Anthropic учит AI-агентов торговаться. Интереснее здесь не цена, а то, откуда агент возьмёт условия сделки

18 октября Financial Times написала, что Anthropic привлекает юристов к разработке принципов переговоров между автономными AI-агентами. Идея такая: агент представляет интересы пользователя и сам обсуждает цену, спорит с компанией, согласовывает условия сделки. В экспериментах с реальными товарами оказалось, что более настойчивый агент добивается условий получше.

Первая реакция у меня была скептическая. До того, чтобы агенты массово покупали за людей, ещё далеко, а разговоров про агентную коммерцию уже сильно больше, чем случаев, когда кто-то реально отдал агенту свою карту.

Но потом я поймал себя на другом вопросе. Торг это последний шаг. До него агент должен откуда-то взять, что вообще входит в предложение и чем оно отличается от соседнего. И вот этот шаг происходит уже сейчас, без всяких переговоров.

Содержательного в новости немного, и это нормально для стадии исследования. Anthropic думает, по каким правилам агенты будут вести себя в сделке: какие у них полномочия, где граница между торгом и давлением, как защитить пользователя от агента, который согласился на плохое. Проверяли на реальных товарах, нашли, что настойчивость работает.

Дальше начинаются вопросы, на которые ответа пока нет: кто отвечает за согласованное агентом условие, что считать информированным согласием пользователя и что делать компании, если на другом конце переписки не человек.

Переговоры предполагают, что сравнение уже закончилось. Агент выбрал, с кем разговаривать, и обсуждает детали. То есть основная часть работы — отбор поставщиков и чтение условий — происходит раньше и никак не похожа на торг.

А отбор агент делает не так, как человек. Человек заходит на сайт, листает тарифы, открывает вкладку с условиями, звонит и спрашивает. Агент опирается на то, что модель может найти и процитировать: страницы, которые попали в индекс, сравнения на сторонних сайтах, обсуждения, отзывы, документацию. Если условие написано только на картинке в блоке с тарифами или произносится менеджером в разговоре, для агента его не существует.

Отсюда скучный, но практический вывод: к агентной коммерции компанию готовит не отдел продаж, а то, насколько её предложение вообще читается машиной.

Я попробовал составить этот список с позиции агента, которому поручили выбрать поставщика и который не может никому позвонить:

Последний пункт выглядит странно, но он самый полезный. Агент, который сравнивает варианты, ищет не только достоинства, а признаки несовпадения с задачей. Если компания нигде не говорит, кому её продукт не нужен, за неё это скажет чужое сравнение или ветка обсуждения, и формулировка будет не её.

Мне кажется разумным проверять не будущие переговоры, а текущую читаемость условий. Проверка простая и не требует никаких агентов.

Запросы берутся не брендовые, а покупательские: не «что такое компания N», а «сравни условия поставщиков X для такой задачи», «у кого есть такая гарантия», «какие ограничения у этого тарифа». Дальше одни и те же запросы прогоняются через несколько моделей, потому что картина у них расходится заметно. Смотреть нужно не только на факт упоминания, а на источник: откуда модель взяла условие и совпадает ли оно с тем, что написано у компании. И повторить через неделю, иначе разовый прогон легко принять за закономерность.

Руками это можно собрать в таблице, и для одной проверки так даже быстрее. Дальше начинается рутина: модели нужно опрашивать регулярно, а ответы сравнивать между прогонами. Для этого есть специализированные сервисы: GeoRank считает факт цитирования, зарубежные платформы вроде Profound и Peec AI закрывают западные модели, а российские рынки у них представлены хуже. Свои замеры я собираю в brandfound: там же видно источники рядом с брендом и то, какие из них появились или исчезли между прогонами. Для этой задачи важна именно вторая часть — не упоминание, а ссылка, из которой агент возьмёт условие.

Что агенты уже стали каналом продаж. Не стали, и исследование Anthropic ровно об этом: правила ещё придумывают.

Что настойчивый агент будет выбивать скидки и в жизни. В эксперименте на одной стороне стоял исследователь, а не компания, у которой есть регламент и запрет на отклонение от прайса.

Что компании срочно нужно что-то менять в продажах. Из новости такого не следует, а менять процесс под сценарий, который пока существует в виде эксперимента, дорого и преждевременно.

Первое: проверил бы, находятся ли условия моего предложения в ответах нейросетей в том виде, в котором они написаны у меня. Расхождение между прайсом на сайте и тем, что модель называет моей ценой, стоит дешево починить сейчас и дорого когда на этой цифре кто-то построит сравнение.

Второе: вынес бы ограничения и условия из картинок, PDF и разговоров с менеджером в обычный текст на сайте. Это не подготовка к агентной коммерции, это просто то, что любая модель читает уже сегодня.

Переговоры агентов мне интересно посмотреть, когда они дойдут до реальных сделок. Но до их появления полезнее знать, что машина уже сейчас говорит про ваши условия, потому что торговаться она будет именно с этой версией.