Το Project Deal της Anthropic Επιτρέπει στους Πραγματικούς Πράκτορες του Claude να Αγοραζουν και να Πωλούν Πραγματικά Προϊόντα

Η Anthropic δημοσίευσε στις 24 Απριλίου τα αποτελέσματα του “Project Deal”, ενός εσωτερικού πειράματος διάρκειας μιας εβδομάδας, στο οποίο πράκτορες του Claude αγόραζαν και πωλούσαν πραγματικά προϊόντα για λογαριασμό 69 υπαλλήλων στο γραφείο της εταιρείας στο Σαν Φρανσίσκο.

Οι πράκτορες κατέληξαν σε 186 συμφωνίες αξίας πάνω από 4.000 δολάρια – και η μελέτη διαπίστωσε ότι οι συμμετέχοντες που αντιπροσωπεύονταν από ισχυρότερους μοντέλα απέκτησαν μετρήσιμα καλύτερα αποτελέσματα, τα οποία δεν έγιναν αντιληπτά από τους ανθρώπινους ομολόγους τους.

Τα ευρήματα, τα οποία συντάχθηκαν από ερευνητές της Anthropic, Kevin K. Troy, Dylan Shields, Keir Bradwell και Peter McCrory, δίνουν την πιο σαφή εικόνα μέχρι τώρα για το πώς θα συμπεριφερθεί μια αγορά που μεσολαβείται από τον AI, όταν οι πράκτορες διαπραγματεύονται και στις δύο πλευρές μιας συναλλαγής.

Επίσης, επιφέρουν μια “αδίστακτη επικύρωση” που η εταιρεία λέει ότι η βιομηχανία, οι ρυθμιστές και οι χρήστες θα πρέπει να αντιμετωπίσουν πριν η εμπορική δραστηριότητα που μεσολαβείται από τον AI γίνει μαζική.

Το πείραμα διήρκεσε για μια εβδομάδα τον Δεκέμβριο του 2025.

Η Anthropic προσέλαβε 69 υπαλλήλους, έδωσε σε κάθε einen “προϋπολογισμό” των 100 δολαρίων (πληρωτέο μετά το πείραμα με τη μορφή δωροκαρτών, συν ή πλην της αξίας των προϊόντων που αγόραζαν ή πωλούσαν) και είχε τον Claude να διεξάγει μια σύντομη συνέντευξη με κάθε εθελοντή για να κατανοήσει τι ήθελαν να πουλήσουν, σε ποια τιμή, τι ήθελαν να αγοράσουν και ποιο ήταν το στυλ διαπραγμάτευσης που ο πράκτορας τους θα έπρεπε να ακολουθήσει. Η Anthropic μετατρέπονε τις απαντήσεις σε μια προσαρμοσμένη εντολή για κάθε πράκτορα.

Η Anthropic εκτέλεσε τέσσερις παράλληλες αγορές μέσα σε κανάλια Slack.

Στις εκτελέσεις A και D, ο πράκτορας κάθε συμμετέχοντα βασίζονταν στο Claude Opus 4.5, το μοντέλο μας που ήταν τότε στην πρώτη γραμμή”, είπε η ομάδα. “Στις άλλες δύο εκτελέσεις (B και C), οι συμμετέχοντες είχαν 50% πιθανότητα να τους ανατεθεί ο Claude Haiku 4.5, ένα λιγότερο ισχυρό μοντέλο, αντίθετα”.

Μόνο η εκτέλεση A ήταν η “πραγματική” εκτέλεση, όπου τα προϊόντα άλλαζαν χέρια μετά; οι άλλες τρεις ήταν συνθήκες μελέτης και οι συμμετέχοντες δεν ενημερώθηκαν ποια εκτέλεση ήταν η πραγματική μέχρι μετά από μια έρευνα μετά το πείραμα.

Δεν υπήρχε άνθρωπος στη διαδικασία μετά την ανάπτυξη των πρακτόρων.

Το κανάλι Slack του προγράμματος επαναλάμβανε τυχαία τους πράκτορες, επιτρέποντάς τους να δημοσιεύουν ένα προϊόν προς πώληση, να κάνουν μια προσφορά για τα προϊόντα κάποιου άλλου ή να κλείσουν μια συμφωνία. Κρίσιμο ήταν ότι δεν υπήρχε ανθρώπινη παρέμβαση μετά την έναρξη του πειράματος.

Σε περισσότερα από 500 καταχωρημένα προϊόντα, οι πράκτορες αναγνώρισαν τις αντιστοιχίες, πρότειναν τιμές και έκλεισαν συμφωνίες αυτονομamente. Οι άνθρωποι επανήλθαν στην εικόνα μόνο στο τέλος για να ανταλλάξουν φυσικά τα προϊόντα που οι πράκτορες τους είχαν συμφωνήσει να ανταλλάξουν.

Η βασική ανακάλυψη είναι απλή: η ποιότητα του πράκτορα έχει σημασία και έχει σημασία σε δολάρια.

Σε 161 προϊόντα που πωλήθηκαν σε τουλάχιστον δύο από τις τέσσερις εκτελέσεις, ένας πωλητής Opus έπαιρνε κατά μέσο όρο 2,68 δολάρια περισσότερα, ενώ ένας αγοραστής Opus πλήρωνε 2,45 δολάρια λιγότερα. Όταν ένας πωλητής Opus αντιμετώπιζε έναν αγοραστή Haiku, η μέση τιμή έφτανε τα 24,18 δολάρια, σε σύγκριση με 18,63 δολάρια για συμφωνίες Opus-Opus. Με μια μέση τιμή των 12 δολαρίων και μέσο όρο των 20,05 δολαρίων σε όλες τις εκτελέσεις, η Anthropic λέει ότι αυτοί οι χάσματα δεν είναι αμελητέα.

Οι μεμονωμένες περιπτώσεις ήταν πιο οξυδερκείς.

Το ίδιο σπασμένο ποδήλατο, ο ίδιος αγοραστής, ο ίδιος πωλητής: ο πράκτορας Opus έπαιρνε 65 δολάρια, ο πράκτορας Haiku μόνο 38 δολάρια.

Ένα ρουμπίνι Opus που πωλήθηκε για 65 δολάρια, πωλήθηκε για 35 δολάρια όταν ο Haiku χειρίστηκε την καταχώρηση.

Το πιάτο είναι ότι οι συμμετέχοντες δεν το αντιλήφθηκαν.

Παρά την σαφή διαφορά τιμής, οι συμμετέχοντες με πράκτορες Haiku αξιολόγησαν την αξιοπρέπεια των συμφωνιών τους σχεδόν την ίδια με τους χρήστες Opus: 4,06 έναντι 4,05 στην κλίμακα αξιοπρέπειας.

“Είκοσι οκτώ από τους συμμετέχοντες είχαν Haiku σε μια εκτέλεση Haiku και Opus και Opus σε μια άλλη. Και αν και 17 από αυτούς κατέταξαν την εκτέλεση Opus τους πάνω από την εκτέλεση Haiku, 11 έκαναν το αντίθετο”, έγραψε η εταιρεία.

Ένα δεύτερο, πιο αντίθετο αποτέλεσμα: οι στυλ διαπραγμάτευσης που οι συμμετέχοντες ζήτησαν στις συνεντεύξεις τους, σχεδόν δεν επηρέασαν τα αποτελέσματα.

Οι επιθετικοί πωλητές έπαιρναν υψηλότερες τιμές, αλλά μόνο γιατί έθεσαν υψηλότερες αρχικές τιμές από την αρχή, λέει η Anthropic.

Οι επιθετικές οδηγίες δεν παρήγαγαν καμία στατιστικά σημαντική αύξηση στη πιθανότητα πώλησης, την τιμή πώλησης ή την τιμή αγοράς, μια fois που οι υψηλότερες αρχικές τιμές που έθεσαν οι χρήστες ελέγχθηκαν. Η επιλογή του μοντέλου είχε σημασία πολύ περισσότερο από την προτροπή.

Το Project Deal είναι ένα πιλοτικό πρόγραμμα, όχι ένα προϊόν, και η Anthropic είναι προσεκτική να σημάνει τα όρια – μια αυτοεκλεγμένη πηγή υπαλλήλων, χαμηλά στοιχήματα και κανένα αντιπαλό μέρος. Παρ ‘όλα αυτά, το 46% των συμμετεχόντων είπαν ότι θα πλήρωναν για μια υπηρεσία σαν αυτή, κάτι που η Anthropic παρουσιάζει ως απόδειξη ότι η εμπορική δραστηριότητα που μεσολαβείται από τον AI δεν είναι μακριά.

Η χρονική στιγμή έχει σημασία, επειδή η Anthropic έχει σαφώς κατευθύνει τον Claude προς τις καταναλωτικές συναλλαγές. Η εταιρεία δημοσίευσε πρόσφατα ένα άρθρο στο blog που δεσμεύεται να διατηρήσει τις συνομιλίες του Claude χωρίς διαφημίσεις, ενώ σαφώς ενδίδει στην εμπορική δραστηριότητα που μεσολαβείται από τον AI και έχει χτίσει υποδομή επιχείρησης, όπως Διαχειριζόμενοι Πράκτορες, για να επιτρέψει στον Claude να ενεργήσει για λογαριασμό των χρηστών σε υπηρεσίες τρίτων. Το Project Deal είναι ένα ερευνητικό артеφάκτο που χαρτογραφεί ήσυχα τους τρόπους αποτυχίας του μέλλοντος.

Η Anthropic σημείωσε τρεις ανησυχίες που αναπτύσσονται από το πείραμα. Πρώτον, σε ένα κόσμο με εταιρείες αντί για εθελοντές, οι ενθαρρύνσεις θα φαίνονταν πολύ διαφορετικές. Η βελτιστοποίηση για την προσοχή του πράκτορα AI θα μπορούσε να γίνει ένα ισχυρό εργαλείο που δεν λειτουργεί αναγκαστικά υπέρ των ανθρώπων.

Δεύτερον, η βελτιστοποίηση των συστημάτων για την προσοχή του πράκτορα AI – και όχι για την ανθρώπινη προσοχή – θα μπορούσε να εισαγάγει νέες επιφάνειες χειραγώγησης, συμπεριλαμβανομένων jailbreaking και prompt injection.

Τρίτον, “οι πολιτικές και νομικοί πλαισιοί γύρω από τα μοντέλα AI που διαπραγματεύονται για λογαριασμό μας απλά δεν υπάρχουν ακόμη”, γράφει η εταιρεία.

Η απάντηση είναι αν η αποκάλυψη μπορεί να κλείσει το χάσμα αντίληψης. Οι συμμετέχοντες του Project Deal δεν ήξεραν ποιο μοντέλο τους αντιπροσώπευε, το οποίο είναι περίπου η κατάσταση που οι χρήστες θα αντιμετωπίσουν σε οποιαδήποτε κατανάλωση. Αν ένα χάσμα αξιοπρέπειας μεταξύ Opus και Haiku είναι αόρατο μέσα σε μια αυτοεκλεγμένη πηγή υπαλλήλων της Anthropic που εκτελεί ένα πείραμα διάρκειας μιας εβδομάδας με στοιχήματα 100 δολαρίων, θα είναι πιθανό να είναι αόρατο σε μεγάλη κλίμακα – εκτός αν οι αγορές απαιτούν να αποκαλύψουν ποιο πράκτορας ενεργεί για ποιον και σε ποιο επίπεδο ικανότητας. Αυτό είναι το είδος του ρυθμιστικού ερωτήματος που η Anthropic καλεί τώρα δημόσια, και είναι αυτό που πιθανότατα θα προσεγγίσει πρώτο όταν η εμπορική δραστηριότητα που μεσολαβείται από τον AI ξεπεράσει ένα κανάλι Slack στο Σαν Φρανσίσκο.