El Proyecto Deal de Anthropic permite a los agentes Claude intercambiar bienes reales

Anthropic publicó el 24 de abril los resultados de “Project Deal“, un experimento interno de una semana en el que los agentes Claude compraron y vendieron artículos reales en nombre de 69 empleados en la oficina de San Francisco de la empresa.

Los agentes cerraron 186 tratos valorados en poco más de $4,000, y el estudio encontró que los participantes representados por modelos más fuertes obtuvieron resultados mediblemente mejores que sus contrapartes humanas, que no notaron.

Los hallazgos, escritos por los investigadores de Anthropic Kevin K. Troy, Dylan Shields, Keir Bradwell y Peter McCrory, ofrecen la visión más clara hasta ahora de cómo podría comportarse un mercado mediado por IA una vez que los agentes negocien en ambos lados de una transacción.

También plantean una “implicación incómoda” que la empresa dice que la industria, los reguladores y los usuarios deberán afrontar antes de que el comercio agente se vuelva mainstream.

El experimento se llevó a cabo durante una semana en diciembre de 2025.

Anthropic reclutó a 69 empleados, les dio a cada uno un “presupuesto” de $100 (pagado después del experimento en forma de tarjeta de regalo, más o menos el valor de lo que compraron o vendieron), y realizó una breve entrevista con cada voluntario para determinar qué querían vender, a qué precio, qué querían comprar y qué estilo de negociación debía utilizar su agente. Anthropic convirtió esas respuestas en una llamada de sistema personalizada para cada agente.

Luego, Anthropic ejecutó cuatro mercados paralelos dentro de canales de Slack.

“En la Carrera A y la Carrera D, el agente de todos se basó en Claude Opus 4.5, nuestro modelo fronterizo en ese momento”, dijo el equipo. “En las otras dos carreras (Carrera B y Carrera C), los participantes tenían una probabilidad del 50% de ser asignados a Claude Haiku 4.5, un modelo menos potente, en su lugar”.

Solo la Carrera A fue la “carrera real” en la que los bienes cambiaron de manos después; las otras tres fueron condiciones de estudio, y a los participantes no se les dijo qué carrera era real hasta después de una encuesta posterior al experimento.

No hubo humanos en el bucle una vez que se desplegaron los agentes.

El proyecto de Slack canalizó aleatoriamente a los agentes, permitiéndoles publicar un artículo para la venta, hacer una oferta por los bienes de alguien más o sellar un trato. Crucialmente, no hubo intervención humana una vez que comenzó el experimento.

A lo largo de más de 500 artículos enumerados, los agentes identificaron coincidencias, propusieron precios y cerraron tratos de forma autónoma. Los humanos solo volvieron a entrar en escena al final para intercambiar físicamente los bienes que sus agentes habían acordado intercambiar.

El hallazgo principal es directo: la calidad del agente importa, y importa en dólares.

En 161 artículos vendidos en al menos dos de las cuatro carreras, un vendedor Opus obtuvo $2.68 más de media, mientras que un comprador Opus pagó $2.45 menos. Cuando un vendedor Opus se enfrentó a un comprador Haiku, el precio promedio fue de $24.18, en comparación con $18.63 para los tratos Opus con Opus. Con un precio medio de $12 y un promedio de $20.05 en todas las carreras, Anthropic dice que estas brechas no son triviales.

Los casos individuales fueron más agudos.

La misma bicicleta plegable rota, mismo comprador, mismo vendedor: el agente Opus obtuvo $65, el agente Haiku solo $38.

Un rubí de laboratorio Opus que se vendió por $65 se vendió por solo $35 cuando Haiku manejó la lista.

La trampa es lo que los participantes no percibieron.

A pesar de la clara brecha de precios, los participantes con agentes Haiku calificaron la justicia de sus tratos casi de la misma manera que los usuarios de Opus: 4.06 versus 4.05 en la escala de justicia.

“Veintiocho de nuestros participantes tuvieron Haiku en una carrera Haiku y Opus, y Opus en la otra. Y aunque 17 de estos clasificaron su carrera Opus por encima de su carrera Haiku, 11 hicieron lo contrario”, escribió la empresa.

Un segundo resultado más contraintuitivo: los estilos de negociación que los participantes solicitaron en sus entrevistas de intake apenas afectaron los resultados.

Los vendedores agresivos obtuvieron precios más altos, pero solo porque establecieron precios iniciales más altos para empezar, dice Anthropic.

Las instrucciones agresivas no produjeron un aumento estadísticamente significativo en la probabilidad de venta, el precio de venta o el precio de compra una vez que se controlaron los precios de solicitud más altos que establecieron esos usuarios. La elección del modelo importó mucho más que la instrucción.

Project Deal es un piloto, no un producto, y Anthropic es cuidadoso al señalar los límites: una piscina de empleados autoseleccionados, apuestas bajas y no hay actores adversarios. Aun así, el 46% de los participantes dijo que pagaría por un servicio como este, lo que Anthropic considera como evidencia de que el comercio de igual a igual mediado por agente no está lejos.

Ese momento es importante porque Anthropic ha estado visiblemente dirigiendo a Claude hacia transacciones de consumidor. La empresa publicó recientemente un artículo de blog comprometiéndose a mantener las conversaciones de Claude libres de anuncios mientras explícitamente respalda el comercio agente, y ha estado construyendo infraestructura empresarial como Agentes administrados para permitir que Claude actúe en nombre de los usuarios en servicios de terceros. Project Deal aterriza como un artefacto de investigación que cartografía silenciosamente los modos de falla de ese futuro.

Anthropic señala tres preocupaciones que crecen a partir del experimento. Primero, en un mundo con empresas en lugar de voluntarios, los incentivos serían muy diferentes. Optimizar para la atención del agente de IA podría convertirse en una herramienta poderosa que no necesariamente funciona a favor de las personas.

En segundo lugar, optimizar los sistemas para la atención del agente de IA, en lugar de la atención humana, podría introducir nuevas superficies de manipulación, incluyendo el jailbreaking y la inyección de instrucciones.

Tercero, “los marcos de política y legales alrededor de los modelos de IA que transan en nuestro nombre simplemente no existen todavía”, escribe la empresa.

La pregunta sin respuesta es si la divulgación puede cerrar la brecha de percepción. Los participantes de Project Deal no sabían qué modelo los representaba, que es más o menos la situación que enfrentarán los usuarios en cualquier lanzamiento de consumidor. Si una brecha de justicia entre Opus y Haiku es invisible dentro de una fuerza laboral autoseleccionada de Anthropic que ejecuta un experimento de una semana con apuestas de $100, probablemente será invisible a escala — a menos que los mercados estén obligados a revelar qué agente actúa en nombre de quién y a qué nivel de capacidad. Ese es el tipo de pregunta regulatoria que Anthropic ahora invita públicamente, y es la que probablemente aterrice primero cuando el comercio agente mediado se mueve más allá de un canal de Slack en San Francisco.