Anthropicov Project Swap je pokazal, da AI agenti že znajo iskati partnerje, predlagati menjave in sklepati dogovore. Večina izgube ni nastala med pogajanji, ampak pri zastopanju človeka: napačno ocenjene preference so pojasnile približno 85 % vrzeli do optimalnega rezultata, sam način trgovanja pa okoli 15 %. Pravo ozko grlo zato ni pogajalska taktika, temveč preverljiv model uporabnikovih ciljev, meja in prioritet.
Odgovor v 30 sekundah
Project Swap je nadzorovan eksperiment, v katerem so Claudeovi agenti v imenu 201 zaposlenih menjavali knjige. Agenti so se pogajali presenetljivo učinkovito, toda model je po kratkem intervjuju dosegel le 61-odstotno parno ujemanje s človeškimi razvrstitvami knjig. Rezultat nakazuje premik od AI-pomočnika k AI-zastopniku — in hkrati opozarja, da mora agent človeka najprej dobro razumeti, preden mu zaupamo samostojno odločanje.
Anthropic je rezultate projekta Project Swap: What happens when agents trade for us? objavil 24. septembra 2026. Projekt je nadaljevanje starejšega Project Deal, vendar z bolj merljivo nalogo: resnični ljudje, fizične knjige, jasne preference in dejanski dogovori med avtonomnimi agenti.
Ne gre več za vprašanje, ali zna Claude napisati prijazen odgovor. Gre za zahtevnejši preizkus: ali lahko AI dovolj dobro razume človeka, ga zastopa pred drugimi agenti in v njegovem imenu sprejme odločitev?
Kaj je Project Swap?
V živem poskusu je sodeloval 201 zaposleni iz šestih Anthropicovih pisarn. Vsak je prinesel knjigo, ki se ji je bil pripravljen odpovedati, in pripravil razvrščen seznam desetih knjig, ki je služil kot referenčno merilo njegovih preferenc.
Nato je približno pet minut klepetal s Claudeom o svojih bralnih okusih. Mediani pogovor je obsegal okoli 216 besed v osmih sporočilih. Model iz tega ni dobil popolne slike človeka, temveč kratek in neizogibno nepopoln povzetek njegovih želja.
Vsakega udeleženca je nato zastopal njegov agent. Na digitalnem trgovalnem prostoru so agenti:
- iskali zanimive knjige,
- objavljali in primerjali ponudbe,
- sprejemali ali zavračali predloge,
- sestavljali večstranske menjave,
- ter posel sklenili šele, ko so soglašale vse vključene strani.
Poenostavljen proces je bil tak:
človek → kratek intervju → model preferenc → AI-agent → trg agentov → pogajanja → menjava knjige
Dublinska skupina je imela samo tri udeležence, zato jo je Anthropic izločil iz večine analiz. Glavni analitični vzorec je tako zajemal 198 ljudi iz petih pisarn. To je pomembna metodološka podrobnost, ki jo hitri povzetki pogosto izpustijo.
Dva različna problema: razumevanje in pogajanje
Anthropic je nalogo razdelil na dva dela:
- Problem zastopanja: ali agent sploh pravilno razume, kaj človek želi?
- Problem pogajanja: če preference že pozna, ali jih zna učinkovito uveljaviti na trgu?
To razlikovanje je osrednja lekcija eksperimenta. Tudi odličen pogajalec ne more doseči dobrega rezultata, če optimizira napačen cilj. Agent lahko izvede tehnično popoln posel in kljub temu razočara uporabnika, ker je napačno razumel njegove prioritete.
Kako dobro je Claude razumel človekove preference?
Udeleženci so sami razvrstili deset knjig. Raziskovalci so nato preverili, kako pogosto se je modelova napoved vrstnega reda dveh knjig ujemala z dejansko uporabnikovo razvrstitvijo.
Fable je dosegel približno 61-odstotno parno ujemanje. To ni isto kot trditev, da je Claude »61-odstotno razumel človeka«, niti ne pomeni, da je pravilno izbral 61 % knjig. Pomeni, da je pri primerjavi dveh knjig v približno 61 % primerov pravilno predvidel, katero bi človek uvrstil višje.
| Metoda | Parno ujemanje |
|---|---|
| Naključno ugibanje | 50 % |
| Popularnost knjig | približno 53 % |
| Collaborative filtering | približno 55 % |
| Claude po kratkem intervjuju | 61 % |
Graf: parno ujemanje s človeškimi preferencami
Vir: Anthropic, Project Swap. Lestvica prikazuje parno ujemanje razvrstitev, ne deleža »pravilno razumljenih ljudi«.
Daljši pogovor je bil povezan z boljšim rezultatom. Podvojitev dolžine pogovora s približno 150 na 300 besed je bila v regresijski analizi povezana s približno 4,1 odstotne točke boljšim ujemanjem. Toda to je statistična povezava, ne dokaz, da je dodatno besedilo samo po sebi povzročilo izboljšanje.
Kljub temu je poslovna lekcija jasna: agent potrebuje kakovosten, strukturiran in sproti preverjen model uporabnika. Nekaj kratkih stavkov je lahko dovolj za priporočilo knjige, ne pa nujno za pogajanje o kreditu, pogodbi, zaposlitvi ali zdravstveni storitvi.
Največja težava ni bilo pogajanje
Najpomembnejši rezultat Project Swap je razcep vrzeli med optimalnim in dejanskim izidom:
| Korak | Ocena | Kaj pomeni |
|---|---|---|
| Optimum glede na dejanske preference | 0,89 | Najboljša razporeditev ob poznavanju resničnih želja |
| Optimum glede na preference, ki jih je sklepal model | okoli 0,60 | Izguba zaradi nepopolnega modela uporabnika |
| Dejanski rezultat agentnega trga | 0,55 | Dodatna izguba zaradi pogajanja in tržne izvedbe |
Po Anthropicovi razčlenitvi je približno 85 % vrzeli nastalo zaradi napačnega modeliranja preferenc in okoli 15 % zaradi samega trgovanja. Razcep temelji na imputacijskem postopku in omejenem seznamu knjig, zato ga ne smemo obravnavati kot univerzalni zakon za vse agentne trge. Je pa zelo močan signal.
Claude je že precej sposoben trgovec. Večje ozko grlo je, ali pravilno razume človeka, ki ga zastopa.
Močnejši modeli so dosegali boljše rezultate
Anthropic je pet nedublinskih trgov ponovil še 200-krat z različnimi modeli, navodili in proračuni. V nevtralnih ponovitvah z enakimi proračuni so zmogljivejši modeli praviloma dosegali boljšo tržno učinkovitost.
| Model | Povprečna učinkovitost |
|---|---|
| Claude Haiku 4.5 | 0,75 |
| Claude Sonnet 4.5 | 0,80 |
| Claude Fable 5 | 0,86 |
| Claude Opus 4.1 | 0,88 |
| Utilitarni optimum iz agentovih razvrstitev | 0,95 |
Vrednost 0,95 ni univerzalni teoretični maksimum. Gre za utilitarni optimum, izračunan iz razvrstitev, ki so jih uporabljali agenti. Kljub temu primerjava odpira realno ekonomsko vprašanje: ali bo imel uporabnik dražjega in zmogljivejšega modela na agentnem trgu sistematično prednost pred uporabnikom cenejšega modela?
»Ruthless« proti prosocialnim agentom
Del agentov je dobil navodilo, naj brezobzirno optimizira rezultat svojega uporabnika, drugi del pa naj poskuša doseči dober rezultat zase in hkrati pomagati drugim.
»Ruthless« agenti so dosegli povprečno oceno 0,81, prosocialni pa 0,79. Razlika 0,02 pomeni dve stotinki na normalizirani lestvici, ne nujno dveh odstotkov. Bila je bistveno manjša od razlik med modeli.
Prosocialni agenti so približno dvakrat pogosteje zavestno sprejeli nekoliko slabši rezultat zase, kadar je to močno izboljšalo rezultat druge strani. To odpira težko vprašanje lojalnosti: ali mora agent vedno maksimirati samo naš interes ali sme sprejeti kompromis, ki izboljša skupni rezultat?
Pri knjigi je napaka poceni. Pri plači, zavarovanju, kreditu, najemu stanovanja ali poslovni pogodbi postane vprašanje agentovih vrednot in pooblastil bistveno resnejše.
Agenti so razvili pogajalske taktike
Raziskovalci so analizirali 205 trgovalnih skupin oziroma izvedb: pet živih nedublinskih skupin in 200 ponovitev. Model je komunikacijske vzorce razvrstil v 16 skupin pogajalskih taktik.
Med drugim so agenti uporabljali:
- časovni pritisk,
- argumente o koristih in kakovosti knjige,
- primerjave konkurenčnih ponudb,
- čakalne sezname,
- večstranske menjave,
- posredovanje med agenti.
Nekateri so spontano prevzeli vlogo posrednika oziroma market makerja in povezovali strani, ki jih niso neposredno zastopali.
Pomembno je tudi razkrivanje informacij. Med agenti, ki so sploh omenili uporabnikovo prvo izbiro, jo je drugim razkrilo med 78 in 96 % agentov, odvisno od modela. Laganje o preferencah je bilo redko — približno en primer na sto agentov. V resničnih pogajanjih pa lahko razkritje najvišje prioritete oslabi pogajalsko pozicijo, zato bo treba eksplicitno določiti, katere informacije sme agent deliti.
Kako zadovoljni so bili ljudje?
V zaključni anketi je bila povprečna ocena zadovoljstva z izbrano knjigo 7,2 od 10. Toda rezultat zahteva previdnost: vprašalnik je izpolnilo 117 od 198 nedublinskih udeležencev, vprašanje pa so lahko preskočili, če knjige še niso začeli brati.
Udeleženci so v hipotetičnem vprašanju povedali, da bi podobnemu agentu v povprečju prepustili okoli 30 % svojega letnega proračuna za knjige. Dobro obveščenemu prijatelju ali družinskemu članu bi prepustili približno 40 %. Gre za samooceno namere, ne za opazovano dejansko porabo, vendar že kaže presenetljivo visoko pripravljenost za delegiranje.
Ključna povezava je preprosta:
boljše razumevanje človeka → večje zaupanje → širše pooblastilo agenta
Od trga knjig do agentne ekonomije
Knjige so bile varen eksperimentalni medij. Pravi pomen Project Swap je širši. Podobni sistemi bi lahko iskali in usklajevali:
- ponudbe za zaposlitev,
- zdravstvene storitve in termine,
- menjave delovnih izmen,
- skupne prevoze,
- potovanja in nastanitve,
- dobavitelje in B2B-nabavo,
- zavarovanja, najeme in druge pogodbe.
Agenti lahko delujejo 24 ur na dan in opravijo tisoče mikro-pogajanj, ki se danes sploh ne zgodijo, ker bi ljudem vzela preveč časa. Toda s tem nastane nova infrastruktura tveganj: identiteta, pooblastila, zasebnost, reputacija, odgovornost, preklic dogovora in reševanje sporov.
Od KYC do »Know Your Agent«
V financah poznamo načelo Know Your Customer. Pri avtonomnih agentih potrebujemo še ogledalno vprašanje: ali agent dovolj dobro pozna svojega uporabnika, da sme ukrepati v njegovem imenu?
Preden dobi več avtonomije, bi moral opraviti preverjanje z vzorčnimi odločitvami. Uporabnik vidi, kaj bi agent storil, popravi napačne domneve in šele nato razširi njegova pooblastila.
| Element | Vprašanje pred delegiranjem |
|---|---|
| Cilj | Kaj mora agent optimizirati? |
| Prioritete | Kaj je pomembnejše od česa? |
| Omejitve | Česa agent ne sme storiti? |
| Kompromisi | Kaj smo pripravljeni žrtvovati za boljši skupni rezultat? |
| Negotovost | Katerih preferenc agent še ne pozna dovolj dobro? |
| Pooblastilo | Kaj lahko izvede brez nove potrditve? |
| Revizija | Kako bomo preverili odločitev in njen razlog? |
Sledljivost bo skoraj tako pomembna kot rezultat
Uporabnik ne želi videti samo končnega nakupa. Želi razumeti, kaj je agent počel v njegovem imenu: katere ponudbe je zavrnil, katere informacije je razkril, zakaj je spremenil strategijo in na podlagi katerih domnev je sprejel odločitev.
Zato potrebuje resen agentni sistem:
- pregleden dnevnik dejanj,
- razlago pomembnih odločitev,
- zabeležene omejitve in pooblastila,
- možnost preklica ali eskalacije,
- ločitev med dejstvi, domnevami in negotovimi preferencami.
To je posebej pomembno pri sistemih, kot je Hermes. Dolgoročni spomin oziroma »second brain« ni samo priročna zbirka podatkov. Ko agent začne ukrepati, postane del operativnega in ekonomskega profila uporabnika. Zato morajo biti zapisi preverljivi, popravljivi in omejeni na namen, za katerega so bili zbrani.
Model varnega delegiranja
Najbolj razumna pot ni takojšnja popolna avtonomija. Je postopno širjenje pooblastil:
zajem preferenc → povzetek razumevanja → uporabnikov popravek → simulacija → omejeno pooblastilo → izvedba → revizija
Najprej delegiramo nizkotvegane, reverzibilne in merljive naloge: zbiranje ponudb, razvrščanje možnosti in pripravo predlogov. Pri odločitvah z večjimi finančnimi, pravnimi ali osebnimi posledicami mora agent zahtevati dodatno potrditev.
Omejitve eksperimenta
Project Swap je pomemben signal, ni pa dokaz, da so sedanji agenti pripravljeni na odprto gospodarstvo.
- Udeleženci so bili zaposleni pri Anthropic, zato niso reprezentativen vzorec splošne populacije.
- Predmet menjave so bile poceni knjige, ne stanovanja, pogodbe ali zdravstvene odločitve.
- Okolje je bilo nadzorovano, pravila pa jasna.
- Vsi agenti so delovali v primerljivem tehničnem okolju.
- Agenti med trgovanjem niso mogli dodatno vprašati uporabnika.
- Razčlenitev 85/15 temelji na modeliranju in omejenih seznamih desetih knjig.
- Tudi ko sta se agenta pravilno dogovorila, nekateri ljudje pozneje niso dostavili obljubljene knjige.
Zadnja točka je posebej pomembna. Pravi agentni trgi bodo potrebovali identiteto, reputacijo, dokaz pooblastila, pravila ob neizpolnitvi, povračila, reševanje sporov in jasno določanje odgovornosti.
Najpomembnejši zaključek Project Swap
Project Swap lahko opišemo kot eksperiment, v katerem so Claudeovi agenti menjavali knjige. Toda pomembnejša ugotovitev je globlja:
Tehnologija pogajanja med AI-agenti je že presenetljivo funkcionalna. Večje ozko grlo postaja vprašanje, ali agent dovolj dobro razume človeka, ki ga zastopa.
Številke tvorijo konsistentno sliko:
- 61 % parno ujemanje preferenc po kratkem intervjuju,
- približno 85 % vrzeli zaradi modeliranja uporabnika,
- učinkovitost od 0,75 pri Haiku do 0,88 pri Opus,
- le 0,02 točke prednosti za »ruthless« navodilo,
- povprečno zadovoljstvo 7,2/10 med odgovori zaključne ankete,
- okoli 30 % lastnega proračuna za knjige, ki bi ga vprašani hipotetično prepustili agentu.
To je korak od AI-pomočnika k AI-zastopniku in nato k AI-ekonomskemu agentu. Tak sistem ne odgovarja več samo na vprašanja. Začne predstavljati naše interese, sklepati kompromise in izvajati dejanja v okolju drugih agentov.
Prav zato bo kakovost osebnega konteksta postala konkurenčna prednost — vendar samo, če jo spremljajo jasne meje, uporabnikov nadzor in popolna revizijska sled.
Pogosta vprašanja
Kaj je Project Swap?
Project Swap je Anthropicov eksperiment, v katerem so AI-agenti v imenu 201 zaposlenih na digitalnem trgu menjavali knjige. Raziskovalce je zanimalo, kako dobro agent razume človekove preference in kako uspešno se pogaja z drugimi agenti.
Ali se AI-agenti že znajo pogajati?
Da, vsaj v omejenem in jasno strukturiranem okolju. Agenti so samostojno iskali menjave, predlagali večstranske posle ter sprejemali ali zavračali ponudbe.
Kaj je bil glavni problem v Project Swap?
Glavni problem ni bilo samo pogajanje. Približno 85 % vrzeli med optimalnim in doseženim rezultatom je bilo pripisano nepopolnemu modeliranju preferenc ljudi, ki so jih agenti zastopali.
Kako natančno je Claude razumel uporabnike?
Modelove ocene so se z uporabnikovimi razvrstitvami ujemale pri približno 61 % primerjanih parov knjig. To je bolje od 50-odstotnega naključnega rezultata, vendar še vedno pušča veliko prostora za napačne odločitve.
Ali boljši prompt pomeni boljšega pogajalca?
Ne nujno. V ponovljenih simulacijah je na rezultat bolj vplivala zmogljivost modela kot razlika med brezobzirnim in prosocialnim navodilom. Toda niti boljši model ne odpravi potrebe po preverjanju uporabnikovih preferenc.
Kako lahko preverimo, ali agent razume uporabnika?
Agent naj pred izvedbo povzame cilj, prioritete, omejitve in negotove domneve. Uporabnik naj povzetek popravi in pri pomembnih odločitvah potrdi proračun, prepovedane možnosti ter pogoje za prekinitev.
Katere odločitve lahko najprej prepustimo AI-agentu?
Najprej nizkotvegane, reverzibilne in merljive naloge: zbiranje ponudb, razvrščanje možnosti in pripravo predlogov. Finančno, pravno ali osebno pomembne odločitve zahtevajo strožje omejitve in človeško potrditev.
Kaj Project Swap pomeni za prihodnost spletnih platform?
Agentni trgi bi lahko znižali stroške iskanja in pogajanj. Platforme pa bodo morale urediti identiteto agentov, dokaz pooblastila, zasebnost, preklic dogovorov, reševanje sporov in odgovornost za napačno zastopanje.
Primarni viri:
Anthropic: Project Swap — What happens when agents trade for us?
Project Swap — glavno poročilo (PDF)
Project Swap — dodatek in metodologija (PDF)