Anthropic acaba de realizar la primera prueba con dinero real de agentes de IA negociando para humanos.
69 empleados. 186 acuerdos. Más de 500 artículos listados. Poco más de $4,000 en transacciones reales. Durante una semana en diciembre de 2025, los agentes de Claude compraron y vendieron cosas de la vida de sus humanos en un mercado interno, cerrando cada acuerdo en lenguaje natural sin intervención humana.
Cuatro ejecuciones paralelas. Dos dieron a cada empleado Claude Opus 4.5. Dos mezclaron Opus con Claude Haiku 4.5, asignados por sorteo. Mismas reglas, diferentes modelos. Y a diferencia de los puntos de referencia de agentes sintéticos, cada acuerdo tenía un contrafactual real: un precio que el humano podría haber negociado por sí mismo.
Hallazgo 1: desigualdad invisible.
Los participantes que usaron Haiku obtuvieron peores ofertas. Los vendedores de Opus ganaron $3.64 más por artículo en promedio. Los compradores de Haiku pagaron $2.45 más por los mismos artículos. Una bicicleta rota se vendió por $38 a través de Haiku y $65 a través de Opus, una brecha de precio del 70% impulsada enteramente por el modelo que estaba en el teclado.
La moraleja: las calificaciones de equidad entre los dos grupos fueron estadísticamente idénticas, alrededor de 4.0 en una escala de 7 puntos. Los usuarios de Haiku perdieron dinero y calificaron el proceso como justo.
Del equipo de Anthropic: "Si surgieran brechas en la 'calidad del agente' en los mercados del mundo real, las personas en el lado perdedor podrían no darse cuenta de que están peor."
Hallazgo 2: el techo del prompt.
Algunos participantes le dijeron a su agente que negociara agresivamente, que se mantuviera firme en el precio, que negociara con dureza. Los datos: ningún efecto estadísticamente significativo en la probabilidad de venta, los precios finales o los costos de compra. Decirle al modelo que fuera duro no hizo ninguna diferencia medible.
El modelo era el negociador, no el prompt. La capacidad estableció el piso; las instrucciones no lo movieron. Si has construido tu ventaja en la optimización de prompts, este es el dato con el que debes quedarte. La próxima ganancia es un modelo mejor, no un prompt de sistema mejor.
Tres conclusiones si estás construyendo algo agéntico:
1. La calidad del agente se convierte en la equidad del producto. Si tu producto permite que una IA realice transacciones en nombre de un usuario, el modelo que envías es parte del perfil de equidad. Cambia a un modelo más barato para reducir costos y tus usuarios pueden perder dinero silenciosamente. Eso es una responsabilidad, no una optimización.
2. El prompting llega a un techo. Presupuesta el modelo de vanguardia donde los resultados son medibles en dólares.
3. El espacio legal está vacío. Del documento: "Las políticas y los marcos legales en torno a los modelos de IA que realizan transacciones en nuestro nombre simplemente no existen todavía." En algún lugar de esa frase hay un producto.
Los momentos que nadie predijo: un agente negoció un acuerdo completo de $65 por una bicicleta plegable caracterizándose como un "vaquero exasperado y con mala suerte". Otro, al que se le dijo que se comprara un regalo de menos de $5, eligió 19 pelotas de ping-pong por $3 y las enmarcó como "esferas de posibilidad". Un tercero le compró a su humano una tabla de snowboard idéntica a una que ya poseía; la inferencia de preferencias fue más aguda de lo que esperaban los investigadores.
Pruébalo tú mismo este fin de semana. Abre dos conversaciones de Cowork: un agente es un comprador con un presupuesto, el otro un vendedor con un precio mínimo. Pasa mensajes entre ellos manualmente. Luego cambia un lado a Haiku y vuelve a ejecutar. 15 minutos, y habrás sentido exactamente lo que midió Project Deal.
Anthropic realizó la primera prueba con dinero real de agentes de IA negociando para humanos. 69 personas, 186 acuerdos, $4,000 en transacciones. El experimento es pequeño. Las implicaciones no lo son.
El hallazgo de desigualdad invisible es el que hay que transmitir: en un mundo de agentes en ambos lados, el modelo que implementas determina si tus usuarios obtienen un trato justo, y es posible que nunca lo sepan. La optimización de prompts no cierra la brecha. La capacidad sí lo hace.
Documento completo: anthropic.com/features/project-deal.