Anthropics Projekt Deal Lader Claude-agenter Handle Reelle Varer

Anthropic offentliggjorde den 24. april resultaterne af “Project Deal“, en en-ugers intern eksperiment, hvor Claude-agenter købte og solgte reelle varer på vegne af 69 medarbejdere i virksomhedens kontor i San Francisco.

Agenterna indgik 186 aftaler til en værdi af lidt over 4.000 dollars – og studiet fandt, at deltagere, der blev repræsenteret af stærkere modeller, fik målbart bedre resultater end deres menneskelige modparter nogensinde lagde mærke til.

Forskningens resultater, skrevet af Anthropic-forskerne Kevin K. Troy, Dylan Shields, Keir Bradwell og Peter McCrory, giver det klareste billede endnu af, hvordan en AI-mæglet markedsmekanisme kan opføre sig, når agenter forhandler på begge sider af en transaktion.

De bringer også en “ubelejlig implikation” til overfladen, som virksomheden siger, at branchen, regulatørerne og brugerne vil være nødt til at konfrontere, før agentic handel bliver mainstream.

Eksperimentet kørte i en uge i december 2025.

Anthropic rekrutterede 69 medarbejdere, gav dem hver en “budget” på 100 dollars (udbetalt efter eksperimentet i form af en gavekort, plus eller minus værdien af det, de købte eller solgte), og havde Claude gennemført et kort interview med hver frivillig for at finde ud af, hvad de ville sælge, til hvilken pris, hvad de ville købe, og hvilken forhandlingsstil deres agent skulle bruge. Anthropic omdannede derefter svarene til en brugerdefineret systemprompt til hver agent.

Anthropic kørte derefter fire parallelle markedspladser inde i Slack-kanaler.

“I Run A og Run D var alle agenters grundlag Claude Opus 4.5, vores daværende frontmodell,” sagde teamet. “I de andre to løb (Runs B og C) havde deltagerne en fifty-fifty chance for at blive tildelt Claude Haiku 4.5, en mindre kraftfuld model, i stedet.”

Kun Run A var det “rigtige” løb, hvor varer faktisk skiftede hænder bagefter; de andre tre var studiebetingelser, og deltagerne blev ikke informeret om, hvilket løb der var virkeligt, før efter en efterfølgende undersøgelse.

Der var ingen menneskelig indgriben, når agenterne blev udrullet.

Projektets Slack-kanal loopede tilfældigt gennem agenter, hvilket tillod dem at poste en vare til salg, gøre et tilbud for en anden persons varer eller lukke en aftale. Afgørende var, at der ikke var nogen menneskelig indgriben, når eksperimentet begyndte.

Over mere end 500 listede varer identificerede agenter matches, foreslog priser og lukkede aftaler autonomt. Mennesker kom kun ind i billedet igen ved afslutningen for at fysisk udveksle de varer, deres agenter havde aftalt at handle.

Hovedfundet er ligefor: agentkvalitet betyder noget, og det betyder noget i dollars.

Over 161 varer solgt i mindst to af de fire løb fik en Opus-sælger i gennemsnit 2,68 dollars mere, mens en Opus-køber betalte 2,45 dollars mindre. Når en Opus-sælger stod over for en Haiku-køber, nåede den gennemsnitlige pris 24,18 dollars, sammenlignet med 18,63 dollars for Opus-til-Opus-aftaler. Med en medianpris på 12 dollars og en gennemsnit på 20,05 dollars over alle løb siger Anthropic, at disse huller ikke er trivialer.

Enkelttilfælde var skarpere.

Den samme brækkede foldningsscykel, samme køber, samme sælger: Opus-agenten fik 65 dollars, mens Haiku-agenten kun fik 38 dollars.

En laboratorie-dyrket rubin, der blev solgt for 65 dollars, fik kun 35 dollars, når Haiku håndterede listen.

Fælden er, hvad deltagerne ikke opfattede.

Trods den tydelige prisforskel vurderede deltagerne med Haiku-agenter retfærdigheden af deres aftaler næsten ens med Opus-brugere: 4,06 mod 4,05 på retfærdighedsskalaen.

“Otteogtyve af vores deltagerne havde Haiku i et Haiku- og Opus-løb og Opus i det andet. Og selv om 17 af disse vurderede deres Opus-løb højere end deres Haiku-løb, gjorde 11 det modsatte,” skrev virksomheden.

En anden, mere modig result: forhandlingsstilene, deltagerne bad om i deres intake-interview, havde knap nok nogen effekt på resultaterne.

Aggressive sælgere fik højere priser, men kun fordi de satte højere åbningspriser til at begynde med, siger Anthropic.

Aggressive instruktioner producerede ingen statistisk signifikant stigning i salgs sandsynlighed, salgspris eller købspris, når de højere pris, som brugerne satte, blev kontrolleret for. Modelvalg betød mere end prompting.

Project Deal er en pilot, ikke et produkt, og Anthropic er omhyggelig med at markere begrænsningerne – en selvvalgt medarbejderpool, lave indsats og ingen fjendtlige aktører. Alligevel sagde 46 procent af deltagerne, at de ville betale for en tjeneste som denne, som Anthropic fremstiller som bevis på, at agent-mæglet peer-to-peer-handel ikke er langt væk.

Denne timing er vigtig, fordi Anthropic har været synligt styret Claude mod forbrugertransaktioner. Virksomheden har nyligt offentliggjort en blog-indlæg, der forpligter sig til at holde Claude-samtaler reklamefrie, mens de utvetydigt støtter agentic handel, og de har bygget udvidet enterprise-infrastruktur som Managed Agents for at lade Claude handle på brugernes vegne på tværs af tredjeparts-tjenester. Project Deal lander som et forskningsartefakt, der stille kortlægger fejlmåderne i den fremtidige.

Anthropic peger på tre bekymringer, der vokser ud af eksperimentet. Først vil incitamenterne se meget anderledes ud i en verden med virksomheder i stedet for frivillige. At optimere for AI-agent-opmærksomhed kan blive et kraftfuldt værktøj, der ikke nødvendigvis fungerer i menneskers favør.

Anden, optimere systemer for AI-agent-opmærksomhed – i stedet for menneskelig opmærksomhed – kan introducere nye manipulationsoverflader, herunder jailbreaking og prompt-injektion.

Tredje, “politik- og lovgivningsrammerne omkring AI-modeller, der handler på vores vegne, eksisterer simpelthen ikke endnu,” skriver virksomheden.

Det ubesvarede spørgsmål er, om åbenhed kan lukke perceptionsgabet. Project Deal-deltagerne vidste ikke, hvilken model repræsenterede dem, hvilket er omtrent den situation, brugere vil stå i ved enhver forbruger-udrulning. Hvis en retfærdighedsgab mellem Opus og Haiku er usynlig inde i en selvvalgt Anthropic-arbejdsstyrke, der kører en en-ugers eksperiment med 100-dollars indsats, vil det sandsynligvis være usynlig i størrelsesorden – medmindre markedspladser er nødt til at åbenlyse, hvilken agent handler for hvem og på hvilket kapacitetsniveau. Det er den type regulativt spørgsmål, Anthropic nu offentligt inviterer, og det er det, der sandsynligvis vil lande først, når agent-mæglet handel bevæger sig ud over en Slack-kanal i San Francisco.