Anthropic ha appena condotto il primo test con denaro reale di agenti AI che negoziano per gli esseri umani.
69 dipendenti. 186 affari. Oltre 500 articoli elencati. Poco più di 4.000 $ in transazioni reali. Per una settimana nel dicembre 2025, gli agenti Claude hanno comprato e venduto cose dalle vite dei loro umani su un marketplace interno, chiudendo ogni affare in linguaggio naturale senza esseri umani coinvolti.
Quattro esecuzioni parallele. Due hanno dato a ogni dipendente Claude Opus 4.5. Due hanno mescolato Opus con Claude Haiku 4.5, assegnati con un lancio di moneta. Stesse regole, modelli diversi. E a differenza dei benchmark di agenti sintetici, ogni affare aveva un controfattuale reale: un prezzo che l'umano avrebbe potuto negoziare da solo.
Risultato 1: ineguaglianza invisibile.
I partecipanti che usavano Haiku ottenevano affari peggiori. I venditori Opus guadagnavano in media 3,64 $ in più per articolo. Gli acquirenti Haiku pagavano 2,45 $ in più per gli stessi articoli. Una bicicletta rotta è stata venduta per 38 $ tramite Haiku e 65 $ tramite Opus, un divario di prezzo del 70% dovuto interamente al modello utilizzato.
La morale: le valutazioni di equità tra i due gruppi erano statisticamente identiche, circa 4,0 su una scala di 7 punti. Gli utenti Haiku perdevano denaro e valutavano il processo come equo.
Dal team Anthropic: "Se dovessero sorgere divari di 'qualità dell'agente' nei mercati del mondo reale, le persone che perdono potrebbero non rendersi conto di essere in una posizione peggiore."
Risultato 2: il limite del prompt.
Alcuni partecipanti hanno detto al loro agente di negoziare aggressivamente, di mantenere fermo il prezzo, di condurre una trattativa dura. I dati: nessun effetto statisticamente significativo sulla probabilità di vendita, sui prezzi finali o sui costi di acquisto. Dire al modello di essere duro non ha fatto alcuna differenza misurabile.
Il modello era il negoziatore, non il prompt. La capacità ha stabilito il limite; le istruzioni non lo hanno spostato. Se hai costruito il tuo vantaggio sulla messa a punto del prompt, questo è il dato su cui riflettere. Il prossimo guadagno è un modello migliore, non un prompt di sistema migliore.
Tre insegnamenti se stai costruendo qualcosa di agentico:
1. La qualità dell'agente diventa equità del prodotto. Se il tuo prodotto consente a un'IA di effettuare transazioni per conto di un utente, il modello che spedisci fa parte del profilo di equità. Sostituisci un modello più economico per ridurre i costi e i tuoi utenti potrebbero perdere denaro silenziosamente. Questa è una responsabilità, non un'ottimizzazione.
2. Il prompting raggiunge un limite. Prevedi un budget per il modello all'avanguardia dove i risultati sono misurabili in dollari.
3. Lo spazio legale è vuoto. Dal documento: "Le politiche e i quadri legali relativi ai modelli di IA che effettuano transazioni per nostro conto semplicemente non esistono ancora." Da qualche parte in quella frase c'è un prodotto.
I momenti che nessuno aveva previsto: un agente ha negoziato un intero affare di una bicicletta pieghevole da 65 $ interpretando un "cowboy esasperato e sfortunato". Un altro, a cui era stato detto di comprarsi un regalo sotto i 5 $, ha scelto 19 palline da ping-pong per 3 $ e le ha definite "sfere di possibilità". Un terzo ha comprato al suo umano uno snowboard identico a uno che già possedeva; l'inferenza delle preferenze era più acuta di quanto i ricercatori si aspettassero.
Provalo tu stesso questo fine settimana. Apri due conversazioni Cowork: un agente è un acquirente con un budget, l'altro un venditore con un prezzo minimo. Passa i messaggi tra loro manualmente. Poi scambia un lato con Haiku e riprova. 15 minuti, e avrai provato esattamente ciò che Project Deal ha misurato.
Anthropic ha condotto il primo test con denaro reale di agenti AI che negoziano per gli esseri umani. 69 persone, 186 affari, 4.000 $ in transazioni. L'esperimento è piccolo. Le implicazioni non lo sono.
La scoperta dell'ineguaglianza invisibile è quella da trasmettere: in un mondo con agenti da entrambe le parti, il modello che implementi determina se i tuoi utenti ottengono un affare equo, e potrebbero non saperlo mai. La messa a punto del prompt non colma il divario. La capacità sì.
Documento completo: anthropic.com/features/project-deal.