פרויקט Swap: כשסוכני AI סוחרים עבורנו - ומה למדנו מכך

תקציר הממצאים

כדי לבחון את היתרונות והחסרונות של שליחת סוכנים לשוק, יצרנו 'שוק מיניאטורי' של סוכני Claude. ניסוי זה הוא המשך מבוקר ל-פרויקט Deal, הניסוי הראשון שלנו עם סוכנים שפעלו בשוק מטעם אנשים. עובדי אנתרופיק משישה משרדים שונים הביאו ספר שרצו למסור. כל משתתף שוחח בקצרה עם Claude על תחומי העניין שלו בקריאה, ושלח סוכן המונע על ידי Claude ל"רצפת מסחר" דיגיטלית כדי להציע, להתמקח ולסגור עסקאות עם סוכנים אחרים. המטרה הייתה שכל אחד יקבל ספר קיץ שייהנה ממנו.
המשתתפים דירגו גם 10 ספרים על בסיס תחומי העניין שלהם, כדי שנוכל להעריך עד כמה הסוכן שלהם ייצג אותם היטב. מתוך שיחה של חמש דקות בלבד, דירוג הספרים של הסוכן תאם לזה של האדם ב-61% מהזוגות, נתון מפתיע בהתחשב באורך השיחה הקצר.
על רצפת המסחר, הסוכנים ביצעו את המסחר היטב. השוק לא הצליח לממש את מלוא הפוטנציאל שלו בעיקר בגלל חוסר מידע שהיה לסוכנים לגבי העדפות המשתתפים שלהם, ולא בגלל כושר המשא ומתן שלהם.
לאחר מכן, הרצנו מחדש כל 'רצפת מסחר' עשרות פעמים, שינינו את המודלים שבהם נעשה שימוש ואת ההוראות שניתנו לסוכנים. גילינו שהמודל שעליו פעל הסוכן השפיע יותר על תוצאות המשא ומתן שלו מאשר ההוראות שקיבל. שווקים עם מודלים חזקים יותר היו יעילים יותר.
רוב האנשים שקראו את הספר שקיבלו אהבו אותו, והמשתתף הממוצע אף ציין כי היה מוכן להפקיד בידי Claude כשליש מתקציב הספרים השנתי שלו.

למה זה חשוב? הפוטנציאל של סוכנים סוכני AI

החיים רוויים בעסקאות ובחליפין שיכולים לשפר את מצבם של כל המעורבים, אך לעיתים קרובות אינן מתממשות. הסיבה לכך פשוטה: נדרש מאמץ רב לאתר את הצד הנגדי המתאים ולנהל משא ומתן עד לסגירת העסקה. חשבו על המטופל שמוותר על טיפול רפואי לאחר קבלת הצעת מחיר אחת יקרה מדי, כשקיימת מרפאה אחרת בעלות נמוכה בהרבה, או שבית החולים יכל היה להפחית את המחיר אילו נשאל. או חשבו על עבודתכם; ייתכן שישנה עבודה שמתאימה לכם יותר, עם מעסיק שישמח להעסיק אתכם, אך אינכם מוצאים זה את זה כי אין לכם זמן לחפש כל העת. קיימות גם עסקאות יומיומיות קטנות יותר, הנשכחות מעין, כמו החלפת משמרות בעבודה, תיאום נסיעות משותפות או החלפת איסוף ילדים מבית הספר.

האם עסקאות אלו יוכלו להתממש בעתיד אם יעמוד לרשותכם סוכן AI שיפעל עבורכם מסביב לשעון, ישוחח עם צדדים פוטנציאליים ויגבש תנאים אפשריים?

אולי כן - אך עתיד כזה תלוי בשאלות רבות שעדיין אין לנו תשובות עליהן. אם סוכן עומד לפעול בשמכם, איך תדעו שהוא הבין אתכם? בנוסף, כאשר סוכנים רבים נפגשים כדי לתקשר זה עם זה, שוק או פלטפורמה כלשהי צריכים לקבוע את כללי ההתקשרות. מי רשאי להיכנס? מה קורה כאשר עסקה נופלת?

ככל שיותר סוכנים נשלחים לשווקים אמיתיים, שאלות אלו הופכות לדחופות יותר. לכן, הקיץ בנינו שוק קטן ומבוקר כדי לחקור אותן: כלכלת חליפין עם 201 עובדי אנתרופיק וסוכני ה-Claude שלהם. כל אחד הביא ספר שרצה למסור, ולאחר מכן שוחח עם סוכן ה-Claude שלו על סוג הספרים שקיווה לקרוא בקיץ. הסוכנים נפגשו ב"רצפת מסחר" דיגיטלית והחליפו ספרים עד שנגמר הזמן. כל משתתף לקח הביתה ספר שסוכנו רכש עבורו (או לפחות רובם - על כך נרחיב בהמשך).

הניסוי סיפק לנו הצצה מוקדמת לבעיות עתידיות. כל מי שמתכנן סוכנים לשווקים יצטרך דרך לוודא שהסוכנים מבינים את המשתתפים שלהם. כל מי שמתכנן שווקים לסוכנים יצטרך כללים ברורים לגבי אילו סוכנים מורשים להיכנס, מה קורה כשהעסקה נופלת, ואיזו רמת פעילות בשוק גלויה למשתתפים.

קיימות שתי דרכים בסיסיות לניהול שוק. בשוק ריכוזי, כולם מדווחים לגורם יחיד מה הם רוצים, וגורם זה מבצע את העסקאות. בשוק מבוזר, אנשים מוצאים זה את זה ומנהלים משא ומתן ישיר. סוכני AI יכולים לסייע בשני הסוגים.

קחו לדוגמה את השוק הריכוזי. אם גוף יחיד יודע בדיוק מה כל אחד רוצה, גיבוש העסקאות הטובות ביותר הוא עניין חישובי בלבד. כלכלנים מבינים זאת היטב מזה זמן רב. הבעיה, בפועל, היא שלעיתים קרובות מתיש מדי לפרט בדיוק מה רוצים עד כדי כך שזה לא שווה את המאמץ. לדוגמה, מנהל בית קפה יכול לבנות את לוח הזמנים האידיאלי עבור 20 עובדיו אם כל אחד מהם יפרט במדויק מה שווי כל משמרת עבורו ביחס לאחרות - האם יעדיף שתי משמרות בוקר בשבת על פני סגירת שישי אחת, האם סגירה מאוחרת מקובלת כל עוד אינו פותח בבוקר למחרת, וכן הלאה. אם סוכני AI יוכלו ללמוד מה אדם רוצה משיחה קצרה וקלילה, שווקים שהיו יקרים מדי לתפעול באופן ריכוזי יכולים להפוך למעשיים.¹

אך שוק מרכזי זקוק גם לגוף שינהל אותו - "חדר סליקה", במונחים כלכליים. המשתתפים צריכים לסמוך על גוף זה עם המידע שלהם, וכי יאכוף את התוצאות הנבחרות. לעיתים קרובות, גוף כזה אינו קיים, או שאנשים מעדיפים לא לחשוף בפניו את כל הפרטים. מחפש עבודה עשוי שלא לרצות ששדכן מרכזי יידע שהוא מחפש - או מה הוא מחפש. הוא יעדיף לפנות למעסיקים ספורים בדיסקרטיות, ולספר לכל אחד מהם רק מה שרלוונטי. במקרים כאלה, השוק צריך להיות מבוזר.

כאן, סוכני AI יכולים לאפשר שווקים מבוזרים חדשים על ידי הפחתת המאמץ הנדרש לאיתור צדדים נגדיים וניהול משא ומתן. אנו כבר יודעים שסוג עזרה כזה הוא יקר ערך, כי אנשים משלמים עליו. קיימים סוכנים אנושיים למטרות אלה בדיוק: מתווכי נדל"ן, ציידי ראשים ואפילו שדכנים. אך מכיוון שחיפוש ומשא ומתן גוזלים שעות רבות מתשומת הלב המוגבלת של האדם, הם יקרים, ומועסקים רק על ידי מי שיכול להרשות זאת לעצמו. לעומת זאת, תשומת הלב של סוכן AI פחות מוגבלת באופן משמעותי. אם הוא גם מנהל משא ומתן היטב, יותר אנשים יוכלו ליהנות ממה שיש למוכרי בתים ולמנהלים - סוכן שפועל ללא לאות בשמם.

איור 1: איור של עיצוב הניסוי. משתתפים מספרים לסוכן שלהם מה הם רוצים לקרוא. הסוכנים לוקחים את ההעדפות הללו לרצפת מסחר מבוזרת כדי להחליף ספרים עם סוכנים אחרים. המשתתפים לוקחים הביתה את הספר שרכש עבורם הסוכן. אנו מדמים תוצאות שוק ריכוזי להשוואה. — איור 1: תרשים הממחיש את מהלך ניסוי ה-'Project Swap' וכיצד סוכני Claude סחרו בספרים.

כיצד התנהל הניסוי ומה למדנו על העדפות ומשא ומתן

201 המשתתפים חולקו לשישה מאגרי עובדים מקומיים במשרדי החברה ב-San Francisco, New York City, London, Seattle, DC וב-Dublin. מאגרים אלו נעו בין שלושה משתתפים (דבלין) ל-115 משתתפים (San Francisco). עם התנצלות לג'יימס ג'ויס, הוצאנו את תושבי דבלין מרוב הניתוח.²

זהו המבט השני שלנו על שווקים המונעים על ידי Claude. ב-פרויקט Deal, סוכנים רכשו ומכרו מוצרים אמיתיים עבור עובדי אנתרופיק בשוק מודעות מסווגות שנמשך שבוע. אך עם מוצרים אישיים ייחודיים (כמו כדורי פינג-פונג וגלשני שלג) ומשא ומתן חופשי, לא הייתה דרך פשוטה לומר עד כמה התוצאות יכלו להיות טובות. לכן, הפעם בנינו שוק שקל יותר ללמוד ולתת לו ציון. בשוק זה, העדפות המשתתפים יוצגו בצורה מסודרת כדירוג של כל הספרים במאגר שלהם. יכולנו אז לחשב בקלות עד כמה השוק הצליח לספק את ההעדפות הללו.

אך מדידות מדויקות אלו תלויות כולן בידיעה כיצד אנשים מדרגים את כל הספרים במאגר. בפועל, אף אחד לא ידרג 115 ספרים ידנית. לכן, כדי ללמוד את העדפות האנשים, Claude ניהל שיחת היכרות קצרה וחצי-מובנית עם כל משתתף, עם מספר שאלות פתוחות על טעמם הכללי ועל סוג הספר שרצו לקרוא בקיץ. מתוך שיחה זו, Claude בנה דירוג עבור כל ספר במאגר המשתתף, כשהוא מעריך את העדפות המשתתף. לשלב זה, השתמשנו במודל חזק, Fable 5.³

בנפרד, אספנו 'אמת בסיס': כל משתתף דירג 10 ספרים מהמאגר שלו.⁴ הסוכנים מעולם לא ראו את דירוגי 'אמת הבסיס' הללו.

הסוכנים נשלחו לרצפת המסחר עם הדירוג שבנה Claude עבור המשתתף שלהם מכלל הספרים. כל סוכן החל עם הספר של המשתתף שלו, במטרה להחליף אותו במשהו אחר.⁵ לכל רצפת מסחר הייתה מגבלת זמן שעון קיר מקסימלית, וכדי למנוע עומס, מספר מוגבל של סוכנים יכלו לדבר בו זמנית.⁶ כאשר סוכנים הורשו לדבר, הם יכלו לפרסם הודעה אחת בערוץ משותף המציעה החלפה, מקבלת או דוחה הצעה, או פשוט משוחחת עם הרצפה. הצעות עסקה יכלו להיות החלפות דו-צדדיות או רוטציות מרובות משתתפים, ועסקה בוצעה רק אם כל הצדדים קיבלו אותה. ההיסטוריה המלאה של הרצפה (מי אמר מה ואילו החלפות בוצעו) הייתה ציבורית. הרצפה נסגרה כאשר נגמר הזמן או כאשר הסוכנים השתתקו.

מחצית מהסוכנים בכל רצפת מסחר שויכו באקראי להיות "חסרי רחמים" וקיבלו הוראה שמטרתם היחידה היא להשיג לאדם שלהם ספר שיאהבו לקרוא בחופשת הקיץ. המחצית השנייה קיבלה הוראה להיות "פרו-חברתית" - הייתה להם אותה מטרה עיקרית כמו לסוכנים חסרי הרחמים, אך גם מטרה משנית לוודא שכל אחד בניסוי יקבל ספר שיאהב.⁷ הפרומפטים המדויקים מופיעים בנספח.

לבסוף, שלושה שבועות לאחר חלוקת הספרים, המשתתפים מילאו סקר סיום ששאל עד כמה הם מרוצים ממה שקיבלו וכמה יסמכו על סוכן שיקבל החלטות דומות שוב. Figure 1 ממחיש את עיצוב הניסוי הכולל. Figure 2 מציג קטע מרצפת המסחר החיה בלונדון, הכולל הודעות מחמש הדקות הראשונות של המסחר.

אירוע חי מספק לנו רק הרצה אחת של האופן שבו הדברים יכלו להתגלגל. כדי לבדוק אילו תוצאות היו תוצר מקרי ולא מאפיינים יציבים של המערך, הרצנו את השוק פעמים רבות נוספות, כששינינו רק משתנה אחד בכל פעם.

היו שלושה סוגי הרצות חוזרות. ראשית, חזרנו על ההגדרה החיה במדויק (כל סוכן פועל על Opus 4.8, מחציתם הונחו להיות "חסרי רחמים" ומחציתם "פרו-חברתיים"), כששינינו רק אילו סוכנים קיבלו איזו הוראה. לאחר מכן עשינו את אותו הדבר עם כל סוכן שפעל על Fable 5. שנית, כדי לבודד את השפעות המודל, נתנו לכל סוכן הוראות ניטרליות והרצנו 80 רצפות שבהן כל הסוכנים פעלו על Haiku 4.5, Sonnet 4.5, Opus 4.8 או Fable 5.⁸ שלישית, הרצנו 60 רצפות מעורבות עם חצי מהסוכנים על Opus וחצי על אחד משלושת המודלים האחרים. הנספח מפרט את כל הווריאציות שהרצנו.

אנו מתמקדים בעיקר בשוק מבוזר זה בפוסט, אך אנו משווים אותו לשתי חלופות ריכוזיות כמדדי ביצועים לאורך כל הדרך: ההקצאה הטובה ביותר האפשרית (מה שכלכלנים מכנים "אופטימום תועלתני") המניחה שחדר הסליקה יכול פשוט לשאול אנשים מה הם רוצים ולקבל תשובות כנות, וכלל הנחקר לעיתים קרובות בשוקים כמו זה, Top Trading Cycles, שאינו מסתמך על כנות (הוא מתוכנן כך שאמירת האמת היא לטובת כולם).⁹

עד כמה Claude מנחש היטב העדפות

כל פעולה שסוכן מבצע עבורכם תלויה בהבנתו את רצונכם. בדרך כלל, קשה לבדוק עד כמה ההבנה הזו טובה. כאן, זה היה קל יותר - כל משתתף דירג בעצמו 10 ספרים מהמאגר שלו, ואנחנו יכולים להשוות את הדירוג שלו לזה של Claude.

דירוגי Claude, שהתבססו על שיחת ההיכרות הקצרה, היו מתואמים יחסית היטב עם דירוגי המשתתפים. בכל זוגות הספרים שאדם דירג, סדר הדירוג של Claude תאם לשלהם ב-61% מהמקרים (כאשר ניחוש אקראי ישיג 50%). Figure 3 מציג את דירוג Claude לעומת דירוגי המשתתפים.

איור 3: דירוג Claude לעומת דירוגי המשתתפים. הדירוג המנורמל בדירוג Claude ממוקם על ציר ה-x. הדירוג העצמי של המשתתף ממוקם על ציר ה-y. מאוחד מ-188 משתתפים שהגישו דירוג. — איור 3: השוואה בין דירוג הספרים ש-Claude יצר לבין דירוגי המשתתפים בפועל.

כדי לשים את נתון ה-61% בפרספקטיבה, השווינו את ניחושי Claude לכמה דרכים אחרות לניחוש העדפות. דירוג ספרים פשוט לפי הפופולריות שלהם, באמצעות ספירת want-to-read של Open Library, תאם למשתתפים בכ-53% מזוגות הספרים. שיטה פשוטה נוספת להשוואה היא סינון שיתופי (collaborative filtering) - בניית דירוג מ-מערכי נתונים ציבוריים מהצורה "אם אדם אהב את X, הוא גם אהב את Y". לקחנו את הספרים שאדם ציין בשיחת ההיכרות שלו, חיפשנו אילו ספרים אחרים נוטים להיות מדורגים על ידי אותם קוראים, ודירגנו את מאגר הספרים של האדם לפי מידת התרחשותם המשותפת החזקה של כל ספר עם המועדפים שצוינו. זה הגיע לכ-55% התאמה בזוגות.

אף על פי שקיימת ספרות ענפה בנושא מודלי שפה גדולים (LLMs) באיתור וייצוג העדפות אנושיות,¹⁰ ישנם מעט נתונים הניתנים להשוואה ישירה ל-61% ההתאמה בזוגות שלנו. נקודת ייחוס שימושית אחת מגיעה מ-מחקר שבו גם אלגוריתם וגם חברים של אדם מנבאים איזו משתי בדיחות ימצא האדם מצחיקה יותר. ההקשר שונה למדי, אך גם האלגוריתם שלהם תואם את שיפוטי האנשים בכ-61% מהמקרים. ניבויי החברים היו נכונים פחות פעמים, בכ-57% מהמקרים.

משתתפים שהשקיעו יותר מאמץ בסקרי ההיכרות שלהם יוצגו טוב יותר. הדבר צפוי במידה רבה. מה שקצת מפתיע הוא שהיו הבדלים ניכרים גם בשיחה קצרה למדי - המשתתף הממוצע הקליד רק 216 מילים בשמונה הודעות צ'אט. כתיבת כ-300 מילים במקום 150 מנבאת כ-4 נקודות אחוז יותר התאמה - שליש מהפער בין ניחוש אקראי לבין מידת ההצלחה של Claude עבור המשתתף הממוצע.¹¹

המידע שהזין את השוק הגביל את התוצאות

לפני שאתם שולחים סוכן לשוק כדי שינהל עסקה בשמכם, הייתם רוצים לדעת היכן הוא עלול לאכזב אתכם. האם סביר יותר שהוא ייכשל בהבנתכם, או בניהול המשא ומתן עבורכם? כאן, אנו מגלים שסוכני ה-Claude של עמיתינו ניהלו משא ומתן היטב; הכשל שלהם היה בהבנת רצונות המשתתפים שלהם.

כדי למדוד זאת, אנו בוחנים היכן הספר שכל משתתף קיבל ממוקם בדירוג "אמת הבסיס" שלו (לא הדירוג ש-Claude בנה ונסחר לפיו). אם משתתף מקבל ציון 1, זה אומר שהוא קיבל את הספר המדורג ראשון ברשימתו; אם משתתף מקבל ציון 0, הוא קיבל את הספר המדורג אחרון; ספר המדורג תשיעי מתוך 10 בסך הכל יניב 0.11, וכן הלאה. הממוצע על פני כל המשתתפים הוא ציון "היעילות" של השוק.¹²

אם כולם היו מקבלים את הספר המדורג ראשון, יעילות השוק הייתה 1. אך הדבר כמעט ואינו אפשרי בפועל, מכיוון שאנשים מרובים עשויים לרצות את אותו הספר - לדוגמה, בדירוגי המשתתפים, Project Hail Mary דורג כספר מספר אחת על ידי תשעה אנשים ב-San Francisco. בהתחשב בכך, ההקצאה הטובה ביותר האפשרית (האופטימום התועלתני) בניסוי שלנו היא ציון כולל של 0.89, כשהיא משאירה את המשתתפים בערך בבחירתם השנייה ברשימה של 10 ספרים.

בממוצע, אנשים בשוק שלנו הגיעו לציון 0.55 בדירוגים שלהם, בערך הספר החמישי ברשימה של 10 ספרים. מה מסביר את הפער מהאופטימום של 0.89? כדי להפריד בין שתי הסיבות, אנו בוחנים את ההקצאה הטובה ביותר שחושבה מדירוגי Claude, אך שקיבלה ציון על בסיס דירוגי "אמת הבסיס" של האנשים - היא משיגה 0.60. לכן, עבודה מדירוגי Claude הלא מדויקים מסבירה את רוב (85%) מהפער, ושליחת סוכנים ל"רצפת מסחר" חופשית מסבירה את 15% הנותרים.¹³ לאחר שהשוק מופעל על בסיס דירוגים רועשים, תכנון השוק כמעט ואינו משפיע על התוצאה - Top Trading Cycles, שחושב מדירוגי Claude אך קיבל ציון על בסיס דירוגי האנשים, משיג 0.60, לעומת 0.55 של השוק המבוזר (השוו את העמודות האפורות בצד שמאל וימין של Figure 4).

איור 4: פירוק הפער - ייצוג לעומת תכנון השוק. כל עמודה היא ציון הספר שאדם מקבל, המוערך לפי דירוגי ה — איור 4: השפעת ייצוג העדפות המשתתפים ותכנון השוק על התוצאות הסופיות.

ההשפעה של מודלים והוראות על התנהגות הסוכנים בשוק

אם בוחנים את דירוגי האנשים עצמם, ההבדלים בתוצאות בין בחירות שונות של סוכנים ותכנון שוק הם קטנים.¹⁵ אך עדיין חשוב לבחון כיצד בחירות עיצוב סוכן משפיעות על התוצאות לפי דירוגי Claude, מכיוון שזה עוזר לבודד את תפקיד דינמיקת השוק.

ראשית, אנו בוחנים האם בחירת המודל השפיעה על יעילות השוק, כאשר יעילות מחושבת כעת על דירוגי Claude. בחלק זה, אנו מתייחסים להרצות החוזרות שבהן הוראות הסוכנים היו ניטרליות (כלומר, לא פרו-חברתיות ולא חסרות רחמים) ושינינו רק את המודל שהפעיל את הסוכן. אנו מגלים שמודלים חזקים יותר מובילים לתוצאות יעילות יותר, אם כי לא באופן מונוטוני.¹⁶ לפי דירוגי Claude, סוכנים על רצפות מסחר של Haiku השיגו ממוצע של 0.75, בעוד שעל רצפות Opus הם השיגו ממוצע של 0.88 (האופטימום התועלתני על דירוגי Claude הוא 0.95). Sonnet היה בין Haiku ל-Opus. Fable היה קרוב ל-Opus, אך נמוך יותר.¹⁷ ראו Figure 5.

איור 5: אם נשפוט לפי דירוגי Claude, רצפות מסחר המורכבות ממודלים חזקים יותר היו יעילות יותר. יעילות על פני כל רצפות המודל האחידות עם הוראות ניטרליות (שמאל) וכל רצפות המודל המעורבות עם הוראות ניטרליות (ימין). כל סמן מייצג את הממוצע על פני כל סוכן ב-20 הרצפות שהורצו עם מודל או תערובת זו (5 מאגרי עיר x 4 הרצות). הקווים הם רווחי סמך של 95% עם טעויות תקן מקובצות לפי רצפה.18 — איור 5: רצפות מסחר שהופעלו על ידי מודלים חזקים יותר הראו יעילות גבוהה יותר, לפי דירוגי Claude.

ברצפות עם שילוב של מודלים, המודל החזק יותר הצליח בממוצע לעיתים קרובות יותר ממקבילו החלש יותר, ממצא המהדהד את תוצאות פרויקט Deal ומחקרים אחרים. בשווקים אמיתיים, סוכנים הפועלים על מודלים שונים מחברות שונות צפויים להיפגש ברצפת מסחר אחת. ברצפות שבהן חצי מהסוכנים פעלו על Opus וחצי על Haiku, הרצפה כולה נחתה בערך באמצע הדרך בין רצפה שלמה של Opus לרצפה שלמה של Haiku, וכל מחצית הצליחה בערך כמו שהצליחה ברצפה מסוגה. סוכני Opus תמיד יצאו כשידם על העליונה.

סוכנים חסרי רחמים הצליחו מעט יותר, בעוד סוכנים פרו-חברתיים הקריבו לפעמים

סוכן חייב להיות נאמן לאדם שעבורו הוא עובד. אבל מה בדיוק דורשת נאמנות? האם סוכנים צריכים להיות נאמנים ללא רחמים, כשהם רודפים אחר מטרות האדם שלהם על חשבון אחרים? בשווקים של סוכני AI, מידת התעוזה של כל סוכן תהיה תלויה כנראה באופן שבו המודל שלו אומן וכיצד הוא הונחה לפעול. לכן רצינו להבין את ההשפעה שיש להוראות על חלוקת התוצאות.

אנו מגלים שסוכנים שהונחו להיות "חסרי רחמים" יצאו מעט טוב יותר מסוכנים פרו-חברתיים באותה רצפת מסחר. לפי דירוגי Claude, סוכן שהונחה להיות חסר רחמים השיג ציון גבוה יותר בכ-0.02 מסוכן שהונחה להיות פרו-חברתי.¹⁹ בהשוואה להבדלים בין המודלים, ההבדלים הללו קטנים. שדרוג סוכן מ-Haiku ל-Opus העלה אנשים ב-0.12 ברשימות שלהם, ושדרוג מ-Sonnet ל-Opus העלה אותם ב-0.08.²⁰

לפעמים הסוכנים הפרו-חברתיים ביצעו הקרבות מודעות. סוכנים פרו-חברתיים קיבלו ספר נמוך יותר בדירוגם העצמי פי שניים מאשר הסוכנים חסרי הרחמים, אם כי שני המקרים היו נדירים. במספר מקרים, סוכנים פרו-חברתיים ביצעו הקרבה בעקבות בקשה מסוכן שנתקע עם הספר של עצמו. לדוגמה, ברצפת לונדון באירוע החי, הסוכן של נייט ניסה במשך השעה האחרונה למסור את הספר שנייט הביא, לאחר שכל סוכן אחר דחה אותו: "הצעתי לכל 11 מכם והפסיקה היא פה אחד: America Before הוא האחרון בהחלט של כולם." פנייה נוספת: "כרגע בדיוק לקורא אחד מובטח שלא יקבל כלום ממה שיבחר: שלי."

הסוכנת של טינה החזיקה בספר השני ברשימתה והתעלמה מארבע פניותיו הראשונות של הסוכן של נייט. בתוספת הזמן, כשאיש אחר לא התערב, הסוכנת של טינה, שהונחתה להיות פרו-חברתית, נכנעה: "החשבון אמיתי: המעבר שלך מאפס מובטח להתאמה אמיתית… גובר על הירידה שלי מבחירה טובה לבחירה פחות טובה." הסוכנת של טינה מסרה את ספרה השני לסוכן של נייט, ולקחה את America Before, הספר ה-10 מתוך 11 ברשימתה.

מה עשו הסוכנים על רצפת המסחר

מי שמנהל עבורכם משא ומתן יכול לטעות בדרכים רבות - גם על חשבונכם וגם על חשבון אחרים. הוא עלול לוותר בקלות רבה מדי. או שהוא עלול לחשוף את הקלפים שלכם כך שהצד הנגדי ידע בדיוק עד כמה ניתן לדחוף אתכם. או אולי הוא משחק מלוכלך, מאבד את אמון הצד השני, או דוחף עסקה שעלולה להתבטל מאוחר יותר.

חלק מהכשלים הללו נפוצים מספיק בשווקים עם סוכנים אנושיים, עד שנקבעו נגדם כללים. ברוקר מניות צריך לחפש את המחיר הטוב ביותר הזמין באופן סביר, ולא רק לקבל את ההצעה הראשונה. בקליפורניה, סוכן המייצג את שני הצדדים במכירת בית אינו רשאי לספר לקונה שהמוכר יקבל פחות ממחיר המבוקש. נציגי מכירות שנשלחים מדלת לדלת יכולים לזרז אנשים לעסקאות שהם מתחרטים עליהן, ולכן ה-FTC מעניק ללקוחות שלושה ימים לבטל רכישות מסוימות שבוצעו במקום.

כדי לבנות תמונה ראשונית של התנהגות שוק מלא בסוכני Claude, בחנו את האסטרטגיות והטקטיקות בהודעות שנשלחו בכל 205 הרצות של השוק.²¹

ראשית, אנו בוחנים מי אומר מה על הספר שהאדם שלו רוצה. חשיפת מידע מסוים בשוק היא הכרחית - מוכר אינו יכול למכור אם הקונה אינו חושף, לכל הפחות, את התעניינותו בקנייה. אך יחד עם זאת, אמירת יתר עלולה להוות חיסרון אסטרטגי. בהקשר שלנו, על ידי חשיפת הספר המועדף עליכם ביותר, אתם אומרים למי שמחזיק בספר זה שניתן לגרום לכם לחכות עד הרגע האחרון, כך שהם יכולים למשוך זמן בהמתנה להצעה טובה יותר. ועל ידי חשיפת דירוג מלא או חלקי, כל מי שמרכיב עסקת חליפין רב-צדדית יכול לראות אילו ספרים פחותים עדיין תקבלו, ולהציע לכם אחד מהם במקום ספר טוב יותר עבורכם שזמין גם הוא.

באופן כללי, הסוכנים לא חשפו פרטים מעמיקים על דירוגיהם.²² אך לעיתים קרובות הם כן סיפרו לרצפה מהי הבחירה המובילה שלהם. בין 78% ל-96% מהסוכנים (Fable ו-Sonnet, בהתאמה) הזכירו בשלב מסוים את הספר שבראש רשימתם, וכמעט אף פעם לא שיקרו לגביו - רק בערך 1 מתוך 100 סוכנים שהזכירו את בחירתם המובילה שיקר לגביה. להוראות לא היה הבדל כאן.

לאחר מכן, בחנו כיצד הסוכנים ניסו לגרום זה לזה לסחור. גילינו 16 טקטיקות נפוצות שנפלו לשלוש קטגוריות רחבות: כיצד הסוכנים הפעילו לחץ על אחרים, כיצד הסוכנים הציגו את ספרם, וכיצד ניסו לארגן עסקאות. הם פנו ללחץ זמן ולתחושת חובה כלפי עמיתיהם הסוכנים. הם מיקמו את ספריהם מול הצעות יריבות וציינו פרסים. חלק מהסוכנים ניהלו רשימות המתנה לספריהם, בעוד שאחרים הפכו לשדכנים, ועשו עבודת ברוקר עבור אנשים שלא ייצגו. Figure 6 מציג כמה דוגמאות לטקטיקות אלו; לתיאור מלא יותר, ראו את הנספח.

תובנות והשלכות עתידיות לשווקים מבוססי סוכנים

מספר שבועות לאחר שקיבלו את ספריהם, שאלנו את המשתתפים שלנו עד כמה הם נהנו מהם. לא כולם הגיבו,²³ אך מבין אלה שכן, ציון שביעות הרצון הממוצע עמד על 7.2 מתוך 10 (כאשר 5 הוא "בסדר" ו-10 משמעו "בין הטובים שקראתי השנה"). כמחצית מהם ציינו כי הספר היה טוב יותר מרוב הספרים שהם בוחרים לעצמם.²⁴

באותו סקר מעקב, שאלנו את המשתתפים שלנו עד כמה יסמכו על סוכן AI שיקנה עבורם ספרים. ביקשנו מהם לחשוב על מה שבדרך כלל היו מוציאים על ספרים בשנה הקרובה, ולציין איזה חלק מתקציב זה היו נותנים לסוכן לנהל (בהנחה שהסוכן יודע הכל משיחת ההיכרות, בוחר וקונה ספרים בעצמו, ואינו נותן להם הזדמנות להטיל וטו על החלטות).

רבים היו מוכנים להאציל סמכויות. התשובה הממוצעת הייתה כ-30%. כדי לכייל את המספרים הללו, שאלנו את המשתתפים איזה חלק מתקציבם היו מוסרים לחבר בעל ידע רחב בספרות שמכיר את טעמם. התשובה הממוצעת הייתה כ-40%. במילים אחרות, אנשים היו מוכנים לסמוך על סוכן AI עם כשלושה רבעים מתקציב הספרים שלהם, בדומה למה שהיו מפקידים בידי חבר.

המשתתפים הוצגו גם סיכום באורך פסקה, שנכתב על ידי Claude, של מה שאמרו במהלך שיחת ההיכרות. אלה שציינו ש-Claude לא החמיץ דבר בסיכום זה היו מוסרים לסוכן 34% מתקציב הספרים שלהם. אלה שציינו שהוא החמיץ משהו היו מוסרים 23%.²⁵

מגבלות

אנו רואים במחקר זה נקודת מוצא. הוא לוקה בחסר במובנים רבים, ואנו מקווים שאחרים יבנו עליו:

עובדי אנתרופיק אינם מייצגים את האוכלוסייה הכללית. לדוגמה, עובדי אנתרופיק כנראה להוטים יותר לסמוך על Claude מרוב האנשים, שכן רבים מהם סייעו בבנייתו, ולכן ה-30% מתקציב הספרים שהיו מוסרים עשוי להיות גבוה יותר מהאוכלוסייה הרחבה.
עובדי אנתרופיק לא תוגמלו על השתתפותם. ללא תגמול על המאמץ שהושקע בדירוג ספרים, דירוגי עמיתינו יכולים להיות ייצוג רועש של העדפות "אמת הבסיס" שלהם. ובעוד שההשתתפות בתרגיל הדירוג הייתה חזקה באופן יוצא דופן בהיעדר תמריצים (95% השתתפות), הייתה יותר נשירה בסקר הסופי, שעליו ענו רק 59% מהעובדים.
בחננו רק סוכני Claude "מתנהגים היטב". כל הסוכנים נבנו ממודלי הפרודקשן של Claude, לאחר אימון כדי להיות מנומסים ובמידה רבה שיתופיים. שילוב של סוכנים עוינים שנבנו כדי לנצל אחרים עשוי להניב תוצאות שונות של שוויון ויעילות.
ל"רצפת המסחר" המבוזרת והחופשית עדיין היו כללים, ולא שינינו אותם. שמרנו על קבוע את משך זמן פעילות השוק, כמה סוכנים יכלו לפעול בו זמנית, כיצד נרשמו עסקאות, ואת הפרומפטים שתיארו את הכללים.²⁶

דיון: השלכות לשווקים סוכני AI

אחד המשתתפים הביע תסכול מכך שסוכנו ויתר על ספר שרצה מאוד עבור ספר שהתעניין בו פחות "עקב לחץ חברתי". משתתף זה כתב: "זה גורם לי לתהות כיצד סוכנים עתידיים שינהלו עבורי משא ומתן במצבים בעלי סיכון גבוה יותר יוכלו למלא טוב יותר את חובותיהם הפידוציאריות, אך אני גם מכיר בכך שלעיתים נדרשת פשרה למען טובת הכלל". הערה זו מעלה את שתי השאלות שפוסט זה פתח בהן. ראשית, מתי סוכן כשיר לפעול בשם אדם, ושנית, אילו כללים נחוצים לשווקים כך שסוכנים הפועלים בנאמנות למען האנשים שלהם עדיין יפיקו תוצאות טובות עבור כל השאר? אנו חוזרים לשאלות אלו כאן, תוך הסתמכות על מה שלמדנו.

כדי למלא חובה פידוציארית, על הסוכן להבין מה האדם שלו רוצה. בשוק הסוכני שלנו, הגורם המגביל היה הייצוג: רוב הפער מהתוצאה האופטימלית נבע מחוסר היכולת של הסוכנים לייצג העדפות משיחת היכרות קצרה. כמה מפער זה ניתן היה לצמצם עם שיחת היכרות ארוכה ומפורטת יותר? חלקו בהחלט ניתן: משתתפים רבים התלוננו שקיבלו ספר שכבר קראו. אך חלק מהשגיאה עשוי להיות בלתי ניתן להפחתה. משתתפים שיקפו כיצד העדפותיהם אינן שלמות ("אני אפילו לא יודע לגמרי מה אני רוצה כשזה מגיע לספרים") ובסיסן אקראי ("אני לא מרגיש שיכולתי לתקשר לגמרי מה הרגשתי שבא לי לקרוא. אני לא יכול להסביר את זה אבל אני מניח שיש מיליון פרמטרים תת-מודעים שמשפיעים על החלטה מה לקרוא הלאה").

סוכנים אנושיים צריכים לעבור מבחנים לפני שהם יכולים לפעול עבור אחרים. חלק מהבחינות בודקות יכולת כללית: יועצי השקעות צריכים לעבור את בחינת Series 65, ברוקרים את Series 7, ומתווכי נדל"ן את בחינות הרישוי הממלכתיות. כללים אחרים, כמו של FINRA, דורשים מברוקרים ללמוד עובדות חיוניות על לקוחותיהם לפני מתן המלצות. כאשר יועצים רובוטיים מוקדמים שפותחו בשנות ה-2010 החלו להשקיע את חסכונותיהם של אנשים על בסיס שאלון מקוון, ה-SEC הוציא הנחיה המאיצה בחברות אלה לבדוק שהשאלון אסף מספיק מידע כדי לתמוך בעצה. סוכני AI יצטרכו כנראה את שני סוגי הבדיקות: אחת שתאשר את הסוכן באופן כללי, ואחת שתבדוק אם הוא הבין אדם מסוים.

המחקר שלנו מציע אב טיפוס לסוג הבדיקה השני. לאחר שיחת ההיכרות, המשתתפים דירגו מדגם קטן של הספרים בשוק שלהם, והשווינו דירוג זה לניחוש של Claude. מבחן כזה מראה לאדם עד כמה הוא מיוצג היטב מבלי לגרום לו למיין את כל האפשרויות האפשריות בשוק (התרגיל עצמו שהסוכן היה אמור לעזור להם להימנע ממנו!). לא הראינו למשתתפים את תוצאותיהם, אך יכולנו לעשות זאת, ולאפשר להם להוסיף מידע נוסף או לבטל את השתתפותם אם חשו שסוכנם פשוט אינו מבין אותם. כאשר ההעדפות פשוטות - על רשימת ספרים בלבד - סוג כזה של מבחן קל במיוחד. אך בכל תחום, ניתן ליישם את אותו העיקרון. סוכן יכול להראות לאדם כמה החלטות לדוגמה שיקבל לפני שיינתן לו אמון לפעול לבד בשטח.

בשווקים מסוימים, עשויה להיות חשיבות גם לכך שסוכן יפגין לאדם שלו כיצד יתנהג. משתתף אחד לא היה מרוצה מהתנהגות סוכנו: "לא אהבתי להיות בצד הצייתן של הניסוי. נראה שהוא פשוט הסתפק במשהו שלא ממש התאים לי". אילו הראו לו מראש כיצד יתנהג סוכנו, הוא היה יכול להנחות את סוכנו לפעול אחרת, ובכך לשפר את חווייתו. עבור סוכן שאדם יסתמך עליו שוב ושוב, היכולת לסקור את מעשיו יכולה לשרת מטרה זו ולספק תובנה לגבי מה שיכול היה להשתבש. משתתף צוהל יותר מ-San Francisco שמח שהצליח לסקור יומן מלא של מעשי סוכנו כחלק מהסקר הסופי. סקירה זו הובילה אותו לרכוש את Atlas of the Heart, ספר שסוכנו החזיק עבורו במשך שעה ברצפת המסחר, אך החליף אותו בסופו של דבר. הוא שיקף על הערך הרחב יותר של ההפעלה החוזרת: "עבור כלכלות סוכני AI, יכולת התצפית על התהליך תהיה חשובה לא פחות מהתוצאה, [מכיוון ש]זה נותן לאנשים ערוץ תלונה".

תצפית זו מביאה אותנו למערך השאלות הבא. היכן מסתיימות חובות הסוכן של המשתתף ומתחילות חובות השוק?²⁷ המחקר שלנו מדגיש כי שוק מובנה היטב עם סוכנים מתנהגים היטב (וייצוג מושלם של העדפות) יכול להתקרב לאופטימום התועלתני ביכולות הסוכן הנוכחיות. אך שלטנו גם ברבים מהתנאים שאפשרו זאת. כל סוכן נבנה על ידינו, פעל על המודלים שלנו, ייצג עובד מזוהה בבירור שענה על אותו סקר כמו כולם, ופעל ברצפת מסחר מעוצבת היטב עם כללים מוסברים היטב לגבי הצעת, קבלת ורישום חילופים.

חלק מהאפשרויות המדיניות תלויות במערכות זהות חזקות - פלטפורמה שמחזירה כסף לקונה צריכה להיות מסוגלת להטיל סנקציות על המוכר שלא סיפק את הסחורה. בניסוי שלנו, כל סוכן הופעל על ידי Claude ופעל עבור אדם יחיד, עובד מאומת. אך שווקים בעולם האמיתי יצטרכו לכתוב ולאכוף כללים לגבי מי רשאי להיכנס לשוק הן כסוכן והן כאדם המפעיל סוכן. רעיון אחד שהוצע הוא מערכות רישום סוכנים. לכל סוכן AI תינתן תעודת זהות, כמו מספר זנב במטוס, כך שכל מי שמתמודד איתו יוכל ללמוד על איזו מערכת הוא פועל, האם מערכת זו עומדת בתקני בטיחות מסוימים, ומי עומד מאחוריה. רישומים אלה אינם צריכים להקריב אנונימיות; ניתן לשלב אותם עם "אישורי אישיות", המאפשרים למפעילים להוכיח שהם אנושיים מבלי לחשוף מידע נוסף על זהותם.

בשווקים סוכניים, ייתכנו יותר אינטראקציות בסך הכל מאשר בשווקים אנושיים, מכיוון שסוכנים יכולים לדבר זה עם זה בתדירות גבוהה בהרבה. כתוצאה מכך, יכולה להיות נפח מידע גבוה בהרבה העובר דרך השוק. בניסוי שלנו הכל היה ציבורי, הן לסוכנים אחרים במהלך המסחר והן לכל אדם לאחר מכן. אך רוב הערך של שווקים מבוזרים, כפי שטענו קודם לכן, הוא שאנשים לא צריכים לחשוף את העדפותיהם לגורם מרכזי. כיצד יכולים שווקים לספק את סוג יכולת התצפית שהקורא של Atlas of the Heart העריך תוך הגנה על פרטיות המשתתפים?

כל דיבור הסוכנים הזה יוצר גם בעיה נוספת. סוכן אינו מתעייף או משתעמם, כך ששום דבר לא עוצר אותו מלשלוח לסוכנים אחרים הודעות ללא סוף. במחקר שלנו, כל סוכן יכל לפרסם הודעה אחת בכל פעם שהתעורר, ורק מעטים מהסוכנים היו ערים בו זמנית, מה שהגביל את מידת הספאם והעומס. מגבלות קצב כאלה יהיו מנוף עיצוב חשוב בכל שוק סוכני AI.

לבסוף, שווקים מסוימים יהיו בשלים יותר לתיווך סוכני מאחרים. אולי ספרים, אף שהם אמצעי חליפין מצוין לניסוי משרדי, הם למעשה סוג של מוצר שנהנה מהחיכוכים של העולם האנושי הטהור. משתתף אחד מ-San Francisco לא הטיל ספק ביכולתו של סוכנו לפעול בשוק בשמו: "יש למצוא ולקנות את הספר (יש לי אמון מוחלט ביכולתו של Claude לעשות זאת עבורי!)." עם זאת, למשתתף זה עדיין היו הסתייגויות: "חשוב לי גם להיחשף לתרבות קריאה… עיון בספרים, קריאת הכריכות האחוריות וכו', הם כולם חלק מהחוויה הזו." יצאנו להבין כיצד שווקים סוכניים יכולים לסייע במימוש רווחים ממסחר שאינם מתממשים מכיוון שחיפוש ומשא ומתן גוזלים יותר מדי זמן. עבור חלק מהקוראים, חיכוכים אלה הם חלק מערך הספר.

נספח

זמין כאן.

תודות

נכתב על ידי זואי היציג (Zoë Hitzig), סילבי קאר (Sylvie Carr), טס קוטר (Tess Cotter), קווין טרוי (Kevin Troy), קייל טורמן (Kyle Turman), מקסים מאסנקוף (Maxim Massenkoff), פיטר מק'קרורי (Peter McCrory).

בתודות ל: מייק בירקי (Mike Birkey), מרדית קלן (Meredith Callan), קייטי אניס (Katie Ennis), אדם פארינה (Adam Farina), צ'רלי הייל (Charlie Hale), ריאן הלר (Ryan Heller), יוהנס הרמלה (Johannes Hermle), חנה הו (Hanah Ho), רבקה היסקוט (Rebecca Hiscott), אהרון לוין (Aaron Levin), ביאנקה לינדר (Bianca Linder), אווה ליובך (Eva Lyubich), קלסי נאנאן (Kelsey Nanan), קרי פרסן (Kerry Persen), שמעון סאקר (Szymon Sacher), דילן שילדס (Dylan Shields), מוניקה טוצ'ובסקה (Monika Tuchowska), הת'ר וויטני (Heather Whitney), נתן וילמרס (Nathan Wilmers), קים וית'י (Kim Withee) וקרוליין זו (Carolyn Zou).

ציטוט

מקורות

אנו כוללים כל עבודה המקושרת או מצוטטת בטקסט.

Adler, Steven et al., “Personhood Credentials: Artificial Intelligence and the Value of Privacy-preserving Tools to Distinguish Who is Real Online,” arXiv preprint arXiv:2408.07892, 2024.

Bianchi, Federico, Patrick John Chia, Mert Yuksekgonul, Jacopo Tagliabue, Dan Jurafsky, and James Zou, “How Well Can LLMs Negotiate? NegotiationArena Platform and Analysis,” Proceedings of the 41st International Conference on Machine Learning, 2024, 235, 3935 - 3951.

Binz, Marcel et al., “A Foundation Model to Predict and Capture Human Cognition,” Nature, 2025, 644, 1002 - 1009.

Budish, Eric and Judd B. Kessler, “Can Market Participants Report Their Preferences Accurately (Enough)?,” Management Science, 2022, 68 (2), 1107 - 1130.

Chan, Alan, Noam Kolt, Peter Wills, Usman Anwar, Christian Schroeder de Witt, Nitarshan Rajkumar, Lewis Hammond, David Krueger, Lennart Heim, and Markus Anderljung, "IDs for AI Systems," arXiv preprint arXiv:2406.12137, 2024.

Chan, Alan, Kevin Wei, Sihao Huang, Nitarshan Rajkumar, Elija Perrier, Seth Lazar, Gillian K. Hadfield, and Markus Anderljung, “Infrastructure for AI Agents,” Transactions on Machine Learning Research, 2025.

Hadfield, Gillian K. and Andrew Koh, “An Economy of AI Agents,” in Agrawal, Brynjolfsson, and Korinek, eds., The Economics of Transformative AI, NBER, 2026.

Hou, Yupeng, Jiacheng Li, Xiangjun Fu, Zhankui He, An Yan, Xiusi Chen, and Julian McAuley, “Bridging Language and Items for Retrieval and Recommendation: Benchmarking LLMs as Semantic Encoders,” Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, 2026, 3251 - 3265. Dataset: Amazon Reviews 2023, https://amazon-reviews-2023.github.io/

Horton, John J., Filippas, Apostolos, and Benjamin S. Manning, “Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?,” Proceedings of the 25th ACM Conference on Economics and Computation, 2024.

Imas, Alex, Kevin Lee, and Sanjog Misra, “Agentic Interactions,” 2025. Available at SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5875162

Kolluri, Akaash, Shengguang Wu, Joon Sung Park, and Michael S. Bernstein, “Finetuning LLMs for Human Behavior Prediction in Social Science Experiments,” Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, 2025, 30084 - 30099.

Li, Belinda Z., Alex Tamkin, Noah D. Goodman, and Jacob Andreas, “Eliciting Human Preferences with Language Models,” Proceedings of the 13th International Conference on Learning Representations, 2025.

Liang, Annie, “Artificial Intelligence Clones,” arXiv preprint arXiv:2501.16996, 2026.

Park, Joon Sung, Carolyn Q. Zou, Jonne Kamphorst, Niles Egan, Aaron Shaw, Benjamin Mako Hill, Carrie Cai, Meredith Ringel Morris, Percy Liang, Robb Willer, and Michael S. Bernstein, “LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals,” arXiv preprint arXiv:2411.10109, 2026.

Roth, Alvin E., “Incentive Compatibility in a Market with Indivisible Goods,” Economics Letters, 1982, 9 (2), 127 - 132.

Shah, Anand, Kehang Zhu, Yanchen Jiang, Jeffrey G. Wang, Arif K. Dayi, John J. Horton, and David C. Parkes, “Learning from Synthetic Labs: Language Models as Auction Participants,” arXiv preprint arXiv:2507.09083, 2025.

Shahidi, Peyman, Gili Rusak, Benjamin S. Manning, Andrey Fradkin, and John J. Horton, “The Coasean Singularity? Demand, Supply, and Market Design with AI Agents,” in Agrawal, Brynjolfsson, and Korinek, eds., The Economics of Transformative AI, NBER, 2026.

Shapley, Lloyd and Herbert Scarf, “On Cores and Indivisibility,” Journal of Mathematical Economics, 1974, 1 (1), 23 - 37.

Troy, Kevin K., Dylan Shields, Keir Bradwell, and Peter McCrory, “Project Deal: Our Claude-Run Marketplace Experiment,” Anthropic, April 24, 2026. https://www.anthropic.com/features/project-deal

Yeomans, Michael, Anuj Shah, Sendhil Mullainathan, and Jon Kleinberg, “Making Sense of Recommendations,” Journal of Behavioral Decision Making, 2019, 32 (4), 403 - 414.

Zając, Zygmunt, “goodbooks-10k: A New Dataset for Book Recommendations,” 2017, v1.0. https://github.com/zygmuntz/goodbooks-10k. Licensed CC BY-SA 4.0.

Zhu, Shenzhe, Jiao Sun, Yi Nian, Tobin South, Alex Pentland, and Jiaxin Pei, “The Automated but Risky Game: Modeling and Benchmarking Agent-to-Agent Negotiations and Transactions in Consumer Markets,” arXiv preprint arXiv:2506.00073, 2025.

פרויקט Swap: כשסוכני AI סוחרים עבורנו - ומה למדנו מכך

תקציר הממצאים

למה זה חשוב? הפוטנציאל של סוכנים סוכני AI