Proyek Deal Anthropic Memungkinkan Agen Claude Berdagang Barang Nyata

Anthropic pada tanggal 24 April mempublikasikan hasil “Proyek Deal,” sebuah eksperimen internal selama satu minggu di mana agen Claude membeli dan menjual barang nyata atas nama 69 karyawan di kantor San Francisco perusahaan.

Agen tersebut melakukan 186 kesepakatan senilai lebih dari $4.000— dan studi tersebut menemukan bahwa peserta yang diwakili oleh model yang lebih kuat memperoleh hasil yang jauh lebih baik yang tidak pernah disadari oleh rekan manusia mereka.

Temuan tersebut, yang ditulis oleh peneliti Anthropic Kevin K. Troy, Dylan Shields, Keir Bradwell, dan Peter McCrory, memberikan gambaran paling jelas tentang bagaimana pasar yang dimediasi AI sebenarnya berperilaku ketika agen bernegosiasi di kedua sisi transaksi.

Mereka juga menyoroti “implikasi yang tidak nyaman” yang perusahaan katakan industri, regulator, dan pengguna harus hadapi sebelum perdagangan agen menjadi mainstream.

Eksperimen tersebut berlangsung selama satu minggu pada Desember 2025.

Anthropic merekrut 69 karyawan, memberi mereka masing-masing “anggaran” sebesar $100 (dibayarkan setelah eksperimen dalam bentuk kartu hadiah, plus atau minus nilai barang yang mereka beli atau jual), dan melakukan wawancara singkat dengan setiap relawan untuk mengetahui apa yang mereka ingin jual, pada harga berapa, apa yang mereka ingin beli, dan gaya negosiasi apa yang harus digunakan agen mereka. Anthropic kemudian mengubah jawaban tersebut menjadi prompt sistem khusus untuk setiap agen.

Anthropic kemudian menjalankan empat pasar paralel di dalam saluran Slack.

“Pada Run A dan Run D, agen setiap orang didasarkan pada Claude Opus 4.5, model frontier kami saat itu,” kata tim tersebut. “Pada dua run lainnya (Run B dan C), peserta memiliki kemungkinan 50-50 untuk ditugaskan Claude Haiku 4.5, model yang kurang kuat.”

Hanya Run A yang merupakan “run nyata” di mana barang benar-benar berpindah tangan setelahnya; tiga run lainnya adalah kondisi studi, dan peserta tidak diberitahu mana run yang nyata sampai setelah survei pasca-eksperimen.

Tidak ada campur tangan manusia setelah agen diterapkan.

Proyek saluran Slack secara acak memutar agen, memungkinkan mereka untuk memposting barang untuk dijual, membuat tawaran untuk barang orang lain, atau menyelesaikan kesepakatan. Yang penting, tidak ada campur tangan manusia setelah eksperimen dimulai.

Di seluruh lebih dari 500 item yang terdaftar, agen mengidentifikasi kesesuaian, mengusulkan harga, dan menutup kesepakatan secara otonom. Manusia hanya kembali ke gambaran pada akhir untuk menukar barang yang agen mereka setujui untuk diperdagangkan.

Temuan utama sangat sederhana: kualitas agen sangat penting, dan itu penting dalam dolar.

Di seluruh 161 item yang dijual setidaknya di dua dari empat run, penjual Opus rata-rata membawa $2,68 lebih, sedangkan pembeli Opus membayar $2,45 lebih sedikit. Ketika penjual Opus menghadapi pembeli Haiku, harga rata-rata mencapai $24,18, dibandingkan dengan $18,63 untuk kesepakatan Opus-Opus. Dengan harga median $12 dan rata-rata $20,05 di seluruh run, Anthropic mengatakan celah tersebut tidak sepele.

Kasus individual lebih tajam.

Sepeda lipat yang rusak yang sama, pembeli yang sama, penjual yang sama: agen Opus mendapat $65, agen Haiku hanya $38.

Ruby lab-grown Opus yang dijual seharga $65 hanya mendapat $35 ketika Haiku menangani daftar.

Penangkapan adalah apa yang tidak dirasakan oleh peserta.

Meskipun ada celah harga yang jelas, peserta dengan agen Haiku menilai kesepakatan mereka hampir sama dengan pengguna Opus: 4,06 versus 4,05 pada skala keadilan.

“Dua puluh delapan dari peserta kami memiliki Haiku di satu run Haiku-Opus dan Opus di run lain. Dan meskipun 17 dari mereka menempatkan run Opus di atas run Haiku, 11 melakukan sebaliknya,” tulis perusahaan.

Hasil kedua, yang lebih tidak terduga: gaya negosiasi yang diminta peserta dalam wawancara awal hampir tidak mempengaruhi hasil.

Penjual agresif memang mendapat harga yang lebih tinggi, tetapi hanya karena mereka menetapkan harga awal yang lebih tinggi dari awal, kata Anthropic.

Instruksi agresif menghasilkan tidak ada kenaikan signifikan secara statistik dalam kemungkinan penjualan, harga penjualan, atau harga pembelian setelah harga yang lebih tinggi yang ditetapkan oleh pengguna tersebut dikendalikan. Pilihan model jauh lebih penting daripada pengarahan.

Proyek Deal adalah pilot, bukan produk, dan Anthropic berhati-hati untuk menandai batasan — kolam karyawan yang dipilih sendiri, taruhan rendah, dan tidak ada aktor bermusuhan. Meskipun demikian, 46 persen peserta mengatakan mereka akan membayar untuk layanan seperti ini, yang Anthropic anggap sebagai bukti bahwa perdagangan peer-to-peer yang dimediasi agen tidak jauh lagi.

Waktu itu penting karena Anthropic telah terlihat mengarahkan Claude menuju transaksi konsumen. Perusahaan baru-baru ini mempublikasikan pos blog yang berkomitmen untuk menjaga percakapan Claude bebas iklan sambil secara eksplisit mendukung perdagangan agen, dan telah membangun infrastruktur perusahaan seperti Agen Terkelola untuk memungkinkan Claude bertindak atas nama pengguna di seluruh layanan pihak ketiga. Proyek Deal muncul sebagai artefak penelitian yang secara diam-diam memetakan mode kegagalan dari masa depan tersebut.

Anthropic menandai tiga kekhawatiran yang tumbuh dari eksperimen. Pertama, di dunia dengan perusahaan bukan relawan, insentif akan terlihat sangat berbeda. Mengoptimalkan perhatian agen AI bisa menjadi alat yang kuat yang tidak selalu bekerja untuk kepentingan orang.

Kedua, mengoptimalkan sistem untuk perhatian agen AI — bukan perhatian manusia — bisa memperkenalkan permukaan manipulasi baru, termasuk jailbreaking dan injeksi prompt.

Ketiga, “kerangka kebijakan dan hukum sekitar model AI yang melakukan transaksi atas nama kita belum ada,” tulis perusahaan.

Pertanyaan yang belum terjawab adalah apakah pengungkapan dapat menutup celah persepsi. Peserta Proyek Deal tidak tahu model mana yang mewakili mereka, yang kira-kira situasi yang akan dihadapi pengguna dalam setiap peluncuran konsumen. Jika celah keadilan antara Opus dan Haiku tidak terlihat di dalam kekuatan kerja Anthropic yang dipilih sendiri yang menjalankan eksperimen satu minggu dengan taruhan $100, itu kemungkinan akan tidak terlihat dalam skala — kecuali pasar diwajibkan untuk mengungkapkan agen mana yang bertindak untuk siapa dan pada tingkat kemampuan mana. Itulah jenis pertanyaan regulasi yang sekarang Anthropic undang secara terbuka, dan itu adalah yang paling mungkin pertama kali muncul ketika perdagangan agen berpindah melampaui saluran Slack di San Francisco.