एंथ्रोपिक का प्रोजेक्ट डील क्लॉड एजेंट्स को वास्तविक सामान व्यापार करने देता है

एंथ्रोपिक ने 24 अप्रैल को “प्रोजेक्ट डील” के परिणाम प्रकाशित किए, जो एक सप्ताह के आंतरिक प्रयोग के रूप में था, जिसमें क्लॉड एजेंटों ने 69 कर्मचारियों की ओर से वास्तविक आइटम खरीदे और बेचे, जो कंपनी के सैन फ्रांसिस्को कार्यालय में थे।

एजेंटों ने 186 सौदे किए, जो 4,000 डॉलर से अधिक के थे – और अध्ययन में पाया गया कि मजबूत मॉडलों का प्रतिनिधित्व करने वाले प्रतिभागियों ने अपने मानव समकक्षों को ध्यान में नहीं रखा जो बेहतर परिणामों के साथ चले गए।

परिणाम, एंथ्रोपिक शोधकर्ता केविन के. ट्रॉय, डायलन शील्ड्स, कीर ब्रैडवेल और पीटर मैकक्रोरी द्वारा लिखे गए, एक एआई-मध्यस्थ बाजार के व्यवहार का सबसे स्पष्ट चित्र प्रस्तुत करते हैं जब एजेंट लेन-देन के दोनों पक्षों पर बातचीत कर रहे हों।

वे एक “असहज निहितार्थ” को भी उजागर करते हैं जिसे कंपनी कहती है कि उद्योग, नियामक और उपयोगकर्ताओं को सामना करना होगा जब एजेंटिक वाणिज्य मुख्यधारा बन जाएगा।

प्रयोग दिसंबर 2025 में एक सप्ताह के लिए चला।

एंथ्रोपिक ने 69 कर्मचारियों को भर्ती किया, प्रत्येक को 100 डॉलर का “बजट” दिया (प्रयोग के बाद उपहार कार्ड के रूप में भुगतान किया गया, जो कि वे जो खरीदते या बेचते थे उसके मूल्य के अलावा या कम था), और क्लॉड ने प्रत्येक स्वयंसेवक के साथ एक छोटी साक्षात्कार आयोजित की ताकि यह पता लगाया जा सके कि वे क्या बेचना चाहते थे, किस कीमत पर, क्या खरीदना चाहते थे, और उनके एजेंट को किस प्रकार की बातचीत करनी चाहिए। एंथ्रोपिक ने फिर उन उत्तरों को प्रत्येक एजेंट के लिए एक कस्टम सिस्टम प्रॉम्प्ट में बदल दिया।

एंथ्रोपिक ने फिर स्लैक चैनलों के अंदर चार समानांतर बाजार चलाए।

“रन ए और रन डी में, हर किसी का एजेंट क्लॉड ओपस 4.5 पर आधारित था, जो हमारा फ्रंटियर मॉडल था,” टीम ने कहा। “दूसरे दो रन (रन बी और सी) में, प्रतिभागियों को क्लॉड हाइकु 4.5, एक कम शक्तिशाली मॉडल, को सौंपने का 50-50 मौका था।”

केवल रन ए वास्तविक रन था जहां वास्तव में सामान बदले गए; अन्य तीन अध्ययन स्थितियां थीं, और प्रतिभागियों को नहीं बताया गया कि कौन सा रन वास्तविक था जब तक कि प्रयोग के बाद एक सर्वेक्षण नहीं किया गया।

एक बार एजेंटों को तैनात करने के बाद कोई मानव मध्यस्थ नहीं था।

परियोजना के स्लैक चैनल ने एजेंटों को यादृच्छिक रूप से चलाया, जिससे उन्हें एक आइटम बेचने के लिए पोस्ट करने, किसी और के सामान के लिए एक प्रस्ताव बनाने या सौदा सील करने की अनुमति मिली। महत्वपूर्ण बात यह है कि एक बार प्रयोग शुरू होने के बाद कोई मानव हस्तक्षेप नहीं था।

500 से अधिक सूचीबद्ध आइटमों में, एजेंटों ने मिलान की पहचान की, मूल्य प्रस्तावित किए और सौदे स्वतंत्र रूप से बंद कर दिए। मानव केवल अंत में फिर से तस्वीर में आए जब उनके एजेंटों ने जो व्यापार करने का फैसला किया था उसे शारीरिक रूप से स्वैप करने के लिए।

मुख्य निष्कर्ष सीधा है: एजेंट की गुणवत्ता महत्वपूर्ण है, और यह डॉलर में महत्वपूर्ण है।

चार रनों में से कम से कम दो में बेचे गए 161 आइटमों में, एक ओपस विक्रेता ने औसतन 2.68 डॉलर अधिक कमाए, जबकि एक ओपस खरीदार ने 2.45 डॉलर कम भुगतान किया। जब एक ओपस विक्रेता एक हाइकु खरीदार का सामना करता था, तो औसत मूल्य 24.18 डॉलर था, ओपस-ऑन-ओपस सौदों के लिए 18.63 डॉलर की तुलना में। औसत मूल्य 20.05 डॉलर और मध्य मूल्य 12 डॉलर के साथ, एंथ्रोपिक कहता है कि इन अंतरों को महत्वहीन नहीं माना जा सकता है।

व्यक्तिगत मामले तेज थे।

एक ही टूटी हुई फोल्डिंग बाइक, एक ही खरीदार, एक ही विक्रेता: ओपस एजेंट ने 65 डॉलर प्राप्त किए, हाइकु एजेंट ने केवल 38 डॉलर प्राप्त किए।

एक प्रायोगिक रूबी ओपस जो 65 डॉलर में बेचा गया था, जब हाइकु ने सूची संभाली तो केवल 35 डॉलर में बेचा गया।

पकड़ यह है कि प्रतिभागियों ने क्या नहीं देखा।

स्पष्ट मूल्य अंतर के बावजूद, हाइकु एजेंटों वाले प्रतिभागियों ने अपने सौदों की न्यायसंगतता को लगभग ओपस उपयोगकर्ताओं के समान रेटिंग दी: न्यायसंगतता स्केल पर 4.06 बनाम 4.05।

“हमारे 28 प्रतिभागियों में से हाइकु एक हाइकु-और-ओपस रन में और दूसरे में ओपस था,” कंपनी ने लिखा। “और हालांकि 17 ने अपने ओपस रन को अपने हाइकु रन से ऊपर रेट किया, 11 ने इसके विपरीत किया।”

एक दूसरा, अधिक विरोधाभासी परिणाम: प्रतिभागियों द्वारा अपने साक्षात्कार साक्षात्कार में मांगी गई बातचीत शैली बारे में पूछताछ के परिणामों पर लगभग कोई प्रभाव नहीं पड़ा।

आक्रामक विक्रेता उच्च कीमतें प्राप्त करते थे, लेकिन केवल इसलिए कि वे शुरू में उच्च खुलने वाली कीमतें निर्धारित करते थे, एंथ्रोपिक कहता है।

आक्रामक निर्देशों ने बिक्री की संभावना, बिक्री मूल्य या खरीद मूल्य में कोई सांख्यिकीय रूप से महत्वपूर्ण वृद्धि नहीं की, एक बार जब उपयोगकर्ताओं द्वारा निर्धारित उच्च मांग वाली कीमतों को नियंत्रित किया गया। मॉडल का चयन प्रॉम्प्टिंग से कहीं अधिक महत्वपूर्ण था।

प्रोजेक्ट डील एक पायलट है, एक उत्पाद नहीं, और एंथ्रोपिक सावधानी से इसकी सीमाओं को दर्शाता है – एक स्व-चयनित कर्मचारी पूल, कम दांव, और कोई विरोधी अभिनेता नहीं। फिर भी, 46 प्रतिशत प्रतिभागियों ने कहा कि वे ऐसी सेवा के लिए भुगतान करेंगे, जिसे एंथ्रोपिक एजेंट-मध्यस्थ पियर-टू-पियर वाणिज्य के करीब होने के प्रमाण के रूप में प्रस्तुत करता है।

समय महत्वपूर्ण है क्योंकि एंथ्रोपिक ने क्लॉड को उपभोक्ता लेनदेन की ओर स्पष्ट रूप से मोड़ दिया है। कंपनी ने हाल ही में एक ब्लॉग पोस्ट प्रकाशित किया है जिसमें क्लॉड वार्ताओं को विज्ञापन-मुक्त रखने का वादा किया गया है और स्पष्ट रूप से एजेंटिक वाणिज्य का समर्थन किया गया है, और यह तीसरे पक्ष की सेवाओं में उपयोगकर्ताओं के लिए क्लॉड को कार्य करने देने के लिए मैनेज्ड एजेंट जैसी उद्यम बुनियादी ढांचे का निर्माण कर रहा है। प्रोजेक्ट डील एक शोध कलाकृति के रूप में आता है जो चुपचाप उस भविष्य के विफलता मोड को मैप करता है।

एंथ्रोपिक तीन चिंताओं को उठाता है जो प्रयोग से बढ़ती हैं। पहला, एक दुनिया में जहां कंपनियां स्वयंसेवकों के बजाय हैं, प्रोत्साहन बहुत अलग दिखेंगे। एआई एजेंट ध्यान के लिए अनुकूलन एक शक्तिशाली उपकरण बन सकता है जो लोगों के पक्ष में काम नहीं करता है।

दूसरा, एआई एजेंट ध्यान – मानव ध्यान के बजाय – के लिए अनुकूलन नए हेरफेर के सामने पेश कर सकता है, जिसमें जेलब्रेकिंग और प्रॉम्प्ट इंजेक्शन शामिल हैं।

तीसरा, “एआई मॉडल के आसपास की नीति और कानूनी ढांचे जो हमारी ओर से लेन-देन करते हैं वे अभी तक मौजूद नहीं हैं,” कंपनी लिखती है।

अनुत्तरित प्रश्न यह है कि क्या खुलासा धारणा अंतर को बंद कर सकता है। प्रोजेक्ट डील प्रतिभागियों को यह नहीं पता था कि कौन सा मॉडल उनका प्रतिनिधित्व कर रहा था, जो कि लगभग वही स्थिति है जिसका सामना उपयोगकर्ता किसी भी उपभोक्ता रोलआउट में करेंगे। यदि ओपस और हाइकु के बीच एक न्यायसंगतता अंतर एक स्व-चयनित एंथ्रोपिक कार्यबल के भीतर एक सप्ताह के प्रयोग में 100 डॉलर के दांव के साथ अदृश्य है, तो यह संभवतः पैमाने पर अदृश्य होगा – जब तक कि बाजारों को यह खुलासा करने की आवश्यकता नहीं है कि कौन सा एजेंट किसके लिए और किस क्षमता स्तर पर कार्य कर रहा है। यह वह नियामक प्रश्न है जिसे एंथ्रोपिक अब सार्वजनिक रूप से आमंत्रित कर रहा है, और यह सबसे अधिक संभावना है कि एजेंट-मध्यस्थ वाणिज्य सैन फ्रांसिस्को में एक स्लैक चैनल से परे जाने पर पहले उतरेगा।