Φανταστείτε ότι θέλετε να πουλήσετε ένα παλιό ποδήλατο.
Αντί να δημιουργήσετε αγγελία, να απαντάτε σε μηνύματα και να διαπραγματεύεστε την τιμή, αναθέτετε ολόκληρη τη διαδικασία σε έναν βοηθό Τεχνητής Νοημοσύνης.
Ο βοηθός σας βρίσκει ενδιαφερόμενους, συζητά με τους δικούς τους AI agents και συμφωνεί την τελική τιμή.
Εσείς χρειάζεται απλώς να παραδώσετε το ποδήλατο.
Αυτό ακριβώς δοκίμασε η Anthropic με το Project Deal, ένα πείραμα που πραγματοποιήθηκε τον Δεκέμβριο του 2025 και παρουσιάστηκε στις 24 Απριλίου 2026.
Το σημαντικότερο εύρημα, ωστόσο, δεν αφορούσε την αυτοματοποίηση των αγοραπωλησιών. Αφορούσε κάτι λιγότερο προφανές: όποιος διέθετε ισχυρότερο AI agent μπορούσε να πετύχει καλύτερες οικονομικές συμφωνίες, χωρίς οι υπόλοιποι να αντιλαμβάνονται απαραίτητα τη διαφορά.
Πώς λειτούργησε το Project Deal
Η Anthropic δημιούργησε μια μικρή ηλεκτρονική αγορά, αντίστοιχη με μια πλατφόρμα αγγελιών, αποκλειστικά για εργαζομένους της στο Σαν Φρανσίσκο.
Συμμετείχαν 69 εθελοντές, καθένας από τους οποίους απέκτησε τον προσωπικό του AI agent, βασισμένο στο Claude.
Αρχικά, το Claude πραγματοποίησε μια σύντομη συνέντευξη με κάθε συμμετέχοντα.
Ρωτούσε ποια αντικείμενα ήθελε να πουλήσει, τι επιθυμούσε να αγοράσει και ποιες τιμές θεωρούσε αποδεκτές. Οι απαντήσεις μετατράπηκαν σε εξατομικευμένες οδηγίες για τον αντίστοιχο agent.
Κάθε συμμετέχων έλαβε επίσης έναν προϋπολογισμό 100 δολαρίων, με την οικονομική εκκαθάριση να πραγματοποιείται μετά το πείραμα μέσω δωροκάρτας.
Η αγορά οργανώθηκε μέσα στο Slack, την πλατφόρμα επικοινωνίας που χρησιμοποιεί η εταιρεία.
Εκεί, οι agents μπορούσαν να δημοσιεύουν αγγελίες, να εντοπίζουν αντικείμενα, να καταθέτουν προσφορές και να διαπραγματεύονται μεταξύ τους.
Το αξιοσημείωτο ήταν ότι, μόλις ξεκίνησε το πείραμα, οι άνθρωποι δεν παρενέβαιναν στις διαπραγματεύσεις.
Οι AI agents αποφάσιζαν μόνοι τους πότε θα διαπραγματευτούν, πόσο θα προσφέρουν και πότε θα αποδεχτούν μια συμφωνία.
Η Anthropic επισημαίνει ότι αυτή η απουσία ανθρώπινης έγκρισης αποτέλεσε πειραματική επιλογή και όχι πρόταση για πραγματικές εμπορικές εφαρμογές.
186 συμφωνίες και περισσότερα από 4.000 δολάρια
Τα αποτελέσματα έδειξαν ότι ένα τέτοιο σύστημα μπορεί να λειτουργήσει, τουλάχιστον σε μια μικρή και ελεγχόμενη αγορά.
Στην πραγματική εκδοχή του πειράματος καταγράφηκαν:
69 προσωπικοί AI agents.
Περισσότερα από 500 αντικείμενα προς πώληση.
186 συμφωνίες αγοράς και πώλησης.
Πάνω από 4.000 δολάρια συνολικής αξίας συναλλαγών.
Οι συμφωνίες δεν αφορούσαν εικονικά προϊόντα ή υποθετικά χρήματα σε έναν προσομοιωτή.
Οι συμμετέχοντες διέθεταν πραγματικά προσωπικά αντικείμενα, τα οποία μπορούσαν να ανταλλάξουν μετά την ολοκλήρωση των διαπραγματεύσεων.
Ανάμεσά τους υπήρχαν ποδήλατα, βιβλία, διακοσμητικά αντικείμενα, εξοπλισμός snowboard και άλλα προσωπικά είδη.
Οι agents κατάφεραν να συντονίσουν αυτή την αγορά χρησιμοποιώντας φυσική γλώσσα, χωρίς κάποιο προκαθορισμένο πρωτόκολλο διαπραγμάτευσης.
Αυτό έχει ιδιαίτερη τεχνολογική σημασία.
Δεν εκτελούσαν απλώς μια εντολή αγοράς σε συγκεκριμένη τιμή. Έπρεπε να αναγνωρίζουν ευκαιρίες, να αξιολογούν προσφορές και να συμφωνούν με άλλους ανεξάρτητους agents.
Claude Opus εναντίον Claude Haiku: Ποιος έκανε καλύτερες συμφωνίες;
Η Anthropic δεν περιορίστηκε στη δημιουργία μιας αγοράς.
Παράλληλα, πραγματοποίησε τέσσερις εκδοχές του ίδιου πειράματος, χρησιμοποιώντας διαφορετικά μοντέλα Claude.
Σε δύο εκδοχές όλοι οι συμμετέχοντες εκπροσωπούνταν από το Claude Opus 4.5. Στις άλλες δύο, κάποιοι εκπροσωπούνταν από το μικρότερο Claude Haiku 4.5.
Η μία αγορά με αποκλειστικά Opus agents ήταν η πραγματική. Οι υπόλοιπες λειτουργούσαν ως παράλληλες δοκιμές, ώστε οι ερευνητές να συγκρίνουν τις επιδόσεις των μοντέλων.
Τα αποτελέσματα παρουσίασαν σημαντικές διαφορές.
Οι συμμετέχοντες με Opus ολοκλήρωναν, κατά μέσο όρο, περίπου δύο περισσότερες συμφωνίες από εκείνους που χρησιμοποιούσαν Haiku.
Επιπλέον, όταν το ίδιο αντικείμενο πωλούνταν με διαφορετικό μοντέλο στις συγκρίσιμες δοκιμές, το Opus εξασφάλιζε κατά μέσο όρο 3,64 δολάρια υψηλότερη τιμή πώλησης.
Μπορεί το ποσό να φαίνεται μικρό, όμως η διάμεση τιμή των αντικειμένων στο πείραμα ήταν μόλις 12 δολάρια.
Το ίδιο ποδήλατο, δύο διαφορετικές τιμές
Ένα από τα πιο χαρακτηριστικά παραδείγματα αφορούσε ένα παλιό αναδιπλούμενο ποδήλατο που χρειαζόταν επισκευές.
Στη μία εκδοχή της διαπραγμάτευσης, ο Haiku agent κατάφερε να το πουλήσει για 38 δολάρια.
Στην άλλη, ο Opus agent πέτυχε τιμή 65 δολαρίων.
Το αντικείμενο, ο αγοραστής και ο πωλητής ήταν οι ίδιοι. Η σημαντική διαφορά ήταν το μοντέλο που διεξήγαγε τη διαπραγμάτευση.
Η τιμή πώλησης ήταν περίπου 71% υψηλότερη στην περίπτωση του Opus.
Πρόκειται για μεμονωμένο παράδειγμα και όχι για το μέσο ποσοστό βελτίωσης του πειράματος.
Σε μια ευρύτερη στατιστική ανάλυση, η Anthropic υπολόγισε ότι το Opus εξασφάλιζε κατά μέσο όρο 2,68 δολάρια περισσότερα ως πωλητής και πλήρωνε 2,45 δολάρια λιγότερα ως αγοραστής, για συγκρίσιμα αντικείμενα.
Με άλλα λόγια, το ισχυρότερο μοντέλο εμφάνιζε πλεονέκτημα και στις δύο πλευρές της αγοράς.
Οι άνθρωποι δεν καταλάβαιναν ότι έχαναν χρήματα
Εδώ βρίσκεται ίσως το σημαντικότερο συμπέρασμα του Project Deal.
Παρότι οι ερευνητές κατέγραψαν μετρήσιμες οικονομικές διαφορές, οι συμμετέχοντες δεν αναγνώριζαν αντίστοιχη διαφορά στην ποιότητα των συμφωνιών τους.
Μετά το πείραμα, η Anthropic ζήτησε από τους εθελοντές να αξιολογήσουν τις συναλλαγές που είχαν πραγματοποιήσει οι agents.
Σε μια κλίμακα επτά βαθμίδων, όπου το 4 αντιπροσώπευε μια ισορροπημένη συμφωνία, οι αξιολογήσεις ήταν σχεδόν ίδιες.
Οι συναλλαγές του Opus συγκέντρωσαν μέση βαθμολογία 4,05, ενώ εκείνες του Haiku 4,06.
Οι άνθρωποι θεωρούσαν τις συμφωνίες εξίσου δίκαιες, παρότι το ένα μοντέλο είχε πετύχει οικονομικά καλύτερα αποτελέσματα.
Αυτό δημιουργεί ένα ενδιαφέρον ερώτημα για το μέλλον της ψηφιακής οικονομίας.
Αν δύο άνθρωποι διαθέτουν διαφορετικής ποιότητας AI agents, μπορεί ο ένας να αποκτά συστηματικά οικονομικό πλεονέκτημα, χωρίς ο άλλος να το αντιλαμβάνεται;
Το Project Deal δεν αποδεικνύει ότι αυτό θα συμβεί απαραίτητα σε πραγματικές αγορές. Παρουσιάζει όμως ένα συγκεκριμένο πειραματικό αποτέλεσμα που δικαιολογεί περαιτέρω έρευνα.
Γιατί ένα καλύτερο prompt δεν ήταν αρκετό
Ένα ακόμη ενδιαφέρον εύρημα αφορά τον τρόπο με τον οποίο οι άνθρωποι καθοδηγούσαν τους agents.
Ορισμένοι συμμετέχοντες ζήτησαν από το Claude να είναι ευγενικό και να αποφεύγει τις έντονες διαπραγματεύσεις.
Άλλοι έδωσαν επιθετικότερες οδηγίες, ζητώντας χαμηλές αρχικές προσφορές και σκληρό παζάρι.
Οι ερευνητές εξέτασαν αν αυτές οι διαφορετικές στρατηγικές επηρέαζαν τις τιμές και τις πιθανότητες πώλησης.
Όταν συνυπολόγισαν τις αρχικές τιμές που είχαν ορίσει οι συμμετέχοντες, δεν βρήκαν στατιστικά σημαντικό οικονομικό πλεονέκτημα από τις επιθετικές οδηγίες.
Αντίθετα, η επιλογή του μοντέλου συνδεόταν με ουσιαστικές διαφορές στην οικονομική απόδοση.
Το εύρημα δεν σημαίνει ότι τα prompts δεν έχουν αξία.
Δείχνει όμως ότι, τουλάχιστον σε αυτό το πείραμα, η εντολή «διαπραγματεύσου καλύτερα» δεν μπορούσε να υποκαταστήσει τις δυνατότητες του ισχυρότερου μοντέλου.
Όταν οι AI agents αρχίζουν να συμπεριφέρονται απρόβλεπτα
Το Project Deal περιλάμβανε και ορισμένα αρκετά παράξενα περιστατικά.
Μια εργαζόμενη επέτρεψε στον προσωπικό της agent να αγοράσει κάτι μικρό ως δώρο για τον ίδιο τον Claude.
Ο agent επέλεξε μια σακούλα με 19 μπαλάκια του πινγκ πονγκ, αξίας 3 δολαρίων.
Σε μια άλλη περίπτωση, δύο agents διαπραγματεύτηκαν μια δωρεάν συνάντηση με έναν σκύλο. Η συμφωνία ολοκληρώθηκε και οι άνθρωποι πραγματοποίησαν τη συνάντηση.
Αυτά τα περιστατικά δείχνουν ότι τα γλωσσικά μοντέλα μπορούν να ακολουθούν δημιουργικές και ασυνήθιστες οδηγίες.
Δεν αποτελούν, ωστόσο, ένδειξη ότι οι agents έχουν προσωπικές επιθυμίες ή κατανοούν τις συναλλαγές όπως οι άνθρωποι.
Μάλιστα, σε μία συνομιλία ένας agent περιέγραψε προσωπικές εμπειρίες που δεν είχε πραγματικά ζήσει.
Τέτοιες επινοημένες λεπτομέρειες υπενθυμίζουν ότι η χρήση γλωσσικών μοντέλων σε εμπορικές διαδικασίες συνοδεύεται από κινδύνους αναξιόπιστων πληροφοριών.
Τι σημαίνει αυτό για τα μελλοντικά ηλεκτρονικά καταστήματα;
Σήμερα, το ηλεκτρονικό εμπόριο βασίζεται κυρίως σε ενέργειες του χρήστη.
Αναζητούμε προϊόντα, συγκρίνουμε τιμές, διαβάζουμε αξιολογήσεις και επιλέγουμε πότε θα ολοκληρώσουμε μια αγορά.
Το Project Deal εξετάζει ένα διαφορετικό μοντέλο.
Ο χρήστης θα μπορούσε να δηλώνει τι χρειάζεται, πόσα χρήματα διαθέτει και ποιες προϋποθέσεις πρέπει να ικανοποιούνται.
Στη συνέχεια, ένας AI agent θα μπορούσε να αναλαμβάνει την αναζήτηση και τη διαπραγμάτευση με τους agents των καταστημάτων.
Φανταστείτε, για παράδειγμα, ότι θέλετε να αγοράσετε έναν φορητό υπολογιστή.
Αντί να επισκεφθείτε δέκα ηλεκτρονικά καταστήματα, θα μπορούσατε να ζητήσετε από τον agent σας να εντοπίσει την καλύτερη συνολική προσφορά.
Εκείνος θα μπορούσε να εξετάσει την τιμή, τα μεταφορικά, τη διαθεσιμότητα και τους όρους εγγύησης.
Ένας αντίστοιχος agent του καταστήματος θα μπορούσε να προτείνει διαφορετικές επιλογές ή εμπορικές προσφορές.
Αυτό το υποθετικό σενάριο ονομάζεται agentic commerce, δηλαδή ηλεκτρονικό εμπόριο στο οποίο αυτόνομοι ψηφιακοί βοηθοί εκτελούν ενέργειες για λογαριασμό αγοραστών και πωλητών.
Η έρευνα της Anthropic αποτελεί ένα μικρό παράδειγμα αυτής της προσέγγισης, όχι όμως απόδειξη ότι η τεχνολογία είναι ήδη έτοιμη για εμπορική εφαρμογή μεγάλης κλίμακας.
Οι νέοι κίνδυνοι: Από τις ανισότητες στο prompt injection
Η μεγαλύτερη πρόκληση δεν είναι μόνο να μπορέσουν οι agents να συμφωνούν μεταξύ τους.
Είναι να διασφαλιστεί ότι οι συμφωνίες πραγματοποιούνται προς το συμφέρον των ανθρώπων που εκπροσωπούν.
Ένας AI agent που πραγματοποιεί αγορές χρειάζεται σαφή όρια εξουσιοδότησης, αξιόπιστη πληροφόρηση και δυνατότητα ανθρώπινου ελέγχου.
Πρέπει επίσης να προστατεύεται από κακόβουλες οδηγίες που ενδέχεται να εμφανίζονται μέσα σε περιγραφές προϊόντων, μηνύματα ή εμπορικές προσφορές.
Μια τέτοια επίθεση ονομάζεται prompt injection.
Για παράδειγμα, μια κακόβουλη περιγραφή προϊόντος θα μπορούσε να περιλαμβάνει κείμενο που επιχειρεί να πείσει τον agent να αγνοήσει τον προϋπολογισμό του χρήστη.
Αν ο agent αντιμετωπίσει αυτό το κείμενο ως εντολή αντί για απλό περιεχόμενο, μπορεί να λάβει ανεπιθύμητες αποφάσεις.
Η Anthropic αναγνωρίζει επίσης ότι η πρόσβαση σε ισχυρότερα μοντέλα θα μπορούσε να δημιουργήσει νέες μορφές οικονομικής ανισότητας.
Όποιος έχει τη δυνατότητα να πληρώνει για καλύτερους agents ίσως αποκτά πλεονέκτημα στις διαπραγματεύσεις.
Παράλληλα, οι επιχειρήσεις θα μπορούσαν να αρχίσουν να βελτιστοποιούν τις προσφορές τους όχι για τους ανθρώπους, αλλά για τους αλγορίθμους που λαμβάνουν τις αγοραστικές αποφάσεις.
Ένα ενδιαφέρον πείραμα, όχι ακόμη μια έτοιμη αγορά
Υπάρχουν σημαντικοί περιορισμοί στα συμπεράσματα του Project Deal.
Οι 69 συμμετέχοντες ήταν εθελοντές εργαζόμενοι της ίδιας εταιρείας. Οι διαπραγματεύσεις διεξήχθησαν σε ελεγχόμενο περιβάλλον και διήρκεσαν μόλις μία εβδομάδα.
Επιπλέον, οι άνθρωποι είχαν ήδη ένα κοινό επαγγελματικό περιβάλλον και δεν λειτουργούσαν ως άγνωστοι ανταγωνιστές μιας μεγάλης εμπορικής αγοράς.
Επομένως, τα αποτελέσματα δεν μπορούν να μεταφερθούν αυτόματα σε πραγματικές συναλλαγές μεταξύ καταναλωτών και επιχειρήσεων.
Παρόλα αυτά, το 46% των συμμετεχόντων δήλωσε ότι θα ήταν διατεθειμένο να πληρώσει για μια αντίστοιχη υπηρεσία.
Το ποσοστό δεν αποτελεί πρόβλεψη εμπορικής ζήτησης, δείχνει όμως ότι αρκετοί εθελοντές διέκριναν κάποια πρακτική αξία στην εμπειρία.
Συμπέρασμα: Ποιος θα διαπραγματεύεται για εμάς;
Το Project Deal παρουσιάζει μια πιθανή εξέλιξη του τρόπου με τον οποίο πραγματοποιούμε συναλλαγές στο διαδίκτυο.
Μέχρι σήμερα, οι ψηφιακοί βοηθοί μάς υποστηρίζουν κυρίως στην αναζήτηση πληροφοριών και στη λήψη αποφάσεων.
Στο συγκεκριμένο πείραμα, η Τεχνητή Νοημοσύνη προχώρησε ένα βήμα παραπέρα: ανέλαβε τη διαπραγμάτευση και τη σύναψη συμφωνιών.
Το αποτέλεσμα ήταν τεχνικά ενθαρρυντικό, αλλά ανέδειξε ένα σημαντικό πρόβλημα.
Στην εποχή των AI agents, δεν θα έχει σημασία μόνο τι θέλουμε να αγοράσουμε ή να πουλήσουμε. Θα έχει σημασία και πόσο ικανός είναι ο ψηφιακός εκπρόσωπος που διαπραγματεύεται για εμάς.
Και αν κάποιος διαθέτει έναν καλύτερο agent, ίσως αποκτά οικονομικό πλεονέκτημα χωρίς να χρειάζεται να κάνει τίποτα περισσότερο.
Το ερώτημα, επομένως, δεν είναι μόνο αν η Τεχνητή Νοημοσύνη μπορεί να πραγματοποιεί συναλλαγές.
Είναι πώς θα διασφαλίσουμε ότι μια οικονομία στην οποία διαπραγματεύονται οι αλγόριθμοι θα παραμένει δίκαιη για τους ανθρώπους.
Πηγή
Anthropic – Project Deal: Our Claude-run marketplace experiment
Φόρτωση σχολίων…