美國老牌法律事務所 Goodwin Procter 旗下 Podcast《Forces of Law》首集，由反壟斷業務共同主席 Arman Oruc 與編輯總監 Bob Mertz 對談，核心警示：隨著具備自主決策能力的 AI 代理人（Agentic AI）開始在企業環境中運作，百年歷史的《雪曼法》（Sherman Act）反壟斷框架正面臨根本性挑戰。
議題核心聚焦於「演算法合謀」（Algorithmic Collusion）現象。當 AI 代理人在不同企業間自主通訊、共享資訊、甚至協調定價策略時，企業高層可能在完全不知情的狀況下觸犯反壟斷紅線。Oruc 明確指出，反壟斷法的基礎假設是「人類追求利潤最大化」，但 AI 代理人是「literally immortal（字面上的不滅）」實體，其行為動機與人類截然不同，傳統的「合意」（meeting of the minds）與「意圖」（intent）要件將難以套用。
此外，AI 帶來的「完美資訊」（perfect information）環境，可能瓦解市場競爭的根基——因為反壟斷法的邏輯起點正是「資訊不對稱所帶來的不確定性」，當 AI 讓所有市場參與者都能取得即時完整資訊時，定價與競爭行為的本質將徹底改變。對企業而言，當務之急是建立可監控 AI 代理人跨境通訊的內部合規機制。
此事件本質上並非傳統的政商利益角力，而是科技演進與法律框架之間出現嚴重斷層的結構性衝突。其深層矛盾源自三個層面的張力：
一、法理基礎的哲學斷裂
傳統反壟斷法以人類的「意圖」與「合意」為執法核心。然而，AI 代理人的自主決策過程屬於「黑盒子」，企業甚至可能無法解釋其產出結果。這使得「誰該負責」的歸責原則（Accountability Principle）全面崩解——是該追究部署演算法的企業？是訓練資料的提供者？是模型開發商？抑或是 AI 本身？此一問題已超越法律技術層次，觸及數位時代的代理倫理學。
二、資訊透明化的市場悖論
經濟學家海耶克（Hayek）與傅利曼（Friedman）皆曾論述，市場競爭的有效性建立在「分散且不完美的資訊」之上。AI 代理人若讓所有市場參與者即時共享定價、庫存、產能數據，可能在消除「資訊不對稱」的同時，也消除了競爭本身的動態張力。這與其說是 AI 幫助市場更有效率，不如說 AI 可能讓所有企業「被動地」滑入寡占均衡狀態，形成無合意（no agreement）但有勾結（tacit collusion）的詭譎局面。
三、合規監管的時序落差
執法機關面臨根本性的速度不對稱：AI 代理人完成跨企業協調的時間可能以毫秒計算，但人類律師與監管者的介入需要數週甚至數月。這種時間尺度的差異，使得現行「事前申報、事後調查」的監管模式形同虛設。企業若要合規，必須從「事後補救」轉向「事前嵌入式合規程式碼」（embedded compliance in code），這無疑是法規科技（RegTech）領域的重大典範轉移。
值得注意的是，目前美國聯邦貿易委員會（FTC）與司法部（DOJ）尚未針對 Agentic AI 提出專門的反壟斷指引，這段法律真空期對企業而言既是風險也是先占優勢的機會窗口。
回顧歷史，反壟斷法的重大革新往往落後於產業實踐數十年——1890 年的《雪曼法》因應的是石油與鐵路托拉斯，1940 年代的新增條文則是針對連鎖董事會，而 1996 年的《價格統一面對話協議》只不過是為了應對電話錄音的存證需求。面對 Agentic AI 的衝擊，未來 5 至 10 年的演進路徑將呈現以下三種情境：
無論何種情境，「代理人問責機制」將是未來十年數位治理的核心議題，其重要性不下於 1990 年代末的「資料隱私」與 2010 年代的「平台壟斷」。
面對 AI 代理人對反壟斷框架的全面性挑戰，企業決策者與利害關係人應採取以下戰略行動：
01 起因觸發：企業大規模部署具備自主決策能力的 Agentic AI 代理人
02 一階傳導：跨企業 AI 代理人開始自主通訊、共享定價與產能資料
03 二階擴散：傳統反壟斷法的「合意」與「意圖」要件無法套用於演算法決策
04 法規回應：FTC、DOJ 與各國競爭法主管機關被迫啟動新一輪的 AI 治理立法
05 產業重塑：RegTech、可解釋 AI、聯邦學習與稽核工具商迎來爆發性成長
06 宏觀終局：全球數位競爭政策進入「以資訊流結構取代人類意圖」的新典範
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
