In Nederland is de herziene vierde anti-witwasrichtlijn (AMLD5) geïmplementeerd in onder andere de Wet ter voorkoming van witwassen en terrorismefinanciering (Wwft). De herzieningen zijn per 21 mei 2020 van kracht geworden. Een van de belangrijkste wijzigingen die in de Wwft is doorgevoerd betreft de uitbreiding van de reikwijdte van de wet naar twee typen aanbieders van cryptodiensten, te weten aanbieders van wisseldiensten voor het wisselen tussen crypto’s en fiat geld en aanbieders van custodian wallets. De Nederlandse Bank (DNB) is toezichthouder op deze nieuwe aanbieders en heeft er daarmee een nieuwe taak bij.

Artificiële intelligentie (AI) is een revolutionaire technologie die een grote impact heeft op ons leven. Naast de aanzienlijke voordelen die AI ons oplevert, gaan ook significante risico’s met deze ontwikkeling gepaard. Tegen deze achtergrond zien we dat steeds meer toezichthouders zich aantoonbaar bezighouden met AI. De hamvraag voor veel toezichthouders is hoe zij zich moeten verhouden tot AI. Dit is geen eenvoudige zoektocht. Met onze bijdrage hopen wij deze zoektocht te faciliteren door de risico’s die gepaard gaan met AI-toepassingen overzichtelijk op een rijtje te zetten en vervolgens een zestal handvatten aan te reiken die toezichthouders kunnen gebruiken bij het inrichten van hun toezicht op AI.

De populariteit van zelflerende algoritmes heeft zorgen gewekt bij academici en mededingingstoezichthouders over het mogelijk prijsverhogende effect van algoritmes voor prijszetting. Experts waarschuwen dat zelflerende algoritmes stilzwijgend zouden kunnen samenspannen en hogere prijzen kunnen bewerkstelligen (colluderen). Aan de andere kant zijn er auteurs die stellen dat coördinatie zelfs voor algoritmes te complex is om zonder verboden informatie-uitwisseling te bereiken. Wij overbruggen het gat tussen theoretische zorgen en dit praktisch scepticisme. In dit artikel analyseren wij mechanismes die ervoor zorgen dat zelflerende algoritmes in een setting met concurrentie relatief hoge prijzen kunnen bereiken, met een onderscheid tussen vorming en stabiliteit van stilzwijgende samenspanning. We analyseren de praktische toepasbaarheid van deze mechanismes. Stabiliteit-bevorderende mechanismes kunnen vóórkomen, maar we vinden het minder aannemelijk dat ook de prijsverhogende mechanismes in de praktijk kunnen worden gerealiseerd, vanwege de aanzienlijke kosten van experimentatie met prijzen, die essentieel is voor deze mechanismes. We concluderen dat het gebruik van AI (Artifical Intelligence) voor prijszetting mechanismes biedt die het risico op algoritmische collusie verhogen, maar de praktische belemmeringen betekenen dat het risico op dit moment beperkt lijkt te zijn tot specifieke markten of samenloop van omstandigheden.

Nederland was een van de eerste landen die het zogenoemde horizontaal toezicht (HT) introduceerde. Sindsdien hebben belastingdiensten over de gehele wereld dat voorbeeld gevolgd en is HT ingevoerd in andere toezichtdomeinen zoals de zorg en de voedselveiligheid. In Nederland is het HT in tegenstelling tot andere landen sinds de introductie niet wezenlijk veranderd, terwijl HT al sinds het begin vragen oproept en er regelmatig kritiek doorklinkt. In dit artikel inventariseren en analyseren we de (wetenschappelijke) onderzoeken die inmiddels op het gebied van HT zijn gedaan en concluderen we dat een herijking van HT, zoals de Nederlandse Belastingdienst momenteel uitvoert, niet alleen logisch is, gezien het feit dat Nederland een voorloper op dit terrein was, maar ook noodzakelijk is gezien de vragen en kritiek die er zijn. We concluderen ook dat het lastig is om tegemoet te komen aan een modernisering in lijn met internationale ontwikkelingen omdat landen binnen het concept van HT ieder een eigen weg lijken te kiezen en van een gezamenlijke ontwikkeling geen sprake lijkt te zijn.

Voor het opsporen van overtredingen vergaren toezichthouders in toenemende mate digitaal materiaal bij vermeende overtreders. De bevoegdheid om digitaal opgeslagen zakelijke gegevens te kopiëren, hebben toezichthouders op grond van artikel 5:17 Awb. De ACM en AFM hebben deze bevoegdheid en de manier waarop zij het digitale materiaal verzamelen en kopiëren uitgewerkt in een werkwijze. In dit artikel worden deze ‘digitale werkwijzen’ van de ACM en AFM bekeken met een AVG-bril. Is de bevoegdheid om (soms grote) hoeveelheden en (on)gestructureerde data te verzamelen en kopiëren in overeenstemming met de AVG? En zo ja, welke eisen stelt de AVG aan de digitale werkwijzen?

In het arrest van 12 februari 2019 oordeelt het Gerechtshof Den Haag dat de digitale werkwijze van de ACM voldoende waarborgen voor effectieve rechtsbescherming biedt bij bestuursrechtelijk toezicht aan de hand van digitale gegevens.

Het gebruik van data levert belangrijke voordelen voor ondernemingen en consumenten. Het roept echter ook de maatschappelijke vraag op of verzameling en gebruik van data kunnen leiden tot marktmacht (‘datamacht’). Het risico daarop wordt bepaald door: (1) het belang van data als input, (2) de beschikbaarheid en repliceerbaarheid van data, (3) het belang van schaal- en netwerkeffecten en (4) de concurrentiesituatie op de markt waarvoor data een input vormen. Het mededingingstoezicht beschikt over de instrumenten om in specifieke situaties het ontstaan van datamacht als gevolg van concentraties te voorkomen en misbruik van datamacht te beëindigen of te bestraffen. Tot nu toe hebben die situaties zich in de praktijk nog weinig voorgedaan.

Deze bijdrage betoogt dat het mededingings- en gegevensbeschermingstoezicht beter op elkaar afgestemd moeten worden om consumentenbelangen in datagedreven markten te waarborgen. De nasleep van de Facebook/WhatsApp-concentratie laat zien dat het toezicht op digitale markten te wensen overlaat, ondanks de vele handhavingsacties in verschillende lidstaten. Vanuit het perspectief van het mededingingsrecht worden aanbevelingen voor een meer samenhangend toezicht op misbruik van economische machtspositie en concentraties gedaan, zowel inhoudelijk bij de toepassing van concepten als institutioneel bij het uitoefenen van bevoegdheden door de betreffende toezichthouders. Geconcludeerd wordt dat er ruimte is voor synergieën maar dat er ook sprake kan zijn van spanning tussen de twee rechtsgebieden.

In dit artikel gaan wij in op de vraag hoe een mededingingsautoriteit datagedreven technieken kan inzetten om effectiever te worden. Machine learning is in de laatste jaren enorm populair geworden, levert vaak snel goede resultaten op en vormt de basis voor succes van vele e-commerce-bedrijven die (bijna) dagelijks machine learning-algoritmes toepassen om de optimale prijzen te bepalen van al hun producten, gegeven historische transacties die concurrenten aanbieden en gelet op de omvang van de eigen voorraad. Machine learning is echter alleen geschikt voor specifieke vraagstukken. Het verschil tussen causaliteit en voorspelkracht speelt daarbij een belangrijke rol. Vaak past een ‘ouderwetse’ statistische analyse beter bij de onderzoeksvraag over oorzaak en gevolg. Voorbeelden van nuttige toepassingen van machine learning-technieken zijn voorspellingsmodellen en verkennende data-analyse, die op nieuwe inzichten kan wijzen of bepaalde gebeurtenissen kan signaleren. Wij bespreken een simpel algoritme toegepast op detectie van veranderingen in prijsdata en laten zien hoe dit tijdrovende handmatige analyses kan vervangen. Een mededingingsautoriteit kan soortgelijke algoritmes als een belangrijke en noodzakelijke aanvulling gebruiken op de ‘ouderwetse’ maar eveneens nuttige statistische analyses voor o.a. opsporing van kartels. De methode is flexibel qua inzet in verschillende markten en toepassingen van diverse aannames over het gedrag van ondernemingen.

In deze bijdrage wordt ingegaan op de nieuwe aanwijzingsbevoegdheid van de Inspectie Gezondheidszorg en Jeugd i.o. ten aanzien van de organisatiestructuur van zorgaanbieders op grond van de Wet kwaliteit, klachten en geschillen in de zorg en op de wettelijke grondslag die is gecreëerd in de Gezondheidswet voor het actief openbaar maken van bepaalde toezichtgegevens door de Inspectie Gezondheidszorg en Jeugd i.o. Is bij deze nieuwe bevoegdheden de rechtsbescherming van zorgaanbieders door de bestuursrechter op adequate wijze gewaarborgd? Zijn in het bijzonder de waarborgen van de artikelen 6 en 8 EVRM gerespecteerd? Naar het oordeel van de auteurs kan dit worden betwijfeld en ligt hier een taak voor de wetgever.

In deze bijdrage worden enkele alternatieve handhavingsinstrumenten geanalyseerd zoals zij gebruikt worden door de Nederlandse Autoriteit Consument en Markt (ACM), de Britse Competition and Markets Authority (CMA) en de Franse Autorité de la Concurrence (de Autorité). Echter, hierbij ligt de focus niet op de individuele, juridische analyse van ieder handhavingsinstrument, maar op de relatie tussen handhavingsinstrumenten, onderliggende strategie, en toezichthouder. Het uiteindelijke doel van deze bijdrage is om te illustreren wat de gevolgen kunnen zijn van een brede toepassing van alternatieve handhavingsinstrumenten vanuit het perspectief van toezicht. Hierbij zullen er, met name in de concluderende paragrafen, conclusies worden getrokken die bruikbaar zijn voor het toepassen van alternatieve handhaving buiten het mededingingstoezicht.

De maatschappij verwacht in toenemende mate dat toezichthouders de effecten van hun toezicht inzichtelijk maken. Dat geldt ook voor de Belastingdienst. Dit artikel bespreekt de theorie en de praktijk van effectmeting in het fiscale domein en levert zo een bijdrage aan de ontwikkeling van effectmeting van het (overheids)toezicht. Vastgesteld wordt dat in de praktijk een aantal uitdagingen het hoofd moet worden geboden wil de Belastingdienst daadwerkelijk tot een integrale effectmeting van het toezicht komen. Dit zijn: het expliciteren van de beleidstheorie, het vinden van de juiste determinanten van compliance, het meten van effecten van preventieve activiteiten, het opzetten van methodologisch verantwoord onderzoek en de organisatorische inbedding van effectmeting.