rubinfeld, Algorithms, AI and Mergers,(Antitrust L. J. 2024)

מאמר זה מתמקד בנושאים הקשורים לשליטה במיזוגים הנובעים מתפקידם ההולך וגדל של אלגוריתמים המבוססים על בינה מלאכותית. הוא מזהה שש פונקציות עיקריות של אלגוריתמים שעשויות להשפיע על דינמיקת השוק, כגון איסוף נתונים וניטור. המאמר מדגים כיצד אלגוריתמים כאלו יכולים להחריף התנהגות אנטי-תחרותית בשבעה תרחישים הקשורים להשפעות חד-צדדיות ומתואמות, כולל קנוניה ואפליית מחירים. ממצאים אלה מתורגמים לאחר מכן למדיניות מיזוגים, ומראים כיצד אלגוריתמים משפיעים על מאפיינים מהותיים ומוסדיים של שליטה במיזוגים.

• Dalit Ken-Dror Feldman & Daniel Benoliel, Beyond Explainability: The Case for AI Validation (arXiv:2505.21570, cs.CY, 2025)

מאמר זה טוען כי הסבר לבדו אינו מספיק לבינה מלאכותית אמינה, במיוחד בתחומים מורכבים או בעלי סיכון גבוה. במקום זאת, הוא מציע אימות בינה מלאכותית, המבטיח אמינות, עקביות וחוסן של התפוקות, כמוקד רגולטורי מעשי. בהסתמך על השוואות למדיניות בינלאומיות, הוא מציע מסגרת המבוססת על אימות, ביקורות של צד שלישי, תקנים הרמוניים ורפורמות אחריות. גישה זו שואפת לשלב טוב יותר בינה מלאכותית עוצמתית אך אטומה בתחומים קריטיים תוך איזון בין חדשנות, אחריותיות ואמון הציבור.