Anthropic 最近的一项实验可能让我们一窥代理式商务（agentic commerce）在买卖双方协商价格的双方市场中如何运作。
这项被称为“项目交易”的测试比较了两个大型语言模型，以确定更强大的AI系统是否能在自主市场中获得优势。虽然该实验并不一定能预测AI代理在现实商业中如何与人类进行谈判，但它揭示了模型之间的差异以及用户对较差经济结果的盲点。
代理式商务可以采取多种形式，包括像 Project Deal 这样动态的形式。
项目交易
Anthropic在一个内部员工市场进行了这项实验。69名员工允许Claude AI代理代表他们代为谈判购买和出售书籍、体育用品和家居用品等实物商品。
一旦市场开放，这些智能体便自主运作，提出价格、回应还价，并在无需人类批准的情况下达成交易。
在四次独立的市场运行中，智能体完成了186笔交易，总金额约为4,000美元。随后进行的回归研究产生了782笔价值超过15,000美元的交易。
Anthropic有意调整了参与AI模型的能力，让部分员工使用更先进的Opus模型，而另一些员工则使用较小的Haiku模型。
该公司指出，实验的设计反映了经济学家和AI研究人员日益增长的兴趣，他们关注一些人所称的“代理交互”，即AI系统超越信息检索，开始作为经济参与者行动。
经济优势
在Project Deal测试期间，Anthropic发现，更强的Opus模型通常比较小的Haiku模型取得更好的经济成果，但这并不一定是因为它完成了显著更多的交易。
相反，差异主要出现在谈判表现上。
根据Anthropic的数据，Opus代理在出售商品时每笔交易多赚2.68美元，在购买商品时每笔交易少付2.45美元。从金额上看，这些价格差异相对较小，但相对于实验中位数约12美元的成交价而言，具有实际意义。
Anthropic还进行了一项更狭窄的配对物品比较。仅查看在不同运行中由不同模型出售的相同物品，Opus卖家为同一物品平均获得的收入比由较弱的Haiku模型代表的卖家高出3.64美元。
换句话说，能力更强的模型可以在市场中成为显著的竞争优势。该公司谨慎地指出，Project Deal“并不能反映我们认为智能体在现实世界中应如何部署的方式。”
固定价格
这一结果是否表明，在某些市场中，部署“更好”AI卖家代理的在线卖家可能会赚取显著更多的收入？
答案可能是否定的。
如今，大多数电子商务交易是固定价格购买，而非协商。因此，当AI代理代表人们购物时，代理式商务可能并不适用。
另一方面，许多双方市场仍然包含讨价还价、价格优化或动态定价的元素。
例如：
在这些类型的交易中，相对更强大的AI系统理论上能够比较弱的系统或人类谈判者产生可衡量的经济优势。
如果代理交换规模扩大，模型能力本身可能成为一种竞争优势，类似于物流效率、市场数据访问权限或广告技术的成熟度。
关注美元而非交易数量
虽然Project Deal实验中AI代理带来的经济优势显著，但也存在细微差别。例如，据Anthropic称，Opus和Haiku在交易完成方面的统计差异相对较小。
可以说，这两个模型都能促成交易。这一点值得提及，因为在不久的将来，商家可能会像今天评估广告活动或市场表现一样来评估AI代理。卖家可能不再仅仅关注已完成的交易，而是开始衡量：
- 平均协商售价；
- 采购节省金额；
- 利润率提升；
- 定价一致性；
- 每笔交易收入。
用户盲点
Project Deal研究中最令人惊讶的发现，或许并非不同AI模型之间的差异本身，而是人类对这些差异的反应方式。
Anthropic表示，由表现较弱的Haiku模型代表的参与者，其报告出的满意度和公平感水平与使用表现更强的Opus模型的参与者相似，尽管前者的经济结果在可测量层面更差。
换句话说，许多人并未意识到他们的AI代理未能更有效地代表他们进行谈判。
这一发现最终可能在电子商务和市场中变得重要，在这些环境中，AI代理会半自主地为买家或卖家执行交易。
例如，部署AI采购代理的商家可能不会立即意识到，较弱的模型始终会导致供应商成本略高。同样，使用能力较弱的谈判代理的市场卖家可能会不知不觉地接受系统性更差的定价结果。
随着时间的推移，即使是相对较小的定价劣势，也可能在数千笔交易、广告购买或采购协议中累积放大。
交易撮合者
至少可以说，Anthropic的项目交易证明，AI代理可以在一个范围狭窄的市场中进行买卖活动。
这一小小的成功无疑应促使业界思考：当AI代理真正为人们买卖商品时，会发生什么情况。