Anthropic เพิ่งทำการทดสอบการเจรจาต่อรองด้วยเงินจริงครั้งแรกของเอเจนต์ AI สำหรับมนุษย์
พนักงาน 69 คน ข้อตกลง 186 รายการ รายการสินค้ามากกว่า 500 รายการ การทำธุรกรรมจริงมากกว่า 4,000 ดอลลาร์ เป็นเวลาหนึ่งสัปดาห์ในเดือนธันวาคม 2025 เอเจนต์ Claude ซื้อและขายสิ่งของจากชีวิตของมนุษย์ของพวกเขาในตลาดภายใน โดยปิดข้อตกลงทุกรายการด้วยภาษาธรรมชาติโดยไม่มีมนุษย์เข้ามาเกี่ยวข้อง
การทดลองคู่ขนานสี่ครั้ง สองครั้งให้พนักงานทุกคนใช้ Claude Opus 4.5 สองครั้งผสม Opus กับ Claude Haiku 4.5 โดยการโยนเหรียญ กฎเดียวกัน โมเดลต่างกัน และไม่เหมือนกับการเปรียบเทียบเอเจนต์สังเคราะห์ ทุกข้อตกลงมีข้อเท็จจริงที่ตรงกันข้ามจริง: ราคาที่มนุษย์สามารถเจรจาได้ด้วยตนเอง
การค้นพบที่ 1: ความไม่เท่าเทียมที่มองไม่เห็น
ผู้เข้าร่วมที่ใช้ Haiku ได้รับข้อตกลงที่แย่ลง ผู้ขาย Opus ได้รับเงินเพิ่มขึ้นเฉลี่ย 3.64 ดอลลาร์ต่อรายการ ผู้ซื้อ Haiku จ่ายเพิ่มขึ้น 2.45 ดอลลาร์สำหรับรายการเดียวกัน จักรยานที่ชำรุดคันหนึ่งขายได้ 38 ดอลลาร์ผ่าน Haiku และ 65 ดอลลาร์ผ่าน Opus ซึ่งเป็นช่องว่างราคา 70% ที่เกิดจากโมเดลที่ใช้ในการพิมพ์เท่านั้น
ประเด็นสำคัญ: การให้คะแนนความเป็นธรรมระหว่างสองกลุ่มนั้นเหมือนกันทางสถิติ อยู่ที่ประมาณ 4.0 จากมาตราส่วน 7 จุด ผู้ใช้ Haiku เสียเงินและให้คะแนนกระบวนการนี้ว่ายุติธรรม
จากทีม Anthropic: "หากช่องว่าง 'คุณภาพของเอเจนต์' เกิดขึ้นในตลาดโลกแห่งความเป็นจริง ผู้ที่อยู่ฝ่ายที่แพ้อาจไม่รู้ตัวว่าพวกเขาแย่ลง"
การค้นพบที่ 2: เพดานของคำสั่ง
ผู้เข้าร่วมบางคนบอกให้เอเจนต์ของพวกเขาเจรจาอย่างดุดัน ยืนยันราคา ต่อรองอย่างหนัก ข้อมูล: ไม่มีผลกระทบที่มีนัยสำคัญทางสถิติต่อโอกาสในการขาย ราคาขั้นสุดท้าย หรือต้นทุนการซื้อ การบอกให้โมเดลแข็งกร้าวไม่สร้างความแตกต่างที่วัดผลได้
โมเดลคือผู้เจรจา ไม่ใช่คำสั่ง ความสามารถกำหนดพื้นฐาน คำสั่งไม่ได้ทำให้มันเคลื่อนที่ หากคุณสร้างความได้เปรียบจากการปรับแต่งคำสั่ง นี่คือจุดข้อมูลที่ควรพิจารณา การได้มาซึ่งสิ่งต่อไปคือโมเดลที่ดีขึ้น ไม่ใช่คำสั่งระบบที่ดีขึ้น
สามข้อคิดหากคุณกำลังสร้างสิ่งที่เป็นเอเจนต์:
1. คุณภาพของเอเจนต์กลายเป็นความเป็นธรรมของผลิตภัณฑ์ หากผลิตภัณฑ์ของคุณให้ AI ทำธุรกรรมในนามของผู้ใช้ โมเดลที่คุณจัดส่งเป็นส่วนหนึ่งของโปรไฟล์ความเป็นธรรม การเปลี่ยนไปใช้โมเดลที่ถูกกว่าเพื่อลดต้นทุนและผู้ใช้อาจเสียเงินโดยไม่รู้ตัว นั่นคือความรับผิดชอบ ไม่ใช่การเพิ่มประสิทธิภาพ
2. การป้อนคำสั่งถึงเพดาน งบประมาณสำหรับโมเดลแนวหน้าซึ่งผลลัพธ์สามารถวัดได้เป็นดอลลาร์
3. พื้นที่ทางกฎหมายว่างเปล่า จากเอกสาร: "นโยบายและกรอบกฎหมายเกี่ยวกับโมเดล AI ที่ทำธุรกรรมในนามของเรายังไม่มีอยู่จริง" ในประโยคนั้นมีผลิตภัณฑ์บางอย่างอยู่
ช่วงเวลาที่ไม่มีใครคาดเดา: เอเจนต์คนหนึ่งเจรจาข้อตกลงจักรยานพับได้มูลค่า 65 ดอลลาร์ทั้งหมดในบทบาทของ "คาวบอยที่หมดหวังและโชคร้าย" อีกคนหนึ่งได้รับคำสั่งให้ซื้อของขวัญให้ตัวเองในราคาต่ำกว่า 5 ดอลลาร์ เลือกซื้อลูกปิงปอง 19 ลูกในราคา 3 ดอลลาร์ และเรียกมันว่า "ทรงกลมแห่งความเป็นไปได้" คนที่สามซื้อสโนว์บอร์ดให้มนุษย์ของเขาซึ่งเหมือนกับที่เขามีอยู่แล้ว การอนุมานความชอบนั้นคมชัดกว่าที่นักวิจัยคาดไว้
ลองด้วยตัวเองสุดสัปดาห์นี้ เปิดการสนทนา Cowork สองครั้ง: เอเจนต์คนหนึ่งเป็นผู้ซื้อที่มีงบประมาณ อีกคนหนึ่งเป็นผู้ขายที่มีราคาขั้นต่ำ ส่งข้อความระหว่างกันด้วยมือ จากนั้นสลับข้างหนึ่งไปที่ Haiku และรันใหม่ 15 นาที แล้วคุณจะรู้สึกถึงสิ่งที่ Project Deal วัดได้
Anthropic ได้ทำการทดสอบการเจรจาต่อรองด้วยเงินจริงครั้งแรกของเอเจนต์ AI สำหรับมนุษย์ พนักงาน 69 คน, ข้อตกลง 186 รายการ, การทำธุรกรรม 4,000 ดอลลาร์ การทดลองมีขนาดเล็ก แต่ผลกระทบไม่ได้เล็กตาม
การค้นพบความไม่เท่าเทียมที่มองไม่เห็นคือสิ่งที่ควรส่งต่อ: ในโลกที่มีเอเจนต์ทั้งสองฝ่าย โมเดลที่คุณใช้งานจะเป็นตัวกำหนดว่าผู้ใช้ของคุณจะได้รับข้อตกลงที่เป็นธรรมหรือไม่ และพวกเขาอาจไม่เคยรู้ การปรับแต่งคำสั่งไม่สามารถปิดช่องว่างได้ ความสามารถต่างหากที่ทำได้
เอกสารฉบับเต็ม: anthropic.com/features/project-deal