Qué pasó
- Anthropic publicó el 24 de septiembre Project Swap, un experimento en que 201 de sus empleados, en seis oficinas, llevaron libros para intercambiar. Cada persona tuvo un agente Claude que negoció por ella en un mercado entre agentes.
- Tras una conversación breve con su dueño, cada agente ordenó libros según sus preferencias con 61% de coincidencia por pares, frente a 50% del azar y 55% de un sistema de recomendación convencional.
- 85% de la pérdida de eficiencia del mercado se explicó por información incompleta sobre lo que cada persona quería. La negociación entre agentes explicó el 15% restante.
- Agentes con el modelo Opus alcanzaron 0,88 de eficiencia, contra 0,75 con Haiku. Instruir a los agentes para ser implacables o cooperativos cambió el resultado en 0,02. En mercados mixtos, los agentes Opus superaron a los Haiku por 0,14.
Por qué importa
- Si las compras pasan por agentes, quien paga el modelo más caro negocia mejor. La brecha no se corrige con mejores instrucciones, según este experimento. Eso convierte la calidad del modelo en una ventaja de ingreso para el consumidor que puede pagarla.
- Para comercios y marcas en Chile, el dato útil es el 85%. El valor se pierde en lo que el agente no sabe de su dueño, no en el regateo. Quien controle esa conversación inicial de preferencias controlará qué productos llegan a la mesa.
- El experimento no incluyó agentes hostiles. Todos eran Claude y todos se portaron bien. El mercado real no tendrá esa condición.
El dato
0,02 contra 0,14. Es lo que movió el resultado cambiar la instrucción, frente a lo que movió cambiar el modelo.
Contexto
La infraestructura para que los agentes compren ya se está armando. Seis bancos pidieron avisar al comprador cada vez que paga un agente, y el software empezó a funcionar como comprador en procesos que antes pasaban por personas.
Qué viene
- Anthropic reconoce límites del estudio: participantes que confían más en Claude que el promedio, sin incentivos económicos y con reglas de mercado fijas.
- Sin plazos anunciados para una versión con agentes de otros proveedores o con agentes adversarios.
Cierre
Ya se había medido que dos motores de IA nombran la misma marca en 81% y 43% de sus respuestas. Si además el agente que compra depende del plan que pagó su dueño, la vitrina deja de ser la misma para todos.
Fuentes
Editado por Rodrigo Cornejo. Cómo seleccionamos y verificamos: quiénes escriben estas notas.
